論文の概要: A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers

• arxiv url: http://arxiv.org/abs/2504.15928v2
• Date: Fri, 23 May 2025 17:03:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 15:51:02.959965
• Title: A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers
• Title（参考訳）: 技術的障壁のない眼科画像解析のための臨床用プラットフォーム
• Abstract要約: GlobeReadyはクリニックフレンドリーなAIプラットフォームで、再トレーニング、微調整、技術専門知識の必要性なしに、基礎疾患の診断を可能にする。 光コヒーレンス・トモグラフィー(OCT)スキャンを用いて、カラー・ファンドス写真(CPF)を用いた11のファンドス病(93.9-98.5%)と15のファンドス病(87.2-92.7%)の精度を示した。 トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、センターや人口間のドメインシフトを効果的に軽減する。
• 参考スコア（独自算出の注目度）: 51.45596445363302
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Artificial intelligence (AI) shows remarkable potential in medical imaging diagnostics, yet most current models require retraining when applied across different clinical settings, limiting their scalability. We introduce GlobeReady, a clinician-friendly AI platform that enables fundus disease diagnosis that operates without retraining, fine-tuning, or the needs for technical expertise. GlobeReady demonstrates high accuracy across imaging modalities: 93.9-98.5% for 11 fundus diseases using color fundus photographs (CPFs) and 87.2-92.7% for 15 fundus diseases using optic coherence tomography (OCT) scans. By leveraging training-free local feature augmentation, GlobeReady platform effectively mitigates domain shifts across centers and populations, achieving accuracies of 88.9-97.4% across five centers on average in China, 86.3-96.9% in Vietnam, and 73.4-91.0% in Singapore, and 90.2-98.9% in the UK. Incorporating a bulit-in confidence-quantifiable diagnostic mechanism further enhances the platform's accuracy to 94.9-99.4% with CFPs and 88.2-96.2% with OCT, while enabling identification of out-of-distribution cases with 86.3% accuracy across 49 common and rare fundus diseases using CFPs, and 90.6% accuracy across 13 diseases using OCT. Clinicians from countries rated GlobeReady highly for usability and clinical relevance (average score 4.6/5). These findings demonstrate GlobeReady's robustness, generalizability and potential to support global ophthalmic care without technical barriers.
• Abstract（参考訳）: 人工知能(AI)は、医療画像診断において顕著な可能性を示しているが、現在のほとんどのモデルは、異なる臨床環境にまたがって適用する際に再トレーニングを必要とし、スケーラビリティを制限している。 われわれはGlobeReadyを紹介した。GlobeReadyは臨床に親しみやすいAIプラットフォームで、再トレーニング、微調整、あるいは専門知識の必要性なしに機能する基礎疾患の診断を可能にする。 93.9-98.5%はカラー・ファンドス写真(CPF)を用いた11のファンドス病で、87.2-92.7%は光学コヒーレンス・トモグラフィー(OCT)による15のファンドス病である。 トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、中国における平均5つのセンターで88.9-97.4%、ベトナムでは86.3-96.9%、シンガポールでは73.4-91.0%、イギリスでは90.2-98.9%というドメインシフトを効果的に緩和する。 ブライトインの信頼性定量診断機構を組み込むことで、CFPの94.9-99.4%、OCTの88.2-96.2%の精度でプラットフォームの精度が向上し、OCTの13の疾患の86.3%の分布外症例を、CFPの49の一般的および稀なファンドス病で86.3%、OCTの90.6%の精度で識別できるようになった。 各国の臨床医はGlobeReadyを高いユーザビリティと臨床関連性(平均スコア4.6/5)で評価した。 以上の結果から,GlobeReadyの堅牢性,一般化性,および国際的眼科ケアを技術的障壁なく支援できる可能性が示唆された。

