論文の概要: Safeguarding Generative AI Applications in Preclinical Imaging through Hybrid Anomaly Detection

• arxiv url: http://arxiv.org/abs/2508.07923v1
• Date: Mon, 11 Aug 2025 12:35:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:29.091958
• Title: Safeguarding Generative AI Applications in Preclinical Imaging through Hybrid Anomaly Detection
• Title（参考訳）: ハイブリッド異常検出による前立腺イメージングにおける生成AI応用の保護
• Authors: Jakub Binda, Valentina Paneta, Vasileios Eleftheriadis, Hongkyou Chung, Panagiotis Papadimitroulas, Neo Christopher Chung,
• Abstract要約: 本稿では,BIOEMTECHの視線(TM)システムにおけるGenAIモデルを保護するためのハイブリッド異常検出フレームワークの開発と実装を紹介する。 写真マウス画像から合成X線を生成するPose2Xrayと、2D SPECT/CTスキャンから3D線量マップを推定するDosimetrEYEの2つの応用が示されている。
• 参考スコア（独自算出の注目度）: 1.6492989697868894
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI holds great potentials to automate and enhance data synthesis in nuclear medicine. However, the high-stakes nature of biomedical imaging necessitates robust mechanisms to detect and manage unexpected or erroneous model behavior. We introduce development and implementation of a hybrid anomaly detection framework to safeguard GenAI models in BIOEMTECH's eyes(TM) systems. Two applications are demonstrated: Pose2Xray, which generates synthetic X-rays from photographic mouse images, and DosimetrEYE, which estimates 3D radiation dose maps from 2D SPECT/CT scans. In both cases, our outlier detection (OD) enhances reliability, reduces manual oversight, and supports real-time quality control. This approach strengthens the industrial viability of GenAI in preclinical settings by increasing robustness, scalability, and regulatory compliance.
• Abstract（参考訳）: 生成AIは、核医学におけるデータ合成を自動化し、強化する大きな可能性を秘めている。 しかし、バイオメディカルイメージングの高感度な性質は、予期せぬ、または誤ったモデルの振る舞いを検出し、管理するための堅牢なメカニズムを必要とする。 本稿では,BIOEMTECHの視線(TM)システムにおけるGenAIモデルを保護するためのハイブリッド異常検出フレームワークの開発と実装を紹介する。 写真マウス画像から合成X線を生成するPose2Xrayと、2D SPECT/CTスキャンから3D線量マップを推定するDosimetrEYEの2つの応用が示されている。 どちらの場合も、OFF(outlier detection)は信頼性を高め、手動による監視を低減し、リアルタイムの品質管理をサポートする。 このアプローチは、堅牢性、スケーラビリティ、規制コンプライアンスを高めることにより、先進的な環境でのGenAIの産業的生存性を高める。

関連論文リスト

• Diffusing the Blind Spot: Uterine MRI Synthesis with Diffusion Models [5.405060834788189]
  子宮MRI合成のための新しい拡散型フレームワークを提案する。 本手法は, 解剖学的に整合した高忠実な合成画像を生成し, 実際のスキャンを忠実に再現する。 ブラインドド・エキスパートによる評価は,我々の合成画像の臨床的現実性を評価する。
  論文  参考訳（メタデータ） (2025-08-11T12:18:23Z)
• Perceptual Evaluation of GANs and Diffusion Models for Generating X-rays [0.7578439720012189]
  生成画像モデルは、自然画像と医療画像の両方において顕著な進歩を遂げている。 4つの異常を条件に胸部X線を合成するための最先端生成モデル-GAN(Generative Adversarial Networks)と拡散モデル(Diffusion Models)の有効性を評価する。
  論文  参考訳（メタデータ） (2025-08-10T00:32:18Z)
• Bi-Level Optimization for Self-Supervised AI-Generated Face Detection [56.57881725223548]
  両レベル最適化に基づくAI生成顔検出器の自己教師方式を提案する。 我々の検出器は、一級・二級の分類設定において、既存のアプローチよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-07-30T16:38:29Z)
• Quality Assessment and Distortion-aware Saliency Prediction for AI-Generated Omnidirectional Images [70.49595920462579]
  本研究は,AIGODIの品質評価と歪みを考慮したサリエンシ予測問題について検討する。 BLIP-2モデルに基づく共有エンコーダを用いた2つのモデルを提案する。
  論文  参考訳（メタデータ） (2025-06-27T05:36:04Z)
• Composite Data Augmentations for Synthetic Image Detection Against Real-World Perturbations [14.985516487680917]
  合成画像検出(SID)ソリューションは、圧縮やその他の操作によってしばしば変更されるため、インターネットから生成された画像に苦労する。 本研究は,データ拡張組み合わせを探索し,遺伝的アルゴリズムを最適な拡張選択に活用し,二重基準最適化アプローチを導入することにより,SIDを向上させる。 本研究は,様々な品質・変換の合成画像の同定が可能な検出モデルの開発に有用な知見を提供する。
  論文  参考訳（メタデータ） (2025-06-13T06:28:05Z)
• Implementing Trust in Non-Small Cell Lung Cancer Diagnosis with a Conformalized Uncertainty-Aware AI Framework in Whole-Slide Images [37.3701890138561]
  TRUECAMは、非小細胞肺癌におけるデータとモデル信頼性の両方を保証するために設計されたフレームワークである。 TRUECAMでラップされたAIモデルは、分類精度、堅牢性、解釈可能性、データ効率の点で、そのようなガイダンスが欠けているモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-12-28T02:22:47Z)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• G-Refine: A General Quality Refiner for Text-to-Image Generation [74.16137826891827]
  G-Refineは,高画質画像の整合性を損なうことなく,低画質画像の高精細化を図った汎用画像精細機である。 このモデルは、知覚品質指標、アライメント品質指標、一般的な品質向上モジュールの3つの相互接続モジュールで構成されている。 大規模な実験により、G-Refine以降のAIGIは、4つのデータベースで10以上の品質指標でパフォーマンスが向上していることが明らかになった。
  論文  参考訳（メタデータ） (2024-04-29T00:54:38Z)
• Paired Diffusion: Generation of related, synthetic PET-CT-Segmentation scans using Linked Denoising Diffusion Probabilistic Models [0.0]
  本研究では,複数のPET-CT-腫瘍マスクペアをペアネットワークと条件エンコーダを用いて生成できる新しいアーキテクチャを提案する。 我々のアプローチには、DDPMサンプリング一貫性を改善するための革新的で時間的なステップ制御機構とノイズ探索戦略が含まれる。
  論文  参考訳（メタデータ） (2024-03-26T14:21:49Z)
• MITS-GAN: Safeguarding Medical Imaging from Tampering with Generative Adversarial Networks [48.686454485328895]
  本研究では,医療画像の改ざんを防止する新しいアプローチであるMITS-GANを紹介する。 このアプローチは、人間の目には知覚できない微調整された摂動を導入することで、攻撃者のCT-GANアーキテクチャの出力を妨害する。 CTスキャンによる実験結果から,MITS-GANの優れた性能が確認された。
  論文  参考訳（メタデータ） (2024-01-17T22:30:41Z)

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。