論文の概要: Atlas 2 - Foundation models for clinical deployment

• arxiv url: http://arxiv.org/abs/2601.05148v1
• Date: Thu, 08 Jan 2026 17:37:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.30722
• Title: Atlas 2 - Foundation models for clinical deployment
• Title（参考訳）: Atlas 2 - 臨床展開のための基礎モデル
• Authors: Maximilian Alber, Timo Milbich, Alexandra Carpen-Amarie, Stephan Tietz, Jonas Dippel, Lukas Muttenthaler, Beatriz Perez Cancer, Alessandro Benetti, Panos Korfiatis, Elias Eulig, Jérôme Lüscher, Jiasen Wu, Sayed Abid Hashimi, Gabriel Dernbach, Simon Schallenberg, Neelay Shah, Moritz Krügener, Aniruddh Jammoria, Jake Matras, Patrick Duffy, Matt Redlon, Philipp Jurmeister, David Horst, Lukas Ruff, Klaus-Robert Müller, Frederick Klauschen, Andrew Norgan,
• Abstract要約: 我々はAtlas 2とAtlas 2-BとAtlas 2-Sを提示する。 我々のモデルは、これまでで最大の病理基盤モデルデータセットでトレーニングされ、スライド画像全体の550万の病理組織学で構成された。
• 参考スコア（独自算出の注目度）: 58.17064730809252
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pathology foundation models substantially advanced the possibilities in computational pathology -- yet tradeoffs in terms of performance, robustness, and computational requirements remained, which limited their clinical deployment. In this report, we present Atlas 2, Atlas 2-B, and Atlas 2-S, three pathology vision foundation models which bridge these shortcomings by showing state-of-the-art performance in prediction performance, robustness, and resource efficiency in a comprehensive evaluation across eighty public benchmarks. Our models were trained on the largest pathology foundation model dataset to date comprising 5.5 million histopathology whole slide images, collected from three medical institutions Charité - Universtätsmedizin Berlin, LMU Munich, and Mayo Clinic.
• Abstract（参考訳）: 病理基盤モデルは、計算病理学の可能性を大幅に前進させたが、パフォーマンス、堅牢性、計算要求のトレードオフは残り、臨床展開は制限された。 本稿では,Atlas 2,Atlas 2-B,Atlas 2-Sの3つの病理ビジョン基盤モデルについて紹介する。 我々のモデルはこれまでに550万の病理組織像からなる最大の病理基盤モデルデータセットに基づいてトレーニングされ、3つの医療機関であるCharité-Universtätsmedizin Berlin、LMU Munich、Mayo clinicから収集された。

関連論文リスト

• AnesSuite: A Comprehensive Benchmark and Dataset Suite for Anesthesiology Reasoning in LLMs [62.60333833486799]
  AnesSuiteは、LSMの麻酔学推論用に特別に設計された最初のデータセットスイートである。 Morpheusは麻酔学の推論のための最初のベースラインモデルコレクションである。
  論文  参考訳（メタデータ） (2025-04-03T08:54:23Z)
• Atlas: A Novel Pathology Foundation Model by Mayo Clinic, Charité, and Aignostics [61.0008867391683]
  本稿では,RudolfVアプローチに基づく新しい視覚基盤モデルであるAtlasを紹介する。 本モデルでは、120万の病理組織像からなるデータセットを用いてトレーニングを行った。
  論文  参考訳（メタデータ） (2025-01-09T18:06:45Z)
• Benchmarking foundation models as feature extractors for weakly-supervised computational pathology [0.6151041580858937]
  肺, 大腸癌, 胃癌, 乳癌13例の病理組織学的基盤モデルを用いて, 6,818例, 9,528例の病理組織学的検討を行った。 視覚言語基礎モデルであるCONCHは、視覚のみの基礎モデルと比較して最高性能を示し、Virchow2は第2位である。
  論文  参考訳（メタデータ） (2024-08-28T14:34:45Z)
• Towards A Generalizable Pathology Foundation Model via Unified Knowledge Distillation [41.25398139658467]
  現在の基礎モデルは限定型とタスク数でのみ評価されており、その一般化能力と全体的な性能は不明確である。 本研究は,6つの異なる臨床タスクタイプにわたる既成基礎モデルの性能を評価するためのベンチマークを構築した。 本稿では, エキスパートと自己知識の双方からなる統合された知識蒸留フレームワークを提案し, モデルが複数のエキスパートモデルの知識から学べるようにした。
  論文  参考訳（メタデータ） (2024-07-26T01:12:54Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• Towards Generalist Foundation Model for Radiology by Leveraging Web-scale 2D&3D Medical Data [66.9359934608229]
  この研究はRadFMと呼ばれるRadlogy Foundation Modelの開発を開始することを目的としている。 われわれの知る限りでは、これは2Dスキャンと3Dスキャンによる、最初の大規模で高品質な医療用ビジュアル言語データセットである。 本稿では,モダリティ認識,疾患診断,視覚的質問応答,レポート生成,合理的診断の5つのタスクからなる新しい評価ベンチマークRadBenchを提案する。
  論文  参考訳（メタデータ） (2023-08-04T17:00:38Z)

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。