論文の概要: A Scientific Claim Stability Framework for Evaluating MRI Morphometry Pipelines
- arxiv url: http://arxiv.org/abs/2611.02413v1
- Date: Mon, 02 Nov 2026 02:35:45 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 20:14:19.236609
- Title: A Scientific Claim Stability Framework for Evaluating MRI Morphometry Pipelines
- Title（参考訳）: MRI形態計測パイプライン評価のための科学的クレーム安定性フレームワーク
- Abstract要約: MRI形態計測パイプラインは、しばしば測定一致または下流の精度で評価される。
本稿では,クレーム中心評価フレームワークであるScience Claim Stability(SCS)を紹介する。
SCSは2,783枚のクレームカードを生成し、10,370個のMRIスキャンで89個のクレームファミリーペアを評価する。
- 参考スコア（独自算出の注目度）: 1.9184474624154293
- License:
- Abstract: MRI morphometry pipelines are often evaluated by measurement agreement or downstream accuracy, yet their scientific value depends on the conclusions they support. Two pipelines can produce similar feature-level results yet support different conclusions about aging, cognitive decline, or neurodegeneration. We introduce Scientific Claim Stability (SCS), a claim-centric evaluation framework that converts region-of-interest (ROI) morphometry tables into auditable claim cards and evaluates their support under changes in dataset, processing pipeline, atlas, feature family, and target. Across 10,370 MRI scans from three datasets and five cohorts, SCS generates 2,783 claim cards and evaluates 89 claim-family pairs. The evaluation distinguishes stable, transferable, and fragile claims. FreeSurfer 8-FastSurfer comparisons show high evidence concordance and low anatomical-support overlap under the primary covariate specification. Acquisition-adjusted analyses show that the magnitude of support disagreement depends on the model specification. Structured review by specialists in geriatrics, neuroscience, and radiology, alongside auxiliary ChatGPT and Gemini reviewers, assesses claim plausibility, clarity, faithfulness, usefulness, and caution. SCS provides a reproducible way to audit the evidential stability of morphometry claims without assuming a universal gold standard.
- Abstract（参考訳）: MRI形態計測パイプラインは、しばしば測定合意や下流の精度で評価されるが、その科学的価値は彼らが支持する結論に依存する。
2つのパイプラインは、同様の特徴レベルの結果を生成することができるが、老化、認知低下、神経変性に関する異なる結論をサポートする。
我々は,関心領域(ROI)モルフォメトリーテーブルを監査可能なクレームカードに変換し,データセット,処理パイプライン,アトラス,機能ファミリ,ターゲットの変更によるサポートを評価するクレーム中心評価フレームワークであるScience Claim stability(SCS)を紹介した。
3つのデータセットと5つのコホートから10,370個のMRIスキャンを行い、SCSは2,783枚のクレームカードを生成し、89個のクレームファミリーペアを評価する。
評価は安定で、転送可能で、脆弱なクレームを区別する。
FreeSurfer 8-FastSurferの比較では、一次共変量仕様の下では、高いエビデンス一致と低い解剖学的サポートオーバーラップを示す。
獲得調整分析は、サポートの不一致の大きさがモデル仕様に依存することを示している。
老年医学、神経科学、放射線学の専門家による構造化されたレビューは、補助的なChatGPTとジェミニのレビュアーと共に、クレームの妥当性、明快さ、忠実さ、有用性、注意度を評価する。
SCSは、普遍的な金標準を仮定することなく、モルフォメトリークレームの明らかな安定性を評価する再現可能な方法を提供する。
関連論文リスト
- BeliefScope: Diagnosing Evidence-Driven Revision and Pressure-Induced Shifts in Large Language Models [2.015177052949575]
言語モデルは、真に関連のある証拠を受け取った後や、無関係な事実を付加する方向性のユーザプレッシャーを受けた後に、同じ提案を修正することができる。
