医用画像と臨床テキストのアノテーションツール比較

3D Slicer、ITK-SNAP、QuPath は、一人の専門家が CT や MR のボリュームを分割したり、病理スライドの輪郭を描いたりするための無料のデスクトッププログラムで、V7 と Encord は、DICOM ビューアーとコンセンサスレビューを備えたホスト型プラットフォームを、問い合わせによる価格で販売しています。Potato は、複数の読影者による研究のための、V7 や Encord に代わる無料のセルフホスト型の選択肢です。Potato は、DICOM と NIfTI のボリューム、全スライド画像、臨床ノートを、自分のサーバー上で読影者に振り分け、読影者の一致度を Dice またはカッパとして報告します。

DICOM は、スキャナーや病院の画像保管システム（PACS）が医用画像を保存する標準形式で、CT や MR のシリーズは通常、スライドごとに一つのファイルを持つ DICOM ファイルのフォルダーです。NIfTI は、ボリューム全体を一つの .nii または .nii.gz ファイルに保存し、研究用データセットで一般的です。全スライド画像は、スキャンされた病理スライドを解像度のピラミッドとして保存したもので、Aperio の .svs や Hamamatsu の .ndpi などの形式があります（デジタル病理学を参照）。DICOM SEG は、セグメンテーションをラベル付きのボクセルとして保存します。RTSTRUCT は輪郭を保存し、放射線治療計画システムのセグメンテーション形式です。Dice 係数は、二人の読影者のマスクがどれだけ重なるかを測り、Cohen のカッパは、カテゴリカルな回答に対する、偶然を補正した一致度を測ります。匿名化は、ファイルから患者の氏名、ID、日付、そのほかの識別子を取り除きます。

このページは、CT と MR のボリューム、全スライドの病理画像、2D の臨床画像、臨床テキストを扱います。ヘルスケアと臨床アノテーションは、Potato の医療向けの機能を一か所にまとめ、Potato での医用画像アノテーションは、画像の種類ごとの設定を順に説明し、画像アノテーションツール比較は、一般的なコンピュータービジョンのツールを扱います。

比較する価値のある医療向けアノテーションツール

価格とライセンスは、2026 年 10 月時点の各プロジェクト自身のページによるものです。どちらの有償プラットフォームも価格を公開していないため、表には各プラットフォームの料金モデルを記しています。

MONAI Label はサーバーとして動き、アノテーターは、サポートされているビューアーのいずれかで作業します。PyPI での MONAI Label の最新リリースは、2024 年 11 月の 0.8.5 です。3D Slicer のドキュメントは、Slicer が臨床利用で承認されておらず、研究用であると述べ、QuPath のサイトは、QuPath が臨床、診断、治療の目的を意図していないと述べています。Potato は研究用のソフトウェアであり、臨床上または規制上の承認はありません。

どの作業にどのツールか

表は、医療向けアノテーションのプロジェクトの種類を、その種類のプロジェクトのために作られたツールと組み合わせています。

デスクトップのツールは、一人の専門家が作業を行う場面に現れ、有償のプラットフォームは、ベンダーがラベル付けの環境を運営する場面に現れます。Potato は、症例が、機関が運営するサーバー上の複数の読影者に渡り、研究が読影者の一致度を報告する場面に現れます。

V7 と Encord に代わる無料の選択肢

V7 と Encord は、DICOM ビューアーとコンセンサスレビューを備えたホスト型のアノテーションプラットフォームを、問い合わせによる価格で販売しています。このページの無料のツールは、その作業を異なる形で分担します。3D Slicer、ITK-SNAP、QuPath は、デスクトップコンピューターで、一人の専門家がボリュームを分割したり、スライドの輪郭を描いたりする作業に向いています。Potato は、複数の読影者による研究に向いており、DICOM と NIfTI のボリューム、全スライド画像、臨床ノートを、自分のサーバー上で読影者に振り分け、読影者の一致度を Dice またはカッパとして報告します。無料のツールには、有償のプラットフォームのようなマネージドなホスティングやベンダーのサポートを提供するものはありません。

各ツールが動く場所

3D Slicer、ITK-SNAP、QuPath は、読影者自身のコンピューター上で動き、画像は、読影者のワークステーションが到達できるストレージに留まります。3D Slicer は、フォルダーから、またはクエリと取得を伴う DICOM サーバーから DICOM をインポートし、DICOM ネットワーキングまたは DICOMweb で検査を送信します。QuPath のプロジェクトは、QuPath のデータと画像へのパスを含むフォルダーです。ITK-SNAP の AI 分割には NVIDIA GPU が必要で、同じコンピューター上か、ITK-SNAP が接続するリモートサーバー上にあります。

