論文の概要: An integrated diffusion-weighted imaging processing and interpretation platform for MR-guided radiotherapy
- arxiv url: http://arxiv.org/abs/2608.20519v1
- Date: Thu, 20 Aug 2026 19:33:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.166342
- Title: An integrated diffusion-weighted imaging processing and interpretation platform for MR-guided radiotherapy
- Title（参考訳）: MR誘導放射線治療のための統合拡散強調画像処理と解釈プラットフォーム
- Abstract要約: 生MR-Linac DWIを構造化した文献的臨床解釈に応用したWebベースのプラットフォームについて述べる。
我々は、その検索強化世代(RAG)解釈モジュールを、独立した専門家評価によって評価する。
- 参考スコア（独自算出の注目度）: 9.982705541579456
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Magnetic resonance imaging-guided linear accelerators (MR-Linacs) allow diffusion-weighted imaging (DWI) to be acquired at every treatment fraction, but converting these low-signal-to-noise-ratio acquisitions into clinical decisions requires both reliable quantitative processing and an interpretation that reconciles a scattered and often contradictory literature. Purpose: To describe and evaluate an integrated, web-based platform that carries raw MR-Linac DWI to a structured, literature-grounded clinical interpretation, and to assess its retrieval-augmented generation (RAG) interpretation module by independent expert rating. Methods: The platform couples a deep-learning processing pipeline, comprising distortion correction, denoising, and intravoxel incoherent motion (IVIM)/apparent diffusion coefficient (ADC) fitting, with longitudinal region-of-interest analysis and a RAG interpretation agent. The agent reasons over a two-layer knowledge base of curated publications (a structured catalog index plus line-indexed full text), delegates arithmetic to deterministic tools, and is designed to trace each statement to a source document, section, and line range. One medical physicist and one physician independently rated the agent's reports for nine longitudinal glioblastoma cases on a 1-5 scale across three metrics: clinical-reasoning soundness, literature-citation quality, and overall clinical utility. Results: Across 54 ratings, the pooled mean was 4.65 +/- 0.80, with 93% of ratings >= 4; metric means were 4.6 (reasoning), 4.5 (citation), and 4.8 (utility), and raters agreed within one point on 85% of paired ratings. Conclusions: A single platform can integrate MR-Linac DWI post-processing with traceable, expert-evaluated clinical interpretation, while highlighting the safeguards needed to verify LLM-generated reasoning in radiation oncology.
- Abstract（参考訳）: 背景: 磁気共鳴イメージング誘導線形加速器(MR-Linacs)は、全ての治療区で拡散強調画像(DWI)を取得できるが、これらの低信号比の取得を臨床的決定に変換するには、信頼性の高い定量的処理と、しばしば散在し、矛盾する文献を再現する解釈が必要である。
目的: 生のMR-Linac DWIを構造化された文献的な臨床解釈に伝達する統合されたWebベースのプラットフォームを記述し、評価し、その検索強化世代(RAG)解釈モジュールを独立した専門家評価により評価する。
方法: このプラットフォームは、歪み補正、デノイング、ボクセル内不整合運動(IVIM)/アパー拡散係数(ADC)適合を含む深層学習処理パイプラインと、長手領域解析とRAG解釈剤とを結合する。
エージェントは、キュレートされた出版物(構造化されたカタログインデックスと行インデックス付き全文)の2層知識ベースに対して、算術を決定論的ツールに委譲し、各ステートメントをソースドキュメント、セクション、行範囲にトレースするように設計されている。
1人の医師と1人の医師は、臨床症状の再現性、文学的引用の質、および総合的な臨床的有用性という3つの指標から、1-5の尺度で、この薬の9つの縦型グリオブラスト腫の報告を独立に評価した。
