論文の概要: UltrasoundAgents: Hierarchical Multi-Agent Evidence-Chain Reasoning for Breast Ultrasound Diagnosis

• arxiv url: http://arxiv.org/abs/2603.10852v1
• Date: Wed, 11 Mar 2026 15:03:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:33.014281
• Title: UltrasoundAgents: Hierarchical Multi-Agent Evidence-Chain Reasoning for Breast Ultrasound Diagnosis
• Title（参考訳）: 超音波検査 : 乳房超音波診断における階層的マルチエージェント・エビデンス・チェーン推論
• Authors: Yali Zhu, Kang Zhou, Dingbang Wu, Gaofeng Meng,
• Abstract要約: 本稿では,UltrasoundAgentsと呼ばれる階層型マルチエージェントフレームワークを提案する。 メインエージェントは、全画像の病変をローカライズし、作物と動物園の操作をトリガーする。 サブエージェントは局所的な視点を分析し、エコー原性パターン、石灰化、境界タイプ、エッジ形態学の4つの臨床的特性を予測する。 メインエージェントは、これらの構造化属性を統合してエビデンスに基づく推論を行い、BI-RADSカテゴリと悪性度予測を出力し、レビュー可能な中間証拠を生成する。
• 参考スコア（独自算出の注目度）: 14.027321451902734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast ultrasound diagnosis typically proceeds from global lesion localization to local sign assessment and then evidence integration to assign a BI-RADS category and determine benignity or malignancy. Many existing methods rely on end-to-end prediction or provide only weakly grounded evidence, which can miss fine-grained lesion cues and limit auditability and clinical review. To align with the clinical workflow and improve evidence traceability, we propose a hierarchical multi-agent framework, termed UltrasoundAgents. A main agent localizes the lesion in the full image and triggers a crop-and-zoom operation. A sub-agent analyzes the local view and predicts four clinically relevant attributes, namely echogenicity pattern, calcification, boundary type, and edge (margin) morphology. The main agent then integrates these structured attributes to perform evidence-based reasoning and output the BI-RADS category and the malignancy prediction, while producing reviewable intermediate evidence. Furthermore, hierarchical multi-agent training often suffers from error propagation, difficult credit assignment, and sparse rewards. To alleviate this and improve training stability, we introduce a decoupled progressive training strategy. We first train the attribute agent, then train the main agent with oracle attributes to learn robust attribute-based reasoning, and finally apply corrective trajectory self-distillation with spatial supervision to build high-quality trajectories for supervised fine-tuning, yielding a deployable end-to-end policy. Experiments show consistent gains over strong vision-language baselines in diagnostic accuracy and attribute agreement, together with structured evidence and traceable reasoning.
• Abstract（参考訳）: 乳房超音波診断は通常、大域的な病変の局在から局所的なサインアセスメントへと進み、BI-RADSカテゴリーを割り当て、良性または悪性を判定するためにエビデンス統合される。 既存の多くの手法はエンドツーエンドの予測に頼るか、弱い根拠しか示さず、きめ細かい病変の手がかりを見逃し、監査性や臨床検査を制限できる。 臨床ワークフローに整合し,エビデンストレーサビリティを向上させるために,UltrasoundAgentsと呼ばれる階層型マルチエージェントフレームワークを提案する。 メインエージェントは、全画像の病変をローカライズし、作物と動物園の操作をトリガーする。 サブエージェントは、局所的なビューを分析し、エコー原性パターン、石灰化、境界タイプ、エッジ(マージン)形態の4つの臨床的特性を予測する。 メインエージェントは、これらの構造化属性を統合してエビデンスに基づく推論を行い、BI-RADSカテゴリと悪性度予測を出力し、レビュー可能な中間証拠を生成する。 さらに、階層的なマルチエージェントトレーニングは、しばしばエラーの伝播、困難なクレジット割り当て、まばらな報酬に悩まされる。 これを緩和し、トレーニング安定性を向上させるために、非結合なプログレッシブトレーニング戦略を導入する。 まず、属性エージェントをトレーニングし、次に主エージェントにオラクル属性をトレーニングし、ロバストな属性ベースの推論を学習し、最後に空間的監視による補正軌道自己蒸留を適用して、教師付き微調整のための高品質な軌跡を構築し、デプロイ可能なエンドツーエンドポリシーを得る。 実験により、診断精度と属性合意における強力な視覚言語ベースラインに対して、構造化された証拠と追跡可能な推論とともに、一貫した利得を示す。

