論文の概要: Character-level Japanese Text Generation with Attention Mechanism for Chest Radiography Diagnosis

• arxiv url: http://arxiv.org/abs/2004.13846v2
• Date: Mon, 8 Jun 2020 05:37:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 05:26:31.433963
• Title: Character-level Japanese Text Generation with Attention Mechanism for Chest Radiography Diagnosis
• Title（参考訳）: 胸部X線診断のための注意機構をもつ文字レベル日本語テキスト生成
• Authors: Kenya Sakka, Kotaro Nakayama, Nisei Kimura, Taiki Inoue, Yusuke Iwasawa, Ryohei Yamaguchi, Yosimasa Kawazoe, Kazuhiko Ohe, Yutaka Matsuo
• Abstract要約: 胸部X線写真所見の生成に関する研究は、主に英語に焦点を当てている。 日本語の発見には2つの課題がある。 胸部X線写真から文字レベルで日本語所見を生成するエンド・ツー・エンドモデルを提案する。
• 参考スコア（独自算出の注目度）: 18.089188645902535
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chest radiography is a general method for diagnosing a patient's condition and identifying important information; therefore, radiography is used extensively in routine medical practice in various situations, such as emergency medical care and medical checkup. However, a high level of expertise is required to interpret chest radiographs. Thus, medical specialists spend considerable time in diagnosing such huge numbers of radiographs. In order to solve these problems, methods for generating findings have been proposed. However, the study of generating chest radiograph findings has primarily focused on the English language, and to the best of our knowledge, no studies have studied Japanese data on this subject. There are two challenges involved in generating findings in the Japanese language. The first challenge is that word splitting is difficult because the boundaries of Japanese word are not clear. The second challenge is that there are numerous orthographic variants. For deal with these two challenges, we proposed an end-to-end model that generates Japanese findings at the character-level from chest radiographs. In addition, we introduced the attention mechanism to improve not only the accuracy, but also the interpretation ability of the results. We evaluated the proposed method using a public dataset with Japanese findings. The effectiveness of the proposed method was confirmed using the Bilingual Evaluation Understudy score. And, we were confirmed from the generated findings that the proposed method was able to consider the orthographic variants. Furthermore, we confirmed via visual inspection that the attention mechanism captures the features and positional information of radiographs.
• Abstract（参考訳）: 胸部x線撮影は患者の状態を診断し、重要な情報を同定するための一般的な方法であり、救急医療や検診などの様々な状況において、日常的な診療に広く用いられている。 しかし胸部x線画像の解釈には高度な専門知識が必要である。 このように、医療専門家は、このような膨大な量のラジオグラフィーの診断にかなりの時間を費やしている。 これらの問題を解決するために, 結果を生成する手法が提案されている。 しかし,胸部x線写真作成の研究は主に英語に焦点をあてており,我々の知る限りでは日本語データの研究は行われていない。 日本語における発見の生成には2つの課題がある。 最初の課題は、日本語の単語の境界が明確でないため、単語分割が難しいことである。 第二の課題は、多くの正書法の変種が存在することである。 これら2つの課題に対処するため,胸部X線写真から日本語の指標を抽出するエンドツーエンドモデルを提案した。 また,結果の解釈能力だけでなく,精度を向上させるための注意機構も導入した。 提案手法は,日本語データを用いた公開データセットを用いて評価した。 提案手法の有効性は,バイリンガル評価スコアを用いて確認した。 また, 得られた結果から, 提案手法が正書法を検討できることを確認した。 さらに, 視覚検査により, 注意機構が画像の特徴や位置情報を捉えていることを確認した。

