論文の概要: DR-LabStack: Design and Implementation of a Clinician-Facing Web System for Diabetic Retinopathy Prediction
- arxiv url: http://arxiv.org/abs/2609.10796v1
- Date: Wed, 09 Sep 2026 19:59:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.132724
- Title: DR-LabStack: Design and Implementation of a Clinician-Facing Web System for Diabetic Retinopathy Prediction
- Title（参考訳）: DR-LabStack:糖尿病網膜症予測のための臨床支援Webシステムの設計と実装
- Abstract要約: DR-LabStackはReact-FlaskのWebシステムで、4つの外部開発事前トレーニングモデルを統合する。
共有形式は、順序付けられたモデル特徴を検索し、モデル固有の数値カテゴリー制御を描画し、位置入力ベクトルを構築する。
得られたシステムは、異種DRモデルに対する再利用可能な相互作用とサービスワークフローを示す。
- 参考スコア（独自算出の注目度）: 0.5735035463793009
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pretrained diabetic retinopathy (DR) prediction models differ in their input fields, serialization formats, preprocessing requirements, and output semantics. Making these models accessible through a common clinical interface therefore requires explicit coordination between the user interface and the inference service. We designed and implemented DR-LabStack, a React-Flask web system integrating four externally developed pretrained models: RuleFit, Pruned RuleFit, Elaborative XGBoost, and Two-level Ensemble. A shared form retrieves ordered model features, renders model-specific numerical and categorical controls, and constructs a positional input vector. Backend adapters load heterogeneous artifacts and apply the ensemble's accompanying scaler, while a common JSON response supports binary classification display alongside method and source information. Functional evaluation on September 8, 2026 used copied application files and real model artifacts in a documented isolated environment. All four models loaded and exposed their 14-, 6-, 8-, and 25-field contracts. Sixty-two Flask test-client requests characterized service behavior; 12 limited-vector checks confirmed invocation-path and threshold consistency. Twenty-four browser-component scenarios with mocked transport verified input ordering and result rendering and characterized input-validation behavior. The resulting system demonstrates a reusable interaction and serving workflow for heterogeneous DR models. The contribution is web-system design, integration, and software functionality; clinical effectiveness and clinician usability require separate evaluation.
- Abstract（参考訳）: 糖尿病網膜症(DR)予測モデルでは、入力フィールド、シリアライズフォーマット、前処理要件、出力セマンティクスが異なる。
したがって、これらのモデルを共通の臨床インターフェイスを通してアクセスできるようにするには、ユーザーインターフェイスと推論サービスの間に明確な調整が必要である。
RuleFit、Pruned RuleFit、Elaborative XGBoost、Two-level Ensembleの4つの事前学習モデルを統合した、React-Flask WebシステムであるDR-LabStackを設計、実装しました。
共有形式は順序付けられたモデル特徴を検索し、モデル固有の数値およびカテゴリー制御を描画し、位置入力ベクトルを構築する。
バックエンドアダプタは異質なアーティファクトをロードし、アンサンブルの付随するスケーラを適用します。
2026年9月8日の機能評価では、文書化された孤立した環境で、コピーされたアプリケーションファイルと実際のモデルアーティファクトを使用した。
4機とも14-、6-、8-、25-フィールドの契約を締結した。
12の限定ベクタチェックで呼び出しパスとしきい値の一貫性が確認された。
モックされたトランスポート検証入力順序と結果のレンダリングと入力バリデーション動作を特徴とする24のブラウザコンポーネントシナリオ。
得られたシステムは、異種DRモデルに対する再利用可能な相互作用とサービスワークフローを示す。
貢献はWebシステム設計、統合、ソフトウェア機能であり、臨床効果と臨床応用性は別々に評価する必要がある。
