論文の概要: MammoClaw: Towards Skill-Evolving Agent Harness for Breast Cancer Mammography Analysis

• arxiv url: http://arxiv.org/abs/2609.31789v1
• Date: Fri, 25 Sep 2026 02:19:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 12:48:37.731234
• Title: MammoClaw: Towards Skill-Evolving Agent Harness for Breast Cancer Mammography Analysis
• Title（参考訳）: MammoClaw:乳がんマンモグラフィー解析のためのスキル進化剤ハーネスを目指して
• Abstract要約: MammoClawは、凍結MLLMを利用してマンモグラフィー解析を行う、トレーニングフリーのエージェントフレームワークである。 本エージェントには, ROI, 対視, 対側視, 対側視等, 対象画像分析のためのマンモグラフィー固有のツールが備わっている。 BI-RADS評価と乳房密度推定の枠組みについて検討した。
• 参考スコア（独自算出の注目度）: 4.061135251278187
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we explore MammoClaw, a training-free agent framework that leverages frozen MLLMs for mammography analysis. To support agentic investigation, we equip the agent with lightweight mammography-specific tools for targeted image analysis, including ROI, paired-view, and contralateral-breast examination. MammoClaw iteratively gathers evidence through these tools, while skill evolution enables non-parametric adaptation by transforming failed trajectories into reusable guidance for later runs. We evaluate the framework on BI-RADS assessment and breast density estimation tasks. In our experiments, we find that tools alone do not reliably improve performance, whereas evolved skills can improve tool-use behavior and performance in some settings. Beyond these results, MammoClaw enables transparent inspection of evidence acquisition, tool interactions, and failure modes, facilitating the analysis and auditing of agent behavior. We view this work as an exploratory study of training-free, self-evolving agentic approaches for mammography and hope it provides a concrete starting point for future work on mammography-specific tools and self-evolution mechanisms. We release our code at https://krishnakanthnakka.github.io/mammoclaw.
• Abstract（参考訳）: 本研究では,凍結MLLMを用いてマンモグラフィー解析を行うトレーニングフリーエージェントフレームワークであるMammoClawについて検討する。 エージェント調査を支援するために, ROI, 対視, 対側視, 対側視など, 対象画像分析のための軽量なマンモグラフィー専用のツールをエージェントに装備した。 MammoClawは、これらのツールを通じて証拠を反復的に収集する一方で、スキル進化は失敗した軌道を後続の走行のために再利用可能なガイダンスに変換することによって、非パラメトリック適応を可能にする。 BI-RADS評価と乳房密度推定の枠組みについて検討した。 我々の実験では、ツールだけではパフォーマンスが確実に向上しないのに対して、進化したスキルは一部の設定でツールの使用行動やパフォーマンスを改善することができる。 これらの結果以外にも、MammoClawは証拠取得、ツールインタラクション、障害モードの透過的な検査を可能にし、エージェントの動作の分析と監査を容易にする。 本研究は,マンモグラフィーに対する無訓練・自己進化型エージェントアプローチの探索的研究であり,マンモグラフィー固有のツールや自己進化機構に関する今後の研究の出発点となることを願っている。 私たちはコードをhttps://krishnakanthnakka.github.io/mammoclaw.comでリリースしています。

関連論文リスト

• MIRA: Medical Image Reflection for Agentic Diagnosis [30.52878931438202]
  医用視覚エージェントは画像の検査や外部知識の検索を行うことができるが、識別できない道具の使用はノイズや誤解を招く証拠をもたらすことがある。 MIRA(Medical Image Reflection for Agentic Diagnosis)は,自律的証拠探索と反射的検証のための医用視覚診断フレームワークである。 MIRAは、ズーム、グラウンド、ポインティング、回転、測定などの画像処理操作とWeb検索を動的に実行し、取得した証拠の妥当性と一貫性を評価している。
  論文  参考訳（メタデータ） (2026-08-11T11:57:27Z)
• MammoMix: Leveraging Mixture of Experts for Robust Mammogram Breast Detection [6.160441117604406]
  MammoMixは、堅牢で一般化可能な病変検出のための新しいフレームワークである。 各エキスパートモデルは特定のドメインでトレーニングされ、ソースデータの異なる特性を専門化することができる。 ゲーティング機構は、入力画像に基づいて各専門家からのコントリビューションを適応的に評価し、その出力を組み合わせてドメイン適応推論を可能にする。
  論文  参考訳（メタデータ） (2026-08-11T03:35:57Z)
• ActFER: Agentic Facial Expression Recognition via Active Tool-Augmented Visual Reasoning [55.562958315741646]
  本稿では, アクティブな視覚的エビデンス獲得とマルチモーダル推論を兼ね備えたエージェントフレームワークであるActFERを提案する。 さらに,エージェントFERに適した強化学習アルゴリズムである実用性キャリブレーションGRPOを開発した。
  論文  参考訳（メタデータ） (2026-04-10T05:53:19Z)
• Evolving Medical Imaging Agents via Experience-driven Self-skill Discovery [26.23353599153354]
  MACROは自己進化型、経験増強型医療エージェントで、静的ツール構成から経験駆動ツール発見へ移行する。 一方、GRPOのようなトレーニングループは、検出されたコンポジットの信頼性の高い呼び出しを補強する。
  論文  参考訳（メタデータ） (2026-03-06T03:34:47Z)
• ET-Agent: Incentivizing Effective Tool-Integrated Reasoning Agent via Behavior Calibration [68.89572566071575]
  ETAgentはエージェントのツール使用行動を調整するためのトレーニングフレームワークである。 過誤行動パターンを最適行動に段階的に校正するように設計されている。
  論文  参考訳（メタデータ） (2026-01-11T11:05:26Z)
• Incentivizing Tool-augmented Thinking with Images for Medical Image Analysis [35.90026194642237]
  Ophiuchusは汎用的なツール拡張フレームワークで、MLLMを装備し、追加の視覚的証拠が必要かどうかを判断する。 われわれのアプローチは、ツール統合推論を通じて「イメージで考える」ことができる医療AIエージェントへの道を照らしている。
  論文  参考訳（メタデータ） (2025-12-16T07:37:23Z)
• Improving Segment Anything on the Fly: Auxiliary Online Learning and Adaptive Fusion for Medical Image Segmentation [52.172885882728174]
  医療画像の文脈では、SAMがそのセグメンテーション予測を生成した後、人間の専門家が特定のテストサンプルのセグメンテーションを修正することは珍しくない。 我々は、オンライン機械学習の利点を活用して、テスト期間中にSegment Anything(SA)を強化する新しいアプローチを導入する。 医用画像におけるSAのセグメンテーション品質を改善することを目的として,オンライン学習のための修正アノテーションを用いた。
  論文  参考訳（メタデータ） (2024-06-03T03:16:25Z)
• Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
  ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。 ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。 3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-03-05T15:08:16Z)
• Automatic Identification of Stone-Handling Behaviour in Japanese Macaques Using LabGym Artificial Intelligence [0.0]
  倫理学者は、ビデオデータを用いた行動分析の時間集約的なプロセスの合理化のために、イノベーションの可能性を探っている。 これらの制限に対処するため、私たちは最先端ツールであるLabGymの能力を活用するために設計された包括的なプロトコルを確立しました。 本研究の目的は, 霊長類の行動分析におけるLabGymの適性を評価することであり, ニホンザルに焦点をあてることであった。 本研究は,日本産マカクの石の扱いを高精度に検出するモデルの開発に成功した。
  論文  参考訳（メタデータ） (2023-09-28T09:26:39Z)

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。