論文の概要: CT-PrepAgent: Bounded Policy and Controlled Execution for Adaptive CT Data Preparation
- arxiv url: http://arxiv.org/abs/2608.01233v1
- Date: Sun, 02 Aug 2026 13:38:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.128426
- Title: CT-PrepAgent: Bounded Policy and Controlled Execution for Adaptive CT Data Preparation
- Title（参考訳）: CT-PrepAgent: 適応的CTデータ作成のための境界ポリシと制御された実行
- Abstract要約: 既存のアプローチは、手動設計またはデータセット固有のルールに依存している。
本稿では,境界ポリシと制御決定性実行による適応的CTデータ作成を可能にするCT-PrepAgentを提案する。
- 参考スコア（独自算出の注目度）: 15.488901839472902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Heterogeneous computed tomography (CT) acquisitions and diverse downstream task requirements limit the transferability of fixed data preparation workflows across data sources and tasks. Existing approaches typically rely on manually designed or dataset-specific rules, making it difficult to accommodate changes in acquisition conditions and analytical objectives without manual intervention. Large language model (LLM)-based agents have shown promise for automating medical workflows, yet their potential for adaptive CT data preparation remains largely unexplored. To bridge this gap, we propose CT-PrepAgent, which enables adaptive CT data preparation through a bounded policy and controlled deterministic execution. Deterministic inspection constructs structured data--task profiles, from which a policy decides an eligible DICOM series or predefined preprocessing profile, while the controlled execution flow guards, resolves, executes, and verifies the decision with bounded recovery when enabled and safe quarantine otherwise. Across three public CT segmentation tasks, CT-PrepAgent derived data-task adaptive preprocessing decisions and achieved the highest macro-average Dice. On two private raw-DICOM cohorts, CT-PrepAgent increased verified output yield from 61.7\% to 70.0\% and yielded similar registration metrics on common verified outputs. Controlled fault and replay tests validate bounded recovery, safe quarantine, and policy-free replay under tested fault and drift settings.
- Abstract（参考訳）: 不均一なCT(Computerd Tomography)取得と多様なダウンストリームタスク要求は、データソースとタスク間の固定データ準備ワークフローの転送可能性を制限する。
既存のアプローチは通常、手動設計またはデータセット固有のルールに依存しており、手動で介入することなく、取得条件や分析対象の変更に適応することが困難である。
LLM(Large Language Model)ベースのエージェントは、医療ワークフローの自動化を約束しているが、適応的なCTデータ作成の可能性はほとんど解明されていない。
このギャップを埋めるために,境界ポリシによる適応的CTデータ作成と決定論的実行の制御が可能なCT-PrepAgentを提案する。
決定論的検査は、対象とするDICOMシリーズまたは事前定義された前処理プロファイルをポリシーが決定する構造化データ-タスクプロファイルを構築し、制御された実行フローガードは、有効で安全な隔離がなければ、境界回復による決定を検証し、実行し、実行する。
3つの公的なCTセグメンテーションタスクの中で、CT-PrepAgentはデータタスク適応前処理の決定を導き、マクロ平均Diceを達成した。
2つのプライベートな生DICOMコホートでは、CT-PrepAgentは61.7\%から70.0\%まで検証された出力を増加させ、共通の評価された出力に対して同様の登録値を得た。
制御されたフォールトとリプレイテストは、テストされたフォールトとドリフト設定下でのバウンドリカバリ、安全な隔離、ポリシーなしリプレイを検証する。
関連論文リスト