結果: 54レーティング中, プール平均は4.65+/-0.80であり, 93%のレーティング >= 4 であり, メートル法平均は4.6(推論), 4.5(引用), 4.8(ユーティリティ)で, ラッカーは85%のレーティングで一致した。
結論: 単一のプラットフォームは、MR-Linac DWIポストプロセッシングを、放射線腫瘍学におけるLLM生成推論を検証するのに必要な安全ガードを強調しながら、追跡可能な、専門家による臨床解釈と統合することができる。
関連論文リスト
- Concept-Grounded Reasoning with Prompt-Driven Localization for Interpretable Structured Report Generation [66.62662330558906]
CORALは、空間的接地と概念レベルの監督を統一的な推論プロセスに統合するマルチモーダルフレームワークである。
コーラルは、疾患の局所化とコンセプション・ボトルネックモジュールによる多クラス臨床属性の予測のために、プロンプト駆動型医療セグメンテーションモデルを採用している。
BUS-CoTとIU X線データセットの実験では、診断精度、概念整合性、報告品質が強力な汎用および医療MLLMよりも一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-09-14T10:21:23Z) - Primary ICD Category Prediction using LLM-based Probing [7.948368617192842]
ICD-10符号10個のうち13,645個のMIMIC-IVコホートを構築した。
我々は,5つの変圧器層から隠れた状態を抽出し,非構造的,非構造的,複合的な入力に対して線形プローブを訓練した。
組み合わせたプローブはMIMIC-IV(87.69%の厳格さ、91.45%の医療的精度)で最高性能を達成し、単一モードのプローブとベースラインを上回った。
論文 参考訳（メタデータ） (2026-06-27T08:10:05Z) - Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。
テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
論文 参考訳（メタデータ） (2026-06-17T08:10:30Z) - ODySSeI: An Open-Source End-to-End Framework for Automated Detection, Segmentation, and Severity Estimation of Lesions in Invasive Coronary Angiography Images [23.05175906366438]
Invasive Coronary Angiography (ICA) は冠動脈疾患の診断における臨床標準である。
本研究では,ICA画像の自動検出,病変,重症度推定のためのオープンソースフレームワークODySSeIを紹介する。
ODySSeIは、新しいピラミッド拡張スキーム(PAS)を用いて訓練された深層学習に基づく病変検出と病変分割モデルを統合する
我々のLSE技術は,MLDの予測値が,対応する基底真理からpm$2-3ピクセルしか差がないため,精度が高い。
論文 参考訳（メタデータ） (2026-03-20T15:07:15Z) - Modeling Expert AI Diagnostic Alignment via Immutable Inference Snapshots [1.0499611180329804]
初期モデル推論と専門家補正の遷移は、構造化信号としてはほとんど分析されない。
本稿では,AI生成画像に基づくレポートを不変な推論状態として保存する診断アライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-26T13:11:58Z) - A Federated and Parameter-Efficient Framework for Large Language Model Training in Medicine [59.78991974851707]
大規模言語モデル(LLM)は、質問応答や診断など、医療ベンチマークにおいて強力なパフォーマンスを示している。
ほとんどの医療用LDMは、異種システムの一般化性と安全性の制限に直面している単一の機関のデータに基づいて訓練されている。
本稿では, LLMを医療応用に適用するためのモデルに依存しない, パラメータ効率のよいフェデレーション学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-29T18:48:21Z) - OREHAS: A fully automated deep-learning pipeline for volumetric endolymphatic hydrops quantification in MRI [0.5947663081597012]
OREHASは、内リンパ水腫の体積定量のための最初の完全自動パイプラインである。
耳内リンパ管-胸腔内体積比をMRI全容から直接計算する。
論文 参考訳（メタデータ） (2026-01-26T11:19:21Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - An Automated Retrieval-Augmented Generation LLaMA-4 109B-based System for Evaluating Radiotherapy Treatment Plans [2.2532577733932038]
我々は,LLaMA-4 109Bを用いた放射線治療計画の自動化,プロトコル認識,解釈可能な評価のためのRAGシステムを開発した。
RAGシステムは5つのSentenceTransformerバックボーンに最適化された検索エンジン、コホート類似性に基づくパーセンタイル予測コンポーネント、臨床制約チェッカーの3つのコアモジュールを統合している。
論文 参考訳（メタデータ） (2025-09-25T03:18:31Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - Automatically measuring speech fluency in people with aphasia: first
achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文 参考訳（メタデータ） (2023-08-09T07:51:40Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z)
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。