論文の概要: CheXFuse: Guided Differential Joint Attention Fusion for Robust Multimodal Chest X-Ray Classification in Data-Scarce Medical Settings

• arxiv url: http://arxiv.org/abs/2610.25617v1
• Date: Mon, 19 Oct 2026 00:45:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 13:08:44.773878
• Title: CheXFuse: Guided Differential Joint Attention Fusion for Robust Multimodal Chest X-Ray Classification in Data-Scarce Medical Settings
• Title（参考訳）: CheXFuse: データスカース医療施設におけるロバストマルチモーダル胸部X線分類のためのガイド付き差動関節固定術
• Abstract要約: Guided Differential Joint Attention (GuDJA)に基づくマルチモーダル融合フレームワーク CheXFuseは、画像とテキストトークンの表現を共同マルチモーダルシーケンスで結合する。 GuDJAは、非対称または部分的に減少したモダリティ情報性の下で有望な融合戦略を提供する。
• 参考スコア（独自算出の注目度）: 0.9395222766576342
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A central challenge in multimodal learning is how to fuse modalities that differ substantially in predictive strength. When one modality provides a much stronger representation than another, indiscriminate cross-modal interaction can introduce weak, redundant, or unstable signals, limiting or even degrading performance relative to the strongest unimodal representation. To address this problem, we propose CheXFuse, a multimodal fusion framework based on Guided Differential Joint Attention (GuDJA). CheXFuse combines image and text token representations within a joint multimodal sequence, where learned token guidance emphasizes informative representations and differential attention reduces less useful attention responses. We evaluate CheXFuse on the Indiana University (IU) Chest X-ray dataset, using binary (normal vs. abnormal) classification as the downstream task. Experiments are conducted under both original-report and masked-report settings, with the latter serving as a controlled stress test under reduced textual informativeness. CheXFuse with GuDJA achieves the strongest mean overall performance across the evaluated baselines and ablations, reaching 95.73% accuracy, 95.79% F1-score, 96.54% recall, and 95.28% sensitivity at 95% specificity (Sens@95Spec) with original reports, and 95.58%, 95.60%, 95.60%, and 94.34%, respectively, under masked reports. These results suggest that GuDJA provides a promising fusion strategy under asymmetric or partially reduced modality informativeness.
• Abstract（参考訳）: マルチモーダル学習における中心的な課題は、予測強度で大きく異なるモダリティを融合する方法である。 あるモダリティが他のモダリティよりもはるかに強力な表現を提供する場合、非差別的なクロスモーダル相互作用は弱い、冗長、不安定な信号を導入し、最も強いユニモーダル表現と比較して性能を制限または低下させる。 この問題に対処するため,GuDJA(Guid Differential Joint Attention)に基づくマルチモーダル融合フレームワークであるCheXFuseを提案する。 CheXFuseは、画像とテキストのトークン表現を結合したマルチモーダルシーケンスで組み合わせ、学習されたトークンガイダンスは情報表現を強調する。 インディアナ大学(IU)のチェストX線データを用いたCheXFuseの評価を行った。 実験はオリジナル・リポートとマスク・リポートの両方で実施され、後者はテキスト情報量の減少による制御ストレステストとして機能する。 GuDJAを用いたCheXFuseは、評価されたベースラインとアブレーション全体で最も高い総合的なパフォーマンスを達成し、95.73%の精度、95.79%のF1スコア、96.54%のリコール、95.28%の感度で95%特異度(Sens@95Spec)、95.58%、95.60%、95.60%、94.34%に達した。 以上の結果から, GuDJAは非対称あるいは部分的に低減されたモダリティ情報性の下で, 有望な融合戦略を提供する可能性が示唆された。

