агентический рабочий поток ИИ для сегментации печени и структурированной радиологии
arXiv: 261 030,345999v 1 Annuales Type: New Humber Abstract: Несмотря на достижения в автоматизированной сегментации повреждения печени, сохраняется разрыв между прогнозами с помощью изображений и клиническим интерпретируемым радиологией. Преодоление этого пробела требует количественных измерений, которые являются одновременно воспроизводимыми и отслеживаемыми. Мы представляем агентическую систему ИИ, основанную на фактических данных и соединяющую сегментацию печени и повреждений с детерминистской количественной оценкой и структурированной отчетностью. В модели TotalSegmentator nnU-Net отбираются печень, сегменты куино и повреждения, в то время как вычислительные инструменты извлекают объемы, размеры, подсчеты и анатомические места. В рамках крупной языковой модели (LLM) эти измерения сгруппированы в предопределённую схему представления отчетности, предусматривающую количественную проверку последовательности измерений источников. В 51 случае на этапе сегментации печени было получено 0,947, чувствительность к повреждениям - 75,6% и положительное прогнозное значение - 68,9%. Проверка 25 494 сообщений МЕРЛИН, выявленных 10 2