論文の概要: Policy-Driven CT-Agent: Modeling Phase-Aware Diagnostic Control for Clinically Consistent CT Reasoning

• arxiv url: http://arxiv.org/abs/2607.10748v1
• Date: Sun, 12 Jul 2026 13:00:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.522524
• Title: Policy-Driven CT-Agent: Modeling Phase-Aware Diagnostic Control for Clinically Consistent CT Reasoning
• Title（参考訳）: 政策駆動型CT-Agent:臨床一貫性CT推論のための位相認識診断制御のモデル化
• Abstract要約: 既存のCTベースのAI手法の多くは、すべてのフェーズが利用可能であり、固定されたイメージングフェーズの下で静的タスクに集中していると仮定している。 この制限は、異種多相表現、視覚的手がかりを超えた知識誘導型位相制御の必要性、位相満足度決定の監督の欠如に起因している。 臨床的に一貫したCT位相選択と診断のためのポリシ駆動型CT-Agent(PD-CTAgent)を提案する。
• 参考スコア（独自算出の注目度）: 36.0714871716924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computed Tomography (CT) diagnosis often relies on dynamic selection of imaging phases, such as non-contrast, arterial, or venous phases, based on preliminary findings, clinical suspicion, and diagnostic guidelines. This phase-wise decision process is critical for reducing unnecessary radiation exposure while supporting timely staging and treatment planning. However, phase-selection protocols can vary across hospitals, regions, and guidelines, while most existing CT-based AI methods assume that all phases are available and focus on static tasks under a fixed imaging phase, failing to model whether additional phases are required. This limitation stems from heterogeneous multi-phase representations, the need for knowledge-guided phase control beyond visual cues, and the lack of supervision for phase-sufficiency decisions in existing datasets. To address these challenges, we propose Policy-Driven CT-Agent (PD-CTAgent) for clinically consistent CT phase selection and diagnostic reasoning. PD-CTAgent introduces a Clinical Structure Abstraction Module (CSAM) to harmonize heterogeneous CT phases into a unified, phase-aware evidence representation. Based on this representation, a Knowledge-Guided Diagnostic Control Model (KDCM) evaluates phase sufficiency and iteratively requests additional phases when necessary. The policy-driven agent design further allows PD-CTAgent to flexibly follow different institutional, regional, or guideline-specific diagnostic protocols. Together, PD-CTAgent bridges static CT analysis and real-world clinical workflows. Experiments on two public datasets, LIDC and MCT-LTDiag, and one private dataset demonstrate its effectiveness and clinical consistency. Code will be made public upon acceptance.
• Abstract（参考訳）: Computed Tomography (CT) の診断は、予備所見、臨床的疑念、診断ガイドラインに基づいて、非コントラスト、動脈、静脈相などの画像位相の動的選択に依存することが多い。 この段階的決定プロセスは、タイムリーなステージングと治療計画をサポートしながら、不要な放射線被曝を低減するために重要である。 しかしながら、フェーズ選択プロトコルは病院、地域、ガイドラインによって異なる場合があるが、既存のCTベースのAI手法では、すべてのフェーズが利用可能であり、固定されたイメージングフェーズ下での静的タスクに集中しており、追加フェーズが必要かどうかをモデル化できないと仮定している。 この制限は、異種多相表現、視覚的手がかりを超えた知識誘導型位相制御の必要性、および既存のデータセットにおける位相十分決定の監督の欠如に起因している。 これらの課題に対処するため,臨床的に一貫したCT位相選択と診断のためのポリシ駆動型CT-Agent(PD-CTAgent)を提案する。 PD-CTAgentは、異種CT位相を統一された位相認識エビデンス表現に調和させる臨床構造抽象化モジュール(CSAM)を導入した。 この表現に基づいて、知識誘導診断制御モデル (KDCM) は位相飽和度を評価し、必要に応じて追加位相を反復的に要求する。 政策駆動型エージェント設計により、PD-CTAgentは、異なる制度、地域、またはガイドライン固有の診断プロトコルを柔軟に追従することができる。 PD-CTAgentは静的CT解析と実際の臨床ワークフローをブリッジする。 LIDCとCT-LTDiagの2つの公開データセットと、その有効性と臨床整合性を示す1つのプライベートデータセットの実験を行った。 コードは受理時に公表される。

関連論文リスト

• DynoDINO: Harnessing Dynamic Latent Information from DINO Features for Multi-Phase Medical Image Segmentation [9.168167275293227]
  多相医用画像セグメンテーションの課題に対処するための統合フレームワークであるDynoDinoを提案する。 融合モデルでは,多相特徴キャリブレーションを効率的に行うMix-attention機構と,差分に基づく残差学習を伴う適応ゲーティング機構を取り入れた。 LiTS、PLC-CECT、WAW-TACEを含む3つの大規模データセットの実験は、DynoDINOが境界線と構造フィデリティを一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-07-31T15:55:54Z)
• A Multimodal Clinically Informed Coarse-to-Fine Framework for Longitudinal CT Registration in Proton Therapy [27.805885604088463]
  本稿では,プロトン放射線治療ワークフローからのマルチモーダル情報を統合する,臨床的にスケーラブルな粗大な変形可能な登録フレームワークを提案する。 1,222のペアプランニングと反復CTスキャンを組み合わせた大規模プロトン治療DIRデータセットについて,提案手法の評価を行った。
  論文  参考訳（メタデータ） (2026-04-15T01:54:14Z)
• Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
  MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。 消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。 本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T07:47:37Z)
• Toward Content-based Indexing and Retrieval of Head and Neck CT with Abscess Segmentation [14.966261216613757]
  頭部と頸部の膿瘍は急性の感染症のプロセスであり、診断され、迅速に管理されていない場合、敗血症や死亡につながる可能性がある。 AbscessHeNeは,4,926個の造影CTスライスと臨床的に確認された頭頸部膿瘍からなる,治療的,包括的注釈付きデータセットである。
  論文  参考訳（メタデータ） (2025-12-01T12:04:24Z)
• Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
  本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。 我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-10-21T18:10:45Z)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• Multiscale Latent Diffusion Model for Enhanced Feature Extraction from Medical Images [5.395912799904941]
  CTスキャナーモデルと取得プロトコルのバリエーションは、抽出した放射能特性に有意な変動をもたらす。 LTDiff++は医療画像の特徴抽出を強化するために設計されたマルチスケール潜在拡散モデルである。
  論文  参考訳（メタデータ） (2024-10-05T02:13:57Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。