OHIF Viewer はブラウザー上で動き、DICOMweb をサポートする任意のアーカイブから検査を読み込みます。病院は、OHIF を、病院自身の PACS や研究用の DICOM サーバーに向けることができます。MONAI Label は、サーバー上でモデルを動かし、DICOMweb を通じて PACS に到達します。Cytomine、MedCATtrainer、INCEpTION は、自分のサーバーにインストールします。Cytomine と MedCATtrainer は Docker Compose でインストールされ、INCEpTION のサーバーデプロイは、機関の既存のシングルサインオンを使えます。

V7 はホスト型のプラットフォームとして動き、V7 の価格ページは、V7 が GDPR、HIPAA、SOC 2 Type II、ISO 27001 の認証を受け、準拠していると述べています。Encord の標準の構成では、Encord が Google Cloud 上でプラットフォームを動かし、ファイルは顧客自身のクラウドストレージに留まります。Encord のドキュメントは、クラウドのデプロイを SOC 2 Type II、HIPAA、GDPR に準拠していると挙げています。Enterprise プランでは、Encord は、顧客自身の AWS、Google Cloud、Azure のアカウント内、または外部へのインターネット接続のない顧客のサーバー上にもデプロイします。

Potato は、機関内のサーバーに pip でインストールされ、すべての読影者は、そのサーバーに対してブラウザーで作業します。Potato は、すべてのスクリプト、スタイルシート、フォント、アイコンを Potato のパッケージから配信し、Potato とモデルの重みがインストールされた後は、外へ出る経路のないネットワークでもインターフェースが動作します。読影者は、機関の ID プロバイダーを通じて、SAML（authentication.method: saml）、または OAuth と OpenID Connect でサインインできます（SSO と OAuth）。Potato が外部のサービスにデータを送るのは、設定がそのようなサービスを指定した場合に限られます。臨床用語の UMLS へのリンクは、その一例で、Potato の UMLS クライアントが、インターネット経由で NLM の UTS サービスを検索するためです。エアギャップ環境でのデプロイは、Potato がローカルで配信するものを一覧にしています。

複数の読影者と読影者間の一致度

読影者研究は、各症例を複数の読影者に渡して回答を比較し、観察者間変動を測ることと、複数の専門家から参照標準を作ることの両方を行います。各行は、同じ症例に対して複数の読影者が作業するためのツールの構成と、そのツールが報告する一致度の指標を示します。

ダッシュは、2026-10-28 に確認した、そのツール自身のドキュメントに、そのセルに当たるものが見つからなかったことを意味します。セルが誤っている場合は、お知らせください。

Dice は、分割マスクに対する通常の重なりの指標です。Potato は、読影者のすべての組と、ボリュームのすべてのラベルについて、3D Dice を報告します。どちらの読影者もラベルを塗らなかった組は、一致したと数えられず、そのラベルについては除外され、ボリューム内に描かれたボックスは採点されません。Dice は、偶然を補正しません。2D 画像と全スライド画像では、Potato は、ボックスとポリゴンに対する偶然補正済みの一致度も報告します（ジオメトリの一致度）。空間ラベルに対する偶然補正済みの一致度を報告するほかのアノテーションプラットフォームは、見つかっていません。

