論文の概要: Towards Human-AI Collaboration System for the Detection of Invasive Ductal Carcinoma in Histopathology Images

• arxiv url: http://arxiv.org/abs/2508.07875v1
• Date: Mon, 11 Aug 2025 11:45:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:29.070039
• Title: Towards Human-AI Collaboration System for the Detection of Invasive Ductal Carcinoma in Histopathology Images
• Title（参考訳）: 病理組織像における浸潤性直腸癌検出のためのヒト-AI共同研究システムに向けて
• Authors: Shuo Han, Ahmed Karam Eldaly, Solomon Sunday Oyelere,
• Abstract要約: 浸潤性乳管癌(Invasive ductal carcinoma,IDC)は乳癌の最も多い形態である。 病理画像中のIDCを検出するためのHuman-in-the-loop(HITL)ディープラーニングシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.7150262752562336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Invasive ductal carcinoma (IDC) is the most prevalent form of breast cancer, and early, accurate diagnosis is critical to improving patient survival rates by guiding treatment decisions. Combining medical expertise with artificial intelligence (AI) holds significant promise for enhancing the precision and efficiency of IDC detection. In this work, we propose a human-in-the-loop (HITL) deep learning system designed to detect IDC in histopathology images. The system begins with an initial diagnosis provided by a high-performance EfficientNetV2S model, offering feedback from AI to the human expert. Medical professionals then review the AI-generated results, correct any misclassified images, and integrate the revised labels into the training dataset, forming a feedback loop from the human back to the AI. This iterative process refines the model's performance over time. The EfficientNetV2S model itself achieves state-of-the-art performance compared to existing methods in the literature, with an overall accuracy of 93.65\%. Incorporating the human-in-the-loop system further improves the model's accuracy using four experimental groups with misclassified images. These results demonstrate the potential of this collaborative approach to enhance AI performance in diagnostic systems. This work contributes to advancing automated, efficient, and highly accurate methods for IDC detection through human-AI collaboration, offering a promising direction for future AI-assisted medical diagnostics.
• Abstract（参考訳）: 浸潤性乳管癌(IDC)は乳癌の最も多い形態であり,早期かつ正確な診断は治療決定の導出による生存率の向上に重要である。 医療専門知識と人工知能(AI)を組み合わせることで、IDC検出の精度と効率を高めることが期待できる。 本研究では,病理画像中のIDCを検出するためのHuman-in-the-loop(HITL)ディープラーニングシステムを提案する。 システムは、AIから人間の専門家へのフィードバックを提供する高性能なNetV2Sモデルによって提供される初期診断から始まる。 医療専門家はAIが生成した結果をレビューし、誤って分類された画像を修正し、修正されたラベルをトレーニングデータセットに統合し、人間からAIへのフィードバックループを形成する。 この反復的なプロセスは、時間とともにモデルのパフォーマンスを洗練します。 EfficientNetV2Sモデル自体は、文献の既存の手法と比較して最先端のパフォーマンスを実現しており、全体的な精度は93.65\%である。 ヒューマン・イン・ザ・ループ・システムの導入により、誤分類画像を持つ4つの実験グループを用いてモデルの精度が向上する。 これらの結果は、診断システムにおけるAI性能を高めるための、この協調的アプローチの可能性を示している。 この研究は、人間とAIのコラボレーションを通じてIDC検出の自動化、効率的、高精度な手法の進歩に貢献し、将来のAI支援医療診断に有望な方向性を提供する。

関連論文リスト

• Explainable AI for Collaborative Assessment of 2D/3D Registration Quality [50.65650507103078]
  本稿では,2D/3D登録品質検証に特化して訓練された最初の人工知能フレームワークを提案する。 我々の説明可能なAI(XAI)アプローチは、人間のオペレーターに対する情報意思決定を強化することを目的としている。
  論文  参考訳（メタデータ） (2025-07-23T15:28:57Z)
• Advancements in Artificial Intelligence Applications for Cardiovascular Disease Research [0.0]
  人工知能(AI)の最近の進歩は、心臓血管医学に革命をもたらした。 ディープラーニングアーキテクチャは、医療画像と生理的信号の自動解析を可能にする。 今後の方向性は、パーソナライズされた心血管ケアを洗練させるために、マルチモーダルデータと適応アルゴリズムを統合するハイブリッドモデルに重点を置いている。
  論文  参考訳（メタデータ） (2025-06-04T08:31:28Z)
• Toward a Human-Centered AI-assisted Colonoscopy System in Australia [12.548421709213379]
  現在の開発は機械学習モデルのパフォーマンスを優先し、ユーザインターフェース設計、ワークフロー統合、全体的なユーザエクスペリエンスの重要な側面を見越している。 AIの可能性を最大限に実現するために、HCIコミュニティは、ユーザ中心の設計を擁護し、これらのシステムを確実に使用し、内科医の専門知識をサポートし、患者の成果を高める必要がある。
  論文  参考訳（メタデータ） (2025-03-15T23:36:48Z)
• Leveraging AI for Automatic Classification of PCOS Using Ultrasound Imaging [0.0]
  AUTO-PCOS分類チャレンジは、多嚢胞性卵巣症候群(PCOS)の同定における人工知能(AI)の診断能力の向上を目指す 本稿では,InceptionV3アーキテクチャを用いたトランスファーラーニングを利用した堅牢なAIパイプライン構築手法について概説する。
  論文  参考訳（メタデータ） (2024-12-30T11:56:11Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Enhancing Breast Cancer Diagnosis in Mammography: Evaluation and Integration of Convolutional Neural Networks and Explainable AI [0.0]
  本研究では,畳み込みニューラルネットワーク(CNN)と説明可能な人工知能(XAI)を組み合わせて乳がんの診断を高度化するための統合フレームワークを提案する。 この方法論は、データセットの制限に対処するために、精巧なデータ前処理パイプラインと高度なデータ拡張技術を含んでいる。 本研究の焦点は,モデル予測の解釈におけるXAIの有効性を評価することである。
  論文  参考訳（メタデータ） (2024-04-05T05:00:21Z)
• New Epochs in AI Supervision: Design and Implementation of an Autonomous Radiology AI Monitoring System [5.50085484902146]
  本稿では,放射線学AI分類モデルの性能を実際に監視するための新しい手法を提案する。 予測分散と時間安定性という2つの指標を提案し、AIのパフォーマンス変化のプリエンプティブアラートに使用する。
  論文  参考訳（メタデータ） (2023-11-24T06:29:04Z)
• Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
  医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。 様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
  論文  参考訳（メタデータ） (2022-05-19T17:34:18Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)

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。