論文の概要: ATRIA: Adaptive Traceable ECG Reporting with Iterative Agents

• arxiv url: http://arxiv.org/abs/2606.24392v1
• Date: Tue, 23 Jun 2026 10:25:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.900065
• Title: ATRIA: Adaptive Traceable ECG Reporting with Iterative Agents
• Title（参考訳）: ATRIA: 反復エージェントによる適応的トレーサブルECGレポート
• Authors: Donggyun Hong, Kyuhwan Lee, Junmyung Kwon, Yong-Yeon Jo,
• Abstract要約: textscATRIAは、臨床医の反復ワークフローを反映したマルチエージェントECGレポートシステムである。 報告書は、その証拠を裏付ける証拠、その証拠によって支持されないフラグ、および追加の文脈の中間を包含する全ての報告を束縛する。 クラウドベースのWebサービスとして、textscATRIAはすぐにデプロイできる。
• 参考スコア（独自算出の注目度）: 1.1117921616504782
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing ECG report generation is tightly coupled -- interpretation and reporting fused end-to-end, so errors propagate without stage-level recourse -- while agent-based systems decouple tasks but remain single-pass, never revisiting earlier outputs. Clinical ECG reporting instead unfolds iteratively, requiring progressive context integration and bidirectional editing. We present \textsc{ATRIA}, a multi-agent ECG reporting system that mirrors the clinician's iterative workflow: it binds every report claim to its supporting evidence, flags statements unsupported by that evidence, incorporates additional context mid-session, and lets clinicians verify and revise individual findings rather than accept one opaque output. Because its agents use ECG analysis models already in clinical use, the underlying findings are clinically trustworthy; and as a cloud-based web service, \textsc{ATRIA} is ready for immediate deployment. We demonstrate \textsc{ATRIA} through four interaction cases, with a live demo and video available.
• Abstract（参考訳）: 既存のECGレポートの生成 -- 解釈とレポートが融合しているため、エラーはステージレベルのリコースなしで伝播する -- が、エージェントベースのシステムはタスクを分離するが、シングルパスのままであり、以前の出力を再考することはない。 クリニカルECGレポートは、プログレッシブコンテキスト統合と双方向編集を必要とするため、反復的に展開される。 我々は、臨床医の反復的ワークフローを反映したマルチエージェントECGレポートシステムである「textsc{ATRIA}」を提示する。それは、その証拠を裏付けるすべての報告を束縛し、その証拠によって支持されないフラグを宣言し、追加のコンテキスト中間を組み込んで、臨床医が1つの不透明なアウトプットを受け入れるのではなく、個々の発見を検証および修正できるようにする。 エージェントはすでに臨床でECG分析モデルを使用しているため、基礎となる発見は臨床的に信頼できるものであり、クラウドベースのWebサービスである \textsc{ATRIA} は即時デプロイの準備が整っている。 4つのインタラクションケースを通じて,‘textsc{ATRIA}’をデモし,ライブデモとビデオを公開した。

関連論文リスト

• ExECG: An Explainable AI Framework for ECG models [2.0525671432877854]
  深層学習により、不整脈分類や異常検出などのタスクにおいて、強力なパフォーマンスを持つ心電図診断モデルが実現された。 我々は,3段階のパイプラインを提供するPythonフレームワークであるExECG(Explainable AI framework for ECG)を紹介した。 Wrapperは異種ECGフォーマットと中間表現間のアクセスを標準化し,Explainerは共有実行プロトコルの下で多様なXAIメソッドを統一し,Visualizerは統一インターフェース内で一貫したメソッド間比較をサポートする。
  論文  参考訳（メタデータ） (2026-05-19T02:10:04Z)
• ProtoMedAgent: Multimodal Clinical Interpretability via Privacy-Aware Agentic Workflows [7.27267618572654]
  ProtoMedAgentは、反復的なゼロ段階のテスト時間最適化問題としてマルチモーダルな臨床報告を定式化する。 オンライン生成は、厳密な集合論微分と反射的スクリーブ・クリティカルループによって制限される。 ProtoMedAgentは91.2%の比較集合Fithfulnessを実現し、標準RAG(46.2%)を根本的に上回る
  論文  参考訳（メタデータ） (2026-05-13T20:57:37Z)
• Divide-then-Diagnose: Weaving Clinician-Inspired Contexts for Ultra-Long Capsule Endoscopy Videos [83.01543151239254]
  我々は、診断駆動型CEビデオ要約という新しいタスクを定義する。 VideoCAPは、診断駆動アノテーションを備えた最初のCEデータセットである。 DiCEはクリニックにインスパイアされたフレームワークで、標準的なCE読み込みワークフローを反映している。
  論文  参考訳（メタデータ） (2026-04-23T16:07:51Z)
• QCAgent: An agentic framework for quality-controllable pathology report generation from whole slide image [44.81983055985989]
  QCAgentは、全スライディング画像(WSI)から品質制御可能な病態レポートを生成するためのエージェントフレームワークである 必要な診断の詳細と制約を指定するユーザ定義のチェックリストによってガイドされる、カスタマイズされた批評メカニズムが組み込まれている。 批判的フィードバックとテキストパッチによるセマンティック検索に基づいて、WSI内の情報領域を再同定する。
  論文  参考訳（メタデータ） (2026-03-02T09:27:31Z)
• ECG-R1: Protocol-Guided and Modality-Agnostic MLLM for Reliable ECG Interpretation [36.244601234085856]
  既存のマルチモーダル大言語モデル(MLLM)は、ECGの解釈には信頼できないままである。 ECG-R1は、信頼できるECG解釈のために設計されたMLLMの最初の推論である。 コードとデータはhrefhttp://ai.heartvoice.com.cn/ECG-R1hereで公開されている。
  論文  参考訳（メタデータ） (2026-02-04T07:17:55Z)
• AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
  本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。 評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。 実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
  論文  参考訳（メタデータ） (2026-01-23T11:59:13Z)
• MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging [67.74482877175797]
  MIRNetは、自己教師付き事前学習と制約付きグラフベースの推論を統合する新しいフレームワークである。 TongueAtlas-4Kは,22の診断ラベルを付した4,000枚の画像からなるベンチマークである。
  論文  参考訳（メタデータ） (2025-11-13T06:30:41Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Unlocking the Potential of Weakly Labeled Data: A Co-Evolutionary Learning Framework for Abnormality Detection and Report Generation [44.41011570487469]
  臨床における胸部X線(CXR)の解剖学的異常検出と報告生成は2つの重要な課題である。 既存の手法は、それぞれのタスクを別々に焦点を合わせ、相関を無視することが多い。 本研究は,共進化異常検出および報告生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-18T08:31:26Z)
• Contrastive Learning with Counterfactual Explanations for Radiology Report Generation [83.30609465252441]
  放射線学レポート生成のためのtextbfCountertextbfFactual textbfExplanations-based framework (CoFE) を提案する。 反現実的な説明は、アルゴリズムによってなされた決定をどのように変えられるかを理解するための強力なツールとして、シナリオが何であるかを問うことによって役立ちます。 2つのベンチマークの実験では、反ファクト的な説明を活用することで、CoFEは意味的に一貫性があり、事実的に完全なレポートを生成することができる。
  論文  参考訳（メタデータ） (2024-07-19T17:24:25Z)
• Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
  眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。 大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
  論文  参考訳（メタデータ） (2022-06-04T13:16:30Z)

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。