論文の概要: NEEDED: Introducing Hierarchical Transformer to Eye Diseases Diagnosis

• arxiv url: http://arxiv.org/abs/2212.13408v1
• Date: Tue, 27 Dec 2022 08:37:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 15:35:42.967771
• Title: NEEDED: Introducing Hierarchical Transformer to Eye Diseases Diagnosis
• Title（参考訳）: NEEDED:眼疾患診断のための階層変換器の導入
• Authors: Xu Ye, Meng Xiao, Zhiyuan Ning, Weiwei Dai, Wenjuan Cui, Yi Du, Yuanchun Zhou
• Abstract要約: 本報告では,眼科領域における眼科領域の自動診断フレームワークNEEDEDについて述べる。 情報密度と品質を改善するために前処理モジュールを統合する。 診断部では,病原性情報を取得することにより,追跡可能な診断を可能にする注意ベースの予測器を提案する。
• 参考スコア（独自算出の注目度）: 5.608716029921948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the development of natural language processing techniques(NLP), automatic diagnosis of eye diseases using ophthalmology electronic medical records (OEMR) has become possible. It aims to evaluate the condition of both eyes of a patient respectively, and we formulate it as a particular multi-label classification task in this paper. Although there are a few related studies in other diseases, automatic diagnosis of eye diseases exhibits unique characteristics. First, descriptions of both eyes are mixed up in OEMR documents, with both free text and templated asymptomatic descriptions, resulting in sparsity and clutter of information. Second, OEMR documents contain multiple parts of descriptions and have long document lengths. Third, it is critical to provide explainability to the disease diagnosis model. To overcome those challenges, we present an effective automatic eye disease diagnosis framework, NEEDED. In this framework, a preprocessing module is integrated to improve the density and quality of information. Then, we design a hierarchical transformer structure for learning the contextualized representations of each sentence in the OEMR document. For the diagnosis part, we propose an attention-based predictor that enables traceable diagnosis by obtaining disease-specific information. Experiments on the real dataset and comparison with several baseline models show the advantage and explainability of our framework.
• Abstract（参考訳）: 自然言語処理技術(NLP)の発展に伴い,眼科電子医療記録(OEMR)を用いた眼疾患の自動診断が可能となった。 本研究の目的は,患者の両眼の状態をそれぞれ評価し,特定の多言語分類タスクとして定式化することである。 他の疾患にはいくつかの関連研究があるが、眼疾患の自動診断には独特の特徴がある。 第一に、両目の記述はOEMR文書に混在し、自由テキストとテンプレート化された無症状記述の両方が混在し、情報のばらつきと混乱をもたらす。 第2に、OEMR文書は記述の複数の部分を含み、長い文書の長さを持つ。 第3に,疾患診断モデルに説明可能性を提供することが重要である。 これらの課題を克服するために, NEEDED の有効自動眼科診断フレームワークを提案する。 このフレームワークでは、情報密度と品質を改善するために前処理モジュールを統合する。 次に,各文の文脈化表現を学習するための階層的トランスフォーマ構造をoemr文書で設計する。 診断部では,病原性情報を取得することにより,追跡可能な診断を可能にする注意ベースの予測器を提案する。 実際のデータセットといくつかのベースラインモデルとの比較実験は、我々のフレームワークの利点と説明可能性を示している。

関連論文リスト

• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• Decomposing Disease Descriptions for Enhanced Pathology Detection: A Multi-Aspect Vision-Language Pre-training Framework [43.453943987647015]
  医学的な視覚言語事前訓練は研究の最前線として現れ、ゼロショットの病理診断を可能にしている。 バイオメディカルテキストの複雑なセマンティクスのため、現在の方法では、医学的画像と、非構造化レポートの重要な病理学的所見の整合に苦慮している。 これは、大きな言語モデルと医療専門家に相談することで達成される。 我々の研究は、近年の手法の精度を最大8.56%まで改善し、17.26%を目に見えるカテゴリーで改善した。
  論文  参考訳（メタデータ） (2024-03-12T13:18:22Z)
• A Survey on Automated Diagnosis of Alzheimer's Disease Using Optical Coherence Tomography and Angiography [0.0]
  OCTとOCTAはアルツハイマー病(AD)の早期診断に有望なツールである OCTデバイスが生成するマルチスライススキャンの解釈と分類は、訓練された実践者であっても時間がかかるし、難しい。 緑内障などの各種疾患に対するOCTスキャンの自動解析に関する機械学習およびディープラーニングアプローチに関する調査がある。 現在の文献では、OCTまたはOCTAを用いたアルツハイマー病や認知障害の診断に関する広範な調査が欠如している。
  論文  参考訳（メタデータ） (2022-09-07T08:27:10Z)
• A Self-Guided Framework for Radiology Report Generation [10.573538773141715]
  SGF(Self-Guided framework)は、注釈付き疾患ラベルによる医療報告を生成するために開発されたフレームワークである。 SGFは、人間の学習と執筆の過程を模倣するために、教師なしおよび教師なしのディープラーニング手法を使用している。 提案手法は,単語間の細粒度視覚的詳細を識別するためのフレームワークの能力を強調した。
  論文  参考訳（メタデータ） (2022-06-19T11:09:27Z)
• Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
  眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。 大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
  論文  参考訳（メタデータ） (2022-06-04T13:16:30Z)
• 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)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
  マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-05-21T06:48:34Z)
• Rare Disease Identification from Clinical Notes with Ontologies and Weak Supervision [3.6471045233540806]
  テキストからUMLSのプロセスは、ドメインの専門家による注釈付きデータなしで、監督の弱さで大幅に改善できることを示す。 解析の結果, パイプライン処理の総放電サマリーは, 病院入院時の手動ICDコードにほとんど含まれていないケースを表面化できることがわかった。
  論文  参考訳（メタデータ） (2021-05-05T11:49:09Z)
• Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue Generation [150.52617238140868]
  ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。 また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2020-12-22T13:20:23Z)

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。