論文の概要: Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration
- arxiv url: http://arxiv.org/abs/2605.09366v1
- Date: Sun, 10 May 2026 06:30:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.217417
- Title: Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration
- Title（参考訳）: 仮想神経科学者を目指して : 多エージェント協調による自律神経画像解析
- Authors: Keqi Han, Songlin Zhao, Yao Su, Lifang He, Carl Yang,
- Abstract要約: 我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。
本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 19.206356224794508
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Transforming neuroimaging data into clinically actionable biomarkers is a knowledge-intensive and labor-intensive process. Standardized workflows such as fMRIPrep have improved robustness and efficiency, but they are statically configured and cannot reason about downstream objectives, deliberate over alternative strategies, or close the loop between intermediate evidence and subsequent decisions in the way a human researcher would. This lack of closed-loop adaptation often leaves domain experts trapped in a cycle of manual trial-and-error to tune parameters and remediate pipeline failures, severely constraining the scalability of clinical biomarker development. To bridge this gap, we introduce NIAgent, a multi-agent system for autonomous end-to-end neuroimaging analysis. Unlike conventional flat tool-calling agents, NIAgent adopts a code-centric execution paradigm where specialist agents collaboratively synthesize and optimize executable programs over composable domain-specific primitives. This design enables robust, long-horizon workflow construction that adapts dynamically to runtime observations. Furthermore, we propose a hierarchical verification framework for autonomous quality control, integrating cohort-level metric screening with agentic visual inspection to drive evidence-grounded workflow remediation. Experiments on ADHD-200 and ADNI demonstrate that NIAgent outperforms standard workflow-based baselines in predictive performance while exhibiting sophisticated agentic behaviors, including strategy exploration and adaptive refinement.
- Abstract（参考訳）: 神経画像データを臨床的に実行可能なバイオマーカーに変換することは、知識集約的で労働集約的なプロセスである。
fMRIPrepのような標準化されたワークフローは、堅牢性と効率性を改善しているが、静的に設定されており、下流の目的を推論したり、代替戦略を意図的に検討したり、中間的な証拠とその後の決定の間のループを人間の研究者のやり方で閉じたりすることはできない。
このクローズループ適応が欠如しているため、ドメインの専門家は、パラメータをチューニングし、パイプラインの障害を修正するための手動の試行錯誤のサイクルに閉じ込められ、臨床バイオマーカーの開発のスケーラビリティを厳しく制限する。
このギャップを埋めるために,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを導入する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用しており、専門エージェントは構成可能なドメイン固有のプリミティブよりも実行可能なプログラムを協調的に合成し最適化する。
この設計により、実行時の観察に動的に適応する堅牢で長期のワークフロー構築が可能になる。
さらに,コホートレベルのメトリクススクリーニングとエージェント視覚検査を統合して,エビデンスに基づくワークフロー修復を行う,自律的品質管理のための階層的検証フレームワークを提案する。
ADHD-200とADNIの実験では、NIAgentは標準的なワークフローベースのベースラインよりも予測性能に優れており、戦略探索や適応的洗練を含む高度なエージェント的行動を示す。
関連論文リスト
- NeuroClaw Technical Report [54.14941057366186]
NeuroClawは、神経イメージング研究のためのドメイン特化マルチエージェント研究アシスタントである。