AI 支援の分割

AI 支援の分割では、モデルが、クリック、スクリブル、ボックスをマスクに変え、ツールによって、モデルが動く場所が異なります。

• 3D Slicer。 Segment Editor の Grow from seeds と Fill between slices のエフェクトは、いくつかの塗ったシードやスライスから、訓練済みのモデルなしで分割を完成させます。MONAI Label は、Slicer を、深層学習モデルを動かすサーバーに接続します。
• ITK-SNAP。 アクティブ輪郭による分割が組み込まれています。DLS 拡張は、ITK-SNAP を、同じコンピューター上、またはリモートサーバー上の NVIDIA GPU で動く、3D のプロンプト可能な分割モデル nnInteractive に接続します。
• MONAI Label。 サンプルアプリは、放射線科（DeepEdit と DeepGrow）、病理、内視鏡をカバーし、オプションとしてアクティブラーニングがあります。チームは、自分で訓練したモデルを提供することもできます。
• OHIF Viewer。 バージョン 3.10 で、Labelmap Assist とワンクリックの 3D ツールが追加されました。Labelmap Assist は、Segment Anything モデルで分割を次のスライスに拡張し、3D ツールは、WebGPU 上のブラウザー内で grow-cut アルゴリズムを実行します。
• V7 と Encord。 V7 は、DICOM と NIfTI のために、SAM に基づく Auto-Annotate とスライス補間を提供します。Encord の DICOM エディターは、SAM 2 でポリゴンを描きます。
• Potato。 ボリュームのツールは手動です。アノテーターは、ブラシで塗るか、ポリゴンで領域の輪郭を描き、塗った二つのスライスの間のスライスを、サーバー上の形状に基づく補間で埋めます。Potato 2.13.1 から、ポリゴンを閉じると、そのスライスで、その領域がラベルのマスクに塗られます。スライス上に描かれたボックスは、別々の図形として保存され、専用の __shapes.json ファイルにエクスポートされるため、ボックスがマスクのボクセルを埋めることはなく、Dice にも数えられません。症例が RTSTRUCT ファイルを指定している場合、Potato は、そのファイルの輪郭を、同じ名前のラベルの開始マスクに変換します。Potato 2.14 からは、volume-unet トレーナーが、アノテーターが塗ったマスクに3D U-Net を当てはめ、モデルのマスクが、他のボリュームのスライスビューを事前に埋め、アノテーターが修正します。2D 画像では、sam ツールが、一度だけ potato download-models mobile_sam を実行した後に、ブラウザー内で MobileSAM を動かします。臨床テキストについては、AI サポートが言語モデルの提案を表示し、endpoint_type: ollama または vllm が、モデルを自分のサーバーに留めます。

ファイル形式とマスクのエクスポート

医用画像は、PACS からの DICOM シリーズ、研究用データセットの NIfTI ファイル、スライドスキャナーからの全スライドファイルとして届きます。マスクは、PACS や計画システム向けの DICOM SEG または RTSTRUCT として、訓練パイプライン向けの NIfTI として、書き出されます。

• 3D Slicer は、DICOM、NRRD、NIfTI-1 を読み込み、分割結果を、NRRD、NIfTI、STL または OBJ のモデルとして、あるいはコアの DICOM エクスポートからの DICOM SEG として書き出します。RTSTRUCT のエクスポートには、SlicerRT 拡張が必要です。
• ITK-SNAP は、NIfTI、DICOM、そのほかの 3D 画像形式を読み込みます。
• OHIF Viewer は、DICOMweb で検査を読み込み、RTSTRUCT を表示し、分割結果を、ダウンロードとして、またはサーバーに戻す形で、DICOM 形式で保存します。
• QuPath は、Bio-Formats と OpenSlide を通じて全スライド画像を読み込みます。
• V7 は、.dcm、.nii、.svs ファイルを読み込み、複数のビューにまたがって作られたアノテーションを、Darwin JSON 2.0 または NIfTI としてエクスポートします。
• Encord は、ブラウザーで DICOM をレンダリングし、NIfTI を読み込み、ボリュームの軸位、冠状、矢状のビューを表示します。
• Potato は、DICOM シリーズ（スライスごとに一つのファイル、または一つの拡張マルチフレームファイル）、3D の .nii または .nii.gz ファイル、開始マスクとしての RTSTRUCT を読み込みます。マスクは、元のジオメトリの NIfTI ラベルボリュームとしてエクスポートされます（volume_nifti）。DICOM のソースでは、マスクは、元のシリーズを参照する DICOM SEG オブジェクトとしてもエクスポートされ（dicom_seg）、Potato 2.13 からは、各セグメントの体積を記録する DICOM SR（TID 1500）を伴う DICOM SEG としてもエクスポートされます（dicom_sr）。.svs、.ndpi、.mrxs、.scn、.vms、.vmu、.bif、.svslide のスライドは、openslide を通じてディープズームビューアーで開き、Potato 2.13 からは、スライドの領域を QuPath GeoJSON と ASAP XML でインポートおよびエクスポートできます（qupath_geojson、asap_xml）。PNG と JPEG の画像はそのまま読み込まれ、TIFF（16 ビットを含む）、JPEG 2000、HEIC、カメラの RAW は、最初のリクエスト時に変換されます。

DICOM シリーズを 3D で正しく配置できない場合、たとえば二つのシリーズを含むフォルダー、間隔が不均一なスライス、0.5 度を超えるガントリーチルトの場合、Potato は、理由を示すメッセージとともに停止します。DICOM の単一のレントゲン写真は、通常、先に PNG または TIFF への変換が必要です。ボリュームリーダーは、患者の位置とピクセル間隔のフィールドからスライスを配置しますが、多くの CR と DX のレントゲン写真には、位置のフィールドがないためです。

