論文の概要: DeltaNet:Conditional Medical Report Generation for COVID-19 Diagnosis
- arxiv url: http://arxiv.org/abs/2211.13229v1
- Date: Sat, 12 Nov 2022 07:41:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 14:43:09.942122
- Title: DeltaNet:Conditional Medical Report Generation for COVID-19 Diagnosis
- Title(参考訳): deltanet:covid-19診断のためのコンディショナルメディカルレポート生成
- Authors: Xian Wu, Shuxin Yang, Zhaopeng Qiu, Shen Ge, Yangtian Yan, Xingwang
Wu, Yefeng Zheng, S. Kevin Zhou, Li Xiao
- Abstract要約: 医療報告を自動生成するDeltaNetを提案する。
DeltaNetはレポートを生成するために3つのステップを採用している。
DeltaNetは最先端のアプローチよりも優れています。
- 参考スコア(独自算出の注目度): 54.93879264615525
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fast screening and diagnosis are critical in COVID-19 patient treatment. In
addition to the gold standard RT-PCR, radiological imaging like X-ray and CT
also works as an important means in patient screening and follow-up. However,
due to the excessive number of patients, writing reports becomes a heavy burden
for radiologists. To reduce the workload of radiologists, we propose DeltaNet
to generate medical reports automatically. Different from typical image
captioning approaches that generate reports with an encoder and a decoder,
DeltaNet applies a conditional generation process. In particular, given a
medical image, DeltaNet employs three steps to generate a report: 1) first
retrieving related medical reports, i.e., the historical reports from the same
or similar patients; 2) then comparing retrieved images and current image to
find the differences; 3) finally generating a new report to accommodate
identified differences based on the conditional report. We evaluate DeltaNet on
a COVID-19 dataset, where DeltaNet outperforms state-of-the-art approaches.
Besides COVID-19, the proposed DeltaNet can be applied to other diseases as
well. We validate its generalization capabilities on the public IU-Xray and
MIMIC-CXR datasets for chest-related diseases. Code is available at
\url{https://github.com/LX-doctorAI1/DeltaNet}.
- Abstract(参考訳): 早期スクリーニングと診断は、COVID-19患者の治療に不可欠である。
金の標準RT-PCRに加えて、X線やCTなどの放射線画像も患者のスクリーニングや追跡において重要な手段である。
しかし, 過剰な患者数のため, 報告書は放射線科医にとって重荷となる。
放射線技師の作業量を削減するため,医療報告を自動生成するDeltaNetを提案する。
エンコーダとデコーダでレポートを生成する典型的なイメージキャプションアプローチとは異なり、DeltaNetは条件付き生成プロセスを適用する。
特に医療画像の場合、DeltaNetは3つのステップを使ってレポートを生成する。
1) 関連医療報告書,すなわち同一又は類似の患者からの過去の報告を検索すること。
2) 検索された画像と現在の画像を比較して相違点を見出す。
3) 条件付報告書に基づいて, 識別された相違に対応する新たなレポートを作成する。
DeltaNetは最先端のアプローチよりも優れています。
COVID-19以外にも、提案されているDeltaNetは他の疾患にも適用できる。
胸部疾患に対する一般IU-XrayおよびMIMIC-CXRデータセットの一般化能力を検証した。
コードは \url{https://github.com/LX-doctorAI1/DeltaNet} で入手できる。
関連論文リスト
- CT2Rep: Automated Radiology Report Generation for 3D Medical Imaging [0.20754235913398283]
胸部CTを対象とする3次元医用画像のラジオグラフィーレポート作成法について紹介する。
比較手法が存在しないことから,医用画像における高度な3次元視覚エンコーダを用いたベースラインを構築し,本手法の有効性を実証する。
我々は,CT2Repをクロスアテンションベースのマルチモーダル融合モジュールと階層メモリで拡張し,縦型マルチモーダルデータの取り込みを可能にした。
論文 参考訳(メタデータ) (2024-03-11T15:17:45Z) - Complex Organ Mask Guided Radiology Report Generation [13.96983438709763]
我々は,複合臓器マスクガイド(COMG)レポート生成モデルを提案する。
融合過程において各臓器に対応する疾患の事前知識を活用し,疾患の同定フェーズを増強する。
2つの公開データセットの結果、COMGはSOTAモデルKiUTよりもBLEU@4スコアで11.4%と9.7%改善している。
論文 参考訳(メタデータ) (2023-11-04T05:34:24Z) - Act Like a Radiologist: Radiology Report Generation across Anatomical Regions [50.13206214694885]
X-RGenは6つの解剖学的領域にわたる放射線学者によるレポート生成フレームワークである。
X-RGenでは、ヒトの放射線学者の行動を模倣し、これらを4つの主要な段階に分解する。
画像エンコーダの認識能力は,各領域にまたがる画像やレポートを分析して向上する。
論文 参考訳(メタデータ) (2023-05-26T07:12:35Z) - 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) - PrepNet: A Convolutional Auto-Encoder to Homogenize CT Scans for
Cross-Dataset Medical Image Analysis [0.22485007639406518]
新型コロナウイルスの診断はPCR検査で効率的に行えるようになったが、このユースケースは、データの多様性を克服する方法論の必要性を実証するものだ。
本稿では,CTスキャンに最小限の変更を同時に導入しながら,イメージング技術によって引き起こされる差を解消することを目的とした,新しい生成手法を提案する。
論文 参考訳(メタデータ) (2022-08-19T15:49:47Z) - AlignTransformer: Hierarchical Alignment of Visual Regions and Disease
Tags for Medical Report Generation [50.21065317817769]
本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。
パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
論文 参考訳(メタデータ) (2022-03-18T13:43:53Z) - COVIDX: Computer-aided diagnosis of Covid-19 and its severity prediction
with raw digital chest X-ray images [0.6767885381740952]
ウイルス病(covid-19)は重症急性呼吸器症候群(sars-cov-2)による感染症である。
胸部X線(CXR)画像は、新型コロナウイルスの検出と診断のための代替モダリティとして使用できる。
本稿では,CXR画像からの深部特徴マップを用いたCOVID-19診断・重症度自動予測システムを提案する。
論文 参考訳(メタデータ) (2020-12-25T17:03:06Z) - Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray
Images [61.24431480245932]
COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。
我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。
このデータベースは研究コミュニティに公開されます。
論文 参考訳(メタデータ) (2020-08-03T12:52:23Z) - XRayGAN: Consistency-preserving Generation of X-ray Images from
Radiology Reports [19.360283053558604]
我々は,X線画像から高精細・高精細・高精細・高精細なX線画像を生成する手法を開発した。
この研究は、放射線学報告から一貫した高解像度のX線画像を生成する最初のものである。
論文 参考訳(メタデータ) (2020-06-17T05:32:14Z) - Auxiliary Signal-Guided Knowledge Encoder-Decoder for Medical Report
Generation [107.3538598876467]
放射線技師の動作パターンを模倣する補助信号誘導知識デコーダ(ASGK)を提案する。
ASGKは、内的特徴融合と外部医療言語情報を統合して、医療知識の伝達と学習をガイドする。
論文 参考訳(メタデータ) (2020-06-06T01:00:15Z)
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。