論文の概要: AI-Enhanced Radiation Classification in ROS

• arxiv url: http://arxiv.org/abs/2610.25225v1
• Date: Sun, 18 Oct 2026 12:43:40 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:25:17.976119
• Title: AI-Enhanced Radiation Classification in ROS
• Title（参考訳）: ROSにおけるAIによる放射線分類
• Abstract要約: 最初のノードはモデルトレーニングノードと呼ばれ、グラディエントブースティング分類器を使用してこれらの同位体を識別し分類する。 第2のノードは予測ノードと呼ばれ、ユーザがCSV形式でデータを入力したときに分類結果を提供する。
• 参考スコア（独自算出の注目度）: 1.9214535449699532
• License:
• Abstract: This study presents the development of two Robot Operating System (ROS) nodes with a primary focus on differentiating seven radioactive isotopes. The first node, referred to as the model training node, uses a Gradient Boosting classifier to identify and classify these isotopes. The classifier achieved a reported overall accuracy of 95\% on the held-out test dataset. The second node, known as the prediction node, provides classification results when users input data in CSV format. For the practical demonstration, the C12137 radiation detector module was mounted on the Jackal UGV, and an operator approached different radiation sources to collect data. To support future dataset expansion, we also developed a method for converting gamma-spectrum graph images into CSV files. In a separate robotic evaluation across three source locations, 30 of 42 trials were correctly classified (71.43\%). Am-241, Co-60, Cs-137, Na-22, and Ti-44 were correctly classified in all six trials each, whereas Ba-133 and Eu-152 were incorrectly classified in all six trials each. These results show lower accuracy in robotic trials than in the held-out test set.
• Abstract（参考訳）: 本研究では,7つの放射性同位体の識別に重点を置いた2つのロボットオペレーティング・システム(ROS)ノードの開発について述べる。 最初のノードはモデルトレーニングノードと呼ばれ、グラディエントブースティング分類器を使用してこれらの同位体を識別し分類する。 この分類器は、ホールドアウトテストデータセットにおいて、全体の95%の精度を報告した。 第2のノードは予測ノードと呼ばれ、ユーザがCSV形式でデータを入力したときに分類結果を提供する。 実演のために、C12137放射検出器モジュールはジャカルUGVに搭載され、オペレーターが異なる放射線源に接近してデータを収集した。 また,今後のデータセット拡張を支援するため,ガンマスペクトルグラフ画像をCSVファイルに変換する手法を開発した。 3つのソースで別々のロボットの評価では、42の試験のうち30が正しく分類された(71.43\%)。 Am-241、Co-60、Cs-137、Na-22、Ti-44はそれぞれ6回の試験で正しく分類されたが、Ba-133、Eu-152はそれぞれ6回の試験で正しく分類されなかった。 これらの結果は,ロボット実験において,保留テストセットよりも精度が低いことを示す。

関連論文リスト

• Open ultrasound foundation model for robust segmentation and clinical measurement across heterogeneous settings [66.3653308198376]
  SonoCorpusは、24の臨床応用と17の国にまたがる53のパブリックデータセットから、456,963のイメージと1,626,085のエキスパートマスクを統合するオープンリソースである。 SonoBaseは、事前にトレーニングされたインタラクティブセグメンテーション基盤モデルである。
  論文  参考訳（メタデータ） (2026-09-16T15:34:21Z)
• Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
  ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。 セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
  論文  参考訳（メタデータ） (2026-08-12T21:02:59Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• KAYRA: A Microservice Architecture for AI-Assisted Karyotyping with Cloud and On-Premise Deployment [0.0]
  KAYRAは、臨床細胞遺伝学研究室の運用上の制約の中で機能するエンドツーエンドの核タイピングシステムである。 KAYRAはコンテナ化されたマイクロサービスパイプラインとして設計されており、MLスタックにはEfficientNet-B5 + U-Netセマンティックセグメント、Mask R-CNN(ResNet-50 + FPN)インスタンス、ResNet-18インスタンスが組み込まれている。 459染色体上の2つの商用基準核型分類システムに対する試験的臨床評価は、強い経験的性能を示す。
  論文  参考訳（メタデータ） (2026-04-29T16:35:31Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
  深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
  論文  参考訳（メタデータ） (2022-10-11T13:30:34Z)
• Open-radiomics: A Collection of Standardized Datasets and a Technical Protocol for Reproducible Radiomics Machine Learning Pipelines [0.0]
  我々は,3つのオープンソースデータセット,高次グリオーマ(HGG)と低次グリオーマ(LGG)の分類と生存分析のためのBraTS 2020に基づいて,大規模放射線学データセットをキュレートした。 脳腫瘍369例(GG76例,HG293例)に本プロトコルを適用した。 binWidthや画像正規化とは異なり,腫瘍の亜領域と画像の配列はモデルの性能に大きく影響した。
  論文  参考訳（メタデータ） (2022-07-29T16:37:46Z)
• CardiSort: a convolutional neural network for cross vendor automated sorting of cardiac MR images [2.0791118244420757]
  両頭畳み込みニューラルネットワーク("CardiSort")は、画像シーケンスと平面によって35のシーケンスを分類するように訓練された。 単ベンダートレーニング (SVT) とマルチベンダートレーニング (MVT) で高次および平面精度が観察された。 一般的なシーケンスと従来の心臓面の精度は高かった。
  論文  参考訳（メタデータ） (2021-09-17T11:42:39Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。