固定目標命題に関連する2つの要因を分離するブラックボックスフレームワークであるBeliefScopeを紹介した。
論文 参考訳（メタデータ） (2026-10-08T06:11:48Z) - SPARC-Rad: A Multimodal Benchmark Dataset and Evaluation Pipeline for Spatial and Anatomical Reasoning in Radiology Vision-Language Models [10.383904797979445]
利用可能なベンチマークの多くは、放射線学に必要な空間的および解剖学的推論よりも、病気の分類、報告の生成、あるいは広い視覚的質問応答を強調している。
臨床放射線学における空間知覚と解剖学的推論(SPARC-Rad)ベンチマークを開発した。
放射線トレーナーは、解剖学的同定、局所化、ラテラル性、地域認識、デバイス識別、構造間空間関係を評価するために、手動で質問を設計し、注釈付けした。
論文 参考訳（メタデータ） (2026-07-30T20:13:32Z) - Reliability-Aware CT-MRI Registration: A Quality Engineering Framework with Stability Analysis and Risk Classification [0.0]
マルチモーダルCT-MRIは、画像誘導放射線治療、手術ナビゲーション、診断の中心である。
データ学習しきい値を用いて、登録品質をグリーン/イエロー/レッドリスクカテゴリに変換する信頼性対応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-01T04:19:32Z) - CT-FineBench: A Diagnostic Fidelity Benchmark for Fine-Grained Evaluation of CT Report Generation [51.11942945171396]
従来の評価指標は、語彙重なり合いやエンティティマッチングの粗い尺度のみを提供する。
我々はCT-RATEとMerlinのベンチマークであるCT-FineBenchを提案し、CTレポートの微細な事実整合性を評価する。
我々のベンチマークは、綿密な質問回答(QA)ベースのプロセスによって構築されます。
論文 参考訳（メタデータ） (2026-04-27T03:32:46Z) - Eligibility-Aware Evidence Synthesis: An Agentic Framework for Clinical Trial Meta-Analysis [49.83108591873481]
EligMetaはエージェントフレームワークで、自動トライアル発見と、資格を意識したメタ分析を統合する。
フレームワークは、目標トライアル間の人口アライメントを反映した類似性に基づく研究重量を計算し、適性基準を構造化する。
論文 参考訳（メタデータ） (2026-04-03T03:18:50Z) - AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。
評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。
実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
論文 参考訳（メタデータ） (2026-01-23T11:59:13Z) - Towards Reliable Medical LLMs: Benchmarking and Enhancing Confidence Estimation of Large Language Models in Medical Consultation [97.36081721024728]
本稿では,現実的な医療相談におけるマルチターンインタラクションの信頼性を評価するための最初のベンチマークを提案する。
本ベンチマークでは,3種類の医療データを統合し,診断を行う。
本稿では,エビデンスを基盤とした言語自己評価フレームワークであるMedConfを紹介する。
論文 参考訳（メタデータ） (2026-01-22T04:51:39Z) - MEDEQUALQA: Evaluating Biases in LLMs with Counterfactual Reasoning [7.167933033102407]
重篤な症状と症状を一定に保ちながら,患者代名詞のみを摂動する反ファクト・ベンチマークであるMEDEQUALQAを紹介する。
我々は、GPT-4.1モデルを評価し、代名詞の変種間の安定性を測定するために、推論トレース間のセマンティックテキスト類似性(STS)を計算する。
以上の結果から,総じて高い類似性(平均STS >0.80)を示した。
論文 参考訳（メタデータ） (2025-10-09T22:12:58Z) - Clinically Grounded Agent-based Report Evaluation: An Interpretable Metric for Radiology Report Generation [32.410641778559544]
ICARE (Interpretable and Clinicallygrounded Agent-based Report Evaluation) は、解釈可能な評価フレームワークである。
2つのエージェントは、それぞれが基礎的真実または生成されたレポートを持ち、臨床的に有意義な質問を発生し、互いにクイズする。
スコアを質問応答ペアにリンクすることで、ICAREは透明で解釈可能な評価を可能にする。
論文 参考訳（メタデータ） (2025-08-04T18:28:03Z) - Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty [57.023423137202485]
医用画像のセグメンテーションの信頼性に関する懸念が臨床医の間で続いている。
本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。
主観的論理理論を活用することで、医用画像分割の確率と不確実性を明示的にモデル化する。
論文 参考訳（メタデータ） (2023-01-01T05:02:46Z)
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。