関連論文リスト

• Breast Ultrasound Report Generation using LangChain [58.07183284468881]
  本稿では,Large Language Models (LLM) を用いたLangChainによる複数の画像解析ツールを胸部報告プロセスに統合することを提案する。 本手法は,超音波画像から関連する特徴を正確に抽出し,臨床的文脈で解釈し,包括的で標準化された報告を生成する。
  論文  参考訳（メタデータ） (2023-12-05T00:28:26Z)
• Generation of Radiology Findings in Chest X-Ray by Leveraging Collaborative Knowledge [6.792487817626456]
  医学的イメージを解釈する認知的タスクは、放射線学のワークフローにおいて最も重要であり、しばしば時間を要するステップである。 この研究は、ほとんどの時間をFindingsの執筆またはナレーションに費やしている放射線学者の作業量を削減することに焦点を当てている。 単段階画像キャプションタスクとして放射線学レポートを生成する過去の研究とは異なり、CXR画像の解釈の複雑さを考慮に入れている。
  論文  参考訳（メタデータ） (2023-06-18T00:51:28Z)
• Act Like a Radiologist: Radiology Report Generation across Anatomical Regions [50.13206214694885]
  X-RGenは6つの解剖学的領域にわたる放射線学者によるレポート生成フレームワークである。 X-RGenでは、ヒトの放射線学者の行動を模倣し、これらを4つの主要な段階に分解する。 画像エンコーダの認識能力は,各領域にまたがる画像やレポートを分析して向上する。
  論文  参考訳（メタデータ） (2023-05-26T07:12:35Z)
• Improving Radiology Summarization with Radiograph and Anatomy Prompts [60.30659124918211]
  本稿では,印象生成を促進するために,新しい解剖学的拡張型マルチモーダルモデルを提案する。 より詳しくは、まず、解剖学を抽出する一連のルールを構築し、各文にこれらのプロンプトを配置し、解剖学的特徴を強調する。 コントラスト学習モジュールを用いて、これらの2つの表現を全体レベルで整列させ、コアテンションを用いて文レベルで融合させる。
  論文  参考訳（メタデータ） (2022-10-15T14:05:03Z)
• Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
  我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。 提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
  論文  参考訳（メタデータ） (2022-09-28T10:27:10Z)
• HealthyGAN: Learning from Unannotated Medical Images to Detect Anomalies Associated with Human Disease [13.827062843105365]
  現在の医療画像学における典型的な手法は、健康な被験者のみから診断モデルを導出することに集中している。 HealthyGANは、混合データセットから正常な画像のみに変換することを学習する。 1方向であるHealthyGANは、既存の未ペア画像から画像への変換方法のサイクル一貫性の要求を緩和する。
  論文  参考訳（メタデータ） (2022-09-05T08:10:52Z)
• Interpretation of Chest x-rays affected by bullets using deep transfer learning [0.8189696720657246]
  放射線学における深層学習は、異なる疾患を分類し、検出し、分類する機会を提供する。 提案した研究では,X線を銃弾の影響を受け,局所的に分類する医療画像の非自明な側面について検討した。 深層学習を用いた弾による放射線画像の検出と分類に関する最初の研究である。
  論文  参考訳（メタデータ） (2022-03-25T05:53:45Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Auxiliary Signal-Guided Knowledge Encoder-Decoder for Medical Report Generation [107.3538598876467]
  放射線技師の動作パターンを模倣する補助信号誘導知識デコーダ(ASGK)を提案する。 ASGKは、内的特徴融合と外部医療言語情報を統合して、医療知識の伝達と学習をガイドする。
  論文  参考訳（メタデータ） (2020-06-06T01:00:15Z)
• Unsupervised Anomaly Detection for X-Ray Images [4.353258086186526]
  本研究では,手指X線画像の評価において,異常のない画像で訓練された教師なしの方法を用いて,医師を支援する方法について検討する。 我々は、教師なし学習に最先端のアプローチを採用し、異常を検出し、これらの手法の出力がどのように説明できるかを示す。 実世界のX線画像のデータセット上で,ラベルがなくても満足な結果が得られることを実証的に示す。
  論文  参考訳（メタデータ） (2020-01-29T15:14:56Z)

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。