関連論文リスト

• A Pathology Foundation Model for Gastric Cancer with Real-World Validation [47.19073124722865]
  本稿では,実世界評価と臨床dEcision支援のための,胃科固有の基礎モデルであるGRACEについて述べる。 GRACEは, 症例37,493例のHE-stained whole-slide画像を中心に, 48,364例の多施設で開発された。 高齢の病理医に非劣性パフォーマンスを維持するように調整された場合、AI支援のワークフローは萎縮の60.7%、腸転移の82.7%をトリアージする可能性がある。
  論文  参考訳（メタデータ） (2026-06-03T12:18:06Z)
• A Clinically Validated Foundation Model for Comprehensive Lung Pathology Interpretation [36.95302007351382]
  PulmoFoundation(プルモファウンデーション)は、肺病理の総合的評価のための、RCT(RCT)評価基礎モデルである。 本モデルでは, 生検, 凍結部, 外科的切除スライスを対象とし, コア診断タスクにおける臨床成績を評価する。
  論文  参考訳（メタデータ） (2026-05-25T14:04:56Z)
• Full end-to-end diagnostic workflow automation of 3D OCT via foundation model-driven AI for retinal diseases [14.269884626099625]
  フルプロセスOCTベースの臨床ユーティリティシステム(FOCUS)について紹介する。 FOCUSは3D OCT網膜疾患診断のエンドツーエンド自動化を可能にする基礎モデル駆動フレームワークである。 我々は,3,300例(40,672スライス),および4つの異なる中心および多彩なOCTデバイスにまたがる1,345例(18,498スライス)について,訓練および試験を行った。
  論文  参考訳（メタデータ） (2026-02-03T09:28:51Z)
• A Novel Hybrid Deep Learning and Chaotic Dynamics Approach for Thyroid Cancer Classification [3.1331787430863485]
  本稿では,適応畳み込みニューラルネットワーク(CNN)とCohen-Daubechies-Feauveau(CDF9/7)ウェーブレットを結合するインテリジェントな分類法を提案する。 DDTI甲状腺超音波画像(n = 1,638画像,819悪性/819良性)を5倍のクロスバリデーションを用いて評価した。 提案手法は98.17%の精度、98.76%の感度、97.58%の特異性、97.55%のF1スコア、AUCは0.9912である。
  論文  参考訳（メタデータ） (2025-09-28T16:46:31Z)
• A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
  RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。 腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
  論文  参考訳（メタデータ） (2025-08-22T17:48:19Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [58.78045864541539]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• Machine Learning-Based Analysis of ECG and PCG Signals for Rheumatic Heart Disease Detection: A Scoping Review (2015-2025) [0.0]
  AIを利用した聴診器はリウマチ性心疾患(RHD)のスクリーニングに有望な代替手段を提供する 早期発見は不可欠だが、ゴールド標準ツールであるエコー心電図は、コストと労働力の制約により、低リソース環境ではアクセスできない。 本稿では, 心電図 (ECG) と心電図 (PCG) データを解析する機械学習アプリケーションについて系統的に検討する。
  論文  参考訳（メタデータ） (2025-05-17T11:34:02Z)
• Diabetic Retinopathy Detection Based on Convolutional Neural Networks with SMOTE and CLAHE Techniques Applied to Fundus Images [0.0]
  糖尿病網膜症 (DR) は糖尿病患者の眼の合併症の一つである。 本研究の目的は,DRの診断における人工知能(AI)の精度を評価することである。
  論文  参考訳（メタデータ） (2025-04-08T05:38:53Z)
• A Multi-Modal AI System for Screening Mammography: Integrating 2D and 3D Imaging to Improve Breast Cancer Detection in a Prospective Clinical Study [2.9992821862882546]
  偽陽性のリコールは乳がん検診において依然として懸念されている。 我々は,マルチモーダルな人工知能システムを開発し,全フィールドデジタルマンモグラフィーと合成マンモグラフィーを統合した。 約50万の試験でトレーニングされた私たちのAIシステムは、内部テストセットで0.945 AUROCを達成しました。
  論文  参考訳（メタデータ） (2025-04-08T03:29:40Z)
• Congenital Heart Disease Classification Using Phonocardiograms: A Scalable Screening Tool for Diverse Environments [34.10187730651477]
  先天性心疾患(CHD)は早期発見を必要とする重要な疾患である。 本研究では, 心電図(PCG)信号を用いたCHD検出のための深層学習モデルを提案する。 バングラデシュの一次データセットを含むいくつかのデータセットで、我々のモデルを評価した。
