論文の概要: OphMAE: Bridging Volumetric and Planar Imaging with a Foundation Model for Adaptive Ophthalmological Diagnosis
- arxiv url: http://arxiv.org/abs/2605.02714v1
- Date: Mon, 04 May 2026 15:18:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.369159
- Title: OphMAE: Bridging Volumetric and Planar Imaging with a Foundation Model for Adaptive Ophthalmological Diagnosis
- Title（参考訳）: OphMAE : 適応眼科診断の基礎モデルを用いたブリッジング体積像と平面像
- Authors: Tienyu Chang, Zhen Chen, Renjie Liang, Jinyu Ding, Jie Xu, Sunu Mathew, Amir Reza Hajrasouliha, Andrew J. Saykin, Ruogu Fang, Yu Huang, Jiang Bian, Qingyu Chen,
- Abstract要約: OphMAE (Ophthalmic Multimodal Masked Autoencoder) は、3D光コヒーレンス・トモグラフィー(OCT)の体積深度と2D en face OCTの平面コンテキストを相乗化するために設計された多次元基礎モデルである。
このモデルは最先端の成績を示し、年齢関連黄斑変性症(AMD)96.9%、糖尿病黄斑浮腫症(DME)97.2%でAUC(Area Under the Curve)を達成した。
この作業は、眼科AIのスケーラブルで適応可能なフレームワークを確立し、さまざまなタスクにわたる堅牢なパフォーマンスを保証する。
- 参考スコア（独自算出の注目度）: 13.730900699529698
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The advent of foundation models has heralded a new era in medical artificial intelligence (AI), enabling the extraction of generalizable representations from large-scale unlabeled datasets. However, current ophthalmic AI paradigms are predominantly constrained to single-modality inference, thereby creating a dissonance with clinical practice where diagnosis relies on the synthesis of complementary imaging modalities. Furthermore, the deployment of high-performance AI in resource-limited settings is frequently impeded by the unavailability of advanced three-dimensional imaging hardware. Here, we present the Ophthalmic multimodal Masked Autoencoder (OphMAE), a multi-imaging foundation model engineered to synergize the volumetric depth of 3D Optical Coherence Tomography (OCT) with the planar context of 2D en face OCT. By implementing a novel cross-modal fusion architecture and a unique adaptive inference mechanism, OphMAE was pre-trained on a massive dataset with of 183,875 paired OCT images derived from 32,765 patients. In a rigorous benchmark encompassing 17 diverse diagnostic tasks with 48,340 paired OCT images from 8,191 patients, the model demonstrated state-of-the-art performance, achieving an Area Under the Curve (AUC) of 96.9% for Age-related Macular Degeneration (AMD) and 97.2% for Diabetic Macular Edema (DME), consistently surpassing existing single-modal and multimodal foundation models. Crucially, OphMAE exhibits robust engineering adaptability: it maintains high diagnostic accuracy, such as 93.7\% AUC for AMD, even when restricted to single-modality 2D inputs, and demonstrates exceptional data efficiency by retaining 95.7% AUC with as few as 500 labeled samples. This work establishes a scalable and adaptable framework for ophthalmic AI, ensuring robust performance across different tasks.
- Abstract（参考訳）: 基礎モデルの出現により、医療人工知能(AI)の新しい時代が到来し、大規模なラベルなしデータセットから一般化可能な表現を抽出できるようになった。
しかし、現在の眼科のAIパラダイムは、主に単一モダリティ推論に制約されており、診断が相補的な画像モダリティの合成に依存する臨床実践と不一致を生じる。
さらに、資源制限された設定における高性能AIの展開は、高度な3次元イメージングハードウェアが利用できないためにしばしば妨げられる。
ここでは3次元光コヒーレンス・トモグラフィー(OCT)の体積深度と2D en face OCTの平面コンテキストを相乗化するために設計された多次元基礎モデルである眼科マルチモーダルMasked Autoencoder(OphMAE)を提案する。
新たなクロスモーダル融合アーキテクチャと一意適応型推論機構を実装することにより,32,765例から得られた183,875対のOCT画像を用いて,OphMAEを大量のデータセット上で事前訓練した。
8,191人の患者から48,340対のOCT画像を含む17の多様な診断タスクを含む厳密なベンチマークにおいて、このモデルは最先端のパフォーマンスを示し、年齢関連黄斑変性症(AMD)の96.9%、糖尿病黄斑浮腫症(DME)の97.2%の領域を達成した。
