論文の概要: Interpretable Gallbladder Ultrasound Diagnosis: A Lightweight Web-Mobile Software Platform with Real-Time XAI

• arxiv url: http://arxiv.org/abs/2512.23033v1
• Date: Sun, 28 Dec 2025 18:21:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.332305
• Title: Interpretable Gallbladder Ultrasound Diagnosis: A Lightweight Web-Mobile Software Platform with Real-Time XAI
• Title（参考訳）: 解釈可能な胆嚢超音波診断:リアルタイムXAIを用いた軽量Webモバイルソフトウェアプラットフォーム
• Authors: Fuyad Hasan Bhoyan, Prashanta Sarker, Parsia Noor Ethila, Md. Emon Hossain, Md Kaviul Hossain, Md Humaion Kabir Mehedi,
• Abstract要約: このシステムは、説明可能なAI視覚化を通じて解釈可能なリアルタイム予測を提供する。 99.85%の精度を達成でき、224万のパラメータしか持たない。 このソフトウェアは、ケアの時点で、効率的で、アクセシビリティがあり、信頼できる診断支援を提供する。
• 参考スコア（独自算出の注目度）: 0.023090185577016448
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early and accurate detection of gallbladder diseases is crucial, yet ultrasound interpretation is challenging. To address this, an AI-driven diagnostic software integrates our hybrid deep learning model MobResTaNet to classify ten categories, nine gallbladder disease types and normal directly from ultrasound images. The system delivers interpretable, real-time predictions via Explainable AI (XAI) visualizations, supporting transparent clinical decision-making. It achieves up to 99.85% accuracy with only 2.24M parameters. Deployed as web and mobile applications using HTML, CSS, JavaScript, Bootstrap, and Flutter, the software provides efficient, accessible, and trustworthy diagnostic support at the point of care
• Abstract（参考訳）: 胆嚢疾患の早期かつ正確な検出は重要であるが、超音波による解釈は困難である。 この問題を解決するために、AI駆動診断ソフトウェアは、我々のハイブリッドディープラーニングモデルMobResTaNetを統合し、超音波画像から直接10のカテゴリ、9の胆嚢疾患タイプ、正常な分類を行う。 このシステムは、説明可能なAI(XAI)視覚化を通じて解釈可能なリアルタイム予測を提供し、透過的な臨床的意思決定をサポートする。 99.85%の精度を達成でき、224万のパラメータしか持たない。 HTML、CSS、JavaScript、Bootstrap、Flutterを使用したWebおよびモバイルアプリケーションとしてデプロイされたこのソフトウェアは、注意点において、効率的でアクセシブルで信頼できる診断サポートを提供する。

関連論文リスト

• Towards Explainable Conversational AI for Early Diagnosis with Large Language Models [1.7236025557731807]
  医療システムは、非効率な診断、コストの上昇、専門家への限られたアクセスといった問題に悩まされている。 現在のAIとディープラーニングの診断システムは、あまりインタラクティブで透過的ではなく、現実の患者中心の環境では効果が低い。 本稿では,GPT-4o,Retrieval-Augmented Generation,説明可能なAI技術を用いて,LLM(Large Language Model)を利用した診断チャットボットを提案する。 Chain-of-Thoughtの推進により、このシステムは診断の背後にあるより透明な推論も提供する。
  論文  参考訳（メタデータ） (2025-12-19T13:28:50Z)
• OnSight Pathology: A real-time platform-agnostic computational pathology companion for histopathology [0.1866854739883167]
  OnSight Pathologyは、連続的なカスタムスクリーンキャプチャーを利用する、プラットフォームに依存しないコンピュータビジョンソフトウェアである。 OnSight Pathologyは、複雑なソフトウェアを統合することなく、コンシューマグレードのパーソナルコンピュータ上でローカルに動作する。 OnSight Pathologyが、幅広い病理パイプラインにわたってリアルタイムAI推論を実現する方法を示す。
  論文  参考訳（メタデータ） (2025-12-03T19:02:08Z)
• MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging [67.74482877175797]
  MIRNetは、自己教師付き事前学習と制約付きグラフベースの推論を統合する新しいフレームワークである。 TongueAtlas-4Kは,22の診断ラベルを付した4,000枚の画像からなるベンチマークである。
  論文  参考訳（メタデータ） (2025-11-13T06:30:41Z)
• A Fully Open and Generalizable Foundation Model for Ultrasound Clinical Applications [77.3888788549565]
  一般臨床用超音波基礎モデルであるEchoCareについて紹介する。 我々は、キュレートされた、一般公開された大規模なデータセットであるEchoCareData上で、自己教師付き学習を通じてEchoCareを開発した。 最小限のトレーニングで、EchoCareは10の代表的なベンチマークで最先端の比較モデルを上回っている。
  論文  参考訳（メタデータ） (2025-09-15T10:05:31Z)
• EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
  本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。 解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
  論文  参考訳（メタデータ） (2025-04-17T16:19:05Z)
• Decision-based AI Visual Navigation for Cardiac Ultrasounds [0.7825791212345073]
  本稿では、心臓の下大静脈(IVC)を特定するための意思決定モデルに基づいて、新しいAIナビゲーションシステムを示す。 基礎となるモデルは、学習した特徴表現を利用して、ITVの空間的位置をリアルタイムでアノテートする新しいローカライゼーションアルゴリズムを統合する。 我々のモデルは、従来の高品質の病院用超音波ビデオに強いローカライゼーション性能を示し、より安価なButterfly iQハンドヘルド超音波マシンの低品質超音波ビデオに印象的なゼロショット性能を示す。
  論文  参考訳（メタデータ） (2025-04-16T23:54:46Z)
• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Automating Sonologists USG Commands with AI and Voice Interface [0.0]
  本研究は, リアルタイム画像処理, 臓器追跡, 音声コマンドを組み込んだ, 高度なAIを用いた超音波イメージングシステムを提案する。 この革新的な解決策の目標は、ソノロジーにより予測可能で生産的な画像処理を提供することである。
  論文  参考訳（メタデータ） (2024-11-20T03:03:49Z)
• Ear-Keeper: A Cross-Platform AI System for Rapid and Accurate Ear Disease Diagnosis [8.927331232711548]
  耳疾患8例と健常症例を対象とした大規模多施設耳内視鏡検査データセットを構築した。 モデルサイズがわずか2.94MBのBest-EarNetは、内部テストセットで95.23%、外部テストセットで92.14%の診断精度を達成した。 我々はBest-EarNet上に構築されたクロスプラットフォームのインテリジェント診断システムであるEar-Keeperを開発した。
  論文  参考訳（メタデータ） (2023-08-21T10:20:46Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• Voice-assisted Image Labelling for Endoscopic Ultrasound Classification using Neural Networks [48.732863591145964]
  本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。 その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
  論文  参考訳（メタデータ） (2021-10-12T21:22:24Z)

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。