  論文  参考訳（メタデータ） (2025-03-28T05:47:44Z)
• Medical Hallucinations in Foundation Models and Their Impact on Healthcare [71.15392179084428]
  基礎モデルの幻覚は自己回帰訓練の目的から生じる。 トップパフォーマンスモデルは、チェーン・オブ・シークレット・プロンプトで強化された場合、97%の精度を達成した。
  論文  参考訳（メタデータ） (2025-02-26T02:30:44Z)
• Self-Supervised Radiograph Anatomical Region Classification -- How Clean Is Your Real-World Data? [10.5757425746568]
  本研究は,48,434個の骨格X線撮影データから,14個の解剖学的領域のクラスを割り当てる自己教師手法の有効性を示した。 我々は,1つのモデルで96.6%,97.7%の線形評価精度をアンサンブルアプローチで達成した。
  論文  参考訳（メタデータ） (2024-12-20T15:07:55Z)
• A Knowledge-enhanced Pathology Vision-language Foundation Model for Cancer Diagnosis [58.85247337449624]
  本稿では,疾患知識を階層型セマンティックグループ内のアライメントに組み込む知識強化型視覚言語事前学習手法を提案する。 KEEPはゼロショット癌診断タスクにおいて最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-12-17T17:45:21Z)
• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
  結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。 本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。 ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
  論文  参考訳（メタデータ） (2024-06-19T18:10:06Z)
• Enhancing Diagnostic Reliability of Foundation Model with Uncertainty Estimation in OCT Images [41.002573031087856]
  光コヒーレンストモグラフィー(OCT)における11個の網膜状態を検出するために,不確実性推定(FMUE)を用いた基礎モデルを開発した。 FMUEは2つの最先端アルゴリズムであるRETFoundとUIOSよりも96.76%高いF1スコアを獲得し、しきい値戦略を98.44%に改善した。 我々のモデルは、F1スコアが高い2人の眼科医(95.17%対61.93% &71.72%)より優れている。
  論文  参考訳（メタデータ） (2024-06-18T03:04:52Z)
• Uncertainty-inspired Open Set Learning for Retinal Anomaly Identification [71.06194656633447]
  9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。 しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。 UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
  論文  参考訳（メタデータ） (2023-04-08T10:47:41Z)
• ACAT: Adversarial Counterfactual Attention for Classification and Detection in Medical Imaging [41.202147558260336]
  画像特徴を異なるスケールで変調するソフト空間アテンションマスクを得るために,サリエンシマップを用いたフレームワークを提案する。 ACATは、脳CTスキャンの病変の基準分類精度を71.39%から72.55%に引き上げ、肺CTスキャンの新型コロナウイルス関連所見を67.71%から70.84%に引き上げた。
  論文  参考訳（メタデータ） (2023-03-27T17:43:57Z)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• A Multi-resolution Model for Histopathology Image Classification and Localization with Multiple Instance Learning [9.36505887990307]
  精度マップを利用して不審な地域を検知し,詳細なグレード予測を行うマルチレゾリューション・マルチインスタンス学習モデルを提案する。 このモデルは、830人の患者から20,229のスライドを含む大規模前立腺生検データセットに基づいて開発された。 このモデルは92.7%の精度、良性、低等級(中等級)、高等級(中等級)のCohen's Kappa、98.2%の受信機動作特性曲線(AUROC)、平均精度(AP)97.4%の予測を達成した。
  論文  参考訳（メタデータ） (2020-11-05T06:42:39Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• CNN-based Approach for Cervical Cancer Classification in Whole-Slide Histopathology Images [0.0]
  頸部がんは2040年までに年間460万人が死亡し、約90%がサハラ以南のアフリカ人女性である。 TCGAデータポータルからの頚部組織デジタルスライドはほとんどなく、全スライディング画像の障害物を克服するために前処理された。 その結果,F1スコアは98,26%,F1スコアは97,9%であった。
  論文  参考訳（メタデータ） (2020-05-28T11:45:23Z)

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。