論文の概要: MammoExpert: Benchmarking Chain-of-Thought Reasoning in Mammography Diagnosis
- arxiv url: http://arxiv.org/abs/2606.21119v1
- Date: Fri, 19 Jun 2026 05:45:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 08:13:18.016115
- Title: MammoExpert: Benchmarking Chain-of-Thought Reasoning in Mammography Diagnosis
- Title（参考訳）: MammoExpert: マンモグラフィー診断におけるベンチマークチェイン・オブ・サート推論
- Authors: Di Dai, Bo Liu, Youcheng Li, Haojun Yu, Zhouhang Bian, Quanlin Wu, Dong Wang, Sichen Meng, Hongye Xuan, Zijie Lan, Shenda Hong, Liwei Wang,
- Abstract要約: MammoExpertは、3つの診断フェーズにわたるChain-of-Thought推論アノテーションを備えた最初のマンモグラフィデータセットである。
WHOに分類された67種類の病理組織学的サブタイプを含む2,379枚のマンモグラフィー画像を含む各試験は、9人の上級放射線技師が注釈した42のX線像を提供する。
本研究は乳腺病変分類課題において,既存の分類モデルと比較して,精度と理性に優れることを示す。
- 参考スコア（独自算出の注目度）: 19.924355678607622
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mammography is an essential tool for breast cancer detection, with millions of examinations conducted annually. However, publicly available high-quality mammography datasets for AI development remain limited in both scale and annotation richness, particularly regarding pathological subtype coverage and structured diagnostic reasoning annotations. In this paper, we present MammoExpert, the first mammography dataset with Chain-of-Thought reasoning annotations across three diagnostic phases: (i) primal observation, (ii) factual assessment, and (iii) diagnostic synthesis. Comprising 2,379 mammography images covering 67 WHO-classified histopathology subtypes, each exam provides 42 radiographic features annotated by nine senior radiologists. We evaluate its performance on the breast lesion classification task, demonstrating superior accuracy and reasonability compared to existing classification models. Combining public dataset CBIS-DDSM with MammoExpert yields 7.1\% classification accuracy improvement, while the training model to learn CoT reasoning achieves another 4\% gain on the MammoExpert test set. Similar improvements are observed on INBreast and Vindr datasets, where the full approach yields accuracy gains of 6.9\% and 6.7\%, respectively. MammoExpert can serve as a benchmark for interpretable breast lesion diagnosis through explicit CoT reasoning.
- Abstract（参考訳）: マンモグラフィーは乳がん検出に不可欠なツールであり、毎年何百万もの検査が実施されている。
しかし、AI開発のための高品質なマンモグラフィーデータセットは、特に病理的なサブタイプカバレッジと構造化診断推論アノテーションに関して、スケールとアノテーションの両面で制限されている。
本稿では,3つの診断段階にわたるChain-of-Thought推論アノテーションを用いた最初のマンモグラフィーデータセットであるMammoExpertを紹介する。
(i)主観的観察,
(二)事実評価、及び
(三)診断合成。
WHOに分類された67種類の病理組織学的サブタイプを含む2,379枚のマンモグラフィー画像を含む各試験は、9人の上級放射線技師が注釈した42のX線像を提供する。
本研究は乳腺病変分類課題において,既存の分類モデルと比較して,精度と理性に優れることを示す。
パブリックデータセットCBIS-DDSMとMammoExpertを組み合わせることで、分類精度が7.1\%向上し、CoT推論を学習するトレーニングモデルは、MammoExpertテストセットでさらに4\%向上する。
INBreastとVindrのデータセットでも同様の改善が見られ、完全なアプローチでそれぞれ6.9\%と6.7\%の精度向上が得られる。
MammoExpertは、明示的なCoT推論を通じて乳房病変の診断を解釈するためのベンチマークとして機能する。
関連論文リスト
- An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。
本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。
本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
論文 参考訳（メタデータ） (2025-10-21T17:18:55Z) - A Versatile Foundation Model for AI-enabled Mammogram Interpretation [36.48796962019666]
VersaMammoは制限を克服するために設計されたマンモグラムの汎用基盤モデルである。
まず,教師モデルは自己教師型学習を用いて学習し,ラベルのないマンモグラムから伝達可能な特徴を抽出する。
そして、教師付き学習と知識蒸留を組み合わせることで、特徴と臨床知識の両方をVersaMammoに転送する。
論文 参考訳（メタデータ） (2025-09-24T16:04:39Z) - Exemplar Med-DETR: Toward Generalized and Robust Lesion Detection in Mammogram Images and beyond [3.437009428325929]
特徴に基づく検出を可能にする新しいマルチモーダルコントラスト検出器であるExemplar Med-DETRを紹介する。
ベトナムの高濃度乳腺マモグラムでは, 質量検出では0.7mAP, 石灰化では0.55mAPとなり, 絶対値16ポイント向上した。
胸部X線, 血管造影では, 腫瘤検出では0.25mAP, 狭窄検出では0.37mAPを達成し, それぞれ4ポイント, 7ポイント改善した。
論文 参考訳（メタデータ） (2025-07-25T18:40:52Z) - Deep BI-RADS Network for Improved Cancer Detection from Mammograms [3.686808512438363]
テキスト型BI-RADS病変記述子と視覚マンモグラムを併用した新しいマルチモーダル手法を提案する。
提案手法は,これらの異なるモダリティを効果的に融合させるために,反復的な注意層を用いる。
CBIS-DDSMデータセットの実験では、すべてのメトリクスで大幅に改善されている。
論文 参考訳（メタデータ） (2024-11-16T21:32:51Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z) - MammoDG: Generalisable Deep Learning Breaks the Limits of Cross-Domain
Multi-Center Breast Cancer Screening [4.587250201300601]
マンモグラフィーは高い変動性とマンモグラフィーのパターンのために課題を提起する。
MammoDGはクロスドメインマルチセンターマンモグラフィーデータの汎用的で信頼性の高い解析のための新しいディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2023-08-02T10:10:22Z) - Diagnose Like a Radiologist: Hybrid Neuro-Probabilistic Reasoning for
Attribute-Based Medical Image Diagnosis [42.624671531003166]
本稿では,属性に基づく医用画像診断のためのハイブリッド型ニューロ確率推論アルゴリズムを提案する。
我々は,ハイブリッド推論アルゴリズムを2つの困難な画像診断タスクに適用することに成功している。
論文 参考訳（メタデータ） (2022-08-19T12:06:46Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Act Like a Radiologist: Towards Reliable Multi-view Correspondence
Reasoning for Mammogram Mass Detection [49.14070210387509]
マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。
AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。
2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
論文 参考訳（メタデータ） (2021-05-21T06:48:34Z)
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。