論文の概要: Detailed Annotations of Chest X-Rays via CT Projection for Report Understanding

• arxiv url: http://arxiv.org/abs/2210.03416v1
• Date: Fri, 7 Oct 2022 09:21:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 14:09:29.660724
• Title: Detailed Annotations of Chest X-Rays via CT Projection for Report Understanding
• Title（参考訳）: CT投影による胸部X線像の詳細な解説
• Authors: Constantin Seibold, Simon Rei{\ss}, Saquib Sarfraz, Matthias A. Fink, Victoria Mayer, Jan Sellner, Moon Sung Kim, Klaus H. Maier-Hein, Jens Kleesiek and Rainer Stiefelhagen
• Abstract要約: 臨床放射線学報告では、医師は患者の健康状態に関する重要な情報を取得する。 患者の内部構造に関する生の医療画像データから、観察結果を伝達する。 現在の医療画像処理システムでは、患者の解剖と外観の両方が明確に把握されていない。
• 参考スコア（独自算出の注目度）: 16.5295886999348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In clinical radiology reports, doctors capture important information about the patient's health status. They convey their observations from raw medical imaging data about the inner structures of a patient. As such, formulating reports requires medical experts to possess wide-ranging knowledge about anatomical regions with their normal, healthy appearance as well as the ability to recognize abnormalities. This explicit grasp on both the patient's anatomy and their appearance is missing in current medical image-processing systems as annotations are especially difficult to gather. This renders the models to be narrow experts e.g. for identifying specific diseases. In this work, we recover this missing link by adding human anatomy into the mix and enable the association of content in medical reports to their occurrence in associated imagery (medical phrase grounding). To exploit anatomical structures in this scenario, we present a sophisticated automatic pipeline to gather and integrate human bodily structures from computed tomography datasets, which we incorporate in our PAXRay: A Projected dataset for the segmentation of Anatomical structures in X-Ray data. Our evaluation shows that methods that take advantage of anatomical information benefit heavily in visually grounding radiologists' findings, as our anatomical segmentations allow for up to absolute 50% better grounding results on the OpenI dataset as compared to commonly used region proposals. The PAXRay dataset is available at https://constantinseibold.github.io/paxray/.
• Abstract（参考訳）: 臨床放射線学報告では、医師は患者の健康状態に関する重要な情報を取得する。 彼らは、患者の内部構造に関する生の医療画像データから観察を伝える。 そのため、医学の専門家は、正常で健康な外観と異常を認識できる能力を持つ解剖学的領域に関する幅広い知識を持つ必要がある。 アノテーションの収集が特に困難であるため、現在の医療画像処理システムでは、患者の解剖と外観の両方を明確に把握することは困難である。 これによりモデルは、例えば特定の疾患を特定するための狭い専門家となる。 本研究は,人間の解剖学をミックスに加えることで,この欠落したリンクを回復し,関連する画像(医学的句の接地)の出現と医療報告の内容の関連付けを可能にした。 このシナリオで解剖学的構造を利用するために、我々は、x線データにおける解剖学的構造のセグメンテーションのための投影データセットであるpaxrayに組み込んだ、コンピュータ断層撮影データセットから人間の身体構造を収集し統合するための洗練された自動パイプラインを提案する。 解剖学的特徴を生かし, 解剖学的特徴を生かした手法は, 従来の地域提案に比べて, OpenIデータセット上では, 最大50%のグラウンド化結果が得られるため, 視覚的グラウンド化に有効であることが示唆された。 paxrayデータセットはhttps://constantinseibold.github.io/paxray/で入手できる。

関連論文リスト

• Anatomy-guided Pathology Segmentation [56.883822515800205]
  本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。 我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。 これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
  論文  参考訳（メタデータ） (2024-07-08T11:44:15Z)
• Grounded Knowledge-Enhanced Medical VLP for Chest X-Ray [12.239249676716247]
  医用視覚言語プレトレーニングは、医用画像とテキストのドメイン汎用表現を学習するための有望なアプローチとして現れてきた。 胸部X線に対する知識強化型医療ビジョン言語事前学習フレームワークを提案する。 以上の結果から,胸部X線像とX線像との整合性を改善するために接地機構を組み込むことの利点が示唆された。
  論文  参考訳（メタデータ） (2024-04-23T05:16:24Z)
• 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)
• Beyond Images: An Integrative Multi-modal Approach to Chest X-Ray Report Generation [47.250147322130545]
  画像からテキストまでの放射線学レポート生成は,医療画像の発見を記述した放射線学レポートを自動生成することを目的としている。 既存の方法の多くは画像データのみに焦点をあてており、他の患者情報は放射線科医に公開されていない。 胸部X線レポートを生成するための多モードディープニューラルネットワークフレームワークを,非構造的臨床ノートとともにバイタルサインや症状などの構造化された患者データを統合することで提案する。
  論文  参考訳（メタデータ） (2023-11-18T14:37:53Z)
• Self adaptive global-local feature enhancement for radiology report generation [10.958641951927817]
  グローバル・解剖学的領域の特徴を動的に融合して多粒性放射線学レポートを生成する新しいフレームワーク AGFNet を提案する。 まず,入力胸部X線(CXR)の解剖学的特徴と大域的特徴を抽出する。 そして,領域の特徴とグローバルな特徴を入力として,提案した自己適応型核融合ゲートモジュールは動的に多粒性情報を融合することができる。 最後に、キャプション生成装置は、多粒性特徴により放射線学レポートを生成する。
  論文  参考訳（メタデータ） (2022-11-21T11:50:42Z)
• Improving Radiology Summarization with Radiograph and Anatomy Prompts [60.30659124918211]
  本稿では,印象生成を促進するために,新しい解剖学的拡張型マルチモーダルモデルを提案する。 より詳しくは、まず、解剖学を抽出する一連のルールを構築し、各文にこれらのプロンプトを配置し、解剖学的特徴を強調する。 コントラスト学習モジュールを用いて、これらの2つの表現を全体レベルで整列させ、コアテンションを用いて文レベルで融合させる。
  論文  参考訳（メタデータ） (2022-10-15T14:05:03Z)
• 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)
• Human Treelike Tubular Structure Segmentation: A Comprehensive Review and Future Perspectives [8.103169967374944]
  人間の生理学の構造は木のような形態に従っており、しばしば非常に微細なスケールで複雑さを表現する。 2Dおよび3D画像の大規模なコレクションは、医用画像モダリティによって利用可能になっている。 構造解析は、疾患の診断、治療計画、予後に関する洞察を提供する。
  論文  参考訳（メタデータ） (2022-07-12T17:01:42Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Extracting Radiological Findings With Normalized Anatomical Information Using a Span-Based BERT Relation Extraction Model [0.20999222360659603]
  医用イメージングレポートは、放射線技師の発見と観察を精査する。 このテキストエンコードされた情報の大規模利用には、構造化されていないテキストを構造化された意味表現に変換する必要がある。 放射線学的所見に関連する放射線学的報告における解剖学的情報の抽出と正規化について検討する。
  論文  参考訳（メタデータ） (2021-08-20T15:02:59Z)

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。