論文の概要: CoM$^3$eT: A foundation model for medical image analysis through federated, multidimensional context integration

• arxiv url: http://arxiv.org/abs/2608.16268v1
• Date: Mon, 17 Aug 2026 08:42:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.594362
• Title: CoM$^3$eT: A foundation model for medical image analysis through federated, multidimensional context integration
• Title（参考訳）: CoM$3$eT:Federated, Multidimensional context Integrationによる医用画像解析の基礎モデル
• Abstract要約: CoM$3$eTは、病理学と放射線学、スパースと密度の予測、および注意を伴う多次元コンテキストをモデル化して2次元および高次元の入力を統一する医療ビジョン基盤モデルである。 様々な臨床応用に適用された場合、2.5%未満のパラメータのトレーニングは完全な微調整に匹敵する性能を達成した。
• 参考スコア（独自算出の注目度）: 0.9329311823040861
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Medical foundation models improve generalization when training AI models with limited labeled data, but remain confined to a single specialty, such as pathology or radiology, and to either sparse or dense outputs, such as classification or segmentation. Here, we present CoM$^3$eT (Co-representation Multidimensional Multitask Medical Transformer), a medical vision foundation model that unifies pathology and radiology, sparse and dense predictions, and two- and higher-dimensional inputs by modeling multidimensional context with attention. CoM$^3$eT outperformed other medical foundation models in an open competition spanning five tomographic, four whole-specimen, and three two-dimensional datasets, covering sparse and dense prediction tasks as well as report generation. When adapted across diverse clinical applications, training fewer than 2.5% of parameters achieved performance comparable to full fine-tuning, enabling research without access to high-performance GPU clusters. Applied to federated learning across hospitals, this approach achieved performance comparable to pooled-data training over internet connections and with consumer-grade hardware.
• Abstract（参考訳）: 医療基礎モデルは、ラベル付きデータに制限されたAIモデルをトレーニングする際の一般化を改善するが、病理学や放射線学のような単一の専門分野に留まり、分類やセグメンテーションなどの疎密な出力に限られる。 本稿では,病理・放射線学・スパース・密度予測を統一する医療ビジョン基盤モデルであるCoM$^3$eT(Co-representation Multidimensional Multitask Medical Transformer)について述べる。 CoM$^3$eTは5つのトモグラフィー、4つの専門家、および3つの2次元データセットからなるオープンコンペティションにおいて、疎密で密度の高い予測タスクとレポート生成を含む他の医療基盤モデルよりも優れていた。 様々な臨床応用に適応すると、パラメータの2.5%未満のトレーニングは完全な微調整に匹敵するパフォーマンスを達成し、高性能GPUクラスタにアクセスできない研究を可能にした。 病院全体のフェデレーション学習に適用されたこのアプローチは、インターネット接続上のプールデータトレーニングや、コンシューマグレードのハードウェアに匹敵するパフォーマンスを達成した。

関連論文リスト

• The CRITICAL Records Integrated Standardization Pipeline (CRISP): End-to-End Processing of Large-scale Multi-institutional OMOP CDM Data [1.3724581418672368]
  このデータセットは、地理的に多様な4つのCTSA機関にわたる371,365人の患者の95億件の記録を含んでいる。 CRITICALのユニークな強みは、ICU前、ICU前、ICU後など、フルスペクトルの患者旅行を捉えることである。 この貴重なリソースの可能性を最大限に活用するためにCRISPを提示する。
  論文  参考訳（メタデータ） (2025-09-10T03:06:24Z)
• MedGemma Technical Report [75.88152277443179]
  MedGemmaは、Gemma 3 4Bと27Bをベースとした医療ビジョン言語基盤モデルの集合体である。 MedGemmaは、画像とテキストの高度な医学的理解と推論を実証する。 また、SigLIPから派生した医用目視エンコーダであるMedSigLIPを紹介する。
  論文  参考訳（メタデータ） (2025-07-07T17:01:44Z)
• QoQ-Med: Building Multimodal Clinical Foundation Models with Domain-Aware GRPO Training [29.553607098450698]
  QoQ-Medは、医療画像、時系列信号、およびテキストレポートを共同で原因付ける、最初のオープン・ジェネラリスト臨床基礎モデルである。 DRPOトレーニングは,すべての視覚領域において,マクロF1の診断性能を平均43%向上させることを示した。 QoQ-Medは集中的なセグメンテーションデータに基づいてトレーニングされており、オープンモデルよりもIoU 10倍高い、診断に関連する健全な領域をハイライトすることができる。
  論文  参考訳（メタデータ） (2025-05-31T21:02:52Z)
• Abnormality-Driven Representation Learning for Radiology Imaging [0.8321462983924758]
  病変強調型コントラスト学習(LeCL)は,CTスキャンの異なる部位にわたる2次元軸方向スライスにおける異常により引き起こされる視覚的表現を得るための新しい手法である。 本研究は, 腫瘍病変位置, 肺疾患検出, 患者ステージングの3つの臨床的課題に対するアプローチを, 最先端の4つの基礎モデルと比較した。
  論文  参考訳（メタデータ） (2024-11-25T13:53:26Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Learnable Weight Initialization for Volumetric Medical Image Segmentation [66.3030435676252]
  本稿では,学習可能な重みに基づくハイブリッド医療画像セグメンテーション手法を提案する。 我々のアプローチはどんなハイブリッドモデルにも簡単に統合でき、外部のトレーニングデータを必要としない。 多臓器・肺がんセグメンテーションタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-06-15T17:55:05Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)
• Uncertainty-aware multi-view co-training for semi-supervised medical image segmentation and domain adaptation [35.33425093398756]
  ラベルのないデータは、注釈付きデータよりもはるかに簡単に取得できる。 医用画像セグメンテーションのための不確実性を考慮したマルチビュー協調トレーニングを提案する。 我々のフレームワークは、ラベルのないデータを効率的に活用してパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2020-06-28T22:04:54Z)

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。