論文の概要: Expert-Annotated Embryo Image Dataset with Natural Language Descriptions for Evidence-Based Patient Communication in IVF

• arxiv url: http://arxiv.org/abs/2604.16528v1
• Date: Thu, 16 Apr 2026 17:05:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.052155
• Title: Expert-Annotated Embryo Image Dataset with Natural Language Descriptions for Evidence-Based Patient Communication in IVF
• Title（参考訳）: IVFにおけるエビデンスに基づく患者間コミュニケーションのための自然言語記述付きエキスパート注釈胚画像データセット
• Authors: Nicklas Neu, Thomas Ebner, Jasmin Primus, Bernhard Schenkenfelder, Raphael Zefferer, Mathias Brunbauer, Florian Kromp,
• Abstract要約: 本稿では, 胚画像とそれに対応する形態的記述を自然言語で記述した, 専門家による注釈付きデータセットを提案する。 提案するデータセットは,言語に基づく,解釈可能な,透明な自動胚アセスメントの研究を支援する。
• 参考スコア（独自算出の注目度）: 0.09381376621526816
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Embryo selection is one of multiple crucial steps in in-vitro fertilization, commonly based on morphological assessment by clinical embryologists. Although artificial intelligence methods have demonstrated their potential to support embryo selection by automated embryo ranking or grading methods, the overall impact of AI-based solutions is still limited. This is mainly due to the required adaptation of automated solutions to custom clinical data, reliance on time lapse incubators and a lack of interpretability to understand AI reasoning. The modern, informed patient is questioning expert decisions, particularly if the treatment is not successful. Thus, evidence-based decision justification in tasks like embryo selection would support transparent decision making and respectful patient communication. To support this aim, we hereby present an expert-annotated dataset consisting of embryo images and corresponding morphological description using natural language. The description contains relevant information on embryonic cell cycle, developmental stage and morphological features. This dataset enables the finetuning of modern foundational vision-language models to learn and improve over time with high accuracy. Predicted embryo descriptions can then be leveraged to automatically extract scientific evidence from literature, facilitating well-informed, evidence-based decision-making and transparent communication with patients. Our proposed dataset supports research in language-based, interpretable, and transparent automated embryo assessment and has the potential to enhance the decision-making process and improve patient outcomes significantly over time.
• Abstract（参考訳）: 胚選択は、通常、臨床胚学者による形態学的評価に基づいて、体外受精における複数の重要なステップの1つである。 人工知能の手法は、胚の自動ランク付けやグレーディングによって胚選択を支援する可能性を実証しているが、AIベースのソリューションの全体的な影響は限定的である。 これは主に、カスタム臨床データへの自動化ソリューションの適応、タイムラプスインキュベータへの依存、AI推論を理解するための解釈性の欠如が原因である。 現代の患者は、特に治療が成功しなかった場合、専門家の判断に疑問を呈している。 したがって、胚選択のようなタスクにおけるエビデンスに基づく決定は、透明な意思決定と尊敬すべき患者のコミュニケーションをサポートする。 そこで本研究では,胚画像とそれに対応する形態的記述からなる専門家による注釈付きデータセットを自然言語を用いて提示する。 本記述は、胚細胞周期、発生段階、形態学的特徴に関する関連情報を含む。 このデータセットは、最新の基礎的な視覚言語モデルの微調整を可能にし、高い精度で時間とともに学習し、改善する。 予測された胚の記述を活用すれば、文献から科学的証拠を自動的に抽出し、きちんと表現された証拠に基づく意思決定と患者との透明なコミュニケーションを促進することができる。 提案するデータセットは,言語に基づく,解釈可能な,透明な自動胚評価の研究を支援し,意思決定プロセスを強化し,時間とともに患者の成果を大幅に改善する可能性がある。

関連論文リスト

• Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
  本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。 我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-10-21T18:10:45Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• GEMeX-RMCoT: An Enhanced Med-VQA Dataset for Region-Aware Multimodal Chain-of-Thought Reasoning [60.03671205298294]
  医学的視覚的質問応答は、医学的イメージに基づいた自然言語的質問にモデルで答えることによって、臨床的な意思決定を支援することを目的としている。 現在の方法はまだ、答えの信頼性の制限と解釈性の低下に悩まされている。 この研究はまず、回答を生成するプロセスが中間的推論ステップのシーケンスに先行する領域対応マルチモーダル・チェーン・オブ・ソートデータセットを提案する。
  論文  参考訳（メタデータ） (2025-06-22T08:09:58Z)
• Leveraging AI for Automatic Classification of PCOS Using Ultrasound Imaging [0.0]
  AUTO-PCOS分類チャレンジは、多嚢胞性卵巣症候群(PCOS)の同定における人工知能(AI)の診断能力の向上を目指す 本稿では,InceptionV3アーキテクチャを用いたトランスファーラーニングを利用した堅牢なAIパイプライン構築手法について概説する。
  論文  参考訳（メタデータ） (2024-12-30T11:56:11Z)
• Leveraging Large Language Models through Natural Language Processing to provide interpretable Machine Learning predictions of mental deterioration in real time [5.635300481123079]
  公式推計によると、世界中で5000万人が認知症に罹患しており、毎年1000万人の新しい患者が増えている。 この目的のために、人工知能と計算言語学は自然言語分析、パーソナライズされたアセスメント、モニタリング、治療に活用することができる。 この仕事には、手頃で柔軟な、非侵襲的でパーソナライズされた診断システムを提供しています。
  論文  参考訳（メタデータ） (2024-09-05T09:27:05Z)
• Can Generative AI Support Patients' & Caregivers' Informational Needs? Towards Task-Centric Evaluation Of AI Systems [0.7124736158080937]
  人間の理解と意思決定を中心とする評価パラダイムを開発する。 具体的なタスクにおける人を支援するための生成AIシステムの有用性について検討する。 我々は,放射線技師の反応に対して,最先端の2つの生成AIシステムを評価する。
  論文  参考訳（メタデータ） (2024-01-31T23:24:37Z)
• Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
  時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである* Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。 Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
  論文  参考訳（メタデータ） (2023-10-28T12:08:03Z)
• Exploring the Role of Explainability in AI-Assisted Embryo Selection [0.0]
  体外受精は不妊治療において最も広く行われている治療法の一つである。 その主な課題の1つは、移植のための胚の評価と選択である。 深層学習に基づく手法が注目されているが、その不透明な性質は臨床における受容を損なう。
  論文  参考訳（メタデータ） (2023-08-01T09:46:31Z)
• Rationale production to support clinical decision-making [31.66739991129112]
  本稿では,病院の退院予測にInfoCalを適用した。 選択された解釈可能性を持つ各提示モデルや特徴重要度法は,それぞれ異なる結果をもたらす。
  論文  参考訳（メタデータ） (2021-11-15T09:02:10Z)

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。