論文の概要: Diagnosis-Conditioned Spatial Gating and Decoder-Level Supervised Contrastive Learning for Radiology Report Generation

• arxiv url: http://arxiv.org/abs/2610.04159v1
• Date: Sat, 03 Oct 2026 00:02:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-12 19:43:25.613899
• Title: Diagnosis-Conditioned Spatial Gating and Decoder-Level Supervised Contrastive Learning for Radiology Report Generation
• Title（参考訳）: 放射線学レポート作成のための診断基準付き空間ゲーティングとデコーダレベル監督型コントラスト学習
• Abstract要約: 位置認識ゲート(PAG)を導入し,領域の監督なしに視覚パッチを空間的に調整する。 また,デコーダレベルのスーパーバイザ・コントラシブ・ロス (DSCL) も提案する。
• 参考スコア（独自算出の注目度）: 1.8999188441259178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radiology report generation models can produce fluent text while still containing finding-level inaccuracies. Diagnosis-driven methods improve generation by conditioning on predicted findings, but these predictions do not directly modify the visual patch features provided to the decoder, and global gating applies the same modulation across spatial locations. We introduce a Position-Aware Gate (PAG) that uses predicted finding representations to modulate visual patches spatially without region supervision. We also propose a Decoder-level Supervised Contrastive Loss (DSCL) that structures decoder representations using shared positive findings rather than instance identity. On MIMIC-CXR, PAG+DSCL improves clinical efficacy (CE) F1 from 0.484 to 0.502 over a matched global-gate reference, while PAG and DSCL individually reach 0.491 and 0.495. Without additional fine-tuning, the combined model achieves 0.226 CE F1 on IU X-Ray, compared with 0.211 reported by PromptMRG.
• Abstract（参考訳）: 放射線学レポート生成モデルは、発見レベルの不正確さをまだ含んでも、流動的なテキストを生成することができる。 診断駆動の手法は, 予測された結果の条件付けにより生成を改善するが, これらの予測はデコーダに提供される視覚的パッチ機能を直接変更せず, グローバルゲーティングは空間的位置にわたって同じ変調を適用する。 位置認識ゲート(PAG)を導入し,領域の監督なしに視覚パッチを空間的に調整する。 また,デコーダレベルのスーパーバイザ・コントラシブ・ロス (DSCL) も提案する。 MIMIC-CXRでは、PAG+DSCLは一致したグローバルゲート参照に対して、臨床効果(CE)F1を0.484から0.502に改善し、PAGとDSCLはそれぞれ0.491と0.495に達する。 追加の微調整なしでは、PromptMRGが報告した0.211と比較して、IU X線上の0.226 CE F1を達成する。

関連論文リスト

• Corpus Characterization and Inverse Constitutional Fine-Tuning for Style-Aware Radiology Reports [0.4333172868072617]
  我々はCheXpert Plusデータセットから2000件のレポートのスタイリスティックなバリエーションを特徴付けている。 我々は、逆構成型AIフレームワークを、放射線学者が書いたレポートペアからスタイル中心のコンフィグレーションを導出するように適応する。 この構成は、MedGemma-4Bベースモデルの教師付き微調整に、トーン、ディクション、不確実性校正、レポート構造を符号化する。
  論文  参考訳（メタデータ） (2026-09-13T01:40:23Z)
• Bridging Vision Foundation Model Priors with CLIP for Spatial-aware Few-shot Anomaly Detection in Medical Images [48.646448077284276]
  本研究では,数発の医用異常検出を効果的に行うためのフレームワークであるSpatial-FADを提案する。 VFM空間先行とCLIPセマンティクスを組み合わせることで病変の局在を改善する。 本手法は,Diceスコアが11.4%,AUCが1.8%以上の平均改善を実現している。
  論文  参考訳（メタデータ） (2026-09-11T05:21:01Z)
• DRRG: A Discrete Diffusion Framework for Radiology Report Generation [41.9313166365715]
  既存のほとんどのメソッドは、トークンごとにレポートトークンを生成する自動回帰(AR)フレームワークに依存しており、以前のコンテンツを修正できない。 対照的に、離散拡散大言語モデル (DLLM) は反復的 denoising を通じてテキストを生成する。 DRRGは、RRGを反復マスクトケンデノベーション(英語版)として定式化するフレームワークである。
  論文  参考訳（メタデータ） (2026-08-25T06:07:02Z)
• CARE-X: Towards Clinically Useful Radiology VLMs with Auxiliary Supervision, Reward-Aligned Learning, and Tool-Augmented Measurement [3.586844533420584]
  本稿では,胸部X線ビジョンランゲージモデル(VLM)であるCARE-Xを紹介する。 CARE-Xは、言語モデリングの目的と協調して訓練された、焦点空間の分類と複合空間の接地ヘッドにより、その生成バックボーンを増強する。 その結果は、4つのレポートジェネレーションベンチマークの大多数における最先端のパフォーマンス、ReXVQAにおける94.0%のVQA精度、および専用の検出ヘッドとほぼ同値な生成空間デコーディングが得られた。
  論文  参考訳（メタデータ） (2026-08-04T16:23:39Z)
• Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
  既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。 テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
  論文  参考訳（メタデータ） (2026-06-17T08:10:30Z)
• RL-ACRGNet: Reinforcement Learning-Based Chest Radiology Report Generation Network [19.808093570116526]
  プリトレーニングされたDenseNetエンコーダとマルチレベルLSTMデコーダを統合した改良型エンコーダデコーダモデルであるRL-ACRGNetを提案する。 我々は、RL-ACRGNetが、IU-Xrayデータセットの最先端ベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-06-01T10:24:31Z)
• DiffVP: Differential Visual Semantic Prompting for LLM-Based CT Report Generation [18.257492970454898]
  DiffVP (differial Visual Prompting) を提案する。 2つの大規模ベンチマークにおいて、DiffVPは従来手法より一貫して優れ、平均のBLEU-1-4を+10.98と+4.36で改善した。
  論文  参考訳（メタデータ） (2026-03-18T13:38:26Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• Teaching AI Stepwise Diagnostic Reasoning with Report-Guided Chain-of-Thought Learning [11.537036709742345]
  DiagCoTは汎用視覚言語モデル(VLM)に教師付き微調整を適用するフレームワークである DiagCoTは、ドメインアライメントのためのコントラッシブなイメージレポートチューニング、推論ロジックをキャプチャするためのチェーン・オブ・シンセサイザー、および臨床報酬信号による強化チューニングを組み合わせることで、事実の正確性と流布性を高める。 LLaVA-MedやCXR-LLAVAといった最先端モデルでは、長い尾の病気や外部データセットよりも優れています。
  論文  参考訳（メタデータ） (2025-09-08T08:01:26Z)
• Cross-Modal Causal Intervention for Medical Report Generation [107.76649943399168]
  放射線医学報告生成(RRG)は, コンピュータ支援診断と薬剤指導に不可欠である。 視覚言語的バイアスによる急激な相関により、正確な病変記述の生成は依然として困難である。 我々はCrossModal Causal Representation Learning (CMCRL)という2段階のフレームワークを提案する。 IU-XrayとMIMIC-CXRの実験により、我々のCMCRLパイプラインは最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-16T07:23:55Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。