論文の概要: SecondOpinion: Anatomy-Aware Gated Reasoning for Efficient Medical Image Analysis
- arxiv url: http://arxiv.org/abs/2608.01808v1
- Date: Mon, 03 Aug 2026 07:16:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.37184
- Title: SecondOpinion: Anatomy-Aware Gated Reasoning for Efficient Medical Image Analysis
- Title（参考訳）: SecondOpinion:効率的な医用画像解析のための解剖学的Gated Reasoning
- Authors: Siam Tahsin Bhuiyan, Rashedur Rahman, Sefatul Wasi, Riyadul Islam, Syoji Kobashi, Ashraful Islam, Saadia Binte Alam,
- Abstract要約: 本稿では,高速な一次ストリームが全てのケースで処理するフレームワークを提案する。一方,GateKeeperが一次ストリームの予測にさらなる精査が必要であると判断した場合にのみ,解剖学的誘導ストリームが呼び出される。
骨盤骨折データセットと骨盤骨折データセットを統合した5クラス胸部X線データセットを用いてSecondOpinionの評価を行った。
- 参考スコア（独自算出の注目度）: 2.0403098113633096
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning models for medical image analysis typically apply a fixed amount of computation to every input, regardless of case difficulty. Anatomy-guided dual-stream architectures have been shown to improve diagnostic performance, but they evaluate both streams unconditionally, even on cases a single stream could already resolve confidently. We propose SecondOpinion, a framework in which a fast primary stream processes every case, while a second, anatomy-guided stream is invoked only when GateKeeper, a gating mechanism trained explicitly as a binary correctness classifier, judges that the primary stream's prediction needs additional scrutiny, much as a clinician might seek a second opinion on a difficult case. When activated, the two streams are combined through a lightweight cross-attention fusion module. We evaluate SecondOpinion on a unified five-class chest X-ray dataset and a pelvic fracture dataset, the latter including a held-out, harder subset of fractures that are invisible on X-ray but confirmed via CT. SecondOpinion matches or exceeds prior state-of-the-art performance on both tasks, while activating its anatomy-guided stream on only 9.23% of chest X-ray cases, rising to 24.12% on visible fractures and 45.71% on invisible fractures, an activation rate that tracks task difficulty directly. These results suggest that supervising a gating signal toward correctness, rather than relying on unsupervised confidence, allows a model to allocate anatomical reasoning where it is actually needed.
- Abstract（参考訳）: 医学画像解析のためのディープラーニングモデルは、通常、ケースの難易度に関わらず、全ての入力に一定の量の計算を適用する。
解剖学的誘導型デュアルストリームアーキテクチャは診断性能を向上させることが示されているが、単一ストリームが確実に解決できる場合であっても、両ストリームを無条件で評価する。
我々は,高速一次ストリームが全てのケースで処理するフレームワークであるSecondOpinionを提案する。一方,二項正当性分類器として明示的に訓練されたゲーティング機構であるGateKeeperは,臨床医が難しいケースについて第2の意見を求めるように,一次ストリームの予測にさらなる精査が必要であると判断する。
アクティベートされると、2つのストリームは軽量なクロスアテンション融合モジュールを介して結合される。
骨盤骨折データセット,骨盤骨折データセット,骨盤骨折データセットを用いたSecondOpinionの評価を行った。
SecondOpinionは両タスクの最先端のパフォーマンスと一致または上回り、胸部X線症例の9.23%で解剖学的誘導ストリームを活性化し、可視骨折では24.12%、見えない骨折では45.71%まで上昇した。
これらの結果は、教師なしの信頼に頼るのではなく、正当性に対するゲーティングシグナルを監督することで、モデルが実際に必要な場所で解剖学的推論を割り当てることができることを示唆している。
関連論文リスト
- Invisible Yet Detected: PelFANet with Attention-Guided Anatomical Fusion for Pelvic Fracture Diagnosis [2.0403098113633096]
PelFANetは骨の断片化によって骨の分類を改善するために生の骨盤X線を融合する2重ストリームアテンションネットワークである。
PelFANetはセグメンテーション誘導アプローチで2段階パイプラインでトレーニングされ、従来のメソッドよりも優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-09-17T10:06:08Z) - Weakly Supervised Intracranial Aneurysm Detection and Segmentation in MR angiography via Multi-task UNet with Vesselness Prior [2.423045468361048]
頭蓋内動脈瘤 (IAs) は脳血管の異常な拡張であり、破裂すると生命を脅かす結果をもたらす。
本稿では,脳動脈瘤の検出とセグメンテーションを共同で行うために,血管度を組み込んだ3次元マルチタスクUNetを提案する。
論文 参考訳（メタデータ） (2025-08-01T00:45:46Z) - Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。
第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。
第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
論文 参考訳（メタデータ） (2024-04-12T20:39:19Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。
提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。
実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。
提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,CheXpertデータセットを用いて実証した。
論文 参考訳（メタデータ） (2023-05-20T03:12:23Z) - An Efficient and Robust Method for Chest X-Ray Rib Suppression that
Improves Pulmonary Abnormality Diagnosis [0.49998148477760956]
胸部X線(CXR)に対する胸部骨陰影の抑制は肺疾患の診断を改善することが示唆された。
従来のアプローチは、教師なしの物理的および教師なしのディープラーニングモデルに分類される。
本研究では,(1)空間変換勾配場における物理モデルによる最小化によりGT骨影を除去した2段階のトレーニングペアの生成について,一般化可能かつ効率的なワークフローを提案する。
2) 受信したCXRの高速リブ除去のために,ステージ1データセット上でのネットワークトレーニングをフル教師する。
論文 参考訳（メタデータ） (2023-02-19T23:47:02Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - An Interpretable Approach to Automated Severity Scoring in Pelvic Trauma [3.762671763237911]
骨盤輪の破壊は鈍的外傷機構によって引き起こされ、多系統外傷患者にしばしば見られる。
全身CTによる骨盤骨折の重症度評価にはTile AO/OTA分類が多用されている。
本稿では, 骨盤外傷の自動診断支援システムについて紹介する。
論文 参考訳（メタデータ） (2021-05-21T09:52:33Z)
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。