NeuroClawは、フォーマットとモダリティをまたいだ生のニューロイメージングデータを直接運用する。
3階層のスキル/エージェント階層は、ユーザとのインタラクション、高レベルのオーケストレーション、低レベルのツールスキルを分離する。
論文 参考訳（メタデータ） (2026-04-27T16:57:14Z) - Mozi: Governed Autonomy for Drug Discovery LLM Agents [21.429647382651677]
依存度の高い医薬品パイプラインでは、自律的なエージェントがしばしば再現不可能な軌道へと漂流する。
我々は、生成AIの柔軟性と計算生物学の決定論的厳密さを橋渡しする二重層アーキテクチャであるMoziを紹介する。
モジの大規模化学空間をナビゲートし、強い毒性フィルターを強制し、シリカ候補において高い競争力を発揮する能力を示す。
論文 参考訳（メタデータ） (2026-03-04T02:22:21Z) - Turing Test on Screen: A Benchmark for Mobile GUI Agent Humanization [40.016387553294685]
エージェントが人間中心のエコシステムで生き残るためには、彼らは人間化能力を進化させなければならない、と我々は主張する。
この作業は、エージェントがタスクを実行できるかどうかから、人間中心のエコシステム内でそれを実行する方法へとパラダイムをシフトさせる。
論文 参考訳（メタデータ） (2026-02-24T04:29:42Z) - NeuroWeaver: An Autonomous Evolutionary Agent for Exploring the Programmatic Space of EEG Analysis Pipelines [11.51370622964103]
我々は、多様なEEGデータセットとタスクをまたいだ一般化を意図した、統合された自律進化エージェントであるNeuroWeaverを提案する。
NeuroWeaverは、最先端のタスク固有のメソッドを一貫して上回り、大規模ファンデーションモデルに匹敵するパフォーマンスを実現する軽量ソリューションを合成する。
論文 参考訳（メタデータ） (2026-02-13T21:26:43Z) - MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning [53.37068897861388]
MedSAM-Agentは、対話的なセグメンテーションを多段階の自律的な意思決定プロセスとして再構築するフレームワークである。
マルチターン・エンド・ツー・エンドの成果検証を統合した2段階のトレーニングパイプラインを開発した。
6つの医療モダリティと21のデータセットにわたる実験は、MedSAM-Agentが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2026-02-03T09:47:49Z) - AI-NativeBench: An Open-Source White-Box Agentic Benchmark Suite for AI-Native Systems [52.65695508605237]
我々は、Model Context Protocol(MCP)とAgent-to-Agent(A2A)標準に基づいて、アプリケーション中心でホワイトボックスのAI-NativeベンチマークスイートであるAI-NativeBenchを紹介する。
エージェントスパンを分散トレース内の第一級市民として扱うことにより,本手法は,単純な機能以上の工学的特性の粒度解析を可能にする。
この研究は、モデル能力の測定から信頼性の高いAI-Nativeシステムへの移行を導く最初の体系的な証拠を提供する。
論文 参考訳（メタデータ） (2026-01-14T11:32:07Z) - Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection [59.04089915447622]
ForenAgentはインタラクティブなIFDフレームワークで、MLLMが検出対象に関するPythonベースの低レベルツールを自律的に生成、実行、洗練することができる。
人間の推論にインスパイアされた我々は、グローバルな認識、局所的な焦点、反復的探索、そして全体論的偏見を含む動的推論ループを設計する。
実験の結果,ForenAgent は IFD 課題に対する創発的なツール利用能力と反射的推論を示すことがわかった。
論文 参考訳（メタデータ） (2025-12-18T08:38:44Z) - SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。
実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。
回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
論文 参考訳（メタデータ） (2025-11-29T09:18:39Z) - Diagnostics of cognitive failures in multi-agent expert systems using dynamic evaluation protocols and subsequent mutation of the processing context [0.0]
この研究は、専門家システムのための診断フレームワークを導入し、評価だけでなく、専門家行動のLSMエージェントへの転送を容易にする。
我々は,多エージェント採用支援システム上での枠組みを実証し,潜在的認知障害を明らかにした。
論文 参考訳（メタデータ） (2025-09-18T19:08:03Z) - HiVA: Self-organized Hierarchical Variable Agent via Goal-driven Semantic-Topological Evolution [13.440964262446558]
HiVA(Hierarchical Variable Agent)は、セマンティック・トポロジカル・エボリューション(STEV)アルゴリズムを用いて、自己組織化グラフとしてエージェントをモデル化する新しいフレームワークである。
対話、コーディング、Longcontext Q&A、数学、エージェントベンチマークの実験では、タスク精度が5～10%向上し、リソース効率が向上した。
論文 参考訳（メタデータ） (2025-08-29T18:51:18Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z)
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。