論文の概要: KAYRA: A Microservice Architecture for AI-Assisted Karyotyping with Cloud and On-Premise Deployment

• arxiv url: http://arxiv.org/abs/2604.26869v1
• Date: Wed, 29 Apr 2026 16:35:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.494998
• Title: KAYRA: A Microservice Architecture for AI-Assisted Karyotyping with Cloud and On-Premise Deployment
• Title（参考訳）: KAYRA: クラウドとオンプレミスのデプロイによるAI支援のカリオタイピングのためのマイクロサービスアーキテクチャ
• Authors: Attila Pintér, Javier Rico, Attila Répai, Jalal Al-Afandi, Adrienn Éva Borsy, András Kozma, Hajnalka Andrikovics, György Cserey,
• Abstract要約: KAYRAは、臨床細胞遺伝学研究室の運用上の制約の中で機能するエンドツーエンドの核タイピングシステムである。 KAYRAはコンテナ化されたマイクロサービスパイプラインとして設計されており、MLスタックにはEfficientNet-B5 + U-Netセマンティックセグメント、Mask R-CNN(ResNet-50 + FPN)インスタンス、ResNet-18インスタンスが組み込まれている。 459染色体上の2つの商用基準核型分類システムに対する試験的臨床評価は、強い経験的性能を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present KAYRA, an end-to-end karyotyping system that operates inside the operational constraints of a clinical cytogenetic laboratory. KAYRA is architected as a containerized microservice pipeline whose ML stack combines an EfficientNet-B5 + U-Net semantic segmenter, a Mask R-CNN (ResNet-50 + FPN) instance detector, and a ResNet-18 classifier, orchestrated through a cascaded ROI-narrowing strategy that focuses each downstream model on the chromosome-bearing region. The same container images are deployed both as a cloud service and as an on-premise installation, supporting clinical environments where patient-data egress is not permitted as well as those where it is. A pilot clinical evaluation against two commercial reference karyotyping systems on 459 chromosomes from 10 metaphase spreads shows segmentation accuracy of 98.91 % (vs. 78.21 % / 40.52 %), classification accuracy of 89.1 % (vs. 86.9 % / 54.5 %), and rotation accuracy of 89.76 % (vs. 94.55 % / 78.43 %). KAYRA improves over the older density-thresholding reference on all three axes (p < 0.0001 for segmentation and classification by Fisher's exact test on chromosome-level counts), and on segmentation also against the modern AI- supported reference (p < 0.0001); on classification the difference vs. the modern AI reference is not statistically significant at the present test-set size (p = 0.34). The system reaches TRL 6 maturity and integrates the human-in-the-loop expert-review workflow that diagnostic cytogenetic practice requires. The thesis of this paper is that a multi-model cytogenetic AI service can be packaged as a microservice architecture supporting flexible deployment - cloud-hosted or on-premise - while delivering strong empirical performance on a pilot clinical evaluation.
• Abstract（参考訳）: 臨床細胞遺伝学実験室の操作制約の中で機能するエンドツーエンドの核タイピングシステムであるKAYRAについて述べる。 KAYRAはコンテナ化されたマイクロサービスパイプラインとして設計されており、MLスタックにはEfficientNet-B5 + U-Netセマンティックセマンティクスセグメンタ、Mask R-CNN(ResNet-50 + FPN)インスタンス検出器、およびResNet-18分類器が組み込まれている。 同一のコンテナイメージは、クラウドサービスとオンプレミスのインストールの両方としてデプロイされる。 10変態から459染色体の2つの商業的基準核タイピングシステムに対する試験的な臨床評価では、セグメント化精度は98.91 % (vs. 78.21 % / 40.52 %)、分類精度は89.1 % (vs. 86.9 % / 54.5 %)、回転精度は89.76 % (vs. 94.55 % / 78.43 %)である。 KAYRAは、全ての3つの軸上の古い密度保持参照(P < 0.0001)を改良し(P < 0.0001 はフィッシャーの染色体レベル数に関する正確なテストによるセグメンテーションと分類)、また、現代のAIがサポートしている参照(p < 0.0001)に対するセグメンテーションでは、現在のテストセットサイズ(p = 0.34)において、現代のAI参照との差は統計的に有意ではない(p = 0.34)。 このシステムはTRL 6の成熟度に達し、細胞遺伝学的プラクティスを診断するヒューマン・イン・ザ・ループの専門家・レビューワークフローを統合する。 本稿では,マルチモデルサイトジェネティックAIサービスを,柔軟なデプロイメント – クラウドホスト,オンプレミス – をサポートするマイクロサービスアーキテクチャとしてパッケージ化して,試験的臨床評価において強力な経験的パフォーマンスを実現する,という論文を紹介する。

