論文の概要: Meta-CLIP: Metadata-Conditioned Contrastive Learning for Zero-Shot Disease Inference

• arxiv url: http://arxiv.org/abs/2610.33674v1
• Date: Sat, 24 Oct 2026 13:45:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.419382
• Title: Meta-CLIP: Metadata-Conditioned Contrastive Learning for Zero-Shot Disease Inference
• Title（参考訳）: Meta-CLIP:ゼロショット病推論のためのメタデータ記述型コントラスト学習
• Abstract要約: 既存のアプローチは臨床的セマンティクスを豊かにし、DICOMヘッダの構造化された取得情報を過小評価している。 メタデータ条件付きコントラスト型フレームワークであるMeta-CLIPを導入する。 胸部X線写真と胸部CTのMeta-CLIPについて,ゼロショット分類,外観摂動,接地,表現解析を用いて検討した。
• 参考スコア（独自算出の注目度）: 2.4707062004681126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical vision--language pretraining learns transferable representations from paired images and radiology reports, yet differences in scanners and acquisition protocols can impair transfer. Existing approaches primarily enrich clinical semantics, leaving structured acquisition information in DICOM headers underused. We introduce Meta-CLIP, a metadata-conditioned contrastive framework that uses acquisition similarity to reweight cross-modal negatives during pretraining. A kernel over numerical and categorical DICOM fields defines a bounded pairwise margin. This margin increases the contribution of acquisition-similar negatives, emphasizing distinctions among studies that share imaging conditions. The kernel remains fixed during image--text optimization, and inference follows the standard dual-encoder architecture without requiring metadata. We evaluate Meta-CLIP on chest radiography and volumetric chest CT through zero-shot classification, appearance perturbations, grounding, and representation analyses. On CT-RATE, Meta-CLIP improves macro-AUROC over CT-CLIP by 1.41 points, with a 95\% paired bootstrap confidence interval of 0.96--1.85 points. It also achieves the highest macro-AUROC on four of five CXR benchmarks. An exploratory BrgSA evaluation extends the analysis to another CT backbone. These findings support acquisition metadata as a practical training-time prior for medical vision--language learning. Code will be made publicly available upon publication.
• Abstract（参考訳）: 医療ビジョン-言語による事前訓練は、ペア画像と放射線学レポートから転送可能な表現を学習するが、スキャナと取得プロトコルの違いは転送を損なう可能性がある。 既存のアプローチは主に臨床的意味論を豊かにし、DICOMヘッダの構造的取得情報を過小評価している。 メタデータ条件付きコントラスト型フレームワークであるMeta-CLIPを導入する。 数値的および分類的DICOMフィールド上のカーネルは、有界なペアワイドマージンを定義する。 このマージンは、画像条件を共有する研究の間での区別を強調しながら、取得と類似の負の寄与を増大させる。 カーネルは画像-テキスト最適化の間も固定され、推論はメタデータを必要とせずに標準のデュアルエンコーダアーキテクチャに従う。 胸部X線写真と胸部CTのMeta-CLIPについて,ゼロショット分類,外観摂動,接地,表現解析を用いて検討した。 CT-RATEでは、Meta-CLIPはCT-CLIP上のマクロAUROCを1.41ポイント改善し、95%のペアリングブートストラップ信頼区間は0.96--1.85ポイントである。 また、5つのCXRベンチマークのうち4つで最も高いマクロAUROCを達成している。 探索的BrgSA評価は、解析を別のCTバックボーンに拡張する。 これらの知見は,医学的ビジョン-言語学習のための実践的な訓練時間として,取得メタデータをサポートする。 コードは公開時に公開される。

関連論文リスト

• CT-Bench: A Benchmark for Multimodal Lesion Understanding in Computed Tomography [16.912129516334783]
  CT-BenchはCTの病変解析のための第一種ベンチマークデータセットである これは、境界ボックス、記述、サイズ情報を含む7,795のCT研究から20,335の病変と、病変の局在、記述、サイズ推定、属性分類を含む2,850のQAペアからなる視覚的質問応答ベンチマークを含む。 視覚言語および医療用CLIPの変種を含む最先端マルチモーダルモデルの評価を,放射線医学的評価との比較により行った。
  論文  参考訳（メタデータ） (2026-02-16T16:10:19Z)
• MR-CLIP: Efficient Metadata-Guided Learning of MRI Contrast Representations [0.8430273876996414]
  MR-CLIPは、MR画像とDICOMメタデータを整合させてコントラスト認識表現を学習するマルチモーダルコントラスト学習フレームワークである。 クロスモーダル検索とコントラスト分類におけるその効果を実証し、その拡張性とさらなる臨床応用の可能性を強調した。
  論文  参考訳（メタデータ） (2025-06-23T13:27:31Z)
• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• MEDBind: Unifying Language and Multimodal Medical Data Embeddings [18.954939735299963]
  我々は,CXR,ECG,医療用テキストにまたがる共同埋め込みを学習するMEDBind(Medical Electronic patient recorD)を提案する。 テキストデータを中央アンカーとして使用すると、MEDBindはトリモダリティバインディングを備え、トップK検索、ゼロショット、少数ショットベンチマークで競合的なパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-03-19T16:46:29Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Vision-Language Modelling For Radiological Imaging and Reports In The Low Data Regime [70.04389979779195]
  本稿では,視覚および言語入力を共通空間に埋め込んだ医用視覚言語モデル(VLM)について検討する。 本稿では,新しい画像領域やテキスト領域への汎用事前学習モデルの適用など,低データ性能向上のためのいくつかの候補手法について検討する。 テキスト・ツー・イメージ検索をベンチマークとして,2つの胸部X線および放射線学的報告を用いた可変サイズのトレーニングデータセットを用いて,これらの手法の性能評価を行った。
  論文  参考訳（メタデータ） (2023-03-30T18:20:00Z)
• 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)

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。