論文の概要: AI assisted method for efficiently generating breast ultrasound screening reports

• arxiv url: http://arxiv.org/abs/2107.13431v1
• Date: Wed, 28 Jul 2021 15:21:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-29 17:00:52.752792
• Title: AI assisted method for efficiently generating breast ultrasound screening reports
• Title（参考訳）: 乳房超音波検診レポートを効率よく生成するAI支援法
• Authors: Shuang Ge, Qiongyu Ye, Wenquan Xie, Desheng Sun, Huabin Zhang, Xiaobo Zhou, Kehong Yuan
• Abstract要約: 本稿では,AIによる乳房検診予備報告を効率よく生成する手法を提案する。 医師は、最終報告を迅速に生成するために、簡単な調整や修正を行う。 実験の結果、このパイプラインは医師の作業効率を最大90%向上させ、反復作業を大幅に削減することが示された。
• 参考スコア（独自算出の注目度）: 2.1021609435279425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultrasound is the preferred choice for early screening of dense breast cancer. Clinically, doctors have to manually write the screening report which is time-consuming and laborious, and it is easy to miss and miswrite. Therefore, this paper proposes a method for efficiently generating personalized breast ultrasound screening preliminary reports by AI, especially for benign and normal cases which account for the majority. Doctors then make simple adjustments or corrections to quickly generate final reports. The proposed approach has been tested using a database of 1133 breast tumor instances. Experimental results indicate this pipeline improves doctors' work efficiency by up to 90%, which greatly reduces repetitive work.
• Abstract（参考訳）: 超音波検査は乳がんの早期スクリーニングに好適である。 臨床的には、医師は、時間と労力のかかるスクリーニングレポートを手作業で書かなければならない。 そこで本研究では,aiによるパーソナライズされた乳房超音波スクリーニング予備報告を効率的に生成する方法を提案する。 医師は簡単な調整や修正を行い、最終報告を迅速に作成する。 提案手法は乳腺腫瘍1133例のデータベースを用いて検討した。 実験の結果、このパイプラインは医師の作業効率を最大90%向上させ、反復作業を大幅に削減できることがわかった。

関連論文リスト

• Full Field Digital Mammography Dataset from a Population Screening Program [0.0]
  集団検診プログラムは定期的なマンモグラフィーの撮影を予定し、早期発見を促進する。 現在、このようなスクリーニングプログラムは手作業による読影を必要としており、読影過程における偽陽性の誤りは、必要以上に、追跡と患者への不安を招きかねない。 NL-Breast-Screeningは、人口スクリーニングプログラムを特に対象とし、カナダの地方検定プログラムのデータセットである。 このデータセットは5997個のマンモグラフィー検査からなり、それぞれが4つの標準ビューを持ち、生検で確認されている。
  論文  参考訳（メタデータ） (2024-11-05T01:13:34Z)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• 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)
• Detecting automatically the layout of clinical documents to enhance the performances of downstream natural language processing [53.797797404164946]
  我々は,臨床用PDF文書を処理し,臨床用テキストのみを抽出するアルゴリズムを設計した。 このアルゴリズムは、PDFを使った最初のテキスト抽出と、続いてボディテキスト、左書き、フッタなどのカテゴリに分類される。 それぞれのセクションのテキストから興味ある医学的概念を抽出し,医療的パフォーマンスを評価した。
  論文  参考訳（メタデータ） (2023-05-23T08:38:33Z)
• A deep learning algorithm for reducing false positives in screening mammography [1.914044679141325]
  この研究は、乳がんに不審でないマンモグラムを特定することによって、偽陽性を減らすAIアルゴリズムを実証する。 われわれは123,248個の2Dデジタルマンモグラム(6,161個の癌)を用いて癌の有無を判定するアルゴリズムを訓練し,14,831個の検診(1,026個のがん)を行った。
  論文  参考訳（メタデータ） (2022-04-13T23:37:40Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• BI-RADS BERT & Using Section Tokenization to Understand Radiology Reports [0.18352113484137625]
  ドメイン固有の文脈単語の埋め込みは、医学におけるそのような自然言語処理タスクにおいて印象的な精度を達成することが示されている。 BERTモデルは、胸部X線検査で事前訓練され、部分トークン化と組み合わせて、全野抽出の95.9%の精度が得られた。
  論文  参考訳（メタデータ） (2021-10-14T17:25:49Z)
• $\text{O}^2$PF: Oversampling via Optimum-Path Forest for Breast Cancer Detection [0.29360071145551064]
  本稿では,教師なしのオプティマムパスフォレストアルゴリズムに基づくデータオーバーサンプリング手法である$textO2$PFを提案する。 完全なオーバーサンプリングシナリオで実施された実験は、モデルの堅牢性を示す。
  論文  参考訳（メタデータ） (2021-01-14T18:26:13Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。