論文の概要: OncoVision: Integrating Mammography and Clinical Data through Attention-Driven Multimodal AI for Enhanced Breast Cancer Diagnosis

• arxiv url: http://arxiv.org/abs/2511.19667v1
• Date: Mon, 24 Nov 2025 20:04:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.14492
• Title: OncoVision: Integrating Mammography and Clinical Data through Attention-Driven Multimodal AI for Enhanced Breast Cancer Diagnosis
• Title（参考訳）: OncoVision:乳がん診断のための注意駆動型マルチモーダルAIによるマンモグラフィーと臨床データの統合
• Authors: Istiak Ahmed, Galib Ahmed, K. Shahriar Sanjid, Md. Tanzim Hossain, Md. Nishan Khan, Md. Misbah Khan, Md. Arifur Rahman, Sheikh Anisul Haque, Sharmin Akhtar Rupa, Mohammed Mejbahuddin Mia, Mahmud Hasan Mostofa Kamal, Md. Mostafa Kamal Sarker, M. Monir Uddin,
• Abstract要約: OncoVisionは、マンモグラフィ画像と臨床データを組み合わせて乳癌の診断を改善するマルチモーダルAIパイプラインである。 4つのROI(質量、石灰化、軸索所見、乳房組織)を共同で区分する。 質量形態,石灰化型,ACR乳房密度,BI-RADSの10種類の臨床像を強く予測する。
• 参考スコア（独自算出の注目度）: 0.7998211927101394
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: OncoVision is a multimodal AI pipeline that combines mammography images and clinical data for better breast cancer diagnosis. Employing an attention-based encoder-decoder backbone, it jointly segments four ROIs - masses, calcifications, axillary findings, and breast tissues - with state-of-the-art accuracy and robustly predicts ten structured clinical features: mass morphology, calcification type, ACR breast density, and BI-RADS categories. To fuse imaging and clinical insights, we developed two late-fusion strategies. By utilizing complementary multimodal data, late fusion strategies improve diagnostic precision and reduce inter-observer variability. Operationalized as a secure, user-friendly web application, OncoVision produces structured reports with dual-confidence scoring and attention-weighted visualizations for real-time diagnostic support to improve clinician trust and facilitate medical teaching. It can be easily incorporated into the clinic, making screening available in underprivileged areas around the world, such as rural South Asia. Combining accurate segmentation with clinical intuition, OncoVision raises the bar for AI-based mammography, offering a scalable and equitable solution to detect breast cancer at an earlier stage and enhancing treatment through timely interventions.
• Abstract（参考訳）: OncoVisionは、マンモグラフィ画像と臨床データを組み合わせて乳癌の診断を改善するマルチモーダルAIパイプラインである。 注意に基づくエンコーダ・デコーダのバックボーンを用いて、4つのROI(質量、石灰化、補助的所見、乳房組織)を共同で分割し、最先端の精度で、質量形態、石灰化タイプ、ACR乳房密度、BI-RADSカテゴリの10の構造化された臨床特徴を強く予測する。 画像診断と臨床所見を融合するために,2つの後期融合戦略を開発した。 相補的なマルチモーダルデータを利用することで、遅延融合戦略は診断精度を改善し、サーバ間変動を低減する。 OncoVisionは、セキュアでユーザフレンドリーなWebアプリケーションとして運用されており、医師の信頼を向上し、医療教育を促進するために、二重信頼スコアとリアルタイム診断支援のための注意重み付き可視化を備えた構造化レポートを生成する。 クリニックに簡単に組み込むことができ、南アジア地方など世界中の未開拓地域でもスクリーニングが可能である。 正確なセグメンテーションと臨床的直感を組み合わせることで、OncoVisionはAIベースのマンモグラフィーの限界を高め、乳がんを早期に検出し、タイムリーな介入を通じて治療を強化するスケーラブルで公平なソリューションを提供する。

関連論文リスト

• Sim4Seg: Boosting Multimodal Multi-disease Medical Diagnosis Segmentation with Region-Aware Vision-Language Similarity Masks [54.00822479127598]
  医療診断(MDS)という医用視覚言語タスクについて紹介する。 MDSは、医療画像に対する臨床クエリを理解し、対応するセグメンテーションマスクと診断結果を生成することを目的としている。 診断セグメンテーションの性能を向上させる新しいフレームワークであるSim4Segを提案する。
  論文  参考訳（メタデータ） (2025-11-10T03:22:42Z)
• Breast Cancer VLMs: Clinically Practical Vision-Language Train-Inference Models [2.7165660672916787]
  本研究では,2次元マンモグラムの視覚的特徴と,容易にアクセス可能な臨床メタデータから得られる構造化テキスト記述子を組み合わせた新しい枠組みを提案する。 本研究では,畳み込みニューラルネットワーク(ConvNet)と言語表現との戦略的統合が,視覚トランスフォーマーモデルよりも優れた性能を実現することを示す。
  論文  参考訳（メタデータ） (2025-10-29T00:37:18Z)
• 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)
• RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
  RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。 システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
  論文  参考訳（メタデータ） (2025-06-17T03:10:33Z)
• Integrating AI for Human-Centric Breast Cancer Diagnostics: A Multi-Scale and Multi-View Swin Transformer Framework [5.211860566766601]
  この論文は、乳癌の診断を強化するためのヒューマン・センターワークフローにおけるAIの統合に焦点を当てている。 診断の堅牢性と精度を高めるハイブリッド・マルチスケール・マルチビューSwin Transformerベースのフレームワーク(MSMV-Swin)を提案する。
  論文  参考訳（メタデータ） (2025-03-17T15:48:56Z)
• 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)
• Breast Cancer Diagnosis: A Comprehensive Exploration of Explainable Artificial Intelligence (XAI) Techniques [37.9243470221619]
  乳がんの診断・診断における説明可能な人工知能(XAI)技術の適用について検討する。 複雑なAIモデルと実用的な医療アプリケーションの間のギャップを埋めることにおけるXAIの可能性を強調することを目的としている。
  論文  参考訳（メタデータ） (2024-06-01T18:50:03Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)
• Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
  マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-05-21T06:48:34Z)

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。