患者情報と匿名化

DICOM のヘッダーには、通常、患者の氏名、ID、生年月日、施設が含まれます。超音波画像と二次キャプチャには、同じ詳細がピクセルに焼き込まれていることがよくあります。アノテーターやサーバー管理者が識別データを見てはならない場合は、アップロードの前にファイルを匿名化してください。

3D Slicer のドキュメントは、データが Slicer に届く前に、できれば DICOM ルーターで匿名化することを勧め、DicomCleaner、gdcmanon、RSNA Clinical Trial Processor を紹介しています。Cytomine のブラインドモードは、ユーザーの活動とアノテーションの統計とともに、画像名を貢献者から隠します。Cytomine のアクティビティパネルは、各メンバーが最後に閲覧した画像と画像の閲覧を、プロジェクトの活動ログとともに表示します。

Potato のボリュームビューアーは、アノテーターに、display_tags に挙げられたヘッダーのフィールドだけを表示します。DICOM の基本的な匿名化プロファイルの一覧にあるフィールドは、allow_identifying_tags もそのフィールドを指定した場合にのみ表示され、その一覧には、PatientName、PatientID、生年月日、アクセッション番号、検査日が含まれます。サーバーはすべてのリクエストにフィルターを適用し、ブラウザーがほかのフィールドを要求することはできません。生の DICOM と NIfTI ファイルは、serve_raw_medical_files がオンでない限り、Potato のメディアルートで 403 になり、設定をオンにすると、ファイルはサインインなしで配信されます。BurnedInAnnotation が YES とマークされたシリーズは読み込まれず、メッセージがその理由を示します。

Potato は、ファイルを匿名化しません。ファイル名とフォルダー名はブラウザーに届き、ピクセルは BurnedInAnnotation フラグを通じてのみ確認され、ディスク上のファイルはアップロードされたままです。DICOM SEG のエクスポートは、DICOM 標準が求めるとおりに、元のシリーズの患者と検査のモジュールをコピーするため、SEG のエクスポートは識別可能なものとして扱ってください。Potato には、HIPAA 準拠の機能はなく、誰がどの患者画像を閲覧したかの監査ログも保持しません。PACS のエクスポートは、フォルダーに患者の名前を付けることが多いため、症例のフォルダーには、case_001/ のような仮名の名前を付けてください。

Potato での三人の読影者による CT 分割の研究

以下の設定は、すべての胸部 CT を三人の読影者に渡します。各読影者は、結節が見えるかどうかに答え、その後、各結節を塗ります。radio の回答が読影者間のカッパを与え、マスクが各組の Dice を与えます。ボリュームのサポートには、volumes エクストラが必要です。

pip install 'potato-annotation[volumes]'

以下の設定は完結しており、Potato のバリデーターを通過します。

annotation_task_name: Lung nodule segmentation, three readers
task_dir: .
output_annotation_dir: annotation_output/
media_directory: media
data_files:
  - data/cases.json
item_properties:
  id_key: id
  text_key: text
user_config:
  allow_all_users: true
  users: []
 
# Three readers segment every case, and each reader's masks are kept separately
num_annotators_per_item: 3
 
annotation_schemes:
  - annotation_type: radio
    name: nodule_present
    description: Is a nodule visible on this scan?
    labels: ["Yes", "No", "Uncertain"]
 
  - annotation_type: volume_annotation
    name: nodule_mask
    description: Paint each nodule on the axial slices where it appears
    source_field: volume
    labels:
      - {name: Nodule, color: "#e6553a", key_value: "1"}
    tools: [brush, eraser, polygon]
    # NIfTI files have no modality field and get no CT presets, so the study names a lung window
    window_presets:
      - {name: Nodule review, center: -600, width: 1500}
    default_window: Nodule review
    display_tags: [Modality, BodyPartExamined, SliceThickness]

各症例は、media/ の下の DICOM シリーズのフォルダーまたは NIfTI ファイルを指定します。

[
  {"id": "case_001", "volume": "phantom_dicom", "text": "Case 001"},
  {"id": "case_002", "volume": "phantom.nii.gz", "text": "Case 002"}
]

