論文の概要: A doctrine-grounded visual question answering dataset for Tactical Combat Casualty Care

• arxiv url: http://arxiv.org/abs/2610.07339v1
• Date: Mon, 05 Oct 2026 20:14:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.642771
• Title: A doctrine-grounded visual question answering dataset for Tactical Combat Casualty Care
• Title（参考訳）: 戦術的Combat Casualty Careのための教義に基づく視覚的質問応答データセット
• Abstract要約: 本稿では,T3-VQAについて述べる。Tactical Combat Casualty CareのビデオとTC3文書から構築したデータセットである。 11の概念にまたがる581の項目を含み、1,860の質問は、介入認識、教義、臨床推論、手続き指導、視覚情報が不十分な場合の拒絶を含んでいる。 TC3に視覚言語モデルを適用するリソースを提供し、視覚的エビデンスと臨床知識の関連を研究し、認識、教義のリコール、棄権を評価する。
• 参考スコア（独自算出の注目度）: 3.801438523702758
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tactical Combat Casualty Care (TC3) requires responders to connect visual observations of injuries and interventions with established clinical guidance. Developing vision-language models to support this process requires supervision that links visible evidence to traceable doctrine. We present TC3-VQA, a dataset constructed from public instructional and field TC3 videos and authoritative TC3 documents. It contains 581 items spanning 11 concepts, with 1,860 questions covering intervention recognition, doctrine, clinical reasoning, procedural guidance, and refusal when visual information is insufficient. Doctrine-based answers preserve verbatim source passages and character offsets. Construction combines visual annotation, passage retrieval, entailment checks, and verification across model families. Equipment boxes, anatomical labels, temporal segments, and source metadata accompany the question-answer pairs. Automated audits and ratings by two physicians and two medical students characterize annotation quality, with human ratings available for 88 retained items. The dataset provides a resource for adapting vision-language models to TC3, studying the connection between visual evidence and clinical knowledge, and evaluating recognition, doctrine recall, and abstention.
• Abstract（参考訳）: Tactical Combat Casualty Care (TC3) (Tactical Combat Casualty Care) は、負傷の視覚的観察と介入を、確立された臨床ガイダンスと結びつけることを要求する。 このプロセスをサポートするために視覚言語モデルを開発するには、目に見える証拠と追跡可能な教義を結びつける監督が必要である。 TC3-VQAは、公開教育用およびフィールド用TC3ビデオと権威のあるTC3文書から構築されたデータセットである。 11の概念にまたがる581の項目を含み、1,860の質問は、介入認識、ドクトリン、臨床推論、手続き指導、視覚情報が不十分な場合の拒絶を含んでいる。 ドクトリンに基づく回答は、動詞のソースパスと文字オフセットを保存する。 構成は、視覚的アノテーション、通路の検索、詳細チェック、モデルファミリ間の検証を組み合わせる。 機器ボックス、解剖学的ラベル、時間セグメント、およびソースメタデータは、質問応答ペアに付随する。 2人の医師と2人の医学生による監査と評価の自動化は、注釈の質を特徴付けており、人間の評価は88の項目で利用可能である。 このデータセットは、視覚言語モデルをTC3に適応させ、視覚的エビデンスと臨床知識の関連を研究し、認識、教義のリコール、棄権を評価するためのリソースを提供する。

関連論文リスト

• Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
  ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。 3つの主要なコンポーネントを特徴とするフレームワークを提案する。 診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
  論文  参考訳（メタデータ） (2026-06-24T08:24:45Z)
• ASAP: Advancing Medical Volumetric Representation Learning with Anatomy-aware Semantically-adaptive Pre-training [26.518178155362634]
  本稿では,医用ボリューム表現学習のための視覚言語事前学習フレームワークを提案する。 解剖学的知識注入モジュールは,(1)臓器レベルでの構造的前提を組み込んだもの,(2)文レベルの発見と局所的な領域を関連付ける意味的適応的選択的アライメント機構,(3)解剖学的に認知された視覚的特徴と接地されたテキストの手がかりとを効果的に相互作用するための意味的適応的融合モジュールである。
  論文  参考訳（メタデータ） (2026-05-30T07:59:21Z)
• Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
  医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。 本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
  論文  参考訳（メタデータ） (2025-09-30T08:59:06Z)
• GEMeX-RMCoT: An Enhanced Med-VQA Dataset for Region-Aware Multimodal Chain-of-Thought Reasoning [60.03671205298294]
  医学的視覚的質問応答は、医学的イメージに基づいた自然言語的質問にモデルで答えることによって、臨床的な意思決定を支援することを目的としている。 現在の方法はまだ、答えの信頼性の制限と解釈性の低下に悩まされている。 この研究はまず、回答を生成するプロセスが中間的推論ステップのシーケンスに先行する領域対応マルチモーダル・チェーン・オブ・ソートデータセットを提案する。
  論文  参考訳（メタデータ） (2025-06-22T08:09:58Z)
• A Dataset for Addressing Patient's Information Needs related to Clinical Course of Hospitalization [15.837772594006038]
  ArchEHR-QAは、集中治療室と救急部門の設定から現実の患者をベースとした、専門家による注釈付きデータセットである。 症例は、公衆衛生フォーラムへの患者による質問、臨床医が解釈した質問、関連する臨床ノートの抜粋、および臨床医が認可した回答である。 答えファーストのプロンプトアプローチは一貫して最善を尽くし、ラマ4は最高得点を獲得した。
  論文  参考訳（メタデータ） (2025-06-04T16:55:08Z)
• From Gaze to Insight: Bridging Human Visual Attention and Vision Language Model Explanation for Weakly-Supervised Medical Image Segmentation [48.45209969191245]
  視覚言語モデル(VLM)は、テキスト記述を通して意味的コンテキストを提供するが、説明精度は欠如している。 本稿では,その補完的強みを活かし,視線と言語指導を統合した教師教育フレームワークを提案する。 本手法は,8.78%,80.53%,84.22%のDiceスコアをそれぞれ達成し,アノテーション負担を増大させることなく視線ベースラインよりも3.5%向上した。
  論文  参考訳（メタデータ） (2025-04-15T16:32:15Z)
• Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
  本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。 目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。 本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
  論文  参考訳（メタデータ） (2021-08-02T10:42:52Z)

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。