論文の概要: RepConTUR: A Report-Conditioned Volumetric Multimodal Model for Abdominal Tumor Segmentation
- arxiv url: http://arxiv.org/abs/2610.40094v1
- Date: Thu, 29 Oct 2026 13:59:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 08:22:13.213822
- Title: RepConTUR: A Report-Conditioned Volumetric Multimodal Model for Abdominal Tumor Segmentation
- Title（参考訳）: RepConTUR : 腹腔内腫瘍分節の1例
- Abstract要約: RepConTURは1つのネイティブ3次元初期核融合モデルであり, 腹腔内腫瘍の分節化を主訴とする。
3次元CTエンコーダ、早期融合言語モデル、ネイティブ3次元セグメンテーションモジュールからなるRepConTURを4つのタスクで訓練する。
肝臓、腎臓、膵にまたがって、RepConTURは高Dice類似度係数(DSC)、インスタンスワイド精度、F1を検出する。
- 参考スコア（独自算出の注目度）: 12.861310625005673
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Tumor delineation is required for radiotherapy planning, yet automatic segmentation is limited by errors, predominantly false positives, that distort dose and increase editing time. The radiology report accompanies the scan and localizes disease at the suborgan level, but existing text-promptable models condition on short referring phrases, and most operate in 2D. We present RepConTUR, a single native-3D early-fusion multimodal model that conditions volumetric abdominal tumor segmentation on the narrative report. We extend AbdomenAtlas 3.0 to a suborgan-level promptable segmentation dataset and generate report-based VQA pairs, yielding four report-derived tasks on the same annotations: referring segmentation (RES), report-grounded segmentation (GSEG), report generation (RRG), and visual question answering (VQA). We train RepConTUR, comprising a 3D CT encoder, an early-fusion language model, and a native-3D segmentation module, jointly on the four tasks. Across liver, kidney and pancreas, RepConTUR attains the highest Dice similarity coefficient (DSC), instance-wise precision, and detection F1 among the text-promptable baselines, and adding the report raises mean precision while leaving recall comparable. Against two vision-only specialists, nnU-Net and the report-supervised R-Super, RepConTUR attains the highest value on every in-domain metric for liver and pancreas and the highest mean DSC, recall, precision, and detection F1 over the four out-of-distribution public cohorts. Ablations indicate that conditioning on the narrative report raises detection F1 from 0.499 to 0.528 within the same model, that joint GSEG training raises RES F1 from 0.450 to 0.482, and that the native-3D segmentation module raises GSEG F1 from 0.139 to 0.528 over its 2D counterpart. Code is available at https://github.com/Oncosoft-Research/RepConTUR.
- Abstract（参考訳）: 放射線治療計画には腫瘍の除去が必要であるが、自動セグメンテーションは、主に偽陽性(英語版)による誤りによって制限され、投与量を歪ませ、編集時間を増加させる。
放射線学報告では、サブオーガニゼーションレベルにおける疾患のスキャンとローカライズを伴っているが、既存のテキストプロンプタブルモデルでは短い参照語句で条件付きであり、ほとんどの場合2Dで機能する。
RepConTURは1つのネイティブ3次元初期核融合モデルであり, 腹腔内腫瘍の分節化を主訴とする。
我々はAbdomenAtlas 3.0をサブレベルのプロンプト可能なセグメンテーションデータセットに拡張し、レポートベースのVQAペアを生成し、同じアノテーション上に4つのレポート由来のタスクを生成する: セグメンテーション(RES)、レポートグラウンドドセグメンテーション(GSEG)、レポート生成(RRG)、視覚的質問応答(VQA)。
