論文の概要: OsteoCAD: A Human-in-the-Loop Cloud-Edge Framework for Bone Tumor Segmentation

• arxiv url: http://arxiv.org/abs/2607.29266v1
• Date: Fri, 31 Jul 2026 10:38:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.694523
• Title: OsteoCAD: A Human-in-the-Loop Cloud-Edge Framework for Bone Tumor Segmentation
• Title（参考訳）: osteoCAD: 骨腫瘍切除のためのクラウドエッジフレームワーク
• Abstract要約: 臨床におけるDeep Learningツールへのアクセスを民主化するモジュール型eHealthフレームワークであるOsteoCADを紹介する。 OsteCADは、データセット作成と前処理からモデルトレーニング、ユーザフレンドリなインターフェースによる推論まで、エンドツーエンドのDL機能を提供する。 メキシコにおける実際の症例研究を通して骨CADの有用性を検証し, 骨腫瘍の断片化に着目した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial Intelligence (AI) and Deep Learning (DL) have notably advanced medical image analysis, yet many health- care organizations struggle to adopt them due to limited com- putational resources and specialized expertise. To address these barriers, we introduce OsteoCAD, a modular eHealth framework that democratizes access to DL tools in clinical practice. Osteo- CAD delivers end-to-end DL capabilities-from dataset creation and preprocessing to model training and inference-through an integrated and user-friendly interface. To mitigate local hardware constraints, the framework securely connects to remote GPU infrastructures. We validate OsteoCAD's feasibility through a real-world case study in Mexico focused on large bone tumor segmentation. The results demonstrate the framework's ability to enable DL-powered eHealth solutions without demanding ad- vanced technical expertise or complex local configurations.
• Abstract（参考訳）: 人工知能 (AI) と深層学習 (DL) は、医学的な画像分析が顕著に進んでいるが、多くの医療機関は、限られた総合的なリソースと専門的な専門知識のために、それを採用するのに苦労している。 これらの障壁に対処するために,臨床実践においてDLツールへのアクセスを民主化するモジュール型eHealthフレームワークであるOsteoCADを紹介した。 osteo-CADは、データセットの作成と前処理からモデルトレーニング、ユーザフレンドリなインターフェースを通じて推論まで、エンドツーエンドのDL機能を提供する。 ローカルハードウェアの制約を軽減するため、このフレームワークはリモートGPUインフラストラクチャに安全に接続する。 メキシコでの実際の症例研究を通して骨CADの有用性を検証し,大骨腫瘍の分節に焦点を当てた。 その結果、アドバンテージな技術知識や複雑なローカル設定を必要とせず、DLベースのeHealthソリューションを有効にするフレームワークの能力を実証した。

