Fugu-MT 論文翻訳(概要): Diagnostic Captioning: A Survey

論文の概要: Diagnostic Captioning: A Survey

arxiv url: http://arxiv.org/abs/2101.07299v1
Date: Mon, 18 Jan 2021 19:40:32 GMT
ステータス: 処理完了
システム内更新日: 2021-03-27 05:56:10.556701
Title: Diagnostic Captioning: A Survey
Title（参考訳）: 診断用キャプション:サーベイ
Authors: John Pavlopoulos, Vasiliki Kougia, Ion Androutsopoulos, Dimitris Papamichail
Abstract要約: 診断用キャプション(DC)は、検査中に収集した患者の医療画像から診断用テキストを自動的に生成するものである。 DCは未経験の医者を助け、臨床間違いを減らします。経験豊富な医師がより早く診断レポートを作成するのに役立つ。
参考スコア（独自算出の注目度）: 7.673477450555047
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diagnostic Captioning (DC) concerns the automatic generation of a diagnostic text from a set of medical images of a patient collected during an examination. DC can assist inexperienced physicians, reducing clinical errors. It can also help experienced physicians produce diagnostic reports faster. Following the advances of deep learning, especially in generic image captioning, DC has recently attracted more attention, leading to several systems and datasets. This article is an extensive overview of DC. It presents relevant datasets, evaluation measures, and up to date systems. It also highlights shortcomings that hinder DC's progress and proposes future directions.
Abstract（参考訳）: 診断用キャプション(DC)は、検査中に収集した患者の医療画像から診断用テキストを自動的に生成するものである。 DCは経験の浅い医師を助け、臨床ミスを減らすことができる。経験豊富な医師がより早く診断レポートを作成するのに役立つ。ディープラーニングの進歩、特に一般的なイメージキャプションにおいて、DCは近年より注目を集め、いくつかのシステムやデータセットにつながった。この記事では、DCの概要を概観する。関連するデータセット、評価基準、および最新のシステムを示す。また、DCの進歩を妨げる欠点を強調し、今後の方向性を提案する。

関連論文リスト

MAGDA: Multi-agent guideline-driven diagnostic assistance [43.15066219293877]
救急部門、地方病院、または未開発地域の診療所では、臨床医は訓練された放射線技師による高速な画像分析を欠いていることが多い。本研究では,ゼロショットガイドライン駆動意思決定支援のための新しいアプローチを提案する。我々は、患者診断に到達するために協調する、対照的な視覚言語モデルで強化された複数のLLMエージェントのシステムをモデル化する。
論文参考訳（メタデータ） (2024-09-10T09:10:30Z)
A Data-Driven Guided Decoding Mechanism for Diagnostic Captioning [11.817595076396925]
診断用キャプション(DC)は、患者の1つ以上の医療画像から診断用テキストを自動的に生成する。本稿では,診断テキスト生成プロセスのビームサーチに医療情報を組み込んだデータ駆動型ガイドデコーディング手法を提案する。提案手法は,CNNエンコーダを用いた汎用画像-テキストシステムから,事前学習された大規模言語モデルまで,4つのDCシステムを用いて2つの医療データセット上で評価する。
論文参考訳（メタデータ） (2024-06-20T10:08:17Z)
BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
論文参考訳（メタデータ） (2023-06-20T20:23:46Z)
SPeC: A Soft Prompt-Based Calibration on Performance Variability of Large Language Model in Clinical Notes Summarization [50.01382938451978]
本稿では,ソフトプロンプトを用いたモデルに依存しないパイプラインを導入し,確率に基づく要約の利点を保ちながら分散を減少させる。実験結果から,本手法は性能を向上するだけでなく,様々な言語モデルの分散を効果的に抑制することが明らかとなった。
論文参考訳（メタデータ） (2023-03-23T04:47:46Z)
Semi-self-supervised Automated ICD Coding [2.449909275410288]
臨床用テキストノート (CTN) には、医師が患者を診察しインタビューする際に、構造化されていない自由テキスト形式で書かれた推論プロセスが含まれている。本稿では,アイスランドのCTNの希少な注釈付きデータセットを,機械学習型計算で半自己管理的に拡張する方法を提案する。我々は、注釈付きCTNの小さなセットでニューラルネットワークをトレーニングし、アノテーションなしCTNのセットから臨床特徴を抽出する。
論文参考訳（メタデータ） (2022-05-20T11:12:54Z)
DDXPlus: A new Dataset for Medical Automatic Diagnosis [2.7126836481535213]
本研究は, 患者ごとの鑑別診断, 基礎的真理病理学を含む大規模合成データセットを提案する。概念実証として,既存のADおよびASDシステムを拡張し,鑑別診断を取り入れた。我々は,これらのシステムにおいて,差分を訓練信号に用いて差分を予測することが不可欠であることを示す経験的証拠を提供する。
論文参考訳（メタデータ） (2022-05-18T18:03:39Z)
"My nose is running.""Are you also coughing?": Building A Medical Diagnosis Agent with Interpretable Inquiry Logics [80.55587329326046]
本稿では,DSMDの対話マネージャを実装するための,より解釈可能な意思決定プロセスを提案する。推論を行うために、非常に透明なコンポーネントを持つモデルを考案する。実験の結果,診断精度は7.7%,10.0%,3.0%向上した。
論文参考訳（メタデータ） (2022-04-29T09:02:23Z)
An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文参考訳（メタデータ） (2021-03-02T13:14:15Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
Query-Focused EHR Summarization to Aid Imaging Diagnosis [22.21438906817433]
本稿では,患者記録から関連するテキストスニペットを抽出し,大まかな症例要約を提供するモデルを提案し,評価する。我々は,「未来」記録で観察される国際疾患分類(ICD)コード群を,「下流」診断のためのうるさいプロキシとして使用した。我々は、ボストンのブリガム・アンド・ウーマンズ病院とMIMIC-IIIのEHRデータに基づいて、このモデルのバリエーションを訓練し、評価する。
論文参考訳（メタデータ） (2020-04-09T16:32:39Z)

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。