論文の概要: Radiuma: A Unified Zero-Code Executable Graphical Workflow Generator for Reproducible and Shareable Medical Image Analysis and Machine Learning

• arxiv url: http://arxiv.org/abs/2605.24201v1
• Date: Fri, 22 May 2026 20:43:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.738294
• Title: Radiuma: A Unified Zero-Code Executable Graphical Workflow Generator for Reproducible and Shareable Medical Image Analysis and Machine Learning
• Title（参考訳）: Radiuma: 再現可能で共有可能な医療画像分析と機械学習のための、ゼロコード実行可能なグラフィカルワークフロージェネレータ
• Authors: Mohammad Salmanpour, Mehrdad Oveisi, Isaac Shiri, Arman Rahmim,
• Abstract要約: Radiumaは、信頼できる再現可能な医療画像解析をサポートするために設計された、自由に利用可能なモジュラープラットフォームである。 Radiumaは画像読み込み、可視化、登録、融合、処理、セグメンテーション、放射能特徴抽出、機械学習モジュールを統合している。 このプラットフォームは、放射線科医、物理学者、臨床医、データサイエンティストなど、さまざまな専門知識を持つユーザーが利用できるように設計されている。
• 参考スコア（独自算出の注目度）: 0.09560936263747322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical image computing software is essential for identifying imaging biomarkers that can support diagnosis, prognosis, treatment planning, and clinical research. However, the lack of standardized, user-friendly, and reproducible software environments has limited the broader adoption of advanced medical image analysis workflows. We present Radiuma, a freely available modular platform designed to support reliable and reproducible medical image analysis across multiple modalities and file formats. Radiuma integrates image reading, visualization, registration, fusion, processing, segmentation, radiomics feature extraction, and machine learning modules for classification, regression, and clustering. Its modular design allows users to execute each component independently or connect modules through a visual workflow system, where the output of one step can be graphically passed to the next. This enables the creation of custom, executable, and reproducible multi-step pipelines without requiring extensive programming expertise. Results from each module can be inspected directly in the visualization window, providing immediate feedback on processing quality and workflow accuracy. Radiuma also supports saving and sharing customized workflows, promoting transparency, reusability, and consistency across collaborative studies. By combining flexibility, usability, and standardized analysis tools, Radiuma provides a practical environment for radiomics and machine learning research in clinical and translational settings. The platform is designed to be accessible to users with diverse expertise, including radiologists, physicists, clinicians, and data scientists.
• Abstract（参考訳）: 医用画像処理ソフトウェアは、診断、予後、治療計画、臨床研究を支援する画像バイオマーカーの同定に不可欠である。 しかし、標準化され、ユーザフレンドリで再現可能なソフトウェア環境の欠如は、高度な医用画像解析ワークフローの採用を制限している。 Radiumaは、複数のモダリティとファイルフォーマットをまたいだ信頼性と再現性のある医療画像解析をサポートするように設計された、自由に利用可能なモジュラープラットフォームである。 Radiumaは画像読み込み、視覚化、登録、融合、処理、セグメンテーション、放射能の特徴抽出、分類、回帰、クラスタリングのための機械学習モジュールを統合している。 モジュール設計では、各コンポーネントを独立して実行したり、あるステップの出力を次のステップにグラフィカルに渡すことができるビジュアルワークフローシステムを通じてモジュールを接続することができる。 これにより、広範なプログラミングの専門知識を必要とせずに、カスタム、実行可能、再現可能なマルチステップパイプラインを作成できる。 各モジュールの結果は、ビジュアライゼーションウィンドウで直接検査することができ、処理品質とワークフローの正確性に対する即時フィードバックを提供する。 Radiumaは、カスタマイズされたワークフローの保存と共有、透明性の促進、再利用性、共同研究全体の一貫性もサポートする。 柔軟性、ユーザビリティ、標準化された分析ツールを組み合わせることで、Radiumaは、臨床および翻訳環境における放射線学と機械学習研究のための実践的な環境を提供する。 このプラットフォームは、放射線科医、物理学者、臨床医、データサイエンティストなど、さまざまな専門知識を持つユーザーが利用できるように設計されている。

関連論文リスト

• PhyDCM: A Reproducible Open-Source Framework for AI-Assisted Brain Tumor Classification from Multi-Sequence MRI [0.0]
  MRIベースの医用画像は現代の臨床診断に欠かせないものとなっている。 データボリュームの急激な増加は、従来の診断手法に課題をもたらす。 PhyDCMは、MedViTをベースにしたハイブリッド分類アーキテクチャを統合する、オープンソースのソフトウェアフレームワークとして紹介されている。 システムはグラフィカルインタフェースから計算ロジックを分離するモジュラーデジタルライブラリとして設計されている。
  論文  参考訳（メタデータ） (2026-03-25T20:58:22Z)
• Intelligent Healthcare Imaging Platform: A VLM-Based Framework for Automated Medical Image Analysis and Clinical Report Generation [0.0]
  本稿では,視覚言語モデル(VLM)を活用した医用画像解析のためのインテリジェントマルチモーダルフレームワークを提案する。 このフレームワークはGoogle Gemini 2.5 Flashを統合し、腫瘍を自動的に検出し、CT、MRI、X線、超音波などの複数の画像モダリティで臨床報告を生成する。
  論文  参考訳（メタデータ） (2025-09-16T23:15:44Z)
• Intelligent Software System for Low-Cost, Brightfield Segmentation: Algorithmic Implementation for Cytometric Auto-Analysis [3.5092739016434567]
  本稿では,標準CPUデスクトップを搭載した低予算研究室向けに設計された,新しい顕微鏡画像解析フレームワークを提案する。 Pythonベースのプログラムは、高度なコンピュータビジョンと機械学習パイプラインを通じて、カルチャー内の生きた、保存されていない細胞のサイトメトリー分析を可能にする。 CPUベースのプラットフォーム上での競争速度は、基礎研究と臨床応用の大きな可能性を強調している。
  論文  参考訳（メタデータ） (2025-09-14T17:12:17Z)
• Novel computational workflows for natural and biomedical image processing based on hypercomplex algebras [49.81327385913137]
  ハイパーコンプレックス画像処理は、代数的および幾何学的原理を含む統一パラダイムで従来の手法を拡張している。 このワークル平均は、自然・生体画像解析のための四元数と2次元平面(四元数 - ピクセルを表す - を2次元平面に分割する)を分割する。 提案手法は、画像の自動処理パイプラインの一部として、カラー外観(例えば、代替リフレクションやグレースケール変換)と画像コントラストを規制することができる。
  論文  参考訳（メタデータ） (2025-02-11T18:38:02Z)
• Designing a Robust Radiology Report Generation System [1.0878040851637998]
  本稿では,異なるモジュールを統合し,ベストプラクティスを強調することで,ロバストな放射線学レポート生成システムの設計について概説する。 これらのベストプラクティスは、自動放射線学レポート生成の改善、意思決定における放射線科医の増員、診断ワークフローの迅速化につながると信じている。
  論文  参考訳（メタデータ） (2024-11-02T06:38:04Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)

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。