NIfTI ファイルにはモダリティのフィールドがなく、Potato は NIfTI の症例に、自動ウィンドウとスキーム自身のプリセットだけを提供します。Nodule review プリセットは、両方の症例に同じ肺のウィンドウを与え、DICOM の CT シリーズには、さらに軟部組織、肺、骨、脳のプリセットと、ファイルに保存されたウィンドウも与えられます。display_tags は、モダリティ、身体部位、スライス厚を表示し、識別フィールドは表示しません。読影が終わったら、マスクと radio の質問に対する一致度をエクスポートします。

python -m potato.export -c config.yaml -f volume_nifti -o ./export/
python -m potato.export -c config.yaml -f dicom_seg -o ./export/
python -m potato.export -c config.yaml -f reliability -o ./export/

最初のコマンドは、読影者と症例ごとに一つの NIfTI ラベルボリュームを書き出します。二つ目は、DICOM の症例について読影者ごとに一つの DICOM SEG を書き出し、NIfTI の症例は警告とともにスキップします。三つ目は、nodule_present について、95% ブートストラップ区間付きの Krippendorff のアルファを書き出し、/admin/iaa の管理ダッシュボードは、読影者の各組の Dice を表示します。上のメディアは、リリースの examples/image/ct-volume/ フォルダーにある、合成 CT ファントムです。このフォルダーには、prefill_rtstruct_field を試すための、ファントムの RTSTRUCT も入っています。

院内ネットワーク上の臨床ノート

Potato での臨床テキストのアノテーションは、スパンのラベルを使い、各スパンから用語集へのリンクを任意で付けられます。以下の設定は、各退院サマリーを二人のアノテーターに渡し、ハイライトした各スパンを、院内ネットワーク内の用語サービスにリンクします。

annotation_task_name: Discharge summary problems and medications
task_dir: .
output_annotation_dir: annotation_output/
data_files:
  - data/notes.jsonl
item_properties:
  id_key: id
  text_key: text
user_config:
  allow_all_users: true
  users: []
 
num_annotators_per_item: 2
 
annotation_schemes:
  - annotation_type: span
    name: entities
    description: Highlight each problem, test, and medication
    labels: [Problem, Test, Medication]
    entity_linking:
      enabled: true
      knowledge_bases:
        # A terminology service inside the hospital network
        - name: local_terms
          type: rest
          base_url: http://terminology.internal:8080
      auto_search: true
 
  - annotation_type: radio
    name: note_quality
    description: Is the note complete enough to annotate?
    labels: ["Complete", "Partly missing", "Unusable"]

Potato のサーバーは、各検索を <base_url>/search?q=<text>&limit=10 に送り、各エントリーが id、label、description を持つ results リストを読み込みます。エンドポイントのパスとフィールド名は、extra_params の下で変更できます。組み込みの umls タイプは、自分の UMLS API キーで NLM の UTS サービスを検索し、その場合は各検索文字列がネットワークの外へ出ます。二人のアノテーター間のスパンの一致度は、管理ダッシュボードに、トークンレベルのカッパ、スパン F1、文字レベルの Krippendorff のアルファとして表示されます（スパンの一致度）。そのほかのオプションは、エンティティリンキングで扱っています。

MedCATtrainer は MedCAT のモデルから始まり、アノテーターは、モデルが見つけた各概念を、正しい、誤り、代替、またはほかの二つのステータスのいずれかとして印を付け、プロジェクトは、アノテーターが文書を提出するたびにモデルを再訓練できます。INCEpTION は、メンションを RDF、OWL、OBO、SKOS の知識ベースに、SNOMED CT のプロファイルを使ってリンクし、複数のアノテーターの作業をキュレーションで統合します。Potato は、ノートが、同じ症例に画像、質問紙、モデルの出力を伴う、より大きな研究の一部である場合に向いています。

