論文の概要: PCXR-Copilot: Device-aware pediatric chest radiographic analysis with segmentation, suppression, and edema-related cues
- arxiv url: http://arxiv.org/abs/2610.25486v2
- Date: Tue, 20 Oct 2026 03:24:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.303673
- Title: PCXR-Copilot: Device-aware pediatric chest radiographic analysis with segmentation, suppression, and edema-related cues
- Title（参考訳）: PCXR-Copilot : セグメンテーション・抑制・浮腫関連手がかりを用いた小児胸部X線画像解析
- Abstract要約: PediaDeviceSeg-1K(ペディアデviceSeg-1K)は、臨床に接地されたデバイスアノテーションを持つ小児CICU患者の1000個の後方X線撮影データを収集したデータセットである。
PCXR-Copilotは、肺とデバイスマスクを出力するデバイス対応パイプラインであり、オプションのデバイス抑制ビュー、浮腫関連可視化マップとスカラーインデックスを出力する。
- 参考スコア（独自算出の注目度）: 14.611480916138296
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Patients admitted to pediatric ICU and cardiac ICU often require intensive perioperative support and frequent chest radiography to monitor support devices, extravascular lung water, and body-wall edema. Radiographic interpretation and analysis is often difficult due to superimposed anatomic and iatrogenic structures that obscure clinically relevant signals. While deep learning can provide decision support, translation to pediatric radiographs is still limited by high device burden and scarcity of pediatric datasets with clinically grounded device annotations. To address this gap, we first introduce PediaDeviceSeg-1K, a curated dataset of 1,000 anterior-posterior radiographs of pediatric CICU patients with clinically grounded, fine-grained annotations of common ICU devices. To our best knowledge, this is the first publicly available pediatric CICU CXR resource with clinically grounded device annotations for device-focused benchmarking. Building on PediaDeviceSeg-1K, we further present PCXR-Copilot, a device-aware pipeline that outputs lung and device masks, optional device-suppressed views, and edema-related visualization maps and scalar indices. The full pipeline has been integrated and runs in real time within the TWIST platform at Boston Children's Hospital, demonstrating feasibility for real-world clinical deployment.
- Abstract（参考訳）: 小児ICUおよび心ICUに入院した患者は、補助装置、血管外肺水、体壁浮腫を監視するために、集中的周術期サポートと頻繁な胸部X線撮影を必要とすることが多い。
放射線学的解釈と解析は、臨床に関係のない信号が不明瞭な重畳された解剖学的および医原的構造のため、しばしば困難である。
深層学習は意思決定を支援することができるが、小児X線写真への翻訳は、臨床的に根拠のあるデバイスアノテーションを持つ小児データセットの高負荷と不足により、依然として制限されている。
このギャップに対処するために、我々はまずPediaDeviceSeg-1Kを紹介した。
私たちの知る限り、このリソースは、デバイス中心のベンチマークのための臨床的根拠のあるデバイスアノテーションを備えた、初めて公開された小児科のCICU CXRリソースです。
PediaDeviceSeg-1K上に構築されたPCXR-Copilotは、肺とデバイスのマスクを出力するデバイス対応パイプライン、オプションのデバイス抑制ビュー、浮腫関連可視化マップとスカラーインデックスを提供する。
パイプライン全体が統合され、ボストン小児病院のTWISTプラットフォーム内でリアルタイムに実行される。
関連論文リスト
- Uncertainty-Aware Compositional Localization and Placement Assessment of Catheters and Tubes in Chest X-Rays [0.0]
局所カテーテルフラグメントを検出し,それらをデバイスインスタンスに関連付ける構成フレームワークであるUCompCXRを紹介する。
RANZCR CLiPデータセット(30,083枚、ブートストラップCI付き5倍の患者レベルCV)では、UCompCXRは強力なマルチタスクベースラインよりも26%多いデバイスを検出する。
単一のフォワードパスにおける2.27Mパラメータは、リソース制約された臨床ハードウェアにデプロイ可能である。
論文 参考訳（メタデータ） (2026-08-11T16:04:58Z) - SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound [60.64817443833982]
本稿では,ロボット超音波に解剖学的先行層を明示する意味解剖マッピングエンジンSAMeを提案する。
SAMeはスキャン開始をターゲット・トゥ・アノプティ・トゥ・アクションのプロセスとして扱う。
単一の外部画像から、接地対象に対する患者固有の解剖学的表現をインスタンス化する。
論文 参考訳（メタデータ） (2026-04-28T13:44:09Z) - Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。
患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
論文 参考訳（メタデータ） (2026-02-02T13:07:52Z) - iMedic: Towards Smartphone-based Self-Auscultation Tool for AI-Powered Pediatric Respiratory Assessment [1.7124365853633132]
本稿では、内蔵マイクと高度なディープラーニングアルゴリズムを利用して、異常な呼吸音を検出するスマートフォンベースのシステムを提案する。
エンドツーエンドのディープラーニングフレームワークでは、大規模な電子聴診器データセットと小さなスマートフォン由来のデータセットを統合するために、ドメインの一般化を活用しています。
伴うモバイルアプリケーションは、高品質な肺音サンプル収集の介護者を誘導し、潜在的な肺炎リスクに対する即時フィードバックを提供する。
論文 参考訳（メタデータ） (2025-04-22T09:45:50Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Training-free image style alignment for self-adapting domain shift on
handheld ultrasound devices [54.476120039032594]
本稿では,ハンドヘルドデバイスデータのスタイルを標準デバイスと整合させるための,トレーニングフリーなイメージスタイルアライメント(TISA)フレームワークを提案する。
TISAは、余分な訓練なしにハンドヘルドデバイスイメージを直接推測することができ、臨床応用に適している。
論文 参考訳（メタデータ） (2024-02-17T07:15:23Z) - CarDS-Plus ECG Platform: Development and Feasibility Evaluation of a
Multiplatform Artificial Intelligence Toolkit for Portable and Wearable
Device Electrocardiograms [0.3069335774032178]
単葉心電図(ECG)は、心臓血管の健康をモニタリングするための重要な情報源となっている。
人工知能は、これらの1つのリードのECGを解釈できる大きな進歩があった。
本稿では,AIベースのECGソリューションの迅速な展開を目的とした,革新的なマルチプラットフォームシステムの開発について述べる。
論文 参考訳（メタデータ） (2023-10-10T20:33:48Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Learning Inductive Attention Guidance for Partially Supervised
Pancreatic Ductal Adenocarcinoma Prediction [73.96902906734522]
膵管腺癌(PDAC)は、アメリカ合衆国で3番目に多いがん死の原因である。
本稿では,全てのトレーニングデータに対して安価な画像レベルのアノテーションが提供され,それらのサブセットに対してのみ,コストのかかるvoxelアノテーションが利用可能となる,部分教師付き設定について考察する。
Inductive Attention Guidance Network (IAG-Net) を提案し、通常の/PDAC分類のためのグローバル画像レベルの分類器と半教師付きPDAC分類のためのローカルボクセルレベルの分類器を共同で学習する。
論文 参考訳（メタデータ） (2021-05-31T08:16:09Z) - Role of Edge Device and Cloud Machine Learning in Point-of-Care
Solutions Using Imaging Diagnostics for Population Screening [0.0]
エッジデバイス学習はマンモグラフィやCT研究にも利用でき、微小石灰化や脳卒中を識別できる。
これらのツールは即時で、専門家が実際にレビューする前に事前スクリーニングを行うことができない遠隔地に配置され、ナノ学習データセンターがデバイスの横に配置されているため、インターネットの帯域幅に制限されない。
論文 参考訳（メタデータ） (2020-06-18T08:58:14Z)
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。