PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.02375v1cs.CV

EviDent-CBCT: 비소진적 판독문 지도하의 치과용 CBCT 기반 근거 병목 판독문 생성

EviDent-CBCT: Evidence-Bottlenecked Report Generation from Dental CBCT under Non-Exhaustive Report Supervision

치과악안면 콘빔 CT(CBCT) 판독문은 단일 3D 스캔으로부터 수십 가지의 치아별, 해부학적 및 공간적 소견을 포함할 수 있습니다. 일상적인 판독문이 영상 소견을 소진적(exhaustively)으로 빠짐없이 기록하지 않을 수 있고, 언급되지 않은 항목이 병변의 부재 또는 단순 미보고 중 어느 쪽이든 반영할 수 있기 때문에 제한된 임상 데이터로부터 이러한 판독문을 생성하도록 학습(training)시키는 것은 어렵습니다. 본 논문에서는 이러한 불완전한 지도를 위해 설계된 근거 병목(evidence-bottlenecked) 프레임워크인 EviDent-CBCT를 제안합니다. 해부학 인식 네트워크는 각 CBCT 스캔을 치아 수준, 전역적(global), 그리고 치아-하치조신경관(tooth-IAC) 근거의 이산형 기록으로 매핑합니다. 치과 논리 일관성 투영(dental-logic consistency projection)은 호환되지 않는 근거를 조율하며, 이후 결정론적 렌더러와 이미지를 보지 않는 로컬 언어 모델(language model)이 오직 이 기록만을 사용하여 판독문을 생성합니다. 치아 수준 근거의 경우 신뢰도 인식 학습은 유효한 미언급 항목을 가중치(weight)가 감소된 음성 샘플로 사용하는 반면, 보고되지 않은 전역적 및 치아-하치조신경관 라벨은 미상(unknown)으로 유지합니다. 금속 감응형 입력 채널은 치과 재료의 강도 단서를 보존합니다. 3회의 검증(validation) 실행 전반에서 EviDent-CBCT는 병합 근거 세트 F1 0.666±0.006 및 RadFact-Lite-Dental 논리 F1 0.402±0.003을 달성하여, 가장 강력한 통제된 직접 기준선(baseline) 모델(model)의 0.371±0.018 대비 우수한 성능을 보였습니다. ODIN 2026 챌린지 숨겨진 테스트 세트에서 본 방법은 자동 평가 2위, 블라인드 임상 아레나 비교 3위를 기록했습니다. 이러한 결과는 이산형 근거 기록이 CBCT 판독문 생성을 위한 효과적이고 감사 가능한(auditable) 인터페이스임을 뒷받침합니다.