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
- 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) - Screening Mammography Breast Cancer Detection [0.0]
乳癌は、がんによる死亡の主な原因である。
現在のスクリーニングプログラムは高価で、偽陽性になりやすい。
本稿では,乳がん自動検出の解決策を提案する。
論文 参考訳(メタデータ) (2023-07-21T00:15:56Z) - 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) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - 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) - WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic
Segmentation for Lung Adenocarcinoma [51.50991881342181]
この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。
第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
論文 参考訳(メタデータ) (2022-04-13T15:27:05Z) - 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。