医療向けアノテーションで Potato が行わないこと

• 匿名化は行わない。 Potato は、DICOM ヘッダーのフィールドをアノテーターから伏せ、生のダウンロードをブロックしますが、ファイル、ファイル名、ピクセルは、アップロードされたままにします。
• HIPAA 準拠の機能も、誰がどの画像を閲覧したかの監査ログもない。 Cytomine のアクティビティパネルは、各メンバーが最後に閲覧した画像を記録します。
• 4D ボリューム、融合 PET/CT、斜位の再構成はない。 斜位の撮像は、真の軸位、冠状、矢状の面ではなく、最も近い直交グリッドで表示されます。
• ボリュームビューアーに対話型の AI ツールはない。 3D マスクは、ブラシ、閉じたポリゴン、補間、RTSTRUCT の輪郭から作られ、バージョン2.14からは、調査自身のマスクで学習した volume-unet モデルからも作られます。対話型のモデル支援 3D 分割は、MONAI Label、nnInteractive を使った ITK-SNAP、OHIF が提供します。
• 位置フィールドのない 2D DICOM のレントゲン写真は扱えない。 CR と DX のファイルは、先に PNG または TIFF に変換してください。
• ラベルごとの二値マスク。 NIfTI エクスポートで重なり合ったラベルは、スキームのリストで後ろにあるラベルに解決されます。
• スライドのエクスポートにミクロン座標はない。 スライドの座標は、フル解像度のスライドに対する割合として保存され、QuPath GeoJSON と ASAP XML のエクスポートは、レベル 0 のピクセルを書き出します。変換には、タイル記述子が、ピクセルあたりのミクロン数を与えます。
• 臨床訓練の確認はない。 Potato は、アノテーターが放射線科医や病理医であることを検証しません。

各プロジェクト自身のドキュメントと価格のページに照らして、2026 年 10 月に確認しました。

よくある質問

最良の無料の医用画像アノテーションツールは何ですか。

一人の専門家が CT や MR のボリュームを分割するには、3D Slicer と ITK-SNAP が無料のデスクトップの選択肢で、QuPath は、全スライドの病理画像のための無料のデスクトップの選択肢です。MONAI Label は、Slicer、OHIF、QuPath に AI 支援の分割を加え、OHIF Viewer は、DICOMweb アーカイブから、ブラウザー上で検査を分割します。同じ症例に複数の読影者をつける場合、Potato は、DICOM、NIfTI、全スライド画像と、読影者間の Dice を備えた、V7 や Encord に代わる無料のセルフホスト型の選択肢です。ここで挙げた六つのツールは、すべて無料でオープンソースです。

医用画像のアノテーションで Cohen のカッパはどう計算しますか。

Cohen のカッパは、所見があるかどうか、病変がどのグレードかのような、症例ごとのカテゴリカルな回答について計算し、二人の読影者のマスクの重なりには、Dice 係数を使います。Cohen のカッパは、同じ症例に対する二人の読影者の回答を比較し、偶然に期待される一致を補正します。Fleiss のカッパと Krippendorff のアルファは、その比較を三人以上の読影者に拡張します。すべてのピクセルまたはボクセルに対して計算したカッパは、すべての読影者が空のままにする背景も数えてしまうため、マスクにはラベルごとの Dice が通常の選択になります。Potato は、管理ダッシュボードで、radio の質問に対する Cohen のカッパ、Fleiss のカッパ、Krippendorff のアルファと、ボリュームのマスクに対するラベルごとの 3D Dice を報告します。どのツールからエクスポートした回答でも、一致度の計算ツールが、ブラウザー内で CSV からカッパとアルファを計算します。

3D Slicer は、一つのプロジェクトで複数のアノテーターを管理できますか。

3D Slicer のドキュメントには、同じ症例を複数のアノテーターに割り当てたり、アノテーターの分割結果を比較したりするための、組み込みの方法は見つかりませんでした。Slicer はデスクトッププログラムで、チームは、ファイルまたは DICOM サーバーを通じてデータを共有します。アノテーターを管理するウェブベースのプラグインを求める Slicer フォーラムのスレッドには、出発点として、文書化されていない拡張が示されました。Potato は、複数の読影者に関する部分をブラウザーで扱い、num_annotators_per_item が症例を割り当て、読影者間のラベルごとの 3D Dice を出します。Potato の NIfTI ラベルボリュームは、そこで作業を続ける人のために、Slicer で開けます。

関連資料

• ヘルスケアと臨床アノテーション：Potato の医療向けの機能を一か所にまとめています
• Potato での医用画像アノテーション
• 複数の読影者と STAPLE で CT ボリュームを分割する：公開 CT スキャンでの三人の読影者、読影者ごとの Dice、STAPLE によるコンセンサス
• ディープズームによるギガピクセル画像のアノテーション
• エクスポート形式
• エアギャップ環境でのアノテーション
• 専門家とクラウドのアノテーション
• アノテーター間一致度
• 裁定と意見の相違
• 画像アノテーションツール比較
• テキストアノテーションツール比較
• ギガピクセルと全スライド画像のアノテーションツール比較

参考文献

1. Jurgens, D., Chen, M., & Iyer, L. (2026). Potato 2.0: A Comprehensive Annotation Platform with AI-in-the-Loop Support. Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 3: System Demonstrations), 374-386. https://aclanthology.org/2026.acl-demo.37/