論文の概要: Seeing Is Not Believing: Counterfactual Lesion Erasure Teaches a Small Medical Vision-Language Agent to Report Only What the Image Shows
- arxiv url: http://arxiv.org/abs/2611.13006v1
- Date: Sun, 08 Nov 2026 23:09:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 04:24:43.515325
- Title: Seeing Is Not Believing: Counterfactual Lesion Erasure Teaches a Small Medical Vision-Language Agent to Report Only What the Image Shows
- Title(参考訳): 医療用視覚エージェントが画像に映っているものだけを知らせる「反現実的病変消去」
- Abstract要約: 消去された画像と未編集の画像のトレーニングは、小さなモデルにエビデンス付きの配置を与え、フロンティアモデルを与えない。
除去された画像と未編集画像のトレーニングは、小さなモデルに、フロンティアモデルを与えない、証拠を公言した配置を与える。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Medical vision-language models (VLMs) often report a finding because the question names it; standard benchmarks miss this. From public segmentation datasets we build counterfactual views without manual annotation: the lesion erased by inpainting, a same-shape control edit elsewhere, and unedited lesion-free images. The evidence sensitivity gap (ESG) is the rate of absent-or-refer answers after erasure minus the rate after the control edit; it is zero for a model that ignores the image or reacts to both edits alike. MedScope-4B (Qwen3.5-4B, LoRA, image tools) was trained on label-derived trajectories, selected by a pre-registered rule and tested once against nine frontier and six open VLMs; four pre-registered checks then probed the mechanism. On 507 internal cases across five imaging types, MedScope-4B reached ESG 0.758 and claimed an erased lesion in 9.6% of cases, against 0.27-0.47 and 41-62% for the frontier models (all p<0.001), without significant loss of accuracy on real lesions. Without counterfactual views ESG fell to 0.279+-0.107 (three seeds); the effect replicated on MedGemma 1.5 4B and two unseen inpainting tools. At four external centres the advantage held but frontier models detected more real lesions; on a fresh external test MedScope-4B detected 0 of 48 pneumothorax films, with net utility below gemini-4-argon's (-0.36 [-0.50, -0.23]). Matching the control edit was not shown to matter; over three seeds no fresh-external ESG advantage over removal-based DPO was established; a paired-view consistency objective did not beat a matched-compute control, while that continuation alone cut erased-lesion claims on unseen tools at every seed, at a cost in sensitivity at one. Training on erased and edited images gives a small model an evidence-gated disposition that prompting does not give frontier models; it does not improve perception, and rare critical findings need coverage.
- Abstract(参考訳): 医療ビジョン言語モデル (VLM) はしばしば、疑問がそれを命名しているため、発見を報告している。
公開セグメンテーションデータセットから、手動のアノテーションなしで、インペイントによって消去された病変、他の場所で同じ形状のコントロールを編集する、未編集の病変のない画像など、偽物的なビューを構築する。
エビデンス感度ギャップ(エビデンス感度ギャップ、ESG)は、制御編集後のレートを下げた後の非参照回答率であり、画像を無視したり、両方の編集に反応するモデルではゼロである。
MedScope-4B (Qwen3.5-4B, LoRA, Image tools) は、登録済みのルールで選択されたラベル由来の軌道で訓練され、一度は9つのフロンティアと6つのオープンVLMに対してテストされ、4つの事前登録チェックが機構を調査した。
