Fugu-MT 論文翻訳(概要): From Classification to Localization and Clinical Validation: Large-Scale Development of a Deep Learning System for Thoracic Disease Detection on Chest Radiographs in Thailand

論文の概要: From Classification to Localization and Clinical Validation: Large-Scale Development of a Deep Learning System for Thoracic Disease Detection on Chest Radiographs in Thailand

arxiv url: http://arxiv.org/abs/2607.09305v1
Date: Fri, 10 Jul 2026 11:36:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-13 14:47:12.834321
Title: From Classification to Localization and Clinical Validation: Large-Scale Development of a Deep Learning System for Thoracic Disease Detection on Chest Radiographs in Thailand
Title（参考訳）: 分類から地域化・臨床検証へ:タイの胸部X線写真における胸部疾患検出のための大規模学習システムの開発
Abstract要約: このモデルは、874,858個の胸部X線写真と、バンコクのシラジ病院からの2つの放射線学者の報告に基づいて開発された。 AUROCの平均値は0.994(平均感度92.4%、特異度98.6%)で、9つの臨床的に重要な条件で達成された。 4,549例のX線検査では, 平均病変局在率(LLF)は77.9%, 非病変局在率0.59であった。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Chest radiography (CXR) remains the most widely used thoracic imaging modality, yet expert interpretation is constrained by a severe shortage of radiologists in Thailand and across Southeast Asia. Local adaptation of deep learning models to Thai data has been shown to substantially improve accuracy on Thai populations. Here we present the development and comprehensive validation of the chest radiograph analysis model in Inspectra CXR version 5, a deep learning system that performs multi-label thoracic disease classification and weakly supervised lesion localization within a single model. The architecture couples a DenseNet-121 backbone with Attend-and-Compare Modules (ACM) and a Probabilistic Class Activation Map (PCAM) aggregation layer, producing a per-condition classification score and heatmap simultaneously. The model was developed on 874,858 frontal chest radiographs with paired radiologist reports from Siriraj Hospital, Bangkok. On a held-out, radiologist-verified in-domain test set of 19,871 cases, it achieved a mean AUROC of 0.994 (mean sensitivity 92.4%, specificity 98.6%) across nine clinically important conditions. On an independent generalization set of 5,992 cases from 13 hospitals across Thailand, the mean AUROC was 0.970, indicating robust transfer across sites. For localization, evaluated on 4,549 radiologist-annotated cases, the model attained a mean lesion-localization fraction (LLF) of 77.9% at 0.59 non-lesion localizations per image. In a usability evaluation with five thoracic radiologists, the system reached a classification concordance of 93.6%, a localization concordance of 94.7%, and a mean System Usability Scale (SUS) score of 89. These results indicate that a locally developed, localization-capable CXR system can deliver high accuracy, generalize across heterogeneous Thai hospitals, and earn the trust of practicing radiologists.
Abstract（参考訳）: 胸部X線撮影(CXR)は最も広く使われている胸部X線撮影法であるが、専門家による解釈はタイや東南アジアでの放射線技師の不足によって制限されている。タイにおける深層学習モデルのタイ語データへの局所的適応は,タイ語人口の精度を大幅に向上させることが示されている。 Inspectra CXR バージョン5において胸部X線写真解析モデルの開発と総合的検証を行った。このアーキテクチャは、DenseNet-121のバックボーンと、ACM(Attend-and-Compare Modules)とPCAM(Probabilistic Class Activation Map)アグリゲーション層を結合し、条件ごとの分類スコアとヒートマップを同時に生成する。このモデルは、874,858個の胸部X線写真と、バンコクのシラジ病院からの2つの放射線学者の報告に基づいて開発された。 19,871例の放射線技師によるドメイン内テストセットでは、9つの臨床的に重要な条件で平均0.994(平均感度92.4%、特異度98.6%)のAUROCを達成した。タイ全土の13病院から5,992件の患者を個別に一般化したところ,AUROCの平均値は0.970であった。 4,549例のX線検査では, 平均病変局在率(LLF)は77.9%, 非病変局在率0.59であった。 5名の胸部放射線技師によるユーザビリティ評価では、分類基準は93.6%、局所化基準は94.7%、システムユーザビリティ尺度(SUS)の平均スコアは89。これらの結果から,局部的に開発された局部化対応CXRシステムは,高度に精度を達成し,異種タイの病院をまたいで一般化し,放射線科医の信頼を得ることが可能であることが示唆された。

