論文の概要: Foundation Models in Medical Imaging -- A Review and Outlook

• arxiv url: http://arxiv.org/abs/2506.09095v1
• Date: Tue, 10 Jun 2025 12:14:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:01.697294
• Title: Foundation Models in Medical Imaging -- A Review and Outlook
• Title（参考訳）: 医用画像の基礎モデル-概観と展望
• Authors: Vivien van Veldhuizen, Vanessa Botha, Chunyao Lu, Melis Erdal Cesur, Kevin Groot Lipman, Edwin D. de Jong, Hugo Horlings, Clárisa Sanchez, Cees Snoek, Ritse Mann, Eric Marcus, Jonas Teuwen,
• Abstract要約: 基礎モデル(FM)は、未ラベルデータの大規模な収集から学んだ医療画像の分析方法を変えつつある。 本稿では,FMの病態,放射線学,眼科領域への応用について検討する。
• 参考スコア（独自算出の注目度）: 7.716298576054111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Foundation models (FMs) are changing the way medical images are analyzed by learning from large collections of unlabeled data. Instead of relying on manually annotated examples, FMs are pre-trained to learn general-purpose visual features that can later be adapted to specific clinical tasks with little additional supervision. In this review, we examine how FMs are being developed and applied in pathology, radiology, and ophthalmology, drawing on evidence from over 150 studies. We explain the core components of FM pipelines, including model architectures, self-supervised learning methods, and strategies for downstream adaptation. We also review how FMs are being used in each imaging domain and compare design choices across applications. Finally, we discuss key challenges and open questions to guide future research.
• Abstract（参考訳）: 基礎モデル(FM)は、未ラベルデータの大規模な収集から学んだ医療画像の分析方法を変えつつある。 手動でアノテートした例に頼る代わりに、FMは、後から特定の臨床タスクに適応できる汎用的な視覚的特徴を学ぶために事前訓練される。 本稿では,150以上の研究から得られた証拠をもとに,FMが病理学,放射線学,眼科にどのように応用されているかを検討する。 本稿では,FMパイプラインのコアコンポーネントとして,モデルアーキテクチャ,自己教師付き学習手法,下流適応戦略について説明する。 また、各画像領域でFMがどのように使われているのかをレビューし、アプリケーション間で設計上の選択を比較します。 最後に、今後の研究を導くための重要な課題とオープンな質問について論じる。

関連論文リスト

• CheXWorld: Exploring Image World Modeling for Radiograph Representation Learning [76.98039909663756]
  我々は,放射線画像の自己教師型世界モデルに向けた最初の取り組みであるCheXWorldを紹介する。 本研究は,放射線科医に必要な医学知識の3つの側面を同時にモデル化する統合的枠組みの開発である。
  論文  参考訳（メタデータ） (2025-04-18T17:50:43Z)
• Vision Foundation Models in Medical Image Analysis: Advances and Challenges [7.224426395050136]
  ビジョンファウンデーションモデル(VFM)は、医療画像解析の分野で大きな進歩をもたらした。 本稿では,VFMの医用画像セグメンテーションへの適応に関する現状研究について概説する。 本稿では,アダプタによる改良,知識蒸留技術,マルチスケール・コンテキスト特徴モデリングの最近の発展について論じる。
  論文  参考訳（メタデータ） (2025-02-20T14:13:46Z)
• A Comprehensive Survey of Foundation Models in Medicine [8.879092631568263]
  ファンデーションモデル(FM)は、大規模なデータセットに基づいてトレーニングされた大規模ディープラーニングモデルである。 我々は医学におけるFMのレビューを行い、その進化、学習戦略、旗艦モデル、アプリケーション、関連する課題に焦点を当てる。 本稿では,臨床自然言語処理,医用コンピュータビジョン,グラフ学習,その他のバイオ・オミクス関連タスクにまたがるFM対応医療応用の詳細な分類法を提案する。
  論文  参考訳（メタデータ） (2024-06-15T20:04:06Z)
• Towards Large-Scale Training of Pathology Foundation Models [1.5861468117231254]
  我々は、オープンアクセスTCGA全体のスライドイメージに基づいてトレーニングされた、私たちの病理FMの最初のバッチを公開し、公開します。 実験により,我々のモデルが様々なパッチレベル下流タスクにおける最先端の性能に達することを示す。 本稿では,様々な下流タスクを対象としたFMの一貫性のある評価を目的としたオープンソースフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-24T21:34:36Z)
• Progress and Opportunities of Foundation Models in Bioinformatics [77.74411726471439]
  基礎モデル(FM)は、特に深層学習の領域において、計算生物学の新しい時代に定着した。 我々の焦点は、特定の生物学的問題にFMを応用することであり、研究ニーズに適切なFMを選択するために研究コミュニティを指導することを目的としています。 データノイズ、モデル説明可能性、潜在的なバイアスなど、生物学においてFMが直面する課題と限界を分析します。
  論文  参考訳（メタデータ） (2024-02-06T02:29:17Z)
• Learning from models beyond fine-tuning [78.20895343699658]
  Learn From Model (LFM) は、モデルインターフェースに基づいた基礎モデル(FM)の研究、修正、設計に焦点を当てている。 LFM技術の研究は、モデルチューニング、モデル蒸留、モデル再利用、メタラーニング、モデル編集の5つの分野に大別できる。 本稿では, LFM の観点から, FM に基づく現在の手法を概観する。
  論文  参考訳（メタデータ） (2023-10-12T10:20:36Z)
• Domain Generalization on Medical Imaging Classification using Episodic Training with Task Augmentation [62.49837463676111]
  本稿では,医用画像分類におけるタスク強化によるエピソードトレーニングの新たな手法を提案する。 実際の医療展開において、限られた数のソースドメインによって動機付けられ、ユニークなタスクレベルのオーバーフィッティングを検討します。
  論文  参考訳（メタデータ） (2021-06-13T03:56:59Z)
• Domain Shift in Computer Vision models for MRI data analysis: An Overview [64.69150970967524]
  機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。 しかし、現在臨床応用はごくわずかである。 異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
  論文  参考訳（メタデータ） (2020-10-14T16:34:21Z)

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。