論文の概要: Beyond Report Imitation: Clinically Aware Multi-Image Ultrasound Report Generation from Visible Evidence

• arxiv url: http://arxiv.org/abs/2610.11610v1
• Date: Thu, 08 Oct 2026 09:53:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.937753
• Title: Beyond Report Imitation: Clinically Aware Multi-Image Ultrasound Report Generation from Visible Evidence
• Title（参考訳）: バイシブル・エビデンスによる多面的超音波診断
• Abstract要約: 超音波レポート生成のための臨床用マルチイメージ・エビデンス・グラウンドド・オーケストレーション・フレームワークであるCAMEOを提案する。 我々は,USReport-Distilled with 17,670 evidence-grounded paired-image training instanceとUSReport-Pref with 21,869 preference pairsを構築した。 USReport-Distilled のベンチマークでは、CAMEO は EchoVLM を 0.25 から 0.40 BLEU-1 に、0.28 から 0.45 ROUGE-1 に、0.27 から 0.43 METEOR に、また ClinicalScore を 55.02 から 74.20 に改善した。
• 参考スコア（独自算出の注目度）: 11.292323308284137
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating ultrasound reports from multiple images requires aggregating clinical evidence across views, yet archived key frames capture only part of the dynamic examination. Raw-report imitation is therefore misaligned with visual supervision: content that is clinically valid for the full examination may be unverifiable from the images available to a model. This gap creates a clinical behavior alignment problem. A model must preserve visible findings, avoid diagnostic reversals and unsupported completion, and not collapse into conservative templates. We propose CAMEO, a Clinically Aware Multi-image Evidence-grounded Orchestration framework for ultrasound report generation. Stage I learns ultrasound visual-language primitives; Stage II performs Cross-View Evidence Grounding by distilling trusted visible report points into multi-image QA and report-style supervision; and Stage III performs Clinically Aware Preference Alignment using clinical-error-oriented preference pairs. From USReport, we construct USReport-Distilled with 17,670 evidence-grounded paired-image training instances and USReport-Pref with 21,869 preference pairs; we additionally use 25,631 PubMedVision-US ultrasound instruction samples for domain adaptation and multi-image instruction tuning. On the primary USReport-Distilled benchmark, CAMEO improves over EchoVLM from 0.25 to 0.40 BLEU-1, 0.28 to 0.45 ROUGE-1, and 0.27 to 0.43 METEOR, while raising ClinicalScore from 55.02 to 74.20. These results underscore the value of evidence-grounded supervision, clinically aware alignment, and clinically structured evaluation for reliable ultrasound report generation.
• Abstract（参考訳）: 複数の画像から超音波レポートを生成するには、ビュー全体にわたる臨床証拠を集約する必要があるが、アーカイブされたキーフレームはダイナミックな検査の一部のみをキャプチャする。 したがって、Raw-Reportの模倣は視覚的監督と誤解される。完全検査で臨床的に有効であるコンテンツは、モデルで利用可能な画像から検証できない可能性がある。 このギャップは臨床行動アライメントの問題を引き起こす。 モデルは、目に見える所見を保存し、診断の逆転を回避し、未完成の完了を回避し、保守的なテンプレートに崩壊しないようにしなければならない。 超音波レポート生成のための臨床用マルチイメージ・エビデンス・グラウンドド・オーケストレーション・フレームワークであるCAMEOを提案する。 ステージIは、超音波視覚言語プリミティブを学び、ステージIIは、信頼できる可視性レポートポイントをマルチイメージのQAとレポートスタイルの監視に蒸留することで、クロスビューエビデンスグラウンドを行う。 我々はUSReportから17,670個のエビデンスと21,869個の選好ペアを持つUSReport-DistilledとUSReport-Prefを構築し、さらに25,631個のPubMedVision-US超音波インストラクションサンプルをドメイン適応とマルチイメージインストラクションチューニングに使用した。 USReport-Distilled ベンチマークでは、CAMEO は EchoVLM を 0.25 から 0.40 BLEU-1 に、0.28 から 0.45 ROUGE-1 に、0.27 から 0.43 METEOR に、また ClinicalScore を 55.02 から 74.20 に改善した。 以上の結果から,エビデンス・グラウンドド・インスペクティブ,臨床的に意識されたアライメント,および信頼性のある超音波レポート生成のための臨床構造化評価の価値が評価された。

