論文の概要: AT-CXR: Uncertainty-Aware Agentic Triage for Chest X-rays

• arxiv url: http://arxiv.org/abs/2508.19322v1
• Date: Tue, 26 Aug 2025 14:33:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.379609
• Title: AT-CXR: Uncertainty-Aware Agentic Triage for Chest X-rays
• Title（参考訳）: AT-CXR:胸部X線に対する不確かさを意識したエージェントトリアージ
• Authors: Xueyang Li, Mingze Jiang, Gelei Xu, Jun Xia, Mengzhao Jia, Danny Chen, Yiyu Shi,
• Abstract要約: 胸部X線に対する不確実性認識剤AT-CXRについて紹介する。 システムは、ケースごとの信頼度と分散適合度を推定し、次に、自動決定を発行するための段階的なポリシーに従う。 同一の入力と動作を共有する2つのルータの設計を評価する。
• 参考スコア（独自算出の注目度）: 12.843444405498404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic AI is advancing rapidly, yet truly autonomous medical-imaging triage, where a system decides when to stop, escalate, or defer under real constraints, remains relatively underexplored. To address this gap, we introduce AT-CXR, an uncertainty-aware agent for chest X-rays. The system estimates per-case confidence and distributional fit, then follows a stepwise policy to issue an automated decision or abstain with a suggested label for human intervention. We evaluate two router designs that share the same inputs and actions: a deterministic rule-based router and an LLM-decided router. Across five-fold evaluation on a balanced subset of NIH ChestX-ray14 dataset, both variants outperform strong zero-shot vision-language models and state-of-the-art supervised classifiers, achieving higher full-coverage accuracy and superior selective-prediction performance, evidenced by a lower area under the risk-coverage curve (AURC) and a lower error rate at high coverage, while operating with lower latency that meets practical clinical constraints. The two routers provide complementary operating points, enabling deployments to prioritize maximal throughput or maximal accuracy. Our code is available at https://github.com/XLIAaron/uncertainty-aware-cxr-agent.
• Abstract（参考訳）: エージェントAIは急速に進歩しているが、真に自律的な医療画像トリアージでは、システムがいつ停止するか、エスカレートするか、あるいは実際の制約の下で延期するかを判断する。 このギャップに対処するために,胸部X線に対する不確実性認識剤であるAT-CXRを導入する。 システムは、ケースごとの信頼度と分散適合度を推定し、ステップワイドなポリシーに従って自動決定を発行するか、人間の介入を推奨するラベルを無視する。 決定論的ルールベースルータとLCM決定ルータという,同じ入力と動作を共有する2つのルータの設計を評価する。 NIH ChestX-ray14データセットのバランスの取れたサブセットに対する5倍の評価では、どちらも強力なゼロショットビジョン言語モデルと最先端の教師付き分類器を上回り、リスクカバレッジ曲線(AURC)下の低い領域と高いカバレッジでの低いエラー率で証明された完全なカバレッジ精度と優れた選択予測性能を達成する。 2つのルータは相補的な操作ポイントを提供し、デプロイメントは最大スループットまたは最大精度を優先することができる。 私たちのコードはhttps://github.com/XLIAaron/uncertainty-aware-cxr-agent.comで利用可能です。

関連論文リスト

• PASS: Probabilistic Agentic Supernet Sampling for Interpretable and Adaptive Chest X-Ray Reasoning [31.42306351491176]
  PASS(Probabilistic Agentic Supernet Smpling)は、Chest X-Ray(CXR)推論の文脈でこれらの課題に対処する最初のマルチモーダルフレームワークである。 PASSは、マルチツールグラフ上でエージェントを適応的にサンプリングし、解釈可能な確率でアノテートされた決定経路を生成する。
  論文  参考訳（メタデータ） (2025-08-14T10:03:47Z)
• A Framework for Uncertainty Quantification Based on Nearest Neighbors Across Layers [0.24578723416255746]
  ニューラルネットワークは、パターンの検出や論理モデルの作成が難しい問題を解く上で、高精度である。 これらのエラーを検出し軽減するための戦略のひとつは、ニューラルネットワークの決定に対する不確実性を測定することである。 本稿では,検索した学習事例に基づいて,意思決定の不確実性を測定するための新しいポストホックフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-24T11:10:41Z)
• U2AD: Uncertainty-based Unsupervised Anomaly Detection Framework for Detecting T2 Hyperintensity in MRI Spinal Cord [7.811634659561162]
  脊髄MR画像におけるT2過強度は、変性頚髄症などの病態において重要なバイオマーカーである。 深層学習法は病変検出の可能性を示してきたが、ほとんどの教師付きアプローチは大きな注釈付きデータセットに大きく依存している。 本稿では,これらの制約に対処するため,不確実性に基づくunsupervised Anomaly DetectionフレームワークであるU2ADを提案する。
  論文  参考訳（メタデータ） (2025-03-17T17:33:32Z)
• Quality assurance of organs-at-risk delineation in radiotherapy [7.698565355235687]
  放射線治療計画において,腫瘍標的と臓器の脱線は重要である。 自動セグメンテーションの品質保証は、まだ臨床実践において必要ではない。 提案手法は,一級分類フレームワークにおける残差ネットワークとアテンション機構を導入し,様々な種類のOAR輪郭誤差を高精度に検出することができた。
  論文  参考訳（メタデータ） (2024-05-20T02:32:46Z)
• Industrial Anomaly Detection and Localization Using Weakly-Supervised Residual Transformers [44.344548601242444]
  Weakly-supervised RESidual Transformer (WeakREST) という新しいフレームワークを導入し,高い異常検出精度を実現する。 画素単位の異常局所化タスクをブロック単位の分類問題に再構成する。 弱いラベルと残差に基づく表現との相互作用を処理できるResMixMatchアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-06-06T08:19:30Z)
• Robust-by-Design Classification via Unitary-Gradient Neural Networks [66.17379946402859]
  安全クリティカルシステムにおけるニューラルネットワークの使用には、敵攻撃が存在するため、安全で堅牢なモデルが必要である。 任意の入力 x の最小逆摂動を知るか、または同値に、分類境界から x の距離は、分類ロバスト性を評価し、証明可能な予測を与える。 Unitary-Gradient Neural Networkと呼ばれる新しいネットワークアーキテクチャが紹介される。 実験結果から,提案アーキテクチャは符号付き距離を近似し,単一の推論コストでxのオンライン分類が可能であることがわかった。
  論文  参考訳（メタデータ） (2022-09-09T13:34:51Z)
• Ultra-Reliable Indoor Millimeter Wave Communications using Multiple Artificial Intelligence-Powered Intelligent Surfaces [115.85072043481414]
  複数人工知能(AI)対応再構成可能なインテリジェントサーフェス(RIS)を用いた超信頼性ミリ波(mmW)通信を保証する新しいフレームワークを提案する。 複数のAI駆動RISを使用することで、mmWアクセスポイント(AP)から送信される信号の伝搬方向を変更できます。 mmW APとRISのポリシーを制御するために、2つの集中型および分散コントローラが提案されている。
  論文  参考訳（メタデータ） (2021-03-31T19:15:49Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Optimally Displaced Threshold Detection for Discriminating Binary Coherent States Using Imperfect Devices [50.09039506170243]
  雑音や不完全な装置を用いた現実的な状況下で、最適変位しきい値検出(ODTD)を有する一般化されたケネディ受信機の性能を解析的に検討する。 提案アルゴリズムは,既存の手法よりも低次かつスムーズな誤り確率が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-21T21:52:29Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。