論文の概要: ORION-CMR: On-scanner Reporting with Integrated Foundation Model for End-to-End Cardiac MRI Analysis and Interpretation

• arxiv url: http://arxiv.org/abs/2609.23950v1
• Date: Sun, 20 Sep 2026 23:46:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.030356
• Title: ORION-CMR: On-scanner Reporting with Integrated Foundation Model for End-to-End Cardiac MRI Analysis and Interpretation
• Title（参考訳）: ORION-CMR:End-to-End心磁図解析と解釈のための統合基礎モデルを用いたオンスキャナーレポート
• Abstract要約: ORION-CMRは,初めて臨床的に評価されたスキャナーネイティブなCMR基盤モデルである。 ORION-CMRは、シーケンス分類、心機能評価、遅延ガドリニウム増強(LGE)検出、バイナリとマルチクラスの疾患分類、および局所的な大規模言語モデルに基づくレポート生成を実行する。 これらの結果は、リアルタイムスキャナネイティブなAI支援CMR分析と自動レポート生成の実現可能性を示している。
• 参考スコア（独自算出の注目度）: 1.104628812978731
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cardiovascular magnetic resonance (CMR) provides comprehensive cardiac assessment but remains underutilized because of the complexity of acquisition, post-processing, and interpretation. Existing artificial intelligence (AI) methods address isolated tasks, limiting clinical integration. We present ORION-CMR (On-scanner Reporting with Integrated fOunda-tioN Model), the first clinically evaluated scanner-native end-to-end CMR foundation model. Pretrained on 12,896,733 CMR images from 9,258 studies, ORION-CMR performs sequence classification, ventricular function assessment, late gadolinium enhancement (LGE) detection, binary and multiclass disease classification, and local large language model-based report generation in approximately 90 seconds. The framework. was evaluated on public benchmarks and clinically validated in a multi-vendor cohort of 68 subjects with normal examinations, congenital heart disease, dilated cardiomyopathy, and myocardial infarction. ORION-CMR outperformed supervised baselines and the previously published CMR foundation model (CMR-FM), achieving state-of-the-art performance for LGE classification and scar segmentation. Clinical evaluation achieved an AUC of 0.96 for normal-versus abnormal classification and 0.88 for multiclass disease classification, while generated reports demonstrated 81.4% agreement with expert interpretation. These results demonstrate the feasibility of real-time scanner-native AI-assisted CMR analysis and automated report generation.
• Abstract（参考訳）: 心血管性磁気共鳴(CMR)は、包括的な心臓評価を提供するが、取得、後処理、解釈の複雑さのために未使用のままである。 既存の人工知能(AI)メソッドは、臨床統合を制限する独立したタスクに対処する。 今回, ORION-CMR (On-Scanner Reporting with Integrated fOunda-tioN Model) を報告した。 ORION-CMRは、9,258の研究では、12,896,733個のCMR画像に基づいて、シーケンス分類、心機能評価、遅延ガドリニウム増強(LGE)検出、バイナリとマルチクラスの疾患分類、および局所的な言語モデルに基づくレポート生成を約90秒で行う。 フレームワーク。 健常者68名,先天性心疾患,拡張型心筋症,心筋梗塞を主訴とした多剤コホートにて,評価し,臨床的に検証した。 ORION-CMRは教師付きベースラインとCMRファンデーションモデル(CMR-FM)より優れており,LGE分類とスカーセグメンテーションの最先端性能を実現している。 臨床評価では、正常対向異常分類では0.96、多型疾患分類では0.88、専門的解釈では81.4%の一致を示した。 これらの結果は、リアルタイムスキャナネイティブなAI支援CMR分析と自動レポート生成の実現可能性を示している。

関連論文リスト

• Development of an automated, reliable, and clinically meaningful artificial intelligence (AI) tool for diagnosing cardiac disease from conventional cardiovascular magnetic resonance (CMR) images [30.83069805418805]
  CMRを用いた心血管疾患診断のための自動データキュレーションパイプラインを開発した。 3つの視覚基礎モデル(DINO, VSTedPT)は2段階のアプローチでこれらのモードを微調整した。 微調整されたAIモデルは、独立したテストセット上で高い差別的な診断性能を達成した。
  論文  参考訳（メタデータ） (2026-07-22T12:36:56Z)
• Female-RHINO: A Real-Time Scanner-Integrated Framework for Automated Quantitative Uterine MRI Analysis and Structured Reporting [0.48435958653031097]
  女性RHINO: (R)eproductive (H)ealth (I)maging A(N)alysis T(O)ol, a real-time AI-assisted framework for automated quantitative uterine MRI analysis and structured reporting during image acquisition。
  論文  参考訳（メタデータ） (2026-06-23T10:22:25Z)
• BAAI Cardiac Agent: An intelligent multimodal agent for automated reasoning and diagnosis of cardiovascular diseases from cardiac magnetic resonance imaging [38.86018893974869]
  本稿では、エンド・ツー・エンドの心臓磁気共鳴(CMR)の解釈を目的としたマルチモーダル・インテリジェント・システムであるBAAI Cardiac Agentを提案する。 この薬剤は、専門的な心臓専門家モデルを統合し、心臓構造の自動セグメンテーション、機能的定量化、組織の特徴、および疾患の診断を行う。 本システムでは, 退行率, 脳卒中容積, 左室量などのコアパラメータについて, 臨床報告と極めて一致している。
  論文  参考訳（メタデータ） (2026-04-05T11:52:46Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis [45.00216485193071]
  心電図による心臓の異常は, 長期分布により検出が困難である。 我々は、自己教師付き異常検出と人口動態認識型表現学習を統合したAI支援二段階ECGフレームワークを開発した。 本手法は,まれな異常に対して94.7%のAUROCを達成し,コモン・レア性能のギャップを73%削減する。
  論文  参考訳（メタデータ） (2026-03-20T07:04:00Z)
• Enabling Ultra-Fast Cardiovascular Imaging Across Heterogeneous Clinical Environments with a Generalist Foundation Model and Multimodal Database [64.65360708629485]
  MMCMR-427Kは、最大かつ最も包括的なマルチモーダル心血管共鳴k空間データベースである。 CardioMMは、異種高速CMRイメージングシナリオに適応可能な再構成基盤モデルである。 CardioMMは、物理インフォームドデータ一貫性と意味的文脈理解を統合して、堅牢な再構築を実現する。
  論文  参考訳（メタデータ） (2025-12-25T12:47:50Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• LRMR: LLM-Driven Relational Multi-node Ranking for Lymph Node Metastasis Assessment in Rectal Cancer [12.795639054336226]
  直腸癌リンパ節転移の術前評価は治療決定を導く。 一部の人工知能モデルはブラックボックスとして機能し、臨床信頼に必要な解釈性に欠ける。 LLM-Driven Multi-node Ranking frameworkであるLRMRを紹介する。
  論文  参考訳（メタデータ） (2025-07-15T16:29:45Z)
• Machine Learning for Automated Mitral Regurgitation Detection from Cardiac Imaging [10.770989117724923]
  僧帽弁閉鎖不全症(Mitral regurgitation, MR)は、心臓弁疾患の一種。 従来の診断法は高価で、労働集約的であり、臨床専門知識を必要とする。 CUSSPと呼ばれるMR分類のための新しい半教師付きモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-07T16:48:24Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。