関連論文リスト

Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
論文参考訳（メタデータ） (2026-08-12T21:02:59Z)
A Vision-language Framework for Comparative Reasoning in Radiology [68.52471827773482]
我々は,放射線学的比較を実体認識のクロスイメージ推論問題として定式化する。我々は,日常的な画像とレポートのペアから得られた大規模比較画像資源を構築した。臨床類似症例の検索を制御可能なエンティティ対応ビジュアルエンコーダであるMedReCoを開発した。
論文参考訳（メタデータ） (2026-06-04T17:12:47Z)
A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文参考訳（メタデータ） (2025-12-23T13:26:13Z)
Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。 DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
論文参考訳（メタデータ） (2025-11-30T12:45:02Z)
Deep Learning-Based Breast Cancer Detection in Mammography: A Multi-Center Validation Study in Thai Population [0.0]
EfficientNetV2アーキテクチャを改良した乳房がん検出のための深層学習システムの開発モデルはタイの主要な医療センターのマンモグラムで訓練され、3つの異なるデータセットで検証された。がん検出では、それぞれのデータセットで0.89、0.96、0.94のAUROCを達成した。
論文参考訳（メタデータ） (2025-05-29T11:11:41Z)
A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers [51.45596445363302]
GlobeReadyはクリニックフレンドリーなAIプラットフォームで、再トレーニング、微調整、技術専門知識の必要性なしに、基礎疾患の診断を可能にする。光コヒーレンス・トモグラフィー(OCT)スキャンを用いて、カラー・ファンドス写真(CPF)を用いた11のファンドス病(93.9-98.5%)と15のファンドス病(87.2-92.7%)の精度を示した。トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、センターや人口間のドメインシフトを効果的に軽減する。
論文参考訳（メタデータ） (2025-04-22T14:17:22Z)
Deep Radiomics Detection of Clinically Significant Prostate Cancer on Multicenter MRI: Initial Comparison to PI-RADS Assessment [0.0]
本研究は,2010年から2020年の間に取得した4つのデータセットから615例(平均年齢63.1+/-7歳)のバイパラメトリック(T2WおよびDW)前立腺MRI配列を分析した。深部放射線学の機械学習モデルは, 病変レベルではなく, csPCa検出において, PI-RADSアセスメントに匹敵する性能を示した。
論文参考訳（メタデータ） (2024-10-21T17:41:58Z)
Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文参考訳（メタデータ） (2023-03-03T12:05:41Z)
VinDr-SpineXR: A deep learning framework for spinal lesions detection and classification from radiographs [0.812774532310979]
本研究の目的は,脊椎X線からの異常の分類と局所化を目的とした,深層学習に基づくフレームワーク VinDr-SpineXR の開発と評価である。 5000件の研究から得られた10,468個の脊椎X線画像からなる大規模なデータセットを構築した。 VinDr-SpineXRは、1000の研究から得られた2,078枚の画像で評価され、トレーニングセットとは分離されている。
論文参考訳（メタデータ） (2021-06-24T11:45:44Z)
Local Adaptation Improves Accuracy of Deep Learning Model for Automated X-Ray Thoracic Disease Detection : A Thai Study [0.0]
本研究では421,859個の局所胸部X線写真を用いて,胸部疾患自動検出のためのディープラーニングアルゴリズムの開発と試験を行った。コンボリューションニューラルネットワークは, 胸部X線上の13の異常条件を検出することで, 顕著な性能を発揮することが示唆された。本稿では,CXR異常検出のための最先端モデルを提案する。
論文参考訳（メタデータ） (2020-04-23T05:25:26Z)
A neural network model that learns differences in diagnosis strategies among radiologists has an improved area under the curve for aneurysm status classification in magnetic resonance angiography image series [0.0]
この振り返り研究には、3423の飛行時間脳磁気共鳴血管造影画像シリーズが含まれていた。画像は4人の検診医の1人によって、動脈瘤のステータスのために独立して読み上げられた。構築した神経回路は, 動脈瘤領域を0から5に分類するために訓練された。
論文参考訳（メタデータ） (2020-02-03T19:19:57Z)

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。