関連論文リスト

• MedCoRAG: Interpretable Hepatology Diagnosis via Hybrid Evidence Retrieval and Multispecialty Consensus [24.19892707167392]
  臨床診断のための既存のAIアプローチは、透明性、構造化推論、デプロイ性に欠けることが多い。 標準化された異常所見から診断仮説を生成するエンド・ツー・エンドのフレームワークであるMedCoRAGを提案する。 その後、UMLS知識グラフパスと臨床ガイドラインを共同で検索し、解析することで、患者固有のエビデンスパッケージを構築する。
  論文  参考訳（メタデータ） (2026-03-05T12:58:45Z)
• Adaptive Prototype-based Interpretable Grading of Prostate Cancer [1.4146420810689422]
  本研究は,前立腺癌の病理組織像から解釈可能なグレーディングを行うための,プロトタイプベースの弱監督フレームワークを提案する。 ネットワークは、各グレードに関連する堅牢な機能を学ぶために、パッチレベルで事前トレーニングされる。 前立腺癌評価のための弱制御された設定に適応するために、ネットワークは、新しいプロトタイプ認識損失関数で微調整される。
  論文  参考訳（メタデータ） (2026-03-05T08:42:30Z)
• Guideline-Grounded Evidence Accumulation for High-Stakes Agent Verification [60.18369393468405]
  既存の検証器は通常、ドメイン知識の欠如と限られた校正のために性能が劣る。 GLEANは専門家によって計算されたプロトコルをトラジェクトリインフォームされ、よく校正された正当性信号にコンパイルする。 我々は,MIMIC-IVデータセットから得られた3つの疾患の薬物的臨床診断でGLEANを実証的に検証した。
  論文  参考訳（メタデータ） (2026-03-03T09:36:43Z)
• Strong Reasoning Isn't Enough: Evaluating Evidence Elicitation in Interactive Diagnosis [29.630872344186873]
  インタラクティブな医療相談は、エージェントが不確実性の下で行方不明な臨床証拠を積極的に引き出す必要がある。 既存の評価の大部分は静的あるいは結果中心であり、エビデンス収集プロセスを無視している。 シミュレーションされた患者と、原子的証拠に基づく再現されたレポーターを用いて、コンサルテーションプロセスを明示的にモデル化するインタラクティブな評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-27T16:36:35Z)
• AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
  本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。 評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。 実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
  論文  参考訳（メタデータ） (2026-01-23T11:59:13Z)
• SurvAgent: Hierarchical CoT-Enhanced Case Banking and Dichotomy-Based Multi-Agent System for Multimodal Survival Prediction [49.355973075150075]
  マルチモーダルサバイバル予測のための最初の階層的チェーン・オブ・シント(CoT)強化マルチエージェントシステムであるSurvAgentを紹介する。 SurvAgentは2つの段階から構成される: WSI-Gene CoT-Enhanced Case Bank Constructionは、低磁化スクリーニング、クロスモーダル類似性-アウェアパッチマイニング、および病理画像に対する信頼-アウェアパッチマイニングを通じて階層解析を使用する。 二分法に基づくMulti-Expert Agent Inferenceは、RAGを介して類似の事例を検索し、段階的間隔改善による専門家予測とマルチモーダルレポートを統合する。
  論文  参考訳（メタデータ） (2025-11-20T18:41:44Z)
• End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
  Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。 Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。 実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-08-21T17:42:47Z)
• RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
  RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。 システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
  論文  参考訳（メタデータ） (2025-06-17T03:10:33Z)
• MERA: Multimodal and Multiscale Self-Explanatory Model with Considerably Reduced Annotation for Lung Nodule Diagnosis [6.323883478440015]
  肺がんは世界中のがん関連死亡の主な原因であり、早期発見の重要性を強調している。 説明可能な人工知能(XAI)の進歩にもかかわらず、多くの既存のシステムは明確で包括的な説明を提供するのに苦労している。 本研究は,肺結節の診断を目的としたマルチモーダル・マルチスケール自己説明モデルであるMERAを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T20:48:34Z)
• Towards Accurate and Interpretable Neuroblastoma Diagnosis via Contrastive Multi-scale Pathological Image Analysis [16.268045905735818]
  病理画像分類に適したコントラスト学習に基づくマルチスケール機能融合モデルであるCMSwinKANを提案する。 マルチスケールの特徴を融合させ、対照的な学習戦略を活用することで、CMSwinKANは臨床医の包括的なアプローチを模倣する。 その結果、CMSwinKANは、既存の最先端の病理モデルよりも、大規模なデータセットで事前訓練されたモデルよりもパフォーマンスがよいことが示された。
  論文  参考訳（メタデータ） (2025-04-18T15:39:46Z)
• 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)

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。