論文の概要: One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training

• arxiv url: http://arxiv.org/abs/2512.24278v1
• Date: Tue, 30 Dec 2025 15:07:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.41006
• Title: One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training
• Title（参考訳）: 稀な消化管病変のワンショット合成は診断精度と臨床訓練を改善する
• Authors: Jia Yu, Yan Zhu, Peiyao Fu, Tianyi Chen, Zhihua Wang, Fei Wu, Quanlin Li, Pinghong Zhou, Shuo Wang, Xian Yang,
• Abstract要約: EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。 われわれはこの枠組みを4つの稀な病理から検証した。 これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
• 参考スコア（独自算出の注目度）: 45.49415063761575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rare gastrointestinal lesions are infrequently encountered in routine endoscopy, restricting the data available for developing reliable artificial intelligence (AI) models and training novice clinicians. Here we present EndoRare, a one-shot, retraining-free generative framework that synthesizes diverse, high-fidelity lesion exemplars from a single reference image. By leveraging language-guided concept disentanglement, EndoRare separates pathognomonic lesion features from non-diagnostic attributes, encoding the former into a learnable prototype embedding while varying the latter to ensure diversity. We validated the framework across four rare pathologies (calcifying fibrous tumor, juvenile polyposis syndrome, familial adenomatous polyposis, and Peutz-Jeghers syndrome). Synthetic images were judged clinically plausible by experts and, when used for data augmentation, significantly enhanced downstream AI classifiers, improving the true positive rate at low false-positive rates. Crucially, a blinded reader study demonstrated that novice endoscopists exposed to EndoRare-generated cases achieved a 0.400 increase in recall and a 0.267 increase in precision. These results establish a practical, data-efficient pathway to bridge the rare-disease gap in both computer-aided diagnostics and clinical education.
• Abstract（参考訳）: 希少な消化管病変は定期内視鏡検査ではまれに出現し、信頼できる人工知能(AI)モデルの開発や初心者臨床医の訓練に利用可能なデータを制限する。 本稿では,単一参照画像から多種多様な高忠実度病変を合成するワンショット・リトレーニングフリーな生成フレームワークであるEndoRareを紹介する。 EndoRareは言語誘導概念の非絡み合いを利用して、病理組織学的病変の特徴を非診断的属性から分離し、前者を学習可能なプロトタイプにエンコードし、後者を変更して多様性を確保する。 病理組織学的には, 線維性腫瘍, 若年性ポリポージス症候群, 家族性腺腫性ポリポージス, Peutz-Jeghers 症候群の4つの稀な病理組織(石灰化性線維性腫瘍, 若年性ポリポージス症候群, 家族性腺腫性ポリポージス症候群, およびPeutz-Jeghers 症候群)に鑑別した。 合成画像は、専門家によって臨床的に妥当であると判断され、データ拡張に使用すると、ダウンストリームAI分類器が大幅に強化され、偽陽性率の低い真の正の速度が向上した。 ブラインドリーダーによる研究では、エンドラヤが生成したケースに曝露された初心者の内科医は、リコールが0.400増加し、精度が0.267上昇した。 これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。

関連論文リスト

• Learning to reason about rare diseases through retrieval-augmented agents [10.380898352925213]
  RADARは、脳MRIにおけるまれな疾患検出のためのエージェントシステムである。 我々のアプローチでは、ケースレポートと文学の両方を埋め込むことで、外部の医療知識にアクセス可能なAIエージェントを使用します。 本発明の薬剤は、追加の訓練を必要とせず、臨床的に関係のある証拠を回収し、未確認疾患に関する診断決定を導出する。
  論文  参考訳（メタデータ） (2025-11-06T10:27:52Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients [65.57160385098935]
  糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。 我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。 当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
  論文  参考訳（メタデータ） (2025-08-17T21:54:11Z)
• Clinically-guided Data Synthesis for Laryngeal Lesion Detection [2.573786844054239]
  そこで本研究では,Lyngeal endoscopic image-annotation pairを生成するために,Latent Diffusion Model(LDM)とControlNetアダプタを併用した新しいアプローチを提案する。 提案手法はCADx/eモデルのトレーニングデータセットの拡張に有効であり,喉頭科学における評価プロセスの強化に有効である。
  論文  参考訳（メタデータ） (2025-08-08T09:55:54Z)
• Ultrasound Image Synthesis Using Generative AI for Lung Ultrasound Detection [4.446946432318714]
  DiffUltraは,現実的な肺超音波画像(LUS)を広範囲の病変で合成できる,最初の生成AI技術である。 我々は、実際の患者データから病変の構造的および位置的特性を捉え、画像合成を誘導するLesion-Aatomy Bankによる生成AIを条件とする。 DiffUltraは、実際の患者データにのみ訓練されたモデルと比較して、APの5.6%の強化検出を改善することを実証した。
  論文  参考訳（メタデータ） (2025-01-10T21:32:50Z)
• Using Few-Shot Learning to Classify Primary Lung Cancer and Other Malignancy with Lung Metastasis in Cytological Imaging via Endobronchial Ultrasound Procedures [0.0]
  本研究は, 子宮内膜超音波(EBUS)における肺転移の早期発見を支援するコンピュータ支援診断システムを提案する。 細胞間の画像の制限と形態的類似性のため、肺転移の分類は困難であり、既存の研究ではこの問題を直接ターゲットとすることはめったにない。 データ不足を克服し、分類を改善するために、著者らは、きめ細かい分類とコントラスト学習を備えたハイブリッド事前学習バックボーンを用いた数ショット学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-09T07:39:21Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• 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)

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。