論文の概要: Beyond Algorithms: Conceptual Innovation in Medical Imaging AI

• arxiv url: http://arxiv.org/abs/2606.19270v1
• Date: Wed, 17 Jun 2026 16:48:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.280902
• Title: Beyond Algorithms: Conceptual Innovation in Medical Imaging AI
• Title（参考訳）: アルゴリズムを超えて:医療イメージングAIのコンセプトイノベーション
• Authors: Mark A. Anastasio,
• Abstract要約: 我々は、一般的なインセンティブ構造、トレーニングパス、出版規範がアルゴリズムのノベルティに不相応に報いると主張している。 概念的根拠の不足が,不整合目標,脆弱な一般化,実世界の限られた影響をもたらすことを示す。 我々は、研究者、メンター、レビュアー、ジャーナルに対して、アルゴリズムの進歩と共に概念的イノベーションをよりよく認識し、支援し、統合するための実用的な勧告で締めくくります。
• 参考スコア（独自算出の注目度）: 7.838782165210655
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence has driven rapid progress in medical imaging research, producing increasingly sophisticated algorithms and steady improvements on benchmark tasks. However, this algorithm-centric trajectory has also revealed a growing imbalance: while computational methods advance rapidly, the conceptual foundations that define imaging tasks, evaluation metrics, and clinical meaning sometimes remain underexamined. In this Perspective, we distinguish algorithmic innovation, which focuses on improving computational implementations and performance within a fixed problem definition, from conceptual innovation, which reframes what problems are posed, how success is measured, and why an approach is clinically relevant. We argue that prevailing incentive structures, training pathways, and publication norms disproportionately reward algorithmic novelty, particularly for early-career researchers, while at times undervaluing conceptual contributions that are essential for scientific maturation and clinical translation. Through representative examples from medical imaging AI, we show how insufficient conceptual grounding can lead to misaligned objectives, fragile generalization, and limited real-world impact. We conclude with actionable recommendations for researchers, mentors, reviewers, and journals to better recognize, support, and integrate conceptual innovation alongside algorithmic advances.
• Abstract（参考訳）: 人工知能は、医療画像研究の急速な進歩を促し、ますます洗練されたアルゴリズムを生み出し、ベンチマークタスクを着実に改善している。 しかし、このアルゴリズム中心の軌道もまた、増大する不均衡を明らかにしている: 計算手法が急速に進歩する一方で、画像タスク、評価指標、臨床的意味を定義する概念的基礎は、時に過小評価される。 この観点では、固定された問題定義における計算的実装と性能の向上に焦点を当てたアルゴリズム的革新と、どの問題が提案されているか、成功をどのように測定するか、なぜ臨床的に関係があるのかを再編成する概念的イノベーションとを区別する。 インセンティブ構造、トレーニングパス、出版規範は、特に早産研究者にとって不公平にアルゴリズムのノベルティを報いる一方で、時には科学的成熟と臨床翻訳に不可欠な概念的貢献を過小評価している、と我々は主張する。 医用画像AIの代表的な例を通して、概念的根拠の不足が、不整合目標、脆弱な一般化、現実世界への影響の制限につながることを示す。 我々は、研究者、メンター、レビュアー、ジャーナルに対して、アルゴリズムの進歩と共に概念的イノベーションをよりよく認識し、支援し、統合するための実用的な勧告で締めくくります。

関連論文リスト

• Faster Predictive Coding Networks via Better Initialization [52.419343840654186]
  本稿では,従来のトレーニングサンプルの反復的進捗を抑えることを目的とした,予測符号化ネットワークのための新しい手法を提案する。 本実験は,教師なし設定と教師なし設定の両方において,収束速度と最終テスト損失が大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2026-01-28T08:52:19Z)
• InnoGym: Benchmarking the Innovation Potential of AI Agents [74.64144272881414]
  InnoGymはAIエージェントのイノベーションの可能性を評価するために設計された最初のベンチマークである。 InnoGym氏は2つの相補的なメトリクスを紹介している。パフォーマンスゲイン(パフォーマンスゲイン)と、従来のアプローチと方法論的な違いを捉えるノベルティ(ノベルティ)だ。
  論文  参考訳（メタデータ） (2025-12-01T16:03:04Z)
• From Neural Sensing to Stimulation: An Interdisciplinary Roadmap for Neurotechnology [0.0]
  神経技術は、脳と体の相互作用を計測し、解釈し、調節する方法を変えつつある。 臨床領域と非臨床領域にまたがるトランスフォーメーションポテンシャルを持つ。 この視点は神経テクノロジー開発の戦略的ロードマップを示す。
  論文  参考訳（メタデータ） (2025-10-08T15:09:54Z)
• Algorithms for Adversarially Robust Deep Learning [58.656107500646364]
  望ましいロバスト性を示すアルゴリズムの設計に向けた最近の進歩について論じる。 医用画像,分子識別,画像分類における最先端の一般化を実現するアルゴリズムを提案する。 我々は、堅牢な言語ベースのエージェントを設計するための進歩のフロンティアとして、新たな攻撃と防御を提案する。
  論文  参考訳（メタデータ） (2025-09-23T14:48:58Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Developing and Evaluating a Design Method for Positive Artificial Intelligence [0.5461938536945723]
  AI for Good"の開発は、複雑な人間の価値とシステムの整合性に関する課題を提起する。 本稿では,このギャップに対処するPositive AI設計手法を提示し,評価する。 この方法は、幸福な願望を具体的な実践に翻訳する人間中心のプロセスを提供する。
  論文  参考訳（メタデータ） (2024-02-02T15:31:08Z)
• NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.076028127394366]
  ニューロベンチ(NeuroBench)はニューロモルフィックコンピューティングアルゴリズムとシステムのためのベンチマークフレームワークである。 NeuroBenchは、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
  論文  参考訳（メタデータ） (2023-04-10T15:12:09Z)
• Automated Design of Salient Object Detection Algorithms with Brain Programming [3.518016233072556]
  本研究は, 突発性物体検出問題の解決を目的とした最近の提案を用いて, 人工背側流の拡大を提案する。 そこで我々は,画像分割アルゴリズムと視覚塩分率の融合をテンプレートとして適用することにした。 本稿では,最先端技術との比較において,専門家が設計したベンチマークの結果について述べる。
  論文  参考訳（メタデータ） (2022-04-07T20:21:30Z)
• Medical Imaging and Machine Learning [16.240472115235253]
  2018年に国立衛生研究所は、医療画像における人工知能の未来における重要な焦点領域を特定した。 データ可用性、新しいコンピューティングアーキテクチャと説明可能なAIアルゴリズムの必要性は、いまだに関係している。 本稿では,高次元臨床画像データに特有の課題について考察するとともに,技術的・倫理的考察を紹介する。
  論文  参考訳（メタデータ） (2021-03-02T18:53:39Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)

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。