論文の概要: Beyond the Monitor: Mixed Reality Visualization and AI for Enhanced Digital Pathology Workflow

• arxiv url: http://arxiv.org/abs/2505.02780v1
• Date: Mon, 05 May 2025 16:46:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.74552
• Title: Beyond the Monitor: Mixed Reality Visualization and AI for Enhanced Digital Pathology Workflow
• Title（参考訳）: Beyond the Monitor: 拡張デジタル病理ワークフローのための複合現実視とAI
• Authors: Jai Prakash Veerla, Partha Sai Guttikonda, Helen H. Shang, Mohammad Sadegh Nasr, Cesar Torres, Jacob M. Luber,
• Abstract要約: 病理学者は、がんなどの疾患を診断するために、ギガピクセル全体の画像(WSI)を頼りにしている。 現在のデジタル診断ツールは診断を妨げている。 PathVisはApple Vision Pro用の複合現実可視化プラットフォームである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pathologists rely on gigapixel whole-slide images (WSIs) to diagnose diseases like cancer, yet current digital pathology tools hinder diagnosis. The immense scale of WSIs, often exceeding 100,000 X 100,000 pixels, clashes with the limited views traditional monitors offer. This mismatch forces constant panning and zooming, increasing pathologist cognitive load, causing diagnostic fatigue, and slowing pathologists' adoption of digital methods. PathVis, our mixed-reality visualization platform for Apple Vision Pro, addresses these challenges. It transforms the pathologist's interaction with data, replacing cumbersome mouse-and-monitor navigation with intuitive exploration using natural hand gestures, eye gaze, and voice commands in an immersive workspace. PathVis integrates AI to enhance diagnosis. An AI-driven search function instantly retrieves and displays the top five similar patient cases side-by-side, improving diagnostic precision and efficiency through rapid comparison. Additionally, a multimodal conversational AI assistant offers real-time image interpretation support and aids collaboration among pathologists across multiple Apple devices. By merging the directness of traditional pathology with advanced mixed-reality visualization and AI, PathVis improves diagnostic workflows, reduces cognitive strain, and makes pathology practice more effective and engaging. The PathVis source code and a demo video are publicly available at: https://github.com/jaiprakash1824/Path_Vis
• Abstract（参考訳）: 病理学者は、がんなどの疾患を診断するために、ギガピクセルの全体スライド画像(WSI)を使っているが、現在のデジタル病理ツールでは診断を妨げている。 WSIの規模は10万×10万ピクセルを超えており、従来のモニターが提供する限られたビューと衝突する。 このミスマッチは、定常的なパンニングとズーム、病理学者の認知負荷の増加、診断疲労の原因、そして病理学者のデジタルメソッドの採用を遅らせる。 Apple Vision Pro用の複合現実可視化プラットフォームPathVisは、これらの課題に対処しています。 病理学者とデータとのインタラクションを変換し、退屈なマウスとモニターのナビゲーションを、自然の手の動き、目視、音声コマンドを没入型ワークスペースで直感的な探索に置き換える。 PathVisはAIを統合して診断を強化する。 AI駆動の検索機能は、診断精度と迅速な比較によって効率を向上させるとともに、トップ5の類似の患者を即座に検索し、並べて表示する。 さらに、マルチモーダルな会話型AIアシスタントは、リアルタイムの画像解釈をサポートし、複数のAppleデバイスにわたる病理学者間のコラボレーションを支援する。 従来の病理の直感と高度な混合現実の可視化とAIを組み合わせることで、PathVisは診断ワークフローを改善し、認知的歪みを減らし、病理の実践をより効果的かつ活発にする。 PathVisのソースコードとデモビデオは、https://github.com/jaiprakash1824/Path_Visで公開されている。