- Conformal Risk Minimization for Semi-Supervised Domain Adaptation via Optimal Transport [6.158481570780277]
高度な医療アプリケーションでは、機械学習モデルは、ある患者の集団のデータに基づいて頻繁に訓練され、別の患者にデプロイされる。
本稿では,コンフォーマルリスク最小化を半監督ドメイン適応トレーニング目標に統合するエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-24T11:58:19Z) - From Detection to Action: Using LLM Agents for Fault-Tolerant Control [0.21313236831585222]
我々は,耐故障性制御のためのエージェント型大規模言語モデル(LLM)フレームワークを提案する。
故障検出出力を、植物固有の知識に基づく制約対応回復行動に変換する。
我々は,各プロセスのダイナミックスと互換性のある遅延予算内で,意味的基盤を持つエージェントが有効なリカバリ決定を導出できることを示す。
論文 参考訳（メタデータ） (2026-06-26T12:13:58Z) - Distill Once, Adapt Life-Long: Exploring Dataset Distillation for Continual Test-Time Adaptation [58.69982623883049]
連続テスト時間適応(CTTA)は、ラベル付きデータなしでオンラインに適応することで、進化するターゲットドメインの下でモデルパフォーマンスを維持することを目的としている。
DO-ALL(Distill Once, Adapt Life-Long)は、ソース情報をコンパクトでプライバシに意識した形で再考するプラグイン・アンド・プレイのフレームワークである。
論文 参考訳（メタデータ） (2026-06-18T13:11:13Z) - Conformal Object Detection by Sequential Risk Control [3.3274747298291216]
我々は,任意のデータセットサイズに有効な統計的保証を備えた,ポストホックな予測不確実性定量化手法を開発した。
まず、コンフォーマルオブジェクト検出(COD)の問題を正式に定義する。
コンフォーマルリスク制御の統計的保証を2つのシーケンシャルタスクに拡張する,シークエンシャルコンフォーマルリスク制御(SeqCRC)を提案する。
本稿では,SeqCRCを異なるケースや認定要件に適用するのに適した,古い,新しい損失関数と予測セットを提案する。
論文 参考訳（メタデータ） (2025-05-29T22:19:01Z) - Deep evolving semi-supervised anomaly detection [14.027613461156864]
本研究の目的は,連続的半教師付き異常検出(CSAD)のタスクを形式化することである。
本稿では,半教師付きデータを扱うための変分オートエンコーダ(VAE)のベースラインモデルを提案する。
論文 参考訳（メタデータ） (2024-12-01T15:48:37Z) - Reshaping the Online Data Buffering and Organizing Mechanism for Continual Test-Time Adaptation [49.53202761595912]
継続的なテスト時間適応は、訓練済みのソースモデルを適用して、教師なしのターゲットドメインを継続的に変更する。
我々は、オンライン環境、教師なしの自然、エラー蓄積や破滅的な忘れのリスクなど、このタスクの課題を分析する。
教師なしシングルパスデータストリームから重要サンプルを高い確実性で識別・集約する不確実性を考慮したバッファリング手法を提案する。
論文 参考訳（メタデータ） (2024-07-12T15:48:40Z) - METRIK: Measurement-Efficient Randomized Controlled Trials using Transformers with Input Masking [3.088223994180069]
計画的欠落設計(PMD)は、メトリクスを取り除くことなく収集されるデータ量を削減できる。
METRIKは、試験設計者の目的を満たすPMDを生成するために、新しいサンプリングと選択アルゴリズムを実装している。
MeTRIKは、時間とメトリクス間の相関を利用して、生成されたPMDの下でのサンプリング効率と計算性能を向上する。
論文 参考訳（メタデータ） (2024-06-24T06:47:47Z) - Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。
提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
論文 参考訳（メタデータ） (2023-12-19T15:34:52Z) - Bayesian Prognostic Covariate Adjustment With Additive Mixture Priors [0.3749861135832073]
本稿では,ベイジアン・プロコバと呼ばれる新しいベイジアン確率的共変量補正手法を提案する。
RCT参加者のためのデジタルツインジェネレータ(DTG)を構成する生成人工知能(AI)アルゴリズムに基づいている。
DTGは、履歴制御データに基づいてトレーニングされ、制御処理により各RTT参加者の結果に対してデジタルツイン(DT)確率分布を生成する。
後部分布から抽出する効率的なギブスアルゴリズムを確立し, 後部平均に対するクローズドフォーム表現と, 処理効果パラメータの重みに対する分散を導出する。
論文 参考訳（メタデータ） (2023-10-27T10:05:06Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳（メタデータ） (2023-09-03T07:55:46Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳（メタデータ） (2020-10-30T00:47:01Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z)
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。