論文の概要: OpenRad: a Curated Repository of Open-access AI models for Radiology
- arxiv url: http://arxiv.org/abs/2603.02062v1
- Date: Mon, 02 Mar 2026 16:51:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.980301
- Title: OpenRad: a Curated Repository of Open-access AI models for Radiology
- Title（参考訳）: OpenRad: 放射線学のためのオープンアクセスAIモデルのキュレートされたリポジトリ
- Authors: Konstantinos Vrettos, Galini Papadaki, Emmanouil Brilakis, Matthaios Triantafyllou, Dimitrios Leventis, Despina Staraki, Maria Mavroforou, Eleftherios Tzanis, Konstantina Giouroukou, Michail E. Klontzas,
- Abstract要約: OpenRadは、ラジオロジーAIモデルのための、キュレートされた標準化されたオープンアクセスレポジトリである。
OpenRadには、標準化されたメタデータを備えた約1700のオープンアクセスラジオロジーAIモデルが含まれている。
コミュニティは専用のポータルを通じて、新しいモデルをコントリビュートすることができる。
- 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: The rapid developments in artificial intelligence (AI) research in radiology have produced numerous models that are scattered across various platforms and sources, limiting discoverability, reproducibility and clinical translation. Herein, OpenRad was created, a curated, standardized, open-access repository that aggregates radiology AI models and providing details such as the availability of pretrained weights and interactive applications. Retrospective analysis of peer reviewed literature and preprints indexed in PubMed, arXiv and Scopus was performed until Dec 2025 (n = 5239 records). Model records were generated using a locally hosted LLM (gpt-oss:120b), based on the RSNA AI Roadmap JSON schema, and manually verified by ten expert reviewers. Stability of LLM outputs was assessed on 225 randomly selected papers using text similarity metrics. A total of 1694 articles were included after review. Included models span all imaging modalities (CT, MRI, X-ray, US) and radiology subspecialties. Automated extraction demonstrated high stability for structured fields (Levenshtein ratio > 90%), with 78.5% of record edits being characterized as minor during expert review. Statistical analysis of the repository revealed CNN and transformer architectures as dominant, while MRI was the most commonly used modality (in 621 neuroradiology AI models). Research output was mostly concentrated in China and the United States. The OpenRad web interface enables model discovery via keyword search and filters for modality, subspecialty, intended use, verification status and demo availability, alongside live statistics. The community can contribute new models through a dedicated portal. OpenRad contains approx. 1700 open access, curated radiology AI models with standardized metadata, supplemented with analysis of code repositories, thereby creating a comprehensive, searchable resource for the radiology community.
- Abstract（参考訳）: 放射線学における人工知能(AI)研究の急速な発展は、発見可能性、再現性、臨床翻訳を制限する様々なプラットフォームやソースに散在する多数のモデルを生み出している。
ここでOpenRadは、ラジオロジーAIモデルを集約し、事前トレーニングされた重量の可用性やインタラクティブなアプリケーションなどの詳細を提供する、キュレートされた標準化されたオープンアクセスレポジトリである。
PubMed, arXiv, Scopusでインデックスされた査読された文献と事前印刷の振り返り分析は2025年12月まで行われた(n = 5239 レコード)。
モデルレコードは、RSNA AI Roadmap JSONスキーマに基づいて、ローカルにホストされたLLM(gpt-oss:120b)を使用して生成され、10人の専門家レビュアーが手作業で検証する。
LLM出力の安定性をテキスト類似度測定値を用いてランダムに選択した225論文で評価した。
レビュー後に合計1694の論文が収録された。
付加されたモデルは、CT、MRI、X線、米国)と放射線学の亜種にまたがる全ての画像モダリティ(CT、MRI、X線、米国)にまたがる。
自動抽出は構造化されたフィールドに対して高い安定性を示し(Levenshtein ratio > 90%)、専門家によるレビューでは78.5%のレコード編集がマイナーとして評価された。