関連論文リスト

• A Detection-Gated Pipeline for Robust Glottal Area Waveform Extraction and Clinical Pathology Assessment [0.0]
  本稿では,ローカライザとセグメンタを統合した検出ゲートパイプラインを提案する。 パイプラインはGIRAFEとBAGLSベンチマークで最先端の一貫性を達成した。
  論文  参考訳（メタデータ） (2026-03-02T17:05:41Z)
• Margin-Consistent Deep Subtyping of Invasive Lung Adenocarcinoma via Perturbation Fidelity in Whole-Slide Image Analysis [15.00702842825464]
  浸潤性肺腺癌亜型に対する全スライディング画像分類は, 実際の画像摂動に対して脆弱である。 本研究では,143枚の全スライディング画像から203,226枚のパッチに対して評価したマージン整合性フレームワークを提案する。 提案手法は,Kendall相関によるトレーニング中の0.88,バリデーション時の0.64の頑健な特徴-論理空間アライメントを実現する。
  論文  参考訳（メタデータ） (2026-02-27T20:47:15Z)
• Multimodal Survival Modeling and Fairness-Aware Clinical Machine Learning for 5-Year Breast Cancer Risk Prediction [4.750682174151462]
  乳癌における5年間の生存予測のための,完全再現可能な機械学習フレームワークを提案する。 我々は,METABRICコホートから高次元転写・複写数変化(CNA)の特徴を臨床変数と統合した。 ROC曲線(AUC)、平均精度(AP)、キャリブレーション曲線、ブライアスコア、ブートストラップの95%の信頼区間を用いて評価を行った。
  論文  参考訳（メタデータ） (2026-02-25T07:20:43Z)
• Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning [30.979270201588236]
  PDACの基底型および古典型TCGへの分子置換は予後および予測値を確立している。 本稿では,標準的なH&E染色WSIから直接治療関連分子サブタイプを予測する,解釈可能なディープラーニングフレームワークであるPanSubNetを紹介する。 PanSubNetは2つの多施設コホートにまたがる1,055人のデータを用いて開発された。
  論文  参考訳（メタデータ） (2026-01-06T20:52:12Z)
• Enhanced Leukemic Cell Classification Using Attention-Based CNN and Data Augmentation [0.5371337604556311]
  急性リンパ性白血病(ALL)が最も多い小児がんであり、専門的な顕微鏡診断を必要とする。 提案システムは,EfficientNetV2-B3とSqueeze-and-Excitation機構を組み合わせたアテンションベース畳み込みニューラルネットワークを統合して,自動all細胞分類を行う。 提案手法では, 包括的データ拡張, クラス不均衡に対する焦点損失, 患者側データ分割を用いて, 堅牢かつ再現可能な評価を確実にする。
  論文  参考訳（メタデータ） (2026-01-03T01:24:11Z)
• 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)
• A Modular Approach for Clinical SLMs Driven by Synthetic Data with Pre-Instruction Tuning, Model Merging, and Clinical-Tasks Alignment [46.776978552161395]
  小型言語モデル(SLM)は、GPT-4のような大規模言語モデルに代わる費用対効果を提供する。 SLMは費用対効果のある代替手段を提供するが、その限られた能力は生物医学的な領域適応を必要とする。 本研究では,SLMを高性能な臨床モデルに適用するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-15T21:40:21Z)
• How Well Can Modern LLMs Act as Agent Cores in Radiology Environments? [54.36730060680139]
  RadA-BenchPlatは、放射線学環境での大規模言語モデル(LLM)のパフォーマンスをベンチマークする評価プラットフォームである。 また、エージェント駆動型タスク解決ツールの10のカテゴリを定義し、7つの主要なLCMを評価している。
  論文  参考訳（メタデータ） (2024-12-12T18:20:16Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。