3次元CTエンコーダ、早期融合言語モデル、ネイティブ3次元セグメンテーションモジュールからなるRepConTURを4つのタスクで訓練する。
肝臓、腎臓、膵にまたがって、RepConTURはDice similarity coefficient(DSC)の最高値、例ごとの精度、F1の検出をテキストプロンプト可能なベースラインの中で達成し、リコールをそのまま残しながら平均精度を高める。
nnU-NetとR-Superの2つのビジョンオンリーの専門家に対して、RepConTURは肝臓と膵のすべてのドメイン内測定値において最高値に達し、最も高いDSC、リコール、精度、そして4つのアウト・オブ・ディストリビューション・パブリックコホート上でF1を検出する。
また,物語報告の条件付けでは同一モデル内の検出F1が0.499から0.528に上昇し,共同GSEGトレーニングではRESF1が0.450から0.482に上昇し,ネイティブ3DセグメンテーションモジュールではGSEGF1が0.139から0.528に上昇した。
コードはhttps://github.com/Oncosoft-Research/RepConTURで入手できる。
関連論文リスト
- NV-Reason-CT: 3D Visual Language Model for CT Analysis [21.378661110452725]
NV-Reason-CTは胸部CTおよび腹部CTのための生成的視覚言語モデルである。
このモデルは、ネイティブな3Dビジョントランスフォーマーと言語モデルとを結合し、すべての視覚トークンとその明示的な3D座標を言語デコーディングに渡す。
我々は70,111個のCT画像入力から約550,000個のマルチモーダル・インストラクション例をキュレートしたコーパスで訓練する。
論文 参考訳（メタデータ） (2026-09-23T08:09:54Z) - Instance-Guided Report Anchoring for Text-Free 3D Abnormality Segmentation in Chest CT [1.3890393030771435]
本稿では,各アノテート異常インスタンスとそれを記述するレポート発見との対応性を保持するモデルに依存しないモジュールIGRAを提案する。
IGRAはイメージのみのベースライン(30.93対25.25)よりも22.5%改善し、シングルフィンディングサブセット(30.29対30.43)のVoxTellに匹敵する。
論文 参考訳（メタデータ） (2026-08-31T22:38:11Z) - Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。
3つの主要なコンポーネントを特徴とするフレームワークを提案する。
診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
論文 参考訳（メタデータ） (2026-06-24T08:24:45Z) - Generating Reports or Repeating Templates? Measuring and Mitigating Template Collapse in 3D CT Report Generation [13.471480514512157]
3次元医用視覚言語モデル(VLM)は、非常に低い病理検出と出力の多様性を示しながら、流線型な放射線学スタイルのテキストを生成することができる。
この障害モードをテンプレート崩壊と認識します。
CLarGenは,言い方と言い方(言語合成)を区別するフレームワークである。
論文 参考訳（メタデータ） (2026-05-29T08:21:00Z) - Towards a Holistic Framework for Multimodal Large Language Models in Three-dimensional Brain CT Report Generation [42.06416052431378]
2Dラジオグラフィーキャプションは、ボリューム3D解剖学における現実の診断課題を反映するものではない。
我々は18,885組の3D-BrainCTデータセットを収集し,臨床ビジュアルインストラクション・チューニングを用いて,脳波モデルを用いて放射線治療を施した3D脳CTレポートを作成した。
私たちの研究は、3Dの脳CTデータセットのキュレーション、微調整による解剖学的意味のある言語モデル、堅牢な放射線学評価指標の提案など、総合的な枠組みを具現化したものです。
論文 参考訳（メタデータ） (2024-07-02T12:58:35Z) - RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。
私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
論文 参考訳（メタデータ） (2024-04-25T17:11:37Z) - CT-GLIP: 3D Grounded Language-Image Pretraining with CT Scans and Radiology Reports for Full-Body Scenarios [53.94122089629544]
我々は,CT-GLIP(Grounded Language- Image Pretraining with CT scans)を導入する。
本手法は,104臓器にわたる17,702症例を対象に,44,011例の臓器レベルの視覚テキストペアからなるマルチモーダルCTデータセットを用いて訓練し,自然言語を用いて臓器と異常をゼロショットで識別できることを実証した。
論文 参考訳（メタデータ） (2024-04-23T17:59:01Z) - 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) - CLARA: Clinical Report Auto-completion [56.206459591367405]
CLARA(CLinicit Al It Report It Auto-Completion)は、医師のアンカーワードと部分的に完成した文に基づいて、文章でレポートを生成するインタラクティブな方法である。
実験では,X線で0.393 CIDEr,0.248 BLEU-4,脳波で0.482 CIDEr,0.491 BLEU-4を得た。
論文 参考訳（メタデータ） (2020-02-26T18:45:00Z)
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。