VLM（視覚言語モデル）ガイド付きフローマッチングとスペクトル異常検出の統合による、解釈可能な獣医診断

要旨: 犬の気胸の自動診断は、データ不足と、信頼できるモデルが必要であることにより困難となっている。これに対処するために、まず研究を促進する公開された、ピクセルレベルで注釈付けされたデータセットを導入する。次に、診断タスクを「信号の局在化」と「スペクトル検出」の相乗的なプロセスとして捉え直す、新しい診断パラダイムを提案する。局在化のために、我々の手法は、Vision-Language Model（VLM）を用いて反復的なフローマッチング（Flow Matching）プロセスを導き、セグメンテーションマスクを段階的に改良することで、より高い境界精度を達成する。検出のために、セグメントされたマスクを用いて疑わしい病変から特徴を切り出す。続いて、従来型の分類器とは一線を画すRandom Matrix Theory（RMT）を、これらの特徴の解析に適用する。このアプローチでは、健常組織を予測可能なランダムノイズとしてモデル化し、ランダムではない病理学的な信号を表す統計的に有意な外れ値の固有値を検出することで気胸を同定する。フローマッチングによる高精細な局在化は、信号の精製に不可欠であり、その結果としてRMT検出器の感度を最大化する。この生成的セグメンテーションと、第一原理に基づく統計解析の相乗により、高精度で解釈可能な診断システムが得られる（ソースコードは以下で利用可能: https://github.com/Pu-Wang-alt/Canine-pneumothorax）。