関連論文リスト

• From Pixels to Histopathology: A Graph-Based Framework for Interpretable Whole Slide Image Analysis [81.19923502845441]
  我々はWSIグラフ表現を構成するグラフベースのフレームワークを開発する。 任意のパッチではなく生物学的境界に従う組織表現(ノード)を構築します。 本手法の最終段階として,グラフアテンションネットワークを用いて診断課題を解決する。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• A Deep Learning Approach for Augmenting Perceptional Understanding of Histopathology Images [0.1813006808606333]
  本論文は, 病理組織像解析の高度化に向けた新しいアプローチについて述べる。 視覚変換器(Vit)とGpt-2を併用した画像キャプチャ用マルチモーダルモデル
  論文  参考訳（メタデータ） (2025-03-10T03:50:25Z)
• PathFinder: A Multi-Modal Multi-Agent System for Medical Diagnostic Decision-Making Applied to Histopathology [11.366456922386263]
  スライド画像全体を通して病気を診断することは、現代の病理学において基本である。 従来のAIアプローチは、このような包括的で反復的なマルチスケールの診断手順を欠いている。 専門的な病理医の意思決定プロセスをエミュレートしたマルチモーダル・マルチエージェントフレームワークであるPathFinderを紹介した。
  論文  参考訳（メタデータ） (2025-02-13T03:08:02Z)
• A Sanity Check for AI-generated Image Detection [49.08585395873425]
  我々はAI生成画像を検出するAI生成画像検出装置(AI生成画像検出装置)を提案する。 AIDEは最先端の手法を+3.5%、+4.6%改善した。
  論文  参考訳（メタデータ） (2024-06-27T17:59:49Z)
• A Foundational Multimodal Vision Language AI Assistant for Human Pathology [6.759775793033743]
  そこで我々は,1億枚の組織像を事前訓練した社内開発型視覚エンコーダを用いた,人間の病理のための視覚言語汎用AIアシスタントPathChatを提案する。 PathChatは、様々な組織の起源と疾患モデルの公開事例に基づいて、複数項目の質問に対して87%の精度で診断を行った。
  論文  参考訳（メタデータ） (2023-12-13T00:24:37Z)
• Cross-Modality Neuroimage Synthesis: A Survey [71.27193056354741]
  マルチモダリティイメージングは、疾患の診断を改善し、解剖学的特性を持つ組織における相違を明らかにする。 完全な整列とペアの多モードニューロイメージングデータの存在は、脳研究においてその効果を証明している。 もう一つの解決策は、教師なしまたは弱教師なしの学習方法を探究し、欠落した神経画像データを合成することである。
  論文  参考訳（メタデータ） (2022-02-14T19:29:08Z)
• CheXstray: Real-time Multi-Modal Data Concordance for Drift Detection in Medical Imaging AI [1.359138408203412]
  医用画像AIドリフトモニタリングワークフローを構築してテストし、同時代の地上真実なしにデータとモデルドリフトを追跡する。 主な貢献は,(1)VAEおよび領域特異的統計手法を含む医用画像ドリフト検出のための概念実証である。 この研究は、動的医療環境における継続的医療画像AIモデルモニタリングに関連する翻訳ギャップに対処するために重要な意味を持つ。
  論文  参考訳（メタデータ） (2022-02-06T18:58:35Z)
• Remote Pathological Gait Classification System [3.8098589140053862]
  歩行分析は障害を検出し、病気を診断し、患者の回復を評価するのに役立つ。 最も広く公開されている病理歩行データセットは,4つの歩行病理をシミュレートした10の被験者のみを含む。 本論文は,4つの歩行病理を模擬した21の被験者から得られたGAIT-IT(GAIT-IT)と呼ばれる新しいデータセットについて述べる。
  論文  参考訳（メタデータ） (2021-05-04T17:21:29Z)
• AEGIS: A real-time multimodal augmented reality computer vision based system to assist facial expression recognition for individuals with autism spectrum disorder [93.0013343535411]
  本稿では,コンピュータビジョンと深部畳み込みニューラルネットワーク(CNN)を組み合わせたマルチモーダル拡張現実(AR)システムの開発について述べる。 提案システムはAIGISと呼ばれ,タブレット,スマートフォン,ビデオ会議システム,スマートグラスなど,さまざまなユーザデバイスにデプロイ可能な支援技術である。 我々は空間情報と時間情報の両方を活用して正確な表現予測を行い、それを対応する可視化に変換し、元のビデオフレーム上に描画する。
  論文  参考訳（メタデータ） (2020-10-22T17:20:38Z)

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。