論文の概要: Diagnostic Loss: Asymmetric Supervision for Radiology Report Generation

• arxiv url: http://arxiv.org/abs/2610.30980v1
• Date: Thu, 22 Oct 2026 09:26:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.302771
• Title: Diagnostic Loss: Asymmetric Supervision for Radiology Report Generation
• Title（参考訳）: 診断損失:放射線診断レポート生成のための非対称的スーパービジョン
• Abstract要約: 本稿では,デコーダトークンの確率を直接操作する,識別可能なアーキテクチャに依存しない目的である診断損失を紹介する。 我々はDLossを3次元MedVLMアーキテクチャーで5万個の腹部CTスキャンで訓練し,評価した。
• 参考スコア（独自算出の注目度）: 11.23419297619749
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automated radiology report generation requires models to do more than produce fluent clinical narratives: they must explicitly state supported diagnoses while avoiding unsupported ones. However, existing medical vision-language models (MedVLMs) are typically trained with token-level maximum likelihood objectives, which prioritize text agreement over diagnostically critical terms. As a result, models can miss key diagnoses and introduce wrong ones. We identify this as an objective misalignment between conventional language modeling and the asymmetric diagnostic requirements of radiology reporting. To encode these requirements, we introduce Diagnostic Loss (DLoss), a differentiable, architecture-agnostic objective that operates directly on decoder token probabilities. DLoss separately aggregates probability mass over vocabularies associated with diagnoses supported by the reference report and with unsupported alternatives. Using asymmetric pooling across token positions in the report, it encourages supported diagnoses to receive sufficient probability in at least one position while suppressing spurious probability spikes for unsupported diagnoses across all positions during training. The loss can be applied to existing 3D MedVLMs without modifying their vision backbones, language decoders, or inference procedures, and introduces no additional inference-time computation. We train and evaluate DLoss on 50,000 abdominal CT scans across several 3D MedVLM architectures on both in-distribution and out-of-distribution report-generation benchmarks. Across these settings, DLoss improves diagnostic faithfulness while maintaining competitive performance on conventional language-generation metrics, showing the value of asymmetric sequence-level supervision for radiology report generation. The code for DLoss is available at https://github.com/gmum/DLoss.
• Abstract（参考訳）: 自動放射線学レポート生成は、流線型な臨床物語を創出する以上のことをするモデルを必要とし、サポート対象の診断を明示的に記述し、サポート対象の診断を避けなければならない。 しかしながら、既存の医療ビジョン言語モデル(MedVLMs)は、診断的に重要な用語よりもテキスト合意を優先するトークンレベルの最大可能性目標を用いて訓練されている。 結果として、モデルは重要な診断を見逃し、間違った診断を導入することができる。 我々はこれを,従来の言語モデリングと放射線診断の非対称な診断要件の客観的な相違として認識する。 これらの要件をエンコードするために、デコーダトークンの確率を直接操作する、識別可能なアーキテクチャに依存しない目的である診断損失(DLoss)を導入する。 DLossは、参照レポートとサポートされていない代替手段によって支持された診断に関連する語彙を、個別に確率質量に集約する。 報告書では、トークン位置を横断する非対称プールを用いることで、支援された診断者が少なくとも1つの位置で十分な確率を受け取るのを奨励し、訓練中の全ての位置にわたって、サポートされた確率スパイクを抑える。 この損失は、視覚バックボーン、言語デコーダ、推論手順を変更することなく既存の3D MedVLMに適用でき、追加の推論時間計算を導入しない。 我々は,DLossを3次元MedVLMアーキテクチャ上で5万個の腹部CTスキャンでトレーニングし,評価した。 これらの設定全体にわたって、DLossは従来の言語生成指標の競合性能を維持しながら、診断の忠実さを改善し、ラジオロジーレポート生成のための非対称なシーケンスレベルの監視の価値を示す。 DLossのコードはhttps://github.com/gmum/DLoss.comで公開されている。

関連論文リスト

• Coverage-Aware Reasoning with Medical Tokens for Diagnosis Prediction [7.328870011176673]
  次回の視線診断予測では、複数の診断を同時に行うことができるが、軌跡ごとに個別に報いると、異なる診断のカバレッジから繰り返しヒットを区別しない。 一方、LCMトークンーはICDコードをいくつかの一般的なトークンに分割して臨床的な意味を限定し、個々の診断を予測し、大きな疾患の語彙に対する推論を妨げる複数のデコードステップを必要とする。 CARingは,合成セマンティックID(SID)による診断を表現し,多ラベルカバレッジのための推論トラジェクトリを最適化するフレームワークである。
  論文  参考訳（メタデータ） (2026-10-07T14:39:18Z)
• DDX-TRACE: A Benchmark for Medical Diagnostic Trajectories in VLMs [21.52456139726765]
  ほとんどの医療AIベンチマークは、関連するコンテキストを事前に明らかにし、最終回答のみをスコア付けする。 MDX-TRACEはマルチモーダル・ニューロラジオロジーのための医師適応型ベンチマークである。 211件の難治性症例に対して、隠れた証拠の下で診断の軌跡を評価する。
  論文  参考訳（メタデータ） (2026-05-22T13:41:10Z)
• MedScribe: Clinically Grounded CT Reporting through Agentic Workflows [13.40306812882295]
  視覚言語モデル(VLM)は、自動放射線診断レポート生成の可能性を示している。 我々は,仮説駆動型フレームワークであるMedScribeを紹介し,レポート生成を反復的証拠取得プロセスとして再構築する。
  論文  参考訳（メタデータ） (2026-05-03T08:32:40Z)
• Toward Guarantees for Clinical Reasoning in Vision Language Models via Formal Verification [12.60121003165514]
  ヴィジュアル言語モデル(VLM)は放射線学レポートの起草において有望であるが、しばしば論理的矛盾に悩まされる。 標準的な語彙測度は、臨床パラフレージングを強く罰し、これらの誘因的障害を捉えるのに失敗する。 本稿では,VLMレポートの内部一貫性を決定的に監査するニューロシンボリック検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-27T15:49:59Z)
• Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
  MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。 MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。 マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
  論文  参考訳（メタデータ） (2024-04-10T07:41:35Z)
• 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)
• Learning from Subjective Ratings Using Auto-Decoded Deep Latent Embeddings [23.777855250882244]
  ラベルにおける主観性管理は医用画像解析における根本的な問題である。 自動復号型ディープ潜在埋め込み(addle)を導入する ADDLEは自動デコーダフレームワークを使用して各レーダの傾向を明示的にモデル化する。
  論文  参考訳（メタデータ） (2021-04-12T15:40:42Z)

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。