論文の概要: Reliability-Guided Vision-Language Decoding with Text-Aware Skip Refinement for Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2610.28118v2
• Date: Wed, 21 Oct 2026 08:56:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.090909
• Title: Reliability-Guided Vision-Language Decoding with Text-Aware Skip Refinement for Medical Image Segmentation
• Title（参考訳）: 医用画像セグメンテーションのためのテキスト・アウェア・スキップ・リファインメントを用いた信頼性誘導型ビジョンランゲージデコーディング
• Abstract要約: 本稿では,信頼性誘導復号化によりテキストを統合する視覚言語フレームワークRELiFを提案する。 Reliability-guided Fusion Gate (RFG) はクロスモーダルな更新を適応的に制御し、Text-guided Skip Refinement Adapter (TSRA) は高解像度の機能を改良している。 RELiFはX線写真,CT,内視鏡的セグメンテーションのタスクで評価される。
• 参考スコア（独自算出の注目度）: 4.584941322407298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Medical image segmentation remains challenging when targets exhibit limited visual distinction, irregular structure, or substantial variation across imaging modalities. Medical text can reduce this ambiguity, but indiscriminate fusion may introduce unreliable guidance. We present RELiF, a vision--language framework that integrates text through reliability-guided decoding. Its Reliability-guided Fusion Gate (RFG) adaptively controls cross-modal updates, while the Text-guided Skip Refinement Adapter (TSRA) refines high-resolution features using text guidance. RELiF is evaluated on radiographic, CT, and endoscopic segmentation tasks, where it shows competitive performance across diverse imaging characteristics and target appearances. Additional analyses examine efficiency and stability. The complementary uncertainty representation derived from the reliability response also shows an association with prediction difficulty, with higher uncertainty values occurring more frequently in pixels associated with segmentation errors. Code: https://github.com/SeivanTalaie/RELiF.
• Abstract（参考訳）: 医用画像のセグメンテーションは、ターゲットが限られた視覚的区別、不規則な構造、あるいは画像のモダリティにまたがる実質的な変化を示す場合、依然として困難である。 医学的テキストはこの曖昧さを減らすことができるが、非差別的な融合は信頼できないガイダンスをもたらすかもしれない。 本稿では,信頼性誘導復号化によりテキストを統合する視覚言語フレームワークRELiFを提案する。 Reliability-guided Fusion Gate (RFG) はクロスモーダルな更新を適応的に制御し、Text-guided Skip Refinement Adapter (TSRA) はテキストガイダンスを使って高解像度の機能を洗練している。 RELiFはX線、CT、内視鏡のセグメンテーションのタスクで評価され、様々な画像特性とターゲットの外観の競合性能を示す。 さらなる分析は効率と安定性について考察する。 信頼性応答から導かれる相補的不確実性表現はまた、セグメンテーション誤差に関連する画素でより頻繁に発生する高い不確実性値と予測困難との関係を示す。 コード:https://github.com/SeivanTalaie/RELiF。

関連論文リスト

• DistMedVL: Distributional Vision-Language Alignment for Uncertainty-Aware Medical Image Segmentation [16.13084489571617]
  視覚的およびテキスト的表現の相互アライメントは、マルチモーダルな医用画像理解に不可欠である。 既存の視覚言語セグメンテーション法は、不明瞭な境界からアレター的不確実性を見落としている決定論的クロスモーダルマッチングに依存している。 本稿では,凍結エンコーダ上に軽量な確率的クロスモーダルアダプタ(PCM-Adapter)を導入し,表現の不確実性を明示的にモデル化する確率的視覚言語フレームワークであるDistMedVLを提案する。
  論文  参考訳（メタデータ） (2026-08-06T07:17:14Z)
• Text as Illumination: Spatial Contrastive Retinex Learning for Language-guided Medical Image Segmentation [81.21550084361755]
  言語誘導医療画像(LMIS)は解剖学的構造や病変の描写を改善する大きな可能性を示している。 既存の手法では、テキストと視覚的特徴間の暗黙的な相互作用や、モーダル・アライメントのための粗いきめ細かな監督に依存している。 本稿では,テキスト埋め込みを意味的な照明として扱う新しいフレームワークであるText-as-Illumination Retinex Network (TIRNet)を提案する。
  論文  参考訳（メタデータ） (2026-06-26T07:27:48Z)
• Text Over Image: Auditing Multimodal Robustness in Synthetic Medical Image Detection [38.146353416394234]
  我々は、画像記録インタフェースにおけるマルチモーダルロバスト性の監査として、合成医用画像検出を再構成する。 メタデータのコンテキストだけを変えることで、信頼性の判断を覆すことがわかりました。 そこで本研究では,モデルの再学習を伴わずに,予測時間短縮パイプラインを用いて前兆ショートカットの検出と中和を行う。
  論文  参考訳（メタデータ） (2026-06-24T04:08:41Z)
• Structure Observation Driven Image-Text Contrastive Learning for Computed Tomography Report Generation [51.509572354327986]
  本稿では,CTRG(Computed Tomography Report Generation)に適した新しい2段階(構造とレポートの学習)フレームワークを提案する。 第1段階では、CT画像中の対応する構造を学習可能な構造特異的な視覚的クエリーの集合を観察し、その結果として得られる観察トークンと、それに伴う放射線学レポートから抽出された構造特異的なテキスト特徴とを、構造的に画像テキストのコントラストロスとで対比する。 第2段階では、視覚構造クエリを凍結し、各解剖学的構造を描写したクリティカルイメージパッチ埋め込みを選択するために使用し、メモリ消費を低減しつつ、無関係領域からの注意を最小化する。
  論文  参考訳（メタデータ） (2026-03-05T07:07:07Z)
• MedCLIPSeg: Probabilistic Vision-Language Adaptation for Data-Efficient and Generalizable Medical Image Segmentation [8.913012426353154]
  MedCLIPSegは、CLIPを堅牢で、データ効率が高く、不確実性を認識した医療画像セグメンテーションに適応する新しいフレームワークである。 提案手法では,確率的クロスモーダルアテンションによるパッチレベルのCLIP埋め込みを活用し,画像とテキストトークン間の双方向インタラクションを実現する。
  論文  参考訳（メタデータ） (2026-02-23T23:46:05Z)
• Uncertainty-Aware Vision-Language Segmentation for Medical Imaging [12.545486211087791]
  医療診断のための新しい不確実性を考慮したマルチモーダルセグメンテーションフレームワークを提案する。 本稿では,高効率なクロスモーダル融合を実現するために,軽量なステートスペースミキサ(SSMix)を備えたModality Decoding Attention Block (MoDAB)を提案する。 本研究は,視覚言語医学的セグメンテーションタスクにおいて,不確実性モデリングと構造化モダリティアライメントを取り入れることの重要性を強調した。
  論文  参考訳（メタデータ） (2026-02-16T06:27:51Z)
• MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging [67.74482877175797]
  MIRNetは、自己教師付き事前学習と制約付きグラフベースの推論を統合する新しいフレームワークである。 TongueAtlas-4Kは,22の診断ラベルを付した4,000枚の画像からなるベンチマークである。
  論文  参考訳（メタデータ） (2025-11-13T06:30:41Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)

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。