論文の概要: DermETAS-SNA LLM: A Dermatology Focused Evolutionary Transformer Architecture Search with StackNet Augmented LLM Assistant

• arxiv url: http://arxiv.org/abs/2512.08998v1
• Date: Tue, 09 Dec 2025 00:37:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.258589
• Title: DermETAS-SNA LLM: A Dermatology Focused Evolutionary Transformer Architecture Search with StackNet Augmented LLM Assistant
• Title（参考訳）: DermETAS-SNA LLM: StackNet Augmented LLM Assistantによる進化的トランスフォーマーアーキテクチャ探索に焦点を当てた皮膚学
• Authors: Nitya Phani Santosh Oruganty, Keerthi Vemula Murali, Chun-Kit Ngan, Paulo Bandeira Pinho,
• Abstract要約: 我々はDermETAS-SNA LLM Assistantを導入し,Dermatologyに着目した進化トランスフォーマーアーキテクチャ検索とStackNet Augmented LLMを統合した。 アシスタントは、皮膚疾患分類器を動的に学習し、臨床医と患者の解釈を促進するための医療情報記述を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Our work introduces the DermETAS-SNA LLM Assistant that integrates Dermatology-focused Evolutionary Transformer Architecture Search with StackNet Augmented LLM. The assistant dynamically learns skin-disease classifiers and provides medically informed descriptions to facilitate clinician-patient interpretation. Contributions include: (1) Developed an ETAS framework on the SKINCON dataset to optimize a Vision Transformer (ViT) tailored for dermatological feature representation and then fine-tuned binary classifiers for each of the 23 skin disease categories in the DermNet dataset to enhance classification performance; (2) Designed a StackNet architecture that integrates multiple fine-tuned binary ViT classifiers to enhance predictive robustness and mitigate class imbalance issues; (3) Implemented a RAG pipeline, termed Diagnostic Explanation and Retrieval Model for Dermatology, which harnesses the capabilities of the Google Gemini 2.5 Pro LLM architecture to generate personalized, contextually informed diagnostic descriptions and explanations for patients, leveraging a repository of verified dermatological materials; (4) Performed extensive experimental evaluations on 23 skin disease categories to demonstrate performance increase, achieving an overall F1-score of 56.30% that surpasses SkinGPT-4 (48.51%) by a considerable margin, representing a performance increase of 16.06%; (5) Conducted a domain-expert evaluation, with eight licensed medical doctors, of the clinical responses generated by our AI assistant for seven dermatological conditions. Our results show a 92% agreement rate with the assessments provided by our AI assistant (6) Created a proof-of-concept prototype that fully integrates our DermETAS-SNA LLM into our AI assistant to demonstrate its practical feasibility for real-world clinical and educational applications.
• Abstract（参考訳）: 我々はDermETAS-SNA LLM Assistantを導入し,Dermatologyに着目した進化トランスフォーマーアーキテクチャ検索とStackNet Augmented LLMを統合した。 アシスタントは、皮膚疾患分類器を動的に学習し、臨床医と患者の解釈を促進するための医療情報記述を提供する。 1) 皮膚科的特徴表現に適した視覚変換器(ViT)を最適化するために,SKINCONデータセット上のETASフレームワークを開発し,その後DermNetデータセットの23種類の皮膚疾患カテゴリごとに細調整されたバイナリ分類器を設計し,分類性能を向上させること,(2) 複数の細調整されたバイナリ分類器を統合して予測的堅牢性とクラス不均衡を緩和するStackNetアーキテクチャを設計すること,(3) Google Gemini 2.5 Pro LLMアーキテクチャの機能を活かしたRAGパイプライン,診断説明・検索モデルを導入すること,3) 患者に対してパーソナライズされた診断説明と説明を生成すること,(4) 皮膚疾患のリポジトリを活用すること,(4) 総合的な評価を行うこと,(4) 56～44%, 6%, 6%, 6%)。 我々のAIアシスタント(6)は、私たちのDermETAS-SNA LLMを完全に統合した概念実証プロトタイプを作成し、実際の臨床・教育応用の実現可能性を示した。

関連論文リスト

• MelanomaNet: Explainable Deep Learning for Skin Lesion Classification [0.0]
  皮膚病変分類のための説明可能な深層学習システムMelanomaNetを提案する。 25,331枚の皮膚内視鏡画像を含むISIC 2019データセットを用いて本システムの評価を行った。 以上の結果から,包括的解釈可能性とともに高い分類が達成できることが示唆された。
  論文  参考訳（メタデータ） (2025-12-10T03:22:44Z)
• Adapting and Evaluating Multimodal Large Language Models for Adolescent Idiopathic Scoliosis Self-Management: A Divide and Conquer Framework [6.430877087279177]
  若年性特発性強皮症(AIS)に対するMLLM(Multimodal Large Language Models)の総合的評価を行った。 診断用テキストを用いた約3,000個の後部X線データベースを構築し,Divide and Conquer フレームワークを用いて5つのMLLMを評価した。
  論文  参考訳（メタデータ） (2025-09-15T07:34:12Z)
• DermINO: Hybrid Pretraining for a Versatile Dermatology Foundation Model [92.66916452260553]
  DermNIOは皮膚科学の多目的基盤モデルである。 自己教師型学習パラダイムを増強する、新しいハイブリッド事前学習フレームワークが組み込まれている。 さまざまなタスクにおいて、最先端のモデルよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-08-17T00:41:39Z)
• Towards Evaluating and Building Versatile Large Language Models for Medicine [57.49547766838095]
  MedS-Benchは大規模言語モデル(LLM)の性能を臨床的に評価するためのベンチマークである。 MedS-Benchは、臨床報告の要約、治療勧告、診断、名前付きエンティティ認識、医療概念説明を含む、11のハイレベルな臨床タスクにまたがる。 MedS-Insは58の医療指向言語コーパスで構成され、112のタスクで1350万のサンプルを収集している。
  論文  参考訳（メタデータ） (2024-08-22T17:01:34Z)
• SkinGEN: an Explainable Dermatology Diagnosis-to-Generation Framework with Interactive Vision-Language Models [54.32264601568605]
  SkinGENは、VLMが提供する診断結果から参照デモを生成する、診断から生成までのフレームワークである。 システム性能と説明可能性の両方を評価するために,32人の参加者によるユーザスタディを実施している。 その結果、SkinGENはVLM予測に対するユーザの理解を著しく改善し、診断プロセスへの信頼を高めることが示されている。
  論文  参考訳（メタデータ） (2024-04-23T05:36:33Z)

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。