論文の概要: Lessons learned from deploying imaging AI with the open PACS-AI platform

• arxiv url: http://arxiv.org/abs/2609.26981v1
• Date: Tue, 22 Sep 2026 19:18:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.73883
• Title: Lessons learned from deploying imaging AI with the open PACS-AI platform
• Title（参考訳）: オープンなPACS-AIプラットフォームによるイメージングAIの展開から学んだ教訓
• Abstract要約: オープンな自己ホスト型プラットフォームであるPACS-AIを通じて、6つの病院でイメージングAIをデプロイする。 バインディング制約はモデルの精度ではなく、研究のルート、結果の表示、フィードバックのキャプチャ、実行の監査のためのインフラである。
• 参考スコア（独自算出の注目度）: 1.6815855490643437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We describe deploying imaging AI at six hospitals through PACS-AI, an open self-hosted platform. The binding constraint is not model accuracy but infrastructure to route studies, display results, capture feedback, and audit what runs. At one center, angiography models completed 515 of 607 jobs (84.8%); failures reflected absent diagnostic views, and 78.1% of 638 clinician ratings were positive. Publishing honest readiness levels for every model is itself a governance practice.
• Abstract（参考訳）: オープンな自己ホスト型プラットフォームであるPACS-AIを通じて、6つの病院でイメージングAIをデプロイする。 バインディング制約はモデル精度ではなく、研究のルート、結果の表示、フィードバックのキャプチャ、実行状況の監査のためのインフラストラクチャである。 ある中央では、血管造影モデルが607件中515件(84.8%)を完了し、診断基準の欠如が反映され、638件の臨床評価の78.1%が陽性であった。 すべてのモデルに対して誠実な準備のレベルを公開することは、それ自体がガバナンスの実践です。

関連論文リスト

• Advancing Medical Artificial Intelligence Using a Century of Cases [8.82283040766685]
  以前のAI評価では、多面的推論とプレゼンテーションスキルに対処することなく、最終診断に焦点を当てていた。 CPC-Benchは10のテキストベースおよびマルチモーダルタスクにまたがるベンチマークです。 私たちは、スライドベースのビデオプレゼンテーションを作成するように設計されたAI議論者である"Dr. CaBot"を開発した。
  論文  参考訳（メタデータ） (2025-09-15T17:54:51Z)
• Goal-conditioned reinforcement learning for ultrasound navigation guidance [4.648318344224063]
  目標条件強化学習(G)としてのコントラスト学習に基づく新しい超音波ナビゲーション支援手法を提案する。 我々は,新しいコントラスト的患者法 (CPB) とデータ拡張型コントラスト的損失を用いて,従来の枠組みを拡張した。 提案法は, 789人の大容量データセットを用いて開発され, 平均誤差は6.56mm, 9.36°であった。
  論文  参考訳（メタデータ） (2024-05-02T16:01:58Z)
• Uncertainty-inspired Open Set Learning for Retinal Anomaly Identification [71.06194656633447]
  9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。 しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。 UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
  論文  参考訳（メタデータ） (2023-04-08T10:47:41Z)
• ACAT: Adversarial Counterfactual Attention for Classification and Detection in Medical Imaging [41.202147558260336]
  画像特徴を異なるスケールで変調するソフト空間アテンションマスクを得るために,サリエンシマップを用いたフレームワークを提案する。 ACATは、脳CTスキャンの病変の基準分類精度を71.39%から72.55%に引き上げ、肺CTスキャンの新型コロナウイルス関連所見を67.71%から70.84%に引き上げた。
  論文  参考訳（メタデータ） (2023-03-27T17:43:57Z)
• Private, fair and accurate: Training large-scale, privacy-preserving AI models in medical imaging [47.99192239793597]
  我々は,AIモデルのプライバシ保護トレーニングが,非プライベートトレーニングと比較して精度と公平性に与える影響を評価した。 我々の研究は、実際の臨床データセットの困難な現実的な状況下では、診断深層学習モデルのプライバシー保護トレーニングは、優れた診断精度と公正さで可能であることを示しています。
  論文  参考訳（メタデータ） (2023-02-03T09:49:13Z)
• Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
  心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。 左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-23T19:17:26Z)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)

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。