論文の概要: Echo-α: Large Agentic Multimodal Reasoning Model for Ultrasound Interpretation

• arxiv url: http://arxiv.org/abs/2604.28011v1
• Date: Thu, 30 Apr 2026 15:31:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.16662
• Title: Echo-α: Large Agentic Multimodal Reasoning Model for Ultrasound Interpretation
• Title（参考訳）: Echo-α:超音波解釈のための大規模エージェントマルチモーダル推論モデル
• Authors: Jing Zhang, Wentao Jiang, Tao Huang, Zhiwei Wang, Jianxin Liu, Jian Chen, Ping Ye, Gang Wang, Zengmao Wang, Bo Du, Dacheng Tao,
• Abstract要約: 超音波解釈のためのエージェント型マルチモーダル推論モデルであるEcho-を提案する。 Echo-は臓器固有の検出出力を調整し、それらをグローバルな視覚的コンテキストに統合し、その結果の証拠を根拠となる診断決定に変換するように訓練されている。 以上の結果から, エージェントによるマルチモーダル推論は, 特定検出器を検証可能な臨床証拠にすることができることが示唆された。
• 参考スコア（独自算出の注目度）: 76.6507710204181
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound interpretation requires both precise lesion localization and holistic clinical reasoning, yet existing methods typically excel at only one of these capabilities: specialized detectors offer strong localization but limited reasoning, whereas multimodal large language models (MLLMs) provide flexible reasoning but weak grounding in specialized medical domains. We present Echo-α, an agentic multimodal reasoning model for ultrasound interpretation that unifies these strengths within an invoke-and-reason framework. Echo-α is trained to coordinate organ-specific detector outputs, integrate them with global visual context, and convert the resulting evidence into grounded diagnostic decisions beyond detector-only inference. This behavior is established through a nine-task supervised curriculum and then refined by sequential reinforcement learning under different reward trade-offs, yielding Echo-α-Grounding for lesion anchoring and Echo-α-Diagnosis for final diagnosis. On multi-center renal and breast ultrasound benchmarks, Echo-α outperforms competitive baselines on both grounding and diagnosis. In particular, on cross-center test sets, Echo-α-Grounding attains 56.73%/43.78% F1@0.5 and Echo- α-Diagnosis reaches 74.90%/49.20% overall accuracy on renal/breast ultrasound. These results suggest that agentic multimodal reasoning can turn specialized detectors into verifiable clinical evidence, offering a practical route toward ultrasound AI systems that are more accurate, interpretable, and transferable. The repository is at https://github.com/MiliLab/Echo-Alpha.
• Abstract（参考訳）: 超音波の解釈は、正確な病変の局所化と全体論的臨床推論の両方を必要とするが、既存の手法は、通常はこれらの能力の1つで優れている: 特殊な検出器は、強い局所化を提供するが、限定的な推論を提供するが、一方、MLLM(Multimodal large language model)は、特殊な医学領域において柔軟な推論を提供するが、弱い基礎を提供する。 本稿では,超音波解釈のためのエージェント型マルチモーダル推論モデルであるEcho-αについて述べる。 Echo-αは、臓器固有の検出器出力を調整し、それらをグローバルな視覚的コンテキストと統合し、その結果の証拠を検出器のみの推論を超えた根拠付き診断決定に変換するように訓練されている。 この動作は、9つのタスクの教師付きカリキュラムを通じて確立され、その後異なる報酬トレードオフの下で逐次強化学習によって改善され、病変のアンカーとEcho-α-診断のためのEcho-Groundingと最終診断のためのEcho-α-Diagnosisが得られる。 マルチセンター腎および乳房超音波ベンチマークでは、Echo-αはグラウンドニングと診断の両方で競争ベースラインを上回っている。 特に、クロスセンターテストセットでは、Echo-α-Groundingは56.73%/43.78% F1@0.5、Echo-α-Diagnosisは74.90%/49.20%に達する。 これらの結果から, エージェントによるマルチモーダル推論は, より正確で, 解釈可能で, 伝達可能な超音波AIシステムへの実践的な経路を提供することで, 特定検出器を検証可能な臨床証拠にすることができることが示唆された。 リポジトリはhttps://github.com/MiliLab/Echo-Alphaにある。

関連論文リスト

• Evidence-Based Actor-Verifier Reasoning for Echocardiographic Agents [25.763431177629638]
  視覚言語モデル(VLM)は,臨床診断支援のための超音波理解システムを構築するための新たな道を開いた。 本稿では,心エコー図を用いたエージェントの信頼性評価のためのエビデンス駆動アクタ検証フレームワークであるEchoTrustを提案する。
  論文  参考訳（メタデータ） (2026-04-07T18:26:46Z)
• UltrasoundAgents: Hierarchical Multi-Agent Evidence-Chain Reasoning for Breast Ultrasound Diagnosis [14.027321451902734]
  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。
  論文  参考訳（メタデータ） (2026-03-11T15:03:52Z)
• Deep Expert Injection for Anchoring Retinal VLMs with Domain-Specific Knowledge [66.67024684187915]
  LVLM(Large Vision Language Models)は、眼科における自動診断の可能性を秘めている。 彼らの臨床展開は、ドメイン固有の知識の欠如によって著しく妨げられている。 EyExInは、Deep Expert Injectionメカニズムを通じて専門知識で網膜VLMを固定するように設計されたフレームワークである。
  論文  参考訳（メタデータ） (2026-03-07T09:43:49Z)
• A Specialized Large Language Model for Clinical Reasoning and Diagnosis in Rare Diseases [22.51015369266496]
  RareSeek R1は、ノイズや重なり合う表現型の下で、技術精度、堅牢な一般化、安定性の状態を達成している。 この研究は、診断を短縮し、聴覚的、臨床的に翻訳可能な意思決定支援を可能にする、物語第一の知識統合推論パラダイムを前進させる。
  論文  参考訳（メタデータ） (2025-11-18T16:29:19Z)
• EchoVLM: Dynamic Mixture-of-Experts Vision-Language Model for Universal Ultrasound Intelligence [9.731550105507457]
  本稿では,超音波医療画像に特化して設計された視覚言語モデルであるEchoVLMを提案する。 このモデルは、7つの解剖学的領域にまたがるデータに基づいてトレーニングされたMixture of Experts (MoE)アーキテクチャを採用している。 EchoVLMは、それぞれBLEU-1スコアとROUGE-1スコアで10.15点と4.77点を大きく改善した。
  論文  参考訳（メタデータ） (2025-09-18T14:07:53Z)
• A Fully Open and Generalizable Foundation Model for Ultrasound Clinical Applications [77.3888788549565]
  一般臨床用超音波基礎モデルであるEchoCareについて紹介する。 我々は、キュレートされた、一般公開された大規模なデータセットであるEchoCareData上で、自己教師付き学習を通じてEchoCareを開発した。 最小限のトレーニングで、EchoCareは10の代表的なベンチマークで最先端の比較モデルを上回っている。
  論文  参考訳（メタデータ） (2025-09-15T10:05:31Z)
• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)

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。