論文の概要: Extracting Thyroid Nodules Characteristics from Ultrasound Reports Using
Transformer-based Natural Language Processing Methods
- arxiv url: http://arxiv.org/abs/2304.00115v1
- Date: Fri, 31 Mar 2023 20:23:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 19:38:36.965028
- Title: Extracting Thyroid Nodules Characteristics from Ultrasound Reports Using
Transformer-based Natural Language Processing Methods
- Title（参考訳）: 変圧器を用いた自然言語処理法による超音波による甲状腺結節の抽出
- Authors: Aman Pathak, Zehao Yu, Daniel Paredes, Elio Paul Monsour, Andrea Ortiz
Rocha, Juan P. Brito, Naykky Singh Ospina, Yonghui Wu
- Abstract要約: 甲状腺結節の特徴は超音波検査などの臨床報告でしばしば記録される。
本研究は, 超音波検査から甲状腺結節の特徴を抽出するために, トランスフォーマーを用いたNLPモデルを系統的に分類し, 適用した最初の研究である。
- 参考スコア（独自算出の注目度）: 22.35979441935564
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ultrasound characteristics of thyroid nodules guide the evaluation of
thyroid cancer in patients with thyroid nodules. However, the characteristics
of thyroid nodules are often documented in clinical narratives such as
ultrasound reports. Previous studies have examined natural language processing
(NLP) methods in extracting a limited number of characteristics (<9) using
rule-based NLP systems. In this study, a multidisciplinary team of NLP experts
and thyroid specialists, identified thyroid nodule characteristics that are
important for clinical care, composed annotation guidelines, developed a
corpus, and compared 5 state-of-the-art transformer-based NLP methods,
including BERT, RoBERTa, LongFormer, DeBERTa, and GatorTron, for extraction of
thyroid nodule characteristics from ultrasound reports. Our GatorTron model, a
transformer-based large language model trained using over 90 billion words of
text, achieved the best strict and lenient F1-score of 0.8851 and 0.9495 for
the extraction of a total number of 16 thyroid nodule characteristics, and
0.9321 for linking characteristics to nodules, outperforming other clinical
transformer models. To the best of our knowledge, this is the first study to
systematically categorize and apply transformer-based NLP models to extract a
large number of clinical relevant thyroid nodule characteristics from
ultrasound reports. This study lays ground for assessing the documentation
quality of thyroid ultrasound reports and examining outcomes of patients with
thyroid nodules using electronic health records.
- Abstract（参考訳）: 甲状腺結節の超音波学的特徴は甲状腺結節患者の甲状腺癌の評価を導く。
しかし, 甲状腺結節の特徴は, 超音波検査などの臨床報告にしばしば記録されている。
これまで,ルールベースNLPシステムを用いて,限られた特徴(9)を抽出する自然言語処理(NLP)手法について検討してきた。
本研究では,NLPの専門家と甲状腺専門医の多部門チームが臨床治療に重要な甲状腺結節の特徴を同定し,ガイドラインを作成し,コーパスを開発し,超音波検査から甲状腺結節の特徴を抽出するために,BERT,RoBERTa,LongFormer,DeBERTa,GatorTronを含む5つの最先端トランスフォーマーベースのNLP法を比較した。
我々のGatorTronモデルは、90億語以上のテキストを用いて訓練されたトランスフォーマーベース大言語モデルで、16個の甲状腺結節の特徴を抽出するための厳密かつ寛大なF1スコア0.8851と0.9495と、他の臨床トランスフォーマーモデルよりも優れた0.9321を実現した。
本研究は, 超音波検査から甲状腺結節の特徴を抽出するために, トランスフォーマーを用いたNLPモデルを系統的に分類し, 適用した最初の研究である。
本研究は, 甲状腺超音波検査の文書品質評価と, 電子健康記録を用いた甲状腺結節症例の予後調査の基礎となる。
関連論文リスト
- TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。
VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。
本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文 参考訳（メタデータ） (2024-11-05T19:35:10Z) - Reducing Overtreatment of Indeterminate Thyroid Nodules Using a Multimodal Deep Learning Model [3.4812887520451117]
分子試験(MT)は、細胞学的に不確定な甲状腺結節を高感度で高い正の予測値(PPV)で良性または悪性と分類する
この制限に対処するために、米国内の画像に多重インスタンス学習(AMIL)を適用した。
結節を良性または悪性と分類するために,US画像とMTを組み合わせた多モード深層学習AMILモデルを開発した。
論文 参考訳（メタデータ） (2024-09-27T22:38:03Z) - Use of natural language processing to extract and classify papillary thyroid cancer features from surgical pathology reports [9.200141008020484]
成人甲状腺乳頭癌の1,410例をロチェスター州マヨクリニックで検討した。
甲状腺癌の特徴をリスクカテゴリに分類するために,ルールベースのNLPパイプラインであるThyroPathを開発した。
論文 参考訳（メタデータ） (2024-05-22T22:27:12Z) - AI-Generated Content Enhanced Computer-Aided Diagnosis Model for Thyroid
Nodules: A ChatGPT-Style Assistant [36.02145235227822]
人工知能によるコンピュータ支援診断(AIGC-CAD)モデルがThyGPTとして開発されている。
このモデルはChatGPTのアーキテクチャにインスパイアされたもので、甲状腺結節のリスクをセマンティックレベルの人間と機械の相互作用を通じて評価するのに役立つ。
論文 参考訳（メタデータ） (2024-02-04T08:24:13Z) - ChatRadio-Valuer: A Chat Large Language Model for Generalizable
Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。
本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。
ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
論文 参考訳（メタデータ） (2023-10-08T17:23:17Z) - Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。
また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文 参考訳（メタデータ） (2022-07-02T11:50:02Z) - Key-frame Guided Network for Thyroid Nodule Recognition using Ultrasound
Videos [13.765306481109988]
本稿では,超音波ビデオとキーフレームの探索による甲状腺結節の自動認識手法を提案する。
まず,各超音波ビデオに典型的な結節を持つ臨床用キーフレームを自動的に識別する検出局所化フレームワークを提案する。
局所化キーフレームに基づいて,甲状腺認識のためのキーフレームガイド付きビデオ分類モデルを構築した。
論文 参考訳（メタデータ） (2022-06-27T14:03:26Z) - Improving The Diagnosis of Thyroid Cancer by Machine Learning and
Clinical Data [3.6985351289638957]
甲状腺癌 (thyroid cancer) は、甲状腺に発生する内分泌癌である。
甲状腺結節悪性腫瘍の現時点のヒト評価は, 誤診の頻度が高く, 正確な術前診断が得られない可能性がある。
本研究は,新しい臨床データセットに基づいて甲状腺結節悪性度を予測するための機械的枠組みを提案する。
論文 参考訳（メタデータ） (2022-03-27T17:37:18Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic
and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。
モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-08-06T20:20:22Z)
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。