5種類の画像タイプにわたる507症例において、MedScope-4BはESG 0.758に到達し、9.6%の症例において、フロンティアモデル(全てp<0.001)で0.27-0.47と41-62%の病変が消失したと主張した。
ESGは、3種の種子である0.279+-0.107に減少し、メドジェマ1.54Bと2種の無彩色塗料に再現された。
新たな外部試験で、MedScope-4Bは48本の気胸膜を検知し、ジェミニ-4-アルゴン(-0.36 [-0.50, -0.23])以下の純実用性を示した。
3種以上の種子は除去ベースDPOに勝るESG優位性は認められず, ペアビューの整合性は一致した制御に勝らず, 継続単独では各種子の未確認ツールに対する消毒要求を1回に1回の感度で削減した。
削除された画像と編集された画像のトレーニングは、小さなモデルに、フロンティアモデルを与えない証拠に強制された配置を与える。
関連論文リスト
- Coupled or Independent? Fault Coupling in Agentic Medical Vision Systems [5.356174200161707]
本稿では,センサ読み取り自体が信頼できない場合の潜在的な利点を検証し,ツールと推論チャネルが共通の視覚的欠点を共有する。
本稿では, セグメンテーション, コントラスト検索, 反復的視覚言語推論に基づく皮膚科エージェントについて検討する。
論文 参考訳(メタデータ) (2026-10-29T19:34:29Z) - OccludeBench: Can VLMs Find What's Missing? [9.570046212905654]
視覚言語モデル(VLM)が画像から欠落するものについてどのように考えるかを検討する。
OccludeBenchは、まだ残っている視覚的証拠から完全に隠されたオブジェクトを復元するためのベンチマークである。
視覚的推論プロセスの故障箇所を分離する4段階診断であるOccludeTraceを紹介した。
論文 参考訳(メタデータ) (2026-10-09T16:04:54Z) - MIRTO: a registration-gated, multiverse-tested evaluation protocol for unsupervised anomaly segmentation in brain MRI [0.0]
選択を明示し,その効果を測定する評価プロトコルであるMIRTOを提案する。
MIRTOは、登録チェックとラベルなしの既知のパワー診断との全ての比較の幾何学をゲートする。
15,552個の補正可能な評価パイプラインをそれぞれ比較し、多重度制御によるペアリングされた対象-ブートストラップ間隔を付加する。
論文 参考訳(メタデータ) (2026-10-01T17:44:22Z) - Shortcut Learning in a Public Grape Disease Dataset: Annotation Granularity as a Modulator, Not a Cause [0.0]
テストセットmAP50の範囲はシード・ツー・シードノイズに匹敵する。
1つのクラスは全リーフレベルで注釈付けされる。
ブドウを含まない5156のクロス種画像では、偽陽性のボックスの65.7%が1つのクラスに該当する。
論文 参考訳(メタデータ) (2026-08-21T01:39:34Z) - Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
私たちは検出器を構築し、その証拠として属性マップを添付します。
私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。
属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
論文 参考訳(メタデータ) (2026-07-31T16:07:05Z) - Forensic Reproducibility Audit of a Radiology Vision-Language Model Benchmark: From Intended Protocol to Released Artifact [0.0]
保存型胸部X線画像言語モデル(VLMパイロット)の法医学的検査を行った。
我々は,プロンプトバインディング,DICOMメタデータ,出力完全性,ラベル抽出,マッチング解析,リリース伝搬をトレースした。
我々は,コーホート,DICOMレンダリング,プロンプトおよびモデル識別,コールステータス,アノテーション,キー解析,派生アーティファクトに対するマシン検証可能な制御を,オリジナルの性能,ランキング,プロンプト効果,臨床クレームを取り除いた。
論文 参考訳(メタデータ) (2026-07-28T11:19:38Z) - A Controlled Audit of Pretraining Contamination in Public Medical Vision-Language Benchmarks [46.43161388634735]
医用視覚言語モデル(VLM)は、画像と質問応答ペアが何年も無料でダウンロードされている公開ベンチマークで評価される。
SLAKE-En,PathVQA,VQA-RAD,および4つの検出器ファミリを用いたOmniMedVQAミラーのオープンVLMを検査した。
論文 参考訳(メタデータ) (2026-06-08T18:40:10Z) - Medical thinking with multiple images [44.04557445622649]
我々はMedThinkVQAを紹介した。MedThinkVQAは、複数の画像で考えるためのエキスパートアノテーション付きベンチマークである。
データセットは720のテストケースを含む8,067ケースを含み、1ケースあたり平均6.62イメージである。
テストセットでは、最高のクローズドソースモデルであるClaude-4.6-Opus、Gemini-3-Pro、GPT-5.2-xhighは57.2%、55.3%、54.9%の精度しか達成できなかった。
論文 参考訳(メタデータ) (2026-04-14T18:51:07Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。
提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
論文 参考訳(メタデータ) (2022-12-14T06:04:18Z)
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。