Fugu-MT 論文翻訳(概要): A Survey on Deep Learning and Explainability for Automatic Report Generation from Medical Images

論文の概要: A Survey on Deep Learning and Explainability for Automatic Report Generation from Medical Images

arxiv url: http://arxiv.org/abs/2010.10563v2
Date: Sat, 8 Jan 2022 15:21:49 GMT
ステータス: 処理完了
システム内更新日: 2022-10-05 05:36:50.496816
Title: A Survey on Deep Learning and Explainability for Automatic Report Generation from Medical Images
Title（参考訳）: 医用画像からのレポート自動生成のための深層学習と説明可能性に関する調査
Authors: Pablo Messina, Pablo Pino, Denis Parra, Alvaro Soto, Cecilia Besa, Sergio Uribe, Marcelo and\'ia, Cristian Tejos, Claudia Prieto and Daniel Capurro
Abstract要約: 本調査は,医用画像からの自動レポート生成領域で実施する。調査では、興味深い開発状況が明らかになったが、課題も残されている。生成したレポートの現在の評価は、主に従来の自然言語処理(NLP)メトリクスに依存するため、特に弱い。
参考スコア（独自算出の注目度）: 8.737615516224189
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Every year physicians face an increasing demand of image-based diagnosis from patients, a problem that can be addressed with recent artificial intelligence methods. In this context, we survey works in the area of automatic report generation from medical images, with emphasis on methods using deep neural networks, with respect to: (1) Datasets, (2) Architecture Design, (3) Explainability and (4) Evaluation Metrics. Our survey identifies interesting developments, but also remaining challenges. Among them, the current evaluation of generated reports is especially weak, since it mostly relies on traditional Natural Language Processing (NLP) metrics, which do not accurately capture medical correctness.
Abstract（参考訳）: 毎年、医師は患者からの画像に基づく診断の需要が高まっており、これは最近の人工知能の手法で対処できる問題だ。本研究では,(1)データセット,(2)アーキテクチャ設計,(3)説明可能性,(4)評価指標について,深層ニューラルネットワークを用いた手法に着目して,医用画像からのレポート自動生成の分野での研究を行った。我々の調査は興味深い進展を示しているが、残る課題もある。その中でも, 従来の自然言語処理(nlp)指標に主に依存しており, 医学的正確性を正確に把握していないため, 生成レポートの評価は特に弱い。

関連論文リスト

Machine Learning on Dynamic Functional Connectivity: Promise, Pitfalls, and Interpretations [7.013079422694949]
機能神経画像の深部モデル設計のための実証的ガイドラインの確立を目指す。 fMRIを用いた認知的タスク認識と疾患診断におけるSOTA(State-of-the-arts)のパフォーマンスはどのようなものか? 以上の課題に対処するため,様々な場面で総合的な評価と統計的分析を行った。
論文参考訳（メタデータ） (2024-09-17T17:24:17Z)
Automated Retinal Image Analysis and Medical Report Generation through Deep Learning [3.4447129363520337]
網膜疾患の増加は、医療システムにとって大きな課題となっている。網膜画像から医療報告を生成する従来の方法は、手動による解釈に依存している。この論文は、網膜画像の医療レポート生成を自動化する人工知能の可能性について考察する。
論文参考訳（メタデータ） (2024-08-14T07:47:25Z)
AutoRG-Brain: Grounded Report Generation for Brain MRI [57.22149878985624]
放射線学者は、大量の画像を日々のベースで解釈し、対応するレポートを生成する責任を負う。この要求される作業負荷は、人間のエラーのリスクを高め、治療の遅れ、医療費の増加、収益損失、運用上の不効率につながる可能性がある。地盤自動報告生成(AutoRG)に関する一連の研究を開始した。このシステムは、脳の構造の明細化、異常の局所化、そしてよく組織化された発見の生成をサポートする。
論文参考訳（メタデータ） (2024-07-23T17:50:00Z)
A Textbook Remedy for Domain Shifts: Knowledge Priors for Medical Image Analysis [48.84443450990355]
ディープネットワークは、医学的なスキャンに適用すると、例外のない状況で失敗することが多いため、自然画像の解析において広く成功している。胸部X線や皮膚病変画像の文脈において、異なる病院から採取したデータや、性別、人種などの人口統計学的変数によって構築されたデータなど、ドメインシフトに対するモデル感度に焦点をあてる。医学教育からインスピレーションを得て,自然言語で伝達される明示的な医学知識を基盤としたディープネットワークを提案する。
論文参考訳（メタデータ） (2024-05-23T17:55:02Z)
A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文参考訳（メタデータ） (2024-05-21T06:44:40Z)
Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文参考訳（メタデータ） (2023-11-18T14:52:26Z)
Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
論文参考訳（メタデータ） (2023-10-04T21:57:09Z)
Diagnosis of Paratuberculosis in Histopathological Images Based on Explainable Artificial Intelligence and Deep Learning [0.0]
本研究では,Deep Learningアルゴリズムを用いて新しいオリジナルデータセットを探索し,勾配重み付きクラスアクティベーションマッピング(Grad-CAM)を用いて出力を可視化する。意思決定プロセスと説明文の両方を検証し,出力の精度を検証した。この研究結果は、病理学者が傍結核の診断に大いに役立っている。
論文参考訳（メタデータ） (2022-08-02T18:05:26Z)
Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文参考訳（メタデータ） (2022-06-04T13:16:30Z)
Generative Aging of Brain Images with Diffeomorphic Registration [3.645542167239258]
脳の老化を分析し予測することは、早期予後と認知疾患の正確な診断に不可欠である。本稿では, 経時的MRI画像から被検体特異的神経変性を捕捉し, 加齢に伴う解剖学的妥当性を維持する手法を提案する。
論文参考訳（メタデータ） (2022-05-31T08:37:24Z)
Explainable Deep Learning Methods in Medical Image Classification: A Survey [0.0]
最先端のディープラーニングモデルは、異なるタイプの医療データの分類において、人間レベルの精度を達成した。これらのモデルは、主に解釈可能性の欠如のために、臨床ではほとんど採用されていない。ディープラーニングモデルのブラックボックス性は、これらのモデルの意思決定プロセスを説明するための戦略を考案する必要性を高めている。
論文参考訳（メタデータ） (2022-05-10T09:28:14Z)

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。