関連論文リスト

• Toward Vision Language Model-based Assessment of Clinical Quality and Usability of LGE-MR Images for Cardiac Ablation Planning [0.7394388288509157]
  左心房LGE-MRIにおける画像品質評価のための2段階視覚言語モデル(VLM)を提案する。 本研究では,左心房LGE-MRIにおける画像品質評価のための2段階視覚言語モデル(VLM)を提案する。
  論文  参考訳（メタデータ） (2026-08-21T14:51:48Z)
• A report-grounded vision-language foundation model for colonoscopy from 280000 routine reports [58.14965296904734]
  EndoCLIPは125,756の病変レベルの画像テキストペアに基づいて訓練された視覚言語基盤モデルである。 これは、ゼロショットとリニアプローブの両方の設定において、汎用およびバイオメディカルな視覚言語エンコーダよりも優れている。
  論文  参考訳（メタデータ） (2026-07-30T16:24:36Z)
• PathAgentBench: Benchmarking Evidence-Seeking Vision-Language Models on Whole-Slide Pathology Image [16.376573433449458]
  全スライディング画像(WSI)の診断には、診断に関係のある領域を特定し、倍率で調べ、マルチスケールのエビデンスを統合する必要がある。 既存のほとんどの病理ベンチマークは、プリクロップされたパッチや抽出済みのスライド機能に関するモデルを評価し、ギガピクセルのWSIから直接証拠を取得する能力は、ほとんどテストされていない。 PathAgentBenchは,視覚言語モデル(VLM)を4つの補完機能で評価するためのベンチマークである。
  論文  参考訳（メタデータ） (2026-07-21T16:33:44Z)
• A Vision-language Framework for Comparative Reasoning in Radiology [68.52471827773482]
  我々は,放射線学的比較を実体認識のクロスイメージ推論問題として定式化する。 我々は,日常的な画像とレポートのペアから得られた大規模比較画像資源を構築した。 臨床類似症例の検索を制御可能なエンティティ対応ビジュアルエンコーダであるMedReCoを開発した。
  論文  参考訳（メタデータ） (2026-06-04T17:12:47Z)
• Cross-modal linkage risk in clinical vision-language models [1.828619151598757]
  視覚言語モデル(VLM)は、ペアの胸部X線写真と放射線学レポートに基づいて訓練され、インスタンスレベルの画像レポート対応を保存できる共有埋め込み空間を学習する。 これは、ラジオグラフとレポートが買収後に意図的に分離された設定でプライバシー上のリスクを生じさせる。 我々はこれをイメージ・ツー・レポート検索として定式化し、プライバシーシナリオとしてではなく、パブリック・ペアのコホートを使用してリスクを監査した。
  論文  参考訳（メタデータ） (2026-06-01T14:01:46Z)
• AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
  本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。 評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。 実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
  論文  参考訳（メタデータ） (2026-01-23T11:59:13Z)
• Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
  医療用AIシステムFetalMindについて報告する。 本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。 FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
  論文  参考訳（メタデータ） (2025-10-14T19:57:03Z)
• Automated Cervical Os Segmentation for Camera-Guided, Speculum-Free Screening [38.85521544870542]
  本研究は,経血管内視鏡的画像における頸部骨のリアルタイム分割のための深層学習法について検討した。 DICE(0.50 pm 0.31)と検出レート(0.87 pm 0.33)を達成した。 これらの結果は、非専門的な使用をサポートするために、自動os認識を投機のない頸部検診装置に統合するための基盤を確立する。
  論文  参考訳（メタデータ） (2025-09-12T14:19:27Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)

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。