論文の概要: German CheXpert Chest X-ray Radiology Report Labeler
- arxiv url: http://arxiv.org/abs/2306.02777v1
- Date: Mon, 5 Jun 2023 11:01:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 15:30:28.805203
- Title: German CheXpert Chest X-ray Radiology Report Labeler
- Title（参考訳）: ドイツのCheXpert胸部X線撮影レポート
- Authors: Alessandro Wollek, Sardi Hyska, Thomas Sedlmeyr, Philip Haitzer,
Johannes Rueckel, Bastian O. Sabel, Michael Ingrisch, Tobias Lasser
- Abstract要約: 本研究の目的は,胸部X線分類モデルのアノテーションを自動的に抽出するアルゴリズムを開発することである。
その結果、自動ラベル抽出は手動ラベリングに費やす時間を短縮し、全体のモデリング性能を向上させることができることがわかった。
- 参考スコア（独自算出の注目度）: 50.591267188664666
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study aimed to develop an algorithm to automatically extract annotations
for chest X-ray classification models from German thoracic radiology reports.
An automatic label extraction model was designed based on the CheXpert
architecture, and a web-based annotation interface was created for iterative
improvements. Results showed that automated label extraction can reduce time
spent on manual labeling and improve overall modeling performance. The model
trained on automatically extracted labels performed competitively to manually
labeled data and strongly outperformed the model trained on publicly available
data.
- Abstract（参考訳）: 本研究の目的は,胸部X線分類モデルのアノテーションを自動的に抽出するアルゴリズムを開発することである。
自動ラベル抽出モデルはCheXpertアーキテクチャに基づいて設計され、反復的な改善のためにWebベースのアノテーションインタフェースが作成された。
その結果、自動ラベル抽出は手動ラベリングに費やす時間を削減し、全体的なモデリング性能を向上させることが判明した。
自動的に抽出されたラベルでトレーニングされたモデルは、手動でラベル付けされたデータと