関連論文リスト

• Vision Foundry: A System for Training Foundational Vision AI Models [0.0]
  Vision FoundryはコードフリーのHIPAA準拠のプラットフォームで、ビジョンモデルの事前トレーニング、適応、デプロイを民主化する。 高度な表現学習と実践的応用のギャップを埋めることで、Vision Foundryはドメインの専門家が最先端の臨床AIツールを開発することを可能にする。
  論文  参考訳（メタデータ） (2025-12-03T14:02:22Z)
• A Model-Driven Engineering Approach to AI-Powered Healthcare Platforms [0.03262230127283451]
  医療AIに特化したモデル駆動工学(MDE)フレームワークを導入する。 フレームワークは、フォーマルなメタモデル、ドメイン固有言語、そして、ハイレベルな仕様から実行中のソフトウェアに移行するための自動変換に依存しています。 マルチセンター癌免疫療法研究において,本手法について検討した。
  論文  参考訳（メタデータ） (2025-10-10T12:00:12Z)
• From Explainability to Action: A Generative Operational Framework for Integrating XAI in Clinical Mental Health Screening [0.3181700357675698]
  本稿では,このギャップは翻訳問題であり,生成操作フレームワークを提案する。 このフレームワークは、様々なXAIツールから得られた生の技術的出力を取り込み、臨床ガイドラインでそれらを合成するように設計されている。
  論文  参考訳（メタデータ） (2025-10-10T05:46:39Z)
• NEARL-CLIP: Interacted Query Adaptation with Orthogonal Regularization for Medical Vision-Language Understanding [51.63264715941068]
  textbfNEARL-CLIP (iunderlineNteracted quunderlineEry underlineAdaptation with ounderlineRthogonaunderlineL regularization)は、VLMベースの新しい相互モダリティ相互作用フレームワークである。
  論文  参考訳（メタデータ） (2025-08-06T05:44:01Z)
• UniCAD: Efficient and Extendable Architecture for Multi-Task Computer-Aided Diagnosis System [48.83716673786449]
  2次元画像と3次元画像の両方をシームレスに扱う統一アーキテクチャUniCADを提案する。 低ランク適応戦略を用いて、トレーニング済みの視覚モデルを医用画像領域に適応させ、完全に調整された視覚モデルと同等の性能を達成する。 この統合CADアーキテクチャに基づいて、研究者が軽量CAD専門家を共有・アクセスできるオープンソースのプラットフォームを構築します。
  論文  参考訳（メタデータ） (2025-05-14T06:21:27Z)
• IODeep: an IOD for the introduction of deep learning in the DICOM standard [0.0]
  本稿では、ディープニューラルネットワーク(DNN)の重みとアーキテクチャの両方を記憶するための新しいDICOM情報オブジェクト定義(IOD)を提案する。 IODeepは、トレーニングされたAIモデルをDICOMインフラストラクチャに完全に統合することを保証する。 これにより、AIモデルは、Radiology病棟が生成する実際のデータに合わせて調整され、医師の意思決定プロセスが改善される。
  論文  参考訳（メタデータ） (2023-11-10T09:30:06Z)
• Redefining Digital Health Interfaces with Large Language Models [69.02059202720073]
  大規模言語モデル(LLM)は、複雑な情報を処理できる汎用モデルとして登場した。 LLMが臨床医とデジタル技術との新たなインターフェースを提供する方法を示す。 自動機械学習を用いた新しい予後ツールを開発した。
  論文  参考訳（メタデータ） (2023-10-05T14:18:40Z)
• ChatCAD+: Towards a Universal and Reliable Interactive CAD using LLMs [48.11532667875847]
  ChatCAD+は高品質な医療レポートを生成し、信頼できる医療アドバイスを提供するツールである。 信頼性レポート生成モジュールは、医療画像を解釈し、高品質な医療レポートを生成することができる。 Reliable Interactionモジュールは、信頼できる医療アドバイスを提供するために、信頼できる医療ウェブサイトからの最新の情報を活用する。
  論文  参考訳（メタデータ） (2023-05-25T12:03:31Z)
• ChatCAD: Interactive Computer-Aided Diagnosis on Medical Image using Large Language Models [53.73049253535025]
  大規模言語モデル(LLM)は、最近臨床応用においてその可能性を実証している。 本稿では,LLMを医療画像CADネットワークに統合する手法を提案する。 LLMの医用領域知識と論理的推論の強みを、既存の医用画像CADモデルの視覚理解能力と融合させることが目的である。
  論文  参考訳（メタデータ） (2023-02-14T18:54:06Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)
• GaNDLF: A Generally Nuanced Deep Learning Framework for Scalable End-to-End Clinical Workflows in Medical Imaging [76.38169390121057]
  コミュニティ主導型汎用ディープラーニングフレームワークGaNDLF(Generally Nuanced Deep Learning Framework)について紹介する。 GaNDLFは、DL開発、トレーニング、推論のメカニズムをより安定させ、再現可能で、解釈可能で、スケーラブルにする。 放射線画像と病理画像の両方をGaNDLFで解析し,k-foldクロスバリデーションをサポートした。
  論文  参考訳（メタデータ） (2021-02-26T02:24:52Z)

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。