関連論文リスト
- DualEval: Joint Model-Item Calibration for Unified LLM Evaluation [67.99119926012686]
DualEvalは、モデルと評価項目を共有空間で表現する潜在モデルイテムキャリブレーションフレームワークである。
我々はDualEvalを、コーディング、数学、雑多なドメイン知識タスク、汎用的な日常的なユーザクエリの4つの領域にまたがって適用する。
論文 参考訳（メタデータ） (2026-06-24T22:40:46Z) - GenMed: A Pairwise Generative Reformulation of Medical Diagnostic Tasks [32.49998442428115]
拡散モデルと再フレーム推論をテスト時間出力最適化問題として用いた共同分布を$P(X,Y)$でモデル化する。
私たちのフレームワークは、アーキテクチャの変更や再トレーニングなしに、予測時に柔軟な勾配ベースの条件付けを可能にします。
本研究は, 再利用可能なタスク非依存型医療AIシステムの基礎として, 生成的関節モデリングの汎用性を強調した。
論文 参考訳（メタデータ） (2026-05-11T14:32:09Z) - Scaling Video Pretraining for Surgical Foundation Models [51.92777479821822]
SurgRecは、スケーラブルで再現可能な、外科的ビデオ理解のための事前学習のレシピだ。
内視鏡,腹腔鏡,白内障,ロボット手術を対象とする10,535ビデオと214.5Mフレームの大規模なコーパスをキュレートした。
論文 参考訳（メタデータ） (2026-03-31T16:31:25Z) - Synthetic Designed Experiments for Diagnosing Vision Model Failure [0.0]
現在のコンピュータビジョン用の合成データパイプラインは、下流モデルが本当に必要とするものを診断することなく、画像を生成する。
このオープンループパラダイムは、合成データを安価な実データとして扱い、ジェネレータの出力空間をランダムにサンプリングする。
これは基本的に、合成データのユニークな特性である、制御可能で独立したシーン要因のバリエーションを誤用している、と我々は主張する。
論文 参考訳（メタデータ） (2026-03-30T02:52:21Z) - Route-and-Execute: Auditable Model-Card Matching and Specialty-Level Deployment [6.7202991099968346]
本稿では,視覚言語モデル(VLM)を2つの補完的役割に用いたフレームワークを提案する。
まず、VLMは、入力された画像を適切なスペシャリストモデルにルーティングする、意識的なモデルカードマッチングとして機能する。
第2に、単一のモデルが複数の下流タスクをカバーすることを保証する特別なデータセットについて、VLMを微調整する。
論文 参考訳（メタデータ） (2025-08-22T23:34:37Z) - CoPS: Conditional Prompt Synthesis for Zero-Shot Anomaly Detection [6.1568149026052374]
Conditional Prompt Synthesis (CoPS)は、視覚的特徴に条件付き動的プロンプトを合成し、ZSAD性能を向上させる新しいフレームワークである。
CoPSは、13の産業および医療データセットの分類とセグメンテーションの両方において、最先端の手法を2.5%AUROCで上回っている。
論文 参考訳（メタデータ） (2025-08-05T13:47:45Z) - ToolACE: Winning the Points of LLM Function Calling [139.07157814653638]
ToolACEは、正確で複雑で多様なツール学習データを生成するように設計された自動エージェントパイプラインである。
我々は、合成データに基づいてトレーニングされたモデルが、8Bパラメータだけで、バークレー・ファンクション・カリング・リーダーボード上で最先端のパフォーマンスを達成することを実証した。
論文 参考訳（メタデータ） (2024-09-02T03:19:56Z) - Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。
特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文 参考訳（メタデータ） (2023-04-04T17:54:32Z) - Zero-shot Model Diagnosis [80.36063332820568]
ディープラーニングモデルを評価するための一般的なアプローチは、興味のある属性を持つラベル付きテストセットを構築し、そのパフォーマンスを評価することである。
本稿では,ゼロショットモデル診断(ZOOM)がテストセットやラベル付けを必要とせずに可能であることを論じる。
論文 参考訳（メタデータ） (2023-03-27T17:59:33Z) - Texture-Based Input Feature Selection for Action Recognition [3.9596068699962323]
本稿では,ドメインの差分を増大させる入力におけるタスク関連コンテンツを決定する新しい手法を提案する。
提案モデルは,HMDB-51データセットとPenn Actionデータセットにおいて,既存の行動認識モデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-02-28T23:56:31Z) - A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。
セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文 参考訳（メタデータ） (2022-06-17T08:32:43Z) - Visual Composite Set Detection Using Part-and-Sum Transformers [74.26037922682355]
本稿では,エンドツーエンドのコンポジットセット検出を行うために,PST(Part-and-Sum Detection Transformer)という新しい手法を提案する。
PSTは、カスタムデザインの2段階モデルの結果とほぼ一致しながら、シングルステージモデル間で最先端の結果を達成する。
論文 参考訳（メタデータ） (2021-05-05T16:31:32Z)
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。