論文の概要: OvAi Focus: AI-based Multi-class Segmentation of Functional Ovaries and Adnexal Masses in Gynecological Ultrasound
- arxiv url: http://arxiv.org/abs/2607.14179v1
- Date: Wed, 15 Jul 2026 13:58:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.854476
- Title: OvAi Focus: AI-based Multi-class Segmentation of Functional Ovaries and Adnexal Masses in Gynecological Ultrasound
- Title（参考訳）: OvAi Focus: 婦人超音波における機能的卵巣と副腎腫瘤のAIによる多段階分離
- Abstract要約: OvAi Focus(オヴアイ・フォーカス、イタリア語: SynDiag s.r.l.、英語: OvAi Focus)は、超音波における機能卵巣と副腎のセグメンテーションを行うスタンドアロンのAIソフトウェア医療機器である。
システムは、イタリアとイスラエルの6つのセンターから1081人の成人女性のマルチセンターデータセットに基づいて、訓練され、独立して検証された。
- 参考スコア（独自算出の注目度）: 27.559511336197232
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ovarian cancer is the deadliest gynecological malignancy; accurate and objective segmentation of adnexal masses and functional ovaries in ultrasound (US) remains challenging due to operator variability and morphological complexity. We present OvAi Focus (SynDiag s.r.l., Italy), a stand-alone AI software medical device that performs multi-class semantic segmentation of functional ovaries and adnexal masses, distinguishing cystic from solid components. The system was trained and independently validated on a multicenter dataset of 1,081 adult women from 6 centers across Italy and Israel. Segmentation achieved DICE scores of 0.87 (complete lesion), 0.85 (cystic), 0.68 (solid), and 0.62 (functional ovary), in line with or superior to state-of-the-art approaches across heterogeneous acquisition settings.
- Abstract（参考訳）: 卵巣癌は婦人科の悪性度が最も高く,超音波(US)における副腎皮質と卵巣の機能的分節の正確かつ客観的な分節化は,術者の変動性や形態学的複雑さにより依然として困難である。
OvAi Focus(SynDiag s.r.l., イタリア)は, 機能的卵巣と副腎塊の多クラスセマンティックセマンティックセマンティックセグメンテーションを行い, 嚢胞と固体成分を区別するスタンドアロンのAIソフトウェア医療機器である。
このシステムは、イタリアとイスラエルの6つのセンターから1081人の成人女性のマルチセンターで訓練され、独立して検証された。
セグメンテーションはDICEスコアが0.87(完全病変)、0.85(嚢胞)、0.68(固形)、0.62(機能卵巣)を達成した。
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) - Towards Global AI-Driven Cervical Cancer Screening [1.0575237712217556]
子宮頸癌は世界保健機関(WHO)が定めた主要な公衆衛生上の目標である
低所得国(LMICs)では、専門家や生検サービスへのアクセスが制限されている
ディープラーニング(DL)ベースのアルゴリズムは、スクリーニングの有望なサポートを提供するが、既存のアプローチのほとんどは、単一国のプライベートデータセット上で開発され、検証されている。
複数の国のデータで検証された子宮頸癌検診へのDL-based approachを初めて提示した。
論文 参考訳（メタデータ） (2026-06-12T23:30:52Z) - How Far Has AI Come in Liver Fibrosis Staging? A Large-Scale Real-World Dataset and Benchmark [44.60966248233107]
我々はMICCAI 2025 CARE-Liverチャレンジから派生した大規模データセットとベンチマークであるLiFSを紹介する。
LiFSは、様々な現実世界のスキャナーから、組織学的に確認されたアノテーションで完全なガドキシー酸の配列を提供する最初のベンチマークである。
論文 参考訳（メタデータ） (2026-05-25T08:47:16Z) - Echo-α: Large Agentic Multimodal Reasoning Model for Ultrasound Interpretation [76.6507710204181]
超音波解釈のためのエージェント型マルチモーダル推論モデルであるEcho-を提案する。
Echo-は臓器固有の検出出力を調整し、それらをグローバルな視覚的コンテキストに統合し、その結果の証拠を根拠となる診断決定に変換するように訓練されている。
以上の結果から, エージェントによるマルチモーダル推論は, 特定検出器を検証可能な臨床証拠にすることができることが示唆された。
論文 参考訳（メタデータ） (2026-04-30T15:31:00Z) - Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。
構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。
Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
論文 参考訳（メタデータ） (2026-03-23T05:46:45Z) - Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
医療用AIシステムFetalMindについて報告する。
本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。
FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
論文 参考訳（メタデータ） (2025-10-14T19:57:03Z) - Multimodal Deep Learning for Phyllodes Tumor Classification from Ultrasound and Clinical Data [0.29981448312652675]
Phyllodes tumors (PTs) は良性線維腺腫との放射線学的類似性から術前の分類が困難である。
乳房超音波(BUS)画像を構造化された臨床データと統合して診断精度を向上させるマルチモーダルディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-29T19:54:11Z) - ViTaL: A Multimodality Dataset and Benchmark for Multi-pathological Ovarian Tumor Recognition [20.71378825645255]
卵巣腫瘍は、一般的な婦人科疾患として、早期発見時に急速に悪化し、深刻な健康危機に陥ることがある。
ディープニューラルネットワークは卵巣腫瘍を同定し、死亡率を低下させる可能性があるが、公開データセットが限られているため、その進行を妨げている。
496例のtextbfVisual, textbfTabular, textbfLinguistic modality data を含む, textbfViTaL という重要な卵巣腫瘍診断データセットを導入する。
論文 参考訳（メタデータ） (2025-07-06T13:11:46Z) - Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。
UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。
疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
論文 参考訳（メタデータ） (2024-11-25T13:40:11Z) - BioFusionNet: Deep Learning-Based Survival Risk Stratification in ER+ Breast Cancer Through Multifeature and Multimodal Data Fusion [16.83901927767791]
画像から得られる特徴を遺伝的・臨床的データと融合して全体像を得る深層学習フレームワークであるBioFusionNetを提案する。
本モデルでは, 平均一致率0.77, 曲線0.84の時間依存領域を達成し, 最先端の手法より優れていた。
論文 参考訳（メタデータ） (2024-02-16T14:19:33Z)
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。