重要な点として、OphMAEは、AMDの93.7\% AUCのような高い診断精度を維持し、単一のモダリティ2D入力に制限された場合でも、95.7% AUCを500個のラベル付きサンプルで保持することで、例外的なデータ効率を示す。
この作業は、眼科AIのスケーラブルで適応可能なフレームワークを確立し、さまざまなタスクにわたる堅牢なパフォーマンスを保証する。
関連論文リスト
- LUMINA: A Multi-Vendor Mammography Benchmark with Energy Harmonization Protocol [9.075009508165273]
このデータセットは、病理診断されたラベル、BI-RADSアセスメント、乳腺密度アノテーションを持つ468人の患者の1824枚の画像を含んでいる。
LUMINAは6つの取得システムにまたがっており、高エネルギーと低エネルギーの撮像方式がある。
我々は,診断,BI-RADS分類,密度推定の3つの臨床的課題について,CNNとトランスフォーマーモデルをベンチマークした。
論文 参考訳（メタデータ） (2026-03-15T22:41:40Z) - UniField: A Unified Field-Aware MRI Enhancement Framework [45.03230466428695]
methodnameは、複数のモダリティと拡張タスクを統合する統合フレームワークである。
我々は、事前学習した3D基礎モデルを利用して、総合的な3Dボリューム情報を利用する。
我々は,総合的なマルチフィールドMRIデータセットを編成し,公開する。
論文 参考訳（メタデータ） (2026-03-10T05:45:12Z) - A Contrastive Variational AutoEncoder for NSCLC Survival Prediction with Missing Modalities [41.8469011437549]
非小細胞肺癌 (NSCLC) 患者の生存予測は, 個々の予後が異なるため困難である。
最先端モデルは、患者レベルの表現を作成するために利用可能なデータや、欠落したモダリティを推測するために生成モデルを使用する。
本稿では,MCVAE(Multimodal Contrastive Variational AutoEncoder)を提案する。
論文 参考訳（メタデータ） (2026-02-19T14:29:34Z) - A multimodal vision foundation model for generalizable knee pathology [40.03838145472935]
筋骨格障害は、医療画像の正確な解釈に対する緊急の要求である。
現在の整形外科における人工知能のアプローチは、タスク固有の教師あり学習パラダイムに依存している。
筋骨格病理学に最適化されたマルチモーダル視覚基盤モデルOrthoFoundationを紹介する。
論文 参考訳（メタデータ） (2026-01-26T08:14:51Z) - Toward explainable AI approaches for breast imaging: adapting foundation models to diverse populations [4.505150709006532]
基礎モデルでは、乳房画像におけるその効果は未解明だが、専門的な医療画像のタスクを約束している。
本研究では,BiomedCLIPを基礎モデルとして活用し,モデル一般化の課題に対処する。
96,995枚の画像を用いて,一様性(s2Dのみ)と多様性トレーニングアプローチを比較し,重み付きコントラスト学習によるクラス不均衡に対処した。
論文 参考訳（メタデータ） (2025-11-21T22:45:50Z) - Improved mmFormer for Liver Fibrosis Staging via Missing-Modality Compensation [8.687370165870613]
本稿では,mmFormerアーキテクチャをベースとしたマルチモーダルMRI分類モデルを提案する。
本手法は,Real-world 医療画像の総合解析・計算テストセット(CARE 2025 Challenge)に基づいて評価する。
In-distribution vendors におけるCirrhosis Detection と Substantial Fibrosis Detection では,66.67% と74.17% の精度を示し,AUC では 71.73% と68.48% の精度を示した。
論文 参考訳（メタデータ） (2025-09-19T21:31:05Z) - APTOS-2024 challenge report: Generation of synthetic 3D OCT images from fundus photographs [42.58128666405841]
アジア太平洋眼科会(Asia Pacific Tele-Ophthalmology Society)は、人工知能に基づくOCT生成(OCT Generation from Fundus Images)という課題を組織した。
本稿では、ベンチマークデータセットを含むチャレンジフレームワーク(APTOS-2024 Challenge)について詳述する。
このチャレンジには342チームが参加し、42の予備出場と9人のファイナリストが参加した。
論文 参考訳（メタデータ） (2025-06-09T08:29:37Z) - Latent Diffusion Autoencoders: Toward Efficient and Meaningful Unsupervised Representation Learning in Medical Imaging [41.446379453352534]
LDAE(Latent Diffusion Autoencoder)は、医用画像における効率的で有意義な教師なし学習のための、エンコーダ-デコーダ拡散に基づく新しいフレームワークである。
本研究は,ADNIデータベースの脳MRIを用いたアルツハイマー病(AD)を事例として検討した。
論文 参考訳（メタデータ） (2025-04-11T15:37:46Z) - WDM: 3D Wavelet Diffusion Models for High-Resolution Medical Image Synthesis [1.647759094903376]
本研究はウェーブレット画像に拡散モデルを適用するウェーブレットベースの医用画像合成フレームワークであるWDMを提案する。
BraTS と LIDC-IDRI の非条件画像生成実験の結果,FID (State-of-the-art image fidelity) とMS-SSIM (Simified diversity) のスコアが得られた。
提案手法は,高画質画像を256倍256倍256$の解像度で生成できる唯一の手法である。
論文 参考訳（メタデータ） (2024-02-29T11:11:05Z) - LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical
Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。
55の公開データセットから約13万の医療画像を収集しました。
LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文 参考訳（メタデータ） (2023-06-20T22:21:34Z)
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。