論文の概要: Medical-VLBERT: Medical Visual Language BERT for COVID-19 CT Report Generation With Alternate Learning

• arxiv url: http://arxiv.org/abs/2108.05067v1
• Date: Wed, 11 Aug 2021 07:12:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-12 13:43:12.262530
• Title: Medical-VLBERT: Medical Visual Language BERT for COVID-19 CT Report Generation With Alternate Learning
• Title（参考訳）: medical-vlbert: 代替学習を用いたcovid-19ctレポート生成のための医用視覚言語bert
• Authors: Guangyi Liu, Yinghong Liao, Fuyu Wang, Bin Zhang, Lu Zhang, Xiaodan Liang, Xiang Wan, Shaolin Li, Zhen Li, Shuixing Zhang, Shuguang Cui
• Abstract要約: 本稿では,医療用ビジュアル言語BERT(Medical-VLBERT)モデルを用いて,新型コロナウイルススキャンの異常を同定する。 このモデルは、知識事前学習と伝達の2つの手順で、代替的な学習戦略を採用する。 COVID-19患者に対する医療報告の自動作成のために,中国語で368例,胸部CTで1104例の検診を行った。
• 参考スコア（独自算出の注目度）: 70.71564065885542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical imaging technologies, including computed tomography (CT) or chest X-Ray (CXR), are largely employed to facilitate the diagnosis of the COVID-19. Since manual report writing is usually too time-consuming, a more intelligent auxiliary medical system that could generate medical reports automatically and immediately is urgently needed. In this article, we propose to use the medical visual language BERT (Medical-VLBERT) model to identify the abnormality on the COVID-19 scans and generate the medical report automatically based on the detected lesion regions. To produce more accurate medical reports and minimize the visual-and-linguistic differences, this model adopts an alternate learning strategy with two procedures that are knowledge pretraining and transferring. To be more precise, the knowledge pretraining procedure is to memorize the knowledge from medical texts, while the transferring procedure is to utilize the acquired knowledge for professional medical sentences generations through observations of medical images. In practice, for automatic medical report generation on the COVID-19 cases, we constructed a dataset of 368 medical findings in Chinese and 1104 chest CT scans from The First Affiliated Hospital of Jinan University, Guangzhou, China, and The Fifth Affiliated Hospital of Sun Yat-sen University, Zhuhai, China. Besides, to alleviate the insufficiency of the COVID-19 training samples, our model was first trained on the large-scale Chinese CX-CHR dataset and then transferred to the COVID-19 CT dataset for further fine-tuning. The experimental results showed that Medical-VLBERT achieved state-of-the-art performances on terminology prediction and report generation with the Chinese COVID-19 CT dataset and the CX-CHR dataset. The Chinese COVID-19 CT dataset is available at https://covid19ct.github.io/.
• Abstract（参考訳）: コンピュータ断層撮影(CT)や胸部X線(CXR)などの医療画像技術は、新型コロナウイルスの診断を容易にするために主に用いられている。 手動のレポート作成には通常時間がかかりすぎるため、医療報告を自動的に即座に生成できるよりインテリジェントな補助医療システムが必要である。 本稿では,医療用視覚言語BERT(Medical-VLBERT)モデルを用いて,新型コロナウイルススキャンの異常を同定し,検出された病変領域に基づいて医療報告を自動生成する手法を提案する。 より正確な医療報告を作成し、視覚と言語の違いを最小限に抑えるために、このモデルは、知識の事前学習と伝達の2つの手順による代替学習戦略を採用する。 より正確に言うと、知識事前学習手順は、医学テキストからの知識を記憶することであり、一方、取得した知識を医療画像の観察を通じて専門的な医学文章の世代に利用することである。 実際に,中国広州省の江南大学第一附属病院と中国周海省のスンヤットセン大学第5附属病院から,中国の368例と胸部CT1104例の検診結果のデータセットを構築した。 さらに、covid-19トレーニングサンプルの不十分さを軽減するため、まずは中国の大規模cx-chrデータセットでトレーニングを行い、その後、さらなる微調整のためにcovid-19 ctデータセットに転送した。 実験の結果,CX-CHRデータセットとCX-CHRデータセットを用いて,用語予測とレポート生成に関する最先端の成果が得られた。 中国のCOVID-19 CTデータセットはhttps://covid19ct.github.io/で公開されている。

関連論文リスト

• MEDNC: Multi-ensemble deep neural network for COVID-19 diagnosis [29.909378035039214]
  我々は,CT画像を用いた新型コロナウイルスの自動予測と診断のための深層学習フレームワークMEDNCを提案する。 当社のモデルは、COVID-19データの公開セットを2つ使用してトレーニングされました。 その結果、MEDNCは新型コロナウイルス感染症の検出を大幅に強化し、それぞれ98.79%と99.82%の精度に達した。
  論文  参考訳（メタデータ） (2023-04-25T20:26:05Z)
• 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)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Classification of COVID-19 on chest X-Ray images using Deep Learning model with Histogram Equalization and Lungs Segmentation [1.6019444314820142]
  本研究は,胸部X線を用いたコビッドウイルス感染肺の検出のためのディープラーニングアーキテクチャに基づく研究である。 我々の新しいアプローチは、よく知られた前処理技術、特徴抽出法、およびデータセットバランス法を組み合わせることで、優れた98%の認識率をもたらす。
  論文  参考訳（メタデータ） (2021-12-05T05:04:38Z)
• Learning from Pseudo Lesion: A Self-supervised Framework for COVID-19 Diagnosis [22.54540093657541]
  コロナウイルス感染症2019(COVID-19)は、2019年12月の報告以来、世界中で急速に拡大している。 近年、ディープラーニングに基づくアプローチは、無数の画像認識タスクにおいて顕著なパフォーマンスを示している。 本報告では, 疑似病変の発生と回復に基づく自己指導型事前訓練法を提案する。
  論文  参考訳（メタデータ） (2021-06-23T11:21:30Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Few-shot Learning for CT Scan based COVID-19 Diagnosis [33.26861533338019]
  コロナウイルス感染症2019(英語: Coronavirus disease 2019, COVID-19)は、188か国と領土で4000万人以上の人々が感染している国際保健緊急事態宣言である。 深層学習アプローチは、医療画像の自動スクリーニングの有効なツールとなり、また、新型コロナウイルスの診断としても検討されている。 そこで本研究では,少量のラベル付きCTスキャンが利用可能である場合にのみ有効に機能する領域適応型COVID-19 CT診断法を提案する。
  論文  参考訳（メタデータ） (2021-02-01T02:37:49Z)
• COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
  我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。 また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
  論文  参考訳（メタデータ） (2020-09-08T15:49:55Z)
• COVID-19-CT-CXR: a freely accessible and weakly labeled chest X-ray and CT image collection on COVID-19 from biomedical literature [19.00121006721942]
  我々は、COVID-19関連記事から自動的に抽出されたCXRとCT画像の公開データベースであるCOVID-19-CT-CXRを提示する。 最終データベースには1,327個のCTと263個のCXRイメージが含まれており、関連するテキストがある。
  論文  参考訳（メタデータ） (2020-06-11T04:00:56Z)
• Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
  新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
  論文  参考訳（メタデータ） (2020-04-06T15:21:34Z)

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。