論文の概要: Ontology-based knowledge representation for bone disease diagnosis: a foundation for safe and sustainable medical artificial intelligence systems

• arxiv url: http://arxiv.org/abs/2506.04756v1
• Date: Thu, 05 Jun 2025 08:41:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.606986
• Title: Ontology-based knowledge representation for bone disease diagnosis: a foundation for safe and sustainable medical artificial intelligence systems
• Title（参考訳）: 骨疾患診断のためのオントロジーに基づく知識表現:安全で持続可能な医療人工知能システムの基礎
• Authors: Loan Dao, Ngoc Quoc Ly,
• Abstract要約: 本研究では,Ho Chi Minh City Hospital for Traumatology and Orthopedicsと共同で開発された骨疾患診断のためのオントロジーベースのフレームワークを提案する。 この方法論は、体系的な知識のデジタル化、標準化された医療用語マッピング、モジュールアーキテクチャ設計を通じて臨床解釈可能性を維持する。 今後は、臨床データセットの拡充と総合的なシステム検証の実施に注力する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical artificial intelligence (AI) systems frequently lack systematic domain expertise integration, potentially compromising diagnostic reliability. This study presents an ontology-based framework for bone disease diagnosis, developed in collaboration with Ho Chi Minh City Hospital for Traumatology and Orthopedics. The framework introduces three theoretical contributions: (1) a hierarchical neural network architecture guided by bone disease ontology for segmentation-classification tasks, incorporating Visual Language Models (VLMs) through prompts, (2) an ontology-enhanced Visual Question Answering (VQA) system for clinical reasoning, and (3) a multimodal deep learning model that integrates imaging, clinical, and laboratory data through ontological relationships. The methodology maintains clinical interpretability through systematic knowledge digitization, standardized medical terminology mapping, and modular architecture design. The framework demonstrates potential for extension beyond bone diseases through its standardized structure and reusable components. While theoretical foundations are established, experimental validation remains pending due to current dataset and computational resource limitations. Future work will focus on expanding the clinical dataset and conducting comprehensive system validation.
• Abstract（参考訳）: 医療人工知能(AI)システムは、しばしば体系的なドメイン専門知識の統合を欠き、診断の信頼性を損なう可能性がある。 本研究では,Ho Chi Minh City Hospital for Traumatology and Orthopedicsと共同で開発された骨疾患診断のためのオントロジーベースのフレームワークを提案する。 本枠組みでは,(1)分類タスクにおける骨疾患のオントロジーによって導かれる階層型ニューラルネットワークアーキテクチャ,(2)臨床推論のためのオントロジー強化視覚質問応答システム,(3)画像,臨床,実験データを統合するマルチモーダル深層学習モデル,の3つの理論的貢献を紹介する。 この方法論は、体系的な知識のデジタル化、標準化された医療用語マッピング、モジュールアーキテクチャ設計を通じて臨床解釈可能性を維持する。 このフレームワークは、標準化された構造と再利用可能なコンポーネントを通じて、骨疾患を超えて拡張する可能性を示す。 理論的基盤は確立されているが、現在のデータセットと計算資源の制限のために実験的な検証は保留されている。 今後は、臨床データセットの拡充と総合的なシステム検証の実施に注力する。

関連論文リスト

• KG4Diagnosis: A Hierarchical Multi-Agent LLM Framework with Knowledge Graph Enhancement for Medical Diagnosis [6.001401133840334]
  KG4Diagnosisは、大規模言語モデルと知識グラフの自動構築を組み合わせた、新しい階層型マルチエージェントフレームワークである。 本フレームワークは,2層構造を用いて実世界の医療システムをミラーリングする。初期評価とトリアージのためのGPエージェントであり,特定のドメインにおける深度診断のための特殊なエージェントと協調する。
  論文  参考訳（メタデータ） (2024-12-22T02:40:59Z)
• STRICTA: Structured Reasoning in Critical Text Assessment for Peer Review and Beyond [68.47402386668846]
  本研究では,テキストアセスメントをステップワイド推論プロセスとしてモデル化するために,Structured Reasoning In Critical Text Assessment (STRICTA)を導入する。 STRICTAは、因果性理論に基づく相互接続推論ステップのグラフに評価を分解する。 約40人のバイオメディカル専門家が20以上の論文について4000以上の推論ステップのデータセットにSTRICTAを適用した。
  論文  参考訳（メタデータ） (2024-09-09T06:55:37Z)
• Knowledge-enhanced Visual-Language Pretraining for Computational Pathology [68.6831438330526]
  本稿では,公共資源から収集した大規模画像テキストペアを利用した視覚的表現学習の課題について考察する。 ヒト32組織から病理診断を必要とする4,718の疾患に対して50,470個の情報属性からなる病理知識ツリーをキュレートする。
  論文  参考訳（メタデータ） (2024-04-15T17:11:25Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
  バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。 効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
  論文  参考訳（メタデータ） (2020-10-07T08:36:44Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)
• A multi-agent ontologies-based clinical decision support system [0.0]
  マルチエージェント意思決定支援システム(MADSS)は,異なる知識分野におけるエージェントの統合と協調を可能にする。 本研究のアプローチは,臨床段階における知識モデルに適応したエージェントの専門化と評価に基づいている。
  論文  参考訳（メタデータ） (2020-01-21T08:04:13Z)

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。