論文の概要: VisionCAD: An Integration-Free Radiology Copilot Framework

• arxiv url: http://arxiv.org/abs/2511.00381v1
• Date: Sat, 01 Nov 2025 03:29:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.749319
• Title: VisionCAD: An Integration-Free Radiology Copilot Framework
• Title（参考訳）: VisionCAD: 統合フリーのラジオロジーコパイロットフレームワーク
• Authors: Jiaming Li, Junlei Wu, Sheng Wang, Honglin Xiong, Jiangdong Cai, Zihao Zhao, Yitao Zhu, Yuan Yin, Dinggang Shen, Qian Wang,
• Abstract要約: VisionCADはビジョンベースの放射線支援フレームワークである。 カメラシステムを使って、ディスプレイから直接医療画像をキャプチャする。 診断性能は従来のCADシステムに匹敵する。
• 参考スコア（独自算出の注目度）: 42.29535854844036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Widespread clinical deployment of computer-aided diagnosis (CAD) systems is hindered by the challenge of integrating with existing hospital IT infrastructure. Here, we introduce VisionCAD, a vision-based radiological assistance framework that circumvents this barrier by capturing medical images directly from displays using a camera system. The framework operates through an automated pipeline that detects, restores, and analyzes on-screen medical images, transforming camera-captured visual data into diagnostic-quality images suitable for automated analysis and report generation. We validated VisionCAD across diverse medical imaging datasets, demonstrating that our modular architecture can flexibly utilize state-of-the-art diagnostic models for specific tasks. The system achieves diagnostic performance comparable to conventional CAD systems operating on original digital images, with an F1-score degradation typically less than 2\% across classification tasks, while natural language generation metrics for automated reports remain within 1\% of those derived from original images. By requiring only a camera device and standard computing resources, VisionCAD offers an accessible approach for AI-assisted diagnosis, enabling the deployment of diagnostic capabilities in diverse clinical settings without modifications to existing infrastructure.
• Abstract（参考訳）: コンピュータ支援診断システム(CAD)の広範な臨床展開は、既存の病院ITインフラと統合することの難しさによって妨げられている。 本稿では,この障壁を回避するための視覚ベースの放射線支援フレームワークであるVisionCADについて紹介する。 このフレームワークは、画面上の医療画像を検出し、復元し、分析する自動化パイプラインを介して動作し、カメラがキャプチャした視覚データを、自動分析とレポート生成に適した診断品質の画像に変換する。 さまざまな医療画像データセットにまたがってVisionCADを検証し、モジュールアーキテクチャが特定のタスクに最先端の診断モデルを柔軟に活用できることを実証した。 本システムは,従来のデジタル画像を用いたCADシステムに匹敵する診断性能を達成し,F1スコアの劣化は分類タスクの2倍未満であるのに対して,自動レポートの自然言語生成指標は原画像から派生したものの1倍以内である。 カメラデバイスと標準的なコンピューティングリソースのみを必要とすることで、VisionCADはAI支援診断のためのアクセス可能なアプローチを提供する。

関連論文リスト

• Intelligent Healthcare Imaging Platform: A VLM-Based Framework for Automated Medical Image Analysis and Clinical Report Generation [0.0]
  本稿では,視覚言語モデル(VLM)を活用した医用画像解析のためのインテリジェントマルチモーダルフレームワークを提案する。 このフレームワークはGoogle Gemini 2.5 Flashを統合し、腫瘍を自動的に検出し、CT、MRI、X線、超音波などの複数の画像モダリティで臨床報告を生成する。
  論文  参考訳（メタデータ） (2025-09-16T23:15:44Z)
• UniCAD: Efficient and Extendable Architecture for Multi-Task Computer-Aided Diagnosis System [48.83716673786449]
  2次元画像と3次元画像の両方をシームレスに扱う統一アーキテクチャUniCADを提案する。 低ランク適応戦略を用いて、トレーニング済みの視覚モデルを医用画像領域に適応させ、完全に調整された視覚モデルと同等の性能を達成する。 この統合CADアーキテクチャに基づいて、研究者が軽量CAD専門家を共有・アクセスできるオープンソースのプラットフォームを構築します。
  論文  参考訳（メタデータ） (2025-05-14T06:21:27Z)
• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。 本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。 その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)
• COVID-19 Computer-aided Diagnosis through AI-assisted CT Imaging Analysis: Deploying a Medical AI System [16.1664846590467]
  我々は,CT画像の自動解析を目的とした最先端AIシステムの統合と信頼性,迅速な展開について紹介する。 提案システムは、医師の発見時間を短縮し、新型コロナウイルス検出の全体的な効率を高めることが期待されている。
  論文  参考訳（メタデータ） (2024-03-10T15:54:45Z)
• ChatCAD: Interactive Computer-Aided Diagnosis on Medical Image using Large Language Models [53.73049253535025]
  大規模言語モデル(LLM)は、最近臨床応用においてその可能性を実証している。 本稿では,LLMを医療画像CADネットワークに統合する手法を提案する。 LLMの医用領域知識と論理的推論の強みを、既存の医用画像CADモデルの視覚理解能力と融合させることが目的である。
  論文  参考訳（メタデータ） (2023-02-14T18:54:06Z)
• Medical Imaging and Machine Learning [16.240472115235253]
  2018年に国立衛生研究所は、医療画像における人工知能の未来における重要な焦点領域を特定した。 データ可用性、新しいコンピューティングアーキテクチャと説明可能なAIアルゴリズムの必要性は、いまだに関係している。 本稿では,高次元臨床画像データに特有の課題について考察するとともに,技術的・倫理的考察を紹介する。
  論文  参考訳（メタデータ） (2021-03-02T18:53:39Z)
• Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
  本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。 システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
  論文  参考訳（メタデータ） (2021-01-11T08:14:35Z)

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。