論文の概要: ChatCAD+: Towards a Universal and Reliable Interactive CAD using LLMs

• arxiv url: http://arxiv.org/abs/2305.15964v4
• Date: Fri, 7 Jul 2023 16:16:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-10 15:15:09.318872
• Title: ChatCAD+: Towards a Universal and Reliable Interactive CAD using LLMs
• Title（参考訳）: ChatCAD+:LLMを用いたユニバーサルで信頼性の高いインタラクティブCADを目指して
• Authors: Zihao Zhao, Sheng Wang, Jinchen Gu, Yitao Zhu, Lanzhuju Mei, Zixu Zhuang, Zhiming Cui, Qian Wang, Dinggang Shen
• Abstract要約: ChatCAD+は普遍的で信頼性が高いように設計されている。 多様なドメインからの医療画像を処理し、信頼できる医療ウェブサイトからの最新の情報を活用することができる。
• 参考スコア（独自算出の注目度）: 45.927956056419234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The integration of Computer-Assisted Diagnosis (CAD) with Large Language Models (LLMs) holds great potential in clinical applications, specifically in the roles of virtual family doctors and clinic assistants. However, current works in this field are plagued by limitations, specifically a restricted scope of applicable image domains and the provision of unreliable medical advice. This restricts their overall processing capabilities. Furthermore, the mismatch in writing style between LLMs and radiologists undermines their practical usefulness. To tackle these challenges, we introduce ChatCAD+, which is designed to be universal and reliable. It is capable of handling medical images from diverse domains and leveraging up-to-date information from reputable medical websites to provide reliable medical advice. Additionally, it incorporates a template retrieval system that improves report generation performance via exemplar reports. This approach ensures greater consistency with the expertise of human professionals. The source code is available at https://github.com/zhaozh10/ChatCAD.
• Abstract（参考訳）: コンピュータ支援診断(cad)と大規模言語モデル(llms)の統合は臨床応用、特に仮想家族医師や臨床助手の役割において大きな可能性を秘めている。 しかし、この分野での現在の研究は、特に適用可能な画像領域の範囲の制限と、信頼性の低い医療アドバイスの提供に悩まされている。 これにより、全体的な処理能力が制限される。 さらに、LSMと放射線技師の筆記スタイルのミスマッチは、その実用性を損なう。 これらの課題に対処するために,汎用的で信頼性の高いChatCAD+を導入する。 多様なドメインからの医療画像を処理し、信頼できる医療アドバイスを提供するために、信頼できる医療ウェブサイトからの最新の情報を活用することができる。 さらに, テンプレート検索システムを導入し, レポート生成性能を向上させる。 このアプローチは、人間専門家の専門知識との一貫性を高める。 ソースコードはhttps://github.com/zhaozh10/ChatCADで入手できる。

関連論文リスト

• MAGDA: Multi-agent guideline-driven diagnostic assistance [43.15066219293877]
  救急部門、地方病院、または未開発地域の診療所では、臨床医は訓練された放射線技師による高速な画像分析を欠いていることが多い。 本研究では,ゼロショットガイドライン駆動意思決定支援のための新しいアプローチを提案する。 我々は、患者診断に到達するために協調する、対照的な視覚言語モデルで強化された複数のLLMエージェントのシステムをモデル化する。
  論文  参考訳（メタデータ） (2024-09-10T09:10:30Z)
• OrthoDoc: Multimodal Large Language Model for Assisting Diagnosis in Computed Tomography [2.004909615444003]
  マルチモーダル大言語モデル (MLLM) は画像処理の一般分野において大きな成功を収めている。 We developed OrthoDoc, a MLLM designed for Computed Tomography (CT) diagnosiss。 大規模な実験では、OrthoDocはGPT-4による商用モデルよりも優れており、優れた診断能力と精度を示している。
  論文  参考訳（メタデータ） (2024-08-30T13:31:32Z)
• RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
  本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。 患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-08-22T17:44:40Z)
• D-Rax: Domain-specific Radiologic assistant leveraging multi-modal data and eXpert model predictions [8.50767187405446]
  ドメイン固有の対話型無線支援ツールD-Raxを提案する。 我々は胸部X線(CXR)画像の会話解析を強化し,放射線学的報告を支援する。 オープン・エンド・会話とクローズド・会話の双方において,反応の統計的に有意な改善が認められた。
  論文  参考訳（メタデータ） (2024-07-02T18:43:10Z)
• Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
  本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。 実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
  論文  参考訳（メタデータ） (2024-04-04T06:16:35Z)
• AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
  我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。 この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。 高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
  論文  参考訳（メタデータ） (2024-02-15T06:46:48Z)
• ChatCAD: Interactive Computer-Aided Diagnosis on Medical Image using Large Language Models [53.73049253535025]
  大規模言語モデル(LLM)は、最近臨床応用においてその可能性を実証している。 本稿では,LLMを医療画像CADネットワークに統合する手法を提案する。 LLMの医用領域知識と論理的推論の強みを、既存の医用画像CADモデルの視覚理解能力と融合させることが目的である。
  論文  参考訳（メタデータ） (2023-02-14T18:54:06Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)

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。