関連論文リスト

• When Modalities Fail to Tango: Conformal Backdoor Detection in Multimodal Contrastive Learning [22.47689018895596]
  マルチモーダルコントラスト学習(MCL)におけるバックドア攻撃は近年注目を集めている。 既存の検出ベースの防御は、主にCLIPScoreメトリックに依存している。 CSCADEは,2段階の連続型バックドア検出フレームワークである。
  論文  参考訳（メタデータ） (2026-08-04T10:20:41Z)
• Cross-Fitted Residual Utility for Primary-Preserving Cognitive Decision Correction in Automatic Modulation Classification [1.547549252134621]
  本稿では,クロスフィット型残効ユーティリティとプライマリ保存型認知決定ポリシーを用いて,推論後の問題について検討する。 構造化されたkan-Fourier分類器はデフォルトの確率を提供し、ニューラルおよび非ニューラル候補は観測可能な証拠を提供する。 RMLA、RMLB、HISARでは、完全なシステムは全体の精度を63.632%から66.332%、65.161%から66.168%、77.769%から79.867%に改善している。
  論文  参考訳（メタデータ） (2026-08-03T11:07:37Z)
• MuteBench: Modality Unavailability Tolerance Evaluation for Incomplete Multimodal Fusion [37.86089523035199]
  7つの臨床領域から9つのデータセットをカバーするベンチマークであるMuteBenchを提示する。 アーキテクチャファミリは、パラメータ数を上回る、ロバスト性の最も強い予測要因であることがわかった。 チャネルに依存しないモデルは、モダリティの欠如を許容するが、モダリティの欠如に敏感である。
  論文  参考訳（メタデータ） (2026-05-13T19:32:11Z)
• Towards Responsible Multimodal Medical Reasoning via Context-Aligned Vision-Language Models [11.019570079187552]
  医用視覚言語モデル (VLM) は放射線学のタスクにおいて強い性能を示すが、しばしば流動的だが弱弱な結論をもたらす。 我々は、診断結果を生成する前に、異種の臨床的証拠間での合意を強制する文脈整合推論フレームワークを導入する。
  論文  参考訳（メタデータ） (2026-04-09T23:09:38Z)
• Unveiling Covert Toxicity in Multimodal Data via Toxicity Association Graphs: A Graph-Based Metric and Interpretable Detection Framework [58.01529356381494]
  Toxicity Association Graphs (TAG) に基づく新しい検出フレームワークを提案する。 隠れ毒性の定量化のための最初の指標であるMTC(Multimodal Toxicity Covertness)を紹介する。 本手法は,意思決定プロセスの完全解釈可能性を維持しつつ,隠蔽毒性の正確な同定を可能にする。
  論文  参考訳（メタデータ） (2026-02-03T08:54:25Z)
• Robust Multimodal Sentiment Analysis via Double Information Bottleneck [55.32835720742616]
  マルチモーダル感情分析は様々な研究領域で注目されている。 既存のアプローチでは、ノイズに汚染された単調なデータの学習が不十分である。 本稿では,Double Information Bottleneck(DIB)戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-03T10:52:45Z)
• A Fine-Grained Attention and Geometric Correspondence Model for Musculoskeletal Risk Classification in Athletes Using Multimodal Visual and Skeletal Features [3.0826008596787253]
  筋骨格障害はアスリートに重大なリスクをもたらし、早期にリスクを評価することは予防に重要である。 本研究では,視覚的および骨格的座標に基づく特徴を用いて筋骨格リスクを分類する,新しいマルチモーダル深層学習フレームワークであるViSK-GATを紹介する。 ViSK-GATは、9つの人気のある移行学習のバックボーンを一貫して上回り、AIによる筋骨格リスク評価を前進させる可能性を示した。
  論文  参考訳（メタデータ） (2025-09-07T04:09:06Z)
• Exploring Response Uncertainty in MLLMs: An Empirical Evaluation under Misleading Scenarios [49.53589774730807]
  マルチモーダル大規模言語モデル(MLLM)は近年,視覚的質問応答から映像理解に至るまでのタスクにおいて,最先端のパフォーマンスを実現している。 12件のオープンソースMLLMが, 単一の偽装キューを受けた65%の症例において, 既往の正解を覆した。
  論文  参考訳（メタデータ） (2024-11-05T01:11:28Z)
• Confidence-aware multi-modality learning for eye disease screening [58.861421804458395]
  眼疾患スクリーニングのための新しい多モード顕在核融合パイプラインを提案する。 モダリティごとに信頼度を測り、マルチモダリティ情報をエレガントに統合する。 パブリックデータセットと内部データセットの両方の実験結果は、我々のモデルが堅牢性に優れていることを示している。
  論文  参考訳（メタデータ） (2024-05-28T13:27:30Z)
• Cross-Attention is Not Enough: Incongruity-Aware Dynamic Hierarchical Fusion for Multimodal Affect Recognition [69.32305810128994]
  モダリティ間の同調性は、特に認知に影響を及ぼすマルチモーダル融合の課題となる。 本稿では,動的モダリティゲーティング(HCT-DMG)を用いた階層型クロスモーダルトランスを提案する。 HCT-DMG: 1) 従来のマルチモーダルモデルを約0.8Mパラメータで上回り、2) 不整合が認識に影響を及ぼすハードサンプルを認識し、3) 潜在レベルの非整合性をクロスモーダルアテンションで緩和する。
  論文  参考訳（メタデータ） (2023-05-23T01:24:15Z)
• Federated Deep AUC Maximization for Heterogeneous Data with a Constant Communication Complexity [77.78624443410216]
  異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。 本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。 FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
  論文  参考訳（メタデータ） (2021-02-09T04:05:19Z)

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。