リポジトリの統計分析ではCNNとトランスフォーマーアーキテクチャが支配的であり、MRIは最も一般的に使われているモダリティ(神経放射線学AIモデル621)であった。
研究成果は主に中国とアメリカに集中していた。
OpenRadのWebインターフェースは、キーワード検索によるモデル発見と、モダリティ、サブ特殊性、意図された使用、検証ステータス、デモアベイラビリティ、ライブ統計などのフィルタを可能にする。
コミュニティは専用のポータルを通じて、新しいモデルをコントリビュートすることができる。
OpenRadには近似が含まれている。
1700のオープンアクセス、標準化されたメタデータを備えたキュレートされた放射線学AIモデル、コードリポジトリの分析を補完することで、放射線学コミュニティのための包括的な検索可能なリソースを作成する。
関連論文リスト
- Agentic large language models improve retrieval-based radiology question answering [4.208637377704778]
Radiology Retrieval and Reasoning (RaR)は、放射線学的質問応答のための多段階の検索および推論フレームワークである。
RaRはゼロショットプロンプトや従来のオンラインRAGよりも平均診断精度が有意に向上した。
RaRの検索は幻覚を減少させ(平均9.4%)、臨床的に関連のあるコンテキストを46%の症例で検索した。
論文 参考訳（メタデータ） (2025-08-01T16:18:52Z) - ReXGradient-160K: A Large-Scale Publicly Available Dataset of Chest Radiographs with Free-text Reports [4.247428746963443]
このデータセットには、米国の3つの医療システムにまたがる109,487人のユニークな患者から1万件の胸部X線研究とペアの放射線学的報告が含まれている。
この広範なデータセットを提供することで、医療画像AIの研究を加速し、自動放射線分析における最先端の進歩を目指す。
論文 参考訳（メタデータ） (2025-05-01T00:29:50Z) - mAIstro: an open-source multi-agentic system for automated end-to-end development of radiomics and deep learning models for medical imaging [0.0]
mAIstroは、医療AIモデルのエンドツーエンド開発とデプロイのための、オープンソースの、自律的なマルチエージェントフレームワークである。
自然言語インタフェースを通じて探索データ分析、放射能特徴抽出、画像分割、分類、回帰を編成する。
論文 参考訳（メタデータ） (2025-04-30T16:25:51Z) - Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - MGH Radiology Llama: A Llama 3 70B Model for Radiology [50.42811030970618]
本稿では,高度な放射線学に焦点を当てた大規模言語モデルMGH Radiology Llamaを提案する。
Llama 3 70Bモデルを使用して開発され、Radiology-GPTやRadiology-Llama2といった従来のドメイン固有モデルをベースにしている。
従来の指標とGPT-4に基づく評価の両方を取り入れた評価では,汎用LLMよりも高い性能を示す。
論文 参考訳（メタデータ） (2024-08-13T01:30:03Z) - CheXpert Plus: Augmenting a Large Chest X-ray Dataset with Text Radiology Reports, Patient Demographics and Additional Image Formats [18.498344743909254]
CheXpert Plusは、放射線学で公開された最大のテキストデータセットである。
これは放射線学における最大のテキスト識別の取り組みである。
全てのレポートはDICOMフォーマットで高品質な画像とペアリングされる。
論文 参考訳（メタデータ） (2024-05-29T21:48:56Z) - Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。
トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。
評価のために,GPT-4に基づく実測値CheXpromptを提案する。
LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
論文 参考訳（メタデータ） (2024-03-12T18:12:02Z) - Radiology-Llama2: Best-in-Class Large Language Model for Radiology [71.27700230067168]
本稿では,ラジオロジーに特化した大規模言語モデルであるRadiology-Llama2を紹介する。
MIMIC-CXRとOpenIデータセットのROUGEメトリクスを用いた定量的評価は、Radiology-Llama2が最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2023-08-29T17:44:28Z) - XrayGPT: Chest Radiographs Summarization using Medical Vision-Language Models [72.8965643836841]
我々は,会話型医療ビジョン言語モデルであるXrayGPTを紹介する。
胸部X線写真に関するオープンエンドの質問を分析し、答えることができる。
自由テキストラジオグラフィーレポートから217kの対話的かつ高品質な要約を生成する。
論文 参考訳（メタデータ） (2023-06-13T17:59:59Z) - An Iterative Optimizing Framework for Radiology Report Summarization with ChatGPT [80.33783969507458]
放射線医学報告の「印象」セクションは、放射線医と他の医師とのコミュニケーションにとって重要な基盤である。
近年の研究では、大規模医療用テキストデータを用いた印象自動生成の有望な成果が得られている。
これらのモデルは、しばしば大量の医療用テキストデータを必要とし、一般化性能が劣る。
論文 参考訳（メタデータ） (2023-04-17T17:13:42Z) - Automated Radiological Report Generation For Chest X-Rays With
Weakly-Supervised End-to-End Deep Learning [17.315387269810426]
我々は12,000以上のCXRスキャンと放射線学的レポートを含むデータベースを構築した。
我々は,深層畳み込みニューラルネットワークとアテンション機構を持つリカレントネットワークに基づくモデルを開発した。
このモデルは、与えられたスキャンを自動的に認識し、レポートを生成する。
論文 参考訳（メタデータ） (2020-06-18T08:12:54Z)
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。