論文の概要: AMPLIFAI: A Multiphase CT Dataset for Benchmarking Clinical Reasoning in LI-RADS Assessment of Liver Lesions
- arxiv url: http://arxiv.org/abs/2608.14778v2
- Date: Wed, 19 Aug 2026 17:53:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 13:35:39.11087
- Title: AMPLIFAI: A Multiphase CT Dataset for Benchmarking Clinical Reasoning in LI-RADS Assessment of Liver Lesions
- Title（参考訳）: LI-RADSによる肝病変評価のための多相CTデータセットAMPLIFAI
- Authors: Pranav Kulkarni, Nikhil Shah, Amritansh Suryavanshi, Jana G. Delfino, James Tonascia, Jade Wong-You-Cheong, Barton Lane, Joseph Chirico, Jeffrey D. Hirsch, Ang Li, Heng Huang, Florence X. Doo,
- Abstract要約: 肝細胞癌 (HCC) は, 早期発見により生存率20%から70%に改善した。
標準肝イメージング報告・データシステム(LI-RADS)基準は、肝病変を評価するための画像ベースの診断フレームワークを提供する。
AMPLIFAIデータセットは、LI-RADSカテゴリ、病変サイズ、主要な3つのLI-RADS機能のためのボクセルレベルのセグメンテーションで注釈付けされた最初のパブリックデータセットである。
- 参考スコア（独自算出の注目度）: 40.31338642013501
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hepatocellular carcinoma (HCC) is the third leading cause of cancer-related mortality worldwide, with early detection improving survival from <20% to >70%. The standardized Liver Imaging Reporting and Data System (LI-RADS) criteria provide an imaging-based diagnostic framework to evaluate liver lesions for HCC, serving as a foundation for automating HCC detection with artificial intelligence (AI). However, the lack of large, publicly available datasets with high-quality annotations has limited the development and evaluation of AI models for automated LI-RADS assessment. We introduce AMPLIFAI dataset, the first public dataset of 590 multiphase abdominal CT studies annotated with LI-RADS categories, lesion size, and voxel-level segmentations for three major LI-RADS features: arterial phase hyperenhancement, washout, and enhancing capsule. The dataset was curated and harmonized from four public datasets and augmented with expert annotations from five board-certified radiologists and one resident. Following the Datasheets for Datasets format, this paper details the dataset's composition, curation and harmonization process, and annotation workflow to support transparent, reproducible research in medical imaging AI.
- Abstract（参考訳）: 肝細胞癌 (HCC) は, 早期発見により生存率20%から70%に改善した。
LI-RADS(Liver Imaging Reporting and Data System)基準は、HCCの肝病変を評価するための画像ベースの診断フレームワークを提供する。
しかし、高品質なアノテーションを備えた大規模な公開データセットの欠如は、自動LI-RADS評価のためのAIモデルの開発と評価を制限している。
LI-RADS分類,病変サイズ,ボキセルレベルセグメンテーションを付加した590多相腹部CT第1パブリックデータセットであるAMPLIFAIデータセットを,動脈相過拡張,洗浄,カプセルの増強の3つの主要なLI-RADS特徴に対して導入した。
データセットは4つの公開データセットからキュレーションされ、ボード認証された5人の放射線学者と1人の居住者から専門家のアノテーションで強化された。
Datasheets for Datasetsフォーマットに従って、この論文では、データセットの構成、キュレーションと調和プロセス、およびアノテーションワークフローについて詳述し、医療画像AIにおける透過的で再現可能な研究をサポートする。
関連論文リスト
- CIGTSurv: Clinical Information Guided Tri-modal Survival Prediction with Local Prototype Association and Global Feature Alignment [5.516840442957239]
マルチモーダル学習は、病理画像とゲノムデータを統合することにより、生存予測を著しく進歩させた。
臨床情報は、その離散的、疎外、低次元の性質のために未利用のままである。
生存予測のためのCIGTSurvを提案する。
論文 参考訳（メタデータ） (2026-08-04T07:19:53Z) - CXR-LT 2024: A MICCAI challenge on long-tailed, multi-label, and zero-shot disease classification from chest X-ray [64.2434525370243]
CXR-LTシリーズは、胸部X線を用いた肺疾患の分類を強化するために設計されたコミュニティ主導のイニシアチブである。
CXR-LT 2024はデータセットを377,110の胸部X線(CXR)と45の疾患ラベルに拡張し、19の新しい稀な疾患の発見を含んでいる。
本稿では、CXR-LT 2024の概要を述べるとともに、データキュレーションプロセスの詳細と最先端ソリューションの統合について述べる。
論文 参考訳（メタデータ） (2025-06-09T17:53:31Z) - Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。
包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
論文 参考訳（メタデータ） (2025-05-30T14:42:02Z) - Vision Transformers with Autoencoders and Explainable AI for Cancer Patient Risk Stratification Using Whole Slide Imaging [3.6940298700319065]
PATH-Xは、視覚変換器(ViT)と自動エンコーダをSHAP(Shapley Additive Explanations)と統合し、患者の成層化とリスク予測のモデル化性を高めるフレームワークである。
代表画像スライスを各WSIから選択し、Googleの事前訓練されたViTを用いて数値的特徴埋め込みを抽出する。
カプラン・マイアー生存分析を用いて,2つのリスク群と3つのリスク群に層状化を評価する。
論文 参考訳（メタデータ） (2025-04-07T05:48:42Z) - A Retrospective Systematic Study on Hierarchical Sparse Query Transformer-assisted Ultrasound Screening for Early Hepatocellular Carcinoma [10.226976909997711]
HCCは世界で3番目に多いがん関連死亡原因である。
AI技術の最近の進歩は、このギャップを埋めるための有望なソリューションを提供する。
HSQformerは、CNNのローカル特徴抽出とVision Transformerのグローバルコンテキスト認識を相乗化する、新しいハイブリッドアーキテクチャである。
論文 参考訳（メタデータ） (2025-02-06T04:17:02Z) - Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - TRIALSCOPE: A Unifying Causal Framework for Scaling Real-World Evidence Generation with Biomedical Language Models [21.437563965711004]
本稿では,大規模観測データから堅牢な実世界の証拠を生成するためのフレームワークであるTRIALSCOPEを提案する。
このフレームワークは、高品質な構造化された患者データを自動的にキュレートし、データセットを拡張し、非構造化形式でのみ利用可能な主要な患者属性を組み込む。
また,TriALSCOPEは,抽出した実世界のデータから,肺癌および膵癌の臨床試験の結果を再現できることを示した。
論文 参考訳（メタデータ） (2023-11-02T15:15:47Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z)
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。