論文の概要: A Bayesian Reasoning Framework for Robotic Systems in Autonomous Casualty Triage
- arxiv url: http://arxiv.org/abs/2604.21568v1
- Date: Thu, 23 Apr 2026 11:42:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.470264
- Title: A Bayesian Reasoning Framework for Robotic Systems in Autonomous Casualty Triage
- Title（参考訳）: 自律型カジュアルティトリアージにおけるロボットシステムのベイズ推論フレームワーク
- Authors: Szymon Rusiecki, Cecilia Morales, Pia Störy, Kimberly Elenberg, Leonard Weiss, Artur Dubrawski,
- Abstract要約: 本稿では,自律型自律型ロボットシステムについて述べる。
複数の視覚ベースのアルゴリズムから出力を抽出し、重度の出血、視力的外傷、または身体的警戒の兆候を推定し、コヒーレントなトリアージアセスメントに注入する。
- 参考スコア（独自算出の注目度）: 10.85136099072764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous robots deployed in mass casualty incidents (MCI) face the challenge of making critical decisions based on incomplete and noisy perceptual data. We present an autonomous robotic system for casualty assessment that fuses outputs from multiple vision-based algorithms, estimating signs of severe hemorrhage, visible trauma, or physical alertness, into a coherent triage assessment. At the core of our system is a Bayesian network, constructed from expert-defined rules, which enables probabilistic reasoning about a casualty's condition even with missing or conflicting sensory inputs. The system, evaluated during the DARPA Triage Challenge (DTC) in realistic MCI scenarios involving 11 and 9 casualties, demonstrated a nearly three-fold improvement in physiological assessment accuracy (from 15\% to 42\% and 19\% to 46\%) compared to a vision-only baseline. More importantly, overall triage accuracy increased from 14\% to 53\%, while the diagnostic coverage of the system expanded from 31\% to 95\% of cases. These results demonstrate that integrating expert-guided probabilistic reasoning with advanced vision-based sensing can significantly enhance the reliability and decision-making capabilities of autonomous systems in critical real-world applications.
- Abstract（参考訳）: 大量死亡事故(MCI)に展開される自律ロボットは、不完全でノイズの多い知覚データに基づいて決定を下すという課題に直面している。
重篤な出血, 視力障害, 身体的警戒の兆候を推定し, 複数の視覚に基づくアルゴリズムから出力を融合してコヒーレントなトリアージアセスメントに導く, カジュアルティアセスメントのための自律ロボットシステムを提案する。
我々のシステムの中核はベイズネットワークであり、専門家が定義したルールで構築されており、感覚入力の欠如や矛盾があっても、犠牲者の状態に関する確率論的推論を可能にする。
DARPAトライアージチャレンジ(DTC)において、11名と9名の負傷者を含む現実的なMCIシナリオで評価され、視覚のみのベースラインと比較して、生理的評価精度(15\%から42\%、19\%から46\%)がほぼ3倍に向上したことを示した。
さらに, 全身トリアージ精度は14\%から53\%に上昇し, 診断範囲は31\%から95%に拡大した。
これらの結果は、専門家が指導する確率的推論と高度な視覚に基づくセンシングを組み合わせることで、重要な現実世界のアプリケーションにおける自律システムの信頼性と意思決定能力を大幅に向上させることができることを示している。
関連論文リスト
- Interpretable Aneurysm Classification via 3D Concept Bottleneck Models: Integrating Morphological and Hemodynamic Clinical Features [0.6445605125467574]
本稿では,高次元神経画像の特徴を,大動脈瘤の同定のための形態的および血行力学的概念の離散セットにマッピングする,エンドツーエンドの3Dコンセプト・ボトルネックフレームワークを提案する。
本研究では,ResNet-34アーキテクチャでは93.33%+/-4.5%,DenseNet-121モデルでは91.43%+/-8%のピークタスク分類精度を示した。
論文 参考訳（メタデータ） (2026-03-08T01:03:48Z) - Fair-Eye Net: A Fair, Trustworthy, Multimodal Integrated Glaucoma Full Chain AI System [4.8618060696029]
緑内障は世界中で不可逆性視力の最大の原因であり、早期発見と経時的な視力低下の予防に重要な役割を担っている。
Fair-Eye Netは、緑内障スクリーニングからフォローアップおよびリスク警告までの臨床ループを閉鎖する、公正で信頼性の高いマルチモーダルAIシステムである。
ファンドス写真、OCT構造メトリクス、VF機能指標、および人口統計因子を、二ストリームの異種融合アーキテクチャを通じて統合し、選択予測と安全な参照のための不確実性を考慮した階層的ゲーティング戦略と統合する。
論文 参考訳（メタデータ） (2026-01-26T13:12:24Z) - A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。
本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文 参考訳（メタデータ） (2025-12-23T13:26:13Z) - Multimodal Bayesian Network for Robust Assessment of Casualties in Autonomous Triage [12.785767278866274]
重篤な出血,呼吸困難,身体的警戒,可視的外傷の兆候を推定し,複数のコンピュータビジョンモデルから出力を融合する決定支援フレームワークを提案する。
従来のデータ駆動モデルとは異なり、我々のアプローチはトレーニングデータを必要としず、不完全な情報による推論をサポートし、ノイズや不確実な観測に対して堅牢である。
ベイジアンネットワークモデルは視覚のみのベースラインを大幅に上回る性能を示した。
論文 参考訳（メタデータ） (2025-12-21T22:59:58Z) - A Multi-Robot Platform for Robotic Triage Combining Onboard Sensing and Foundation Models [51.02314427799649]
このシステムは無人航空機(UAV)と無人地上車両(UGV)の協調した地上チームを採用している。
UAVは死傷者の頭上での視界を識別し提供し、UGVは特殊なセンサーを装備し、バイタルサインを計測し、身体的な損傷を検知し、局所化する。
論文 参考訳（メタデータ） (2025-12-09T16:05:22Z) - Uncertainty Reasoning with Photonic Bayesian Machines [0.07730552279416682]
本稿では、カオス光源の固有ランダム性を利用して不確実性推論を可能にするフォトニックベイズマシンを提案する。
アナログプロセッサはPyTorchと互換性のある1.28 Tbit/sのデジタルインタフェースを備えており、畳み込み1回あたり37.5 ps以内の確率的畳み込み処理を可能にする。
論文 参考訳（メタデータ） (2025-12-01T21:30:20Z) - Selective Diabetic Retinopathy Screening with Accuracy-Weighted Deep Ensembles and Entropy-Guided Abstention [0.0]
糖尿病網膜症(DR)は2030年までに全世界で1億3000万人以上の患者に影響を与えると予測されている。
不確実性推定と統合された深層アンサンブル学習フレームワークを導入し,DR検出における堅牢性,透明性,スケーラビリティを向上させる。
35,000個のEyePACS網膜基底画像のトレーニングと検証は、未濾過の精度93.70%を生み出した。
論文 参考訳（メタデータ） (2025-10-29T04:16:04Z) - 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) - An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。
DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。
このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
論文 参考訳（メタデータ） (2025-06-25T13:42:26Z)
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。