論文の概要: Interactive image diagnosis using test-time backpropagation from the auxiliary task

• arxiv url: http://arxiv.org/abs/2610.32396v1
• Date: Fri, 23 Oct 2026 09:21:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.445791
• Title: Interactive image diagnosis using test-time backpropagation from the auxiliary task
• Title（参考訳）: 副作業からのテスト時間バックプロパゲーションを用いた対話型画像診断
• Abstract要約: コンピュータ支援診断(CAD)システムにおける説明可能性を確保するため,マルチタスク深層学習が開発された。 本稿では,マルチタスクモデルに対話性をもたらすマルチタスク勾配アシスト(MGA)法を提案する。 マンモグラフィーとCTの2つのデータセットを用いて,MGAは様々な補助課題に対するフィードバックに基づいて診断精度を向上させることができた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-task deep learning has been developed to ensure explainability in computer-aided diagnosis (CAD) systems. These systems simultaneously predict interpretable characteristics of findings in auxiliary tasks to help radiologists assess the reliability of the diagnostic prediction. However, the CAD's opinion would not be referred to when the auxiliary task prediction deviates from the radiologist's expectation. To further leverage CAD's knowledge in the above situation, we proposed a multi-task gradient assist (MGA) method that brings interactivity to multi-task models without additional training. MGA allows radiologists to give feedback to the CAD and ask for additional diagnostic suggestions. Using two datasets of mammography and CT, we show that MGA successfully improves diagnostic accuracy upon feedback on various auxiliary tasks. Compared to an existing method using forward propagation only, MGA performs more robustly and can be combined to further improve accuracy. Our method paves a promising way for integrating artificial intelligence into image diagnosis.
• Abstract（参考訳）: コンピュータ支援診断(CAD)システムにおける説明可能性を確保するため,マルチタスク深層学習が開発された。 これらのシステムは,放射線医学者が診断予測の信頼性を評価するために,補助作業における発見の解釈可能な特性を同時に予測する。 しかし、CADの意見は、補助的なタスク予測が放射線技師の期待から逸脱したときは言及されない。 このような状況下でCADの知識をさらに活用するため,我々はマルチタスクモデルに対話性をもたらすマルチタスク勾配アシスト(MGA)法を提案した。 MGAにより、放射線科医はCADにフィードバックを与え、追加の診断提案を求めることができる。 マンモグラフィーとCTの2つのデータセットを用いて,MGAは様々な補助課題に対するフィードバックに基づいて診断精度を向上させることができた。 フォワード伝搬のみを用いた既存手法と比較して、MGAはより堅牢に動作し、さらに精度を向上させるために組み合わせることができる。 本手法は,人工知能を画像診断に統合するための有望な方法である。

関連論文リスト

• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• MvKeTR: Chest CT Report Generation with Multi-View Perception and Knowledge Enhancement [1.6355783973385114]
  多視点認識知識強化型TansfoRmer(MvKeTR) 複数の解剖学的ビューから診断情報を効果的に合成するために、ビューアウェアのMVPAを提案する。 クエリボリュームに基づいて、最も類似したレポートを取得するために、Cross-Modal Knowledge Enhancer (CMKE) が考案されている。
  論文  参考訳（メタデータ） (2024-11-27T12:58:23Z)
• Joint enhancement of automatic chest X-ray diagnosis and radiological gaze prediction with multi-stage cooperative learning [2.64700310378485]
  胸部X線検査における関節疾患診断のための新しい深層学習フレームワークを提案する。 具体的には、DenseNet201バックボーンとResidualおよびSqueeze-and-Excitationブロックベースのエンコーダの両方を活用する、新しいデュアルエンコーダマルチタスクUNetを導入する。 提案手法は胸部X線診断における既存の手法と視覚的注意マップの精度を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-03-25T17:31:12Z)
• Mining Gaze for Contrastive Learning toward Computer-Assisted Diagnosis [61.089776864520594]
  医用画像のテキストレポートの代替としてアイトラッキングを提案する。 医用画像を読み,診断する際に放射線科医の視線を追跡することにより,その視覚的注意と臨床的理由を理解することができる。 対照的な学習フレームワークのためのプラグイン・アンド・プレイモジュールとして,McGIP (McGIP) を導入した。
  論文  参考訳（メタデータ） (2023-12-11T02:27:45Z)
• Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework for Breast Cancer Detection and Segmentation [48.08423125835335]
  MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。 放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
  論文  参考訳（メタデータ） (2023-08-27T22:07:42Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)
• Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
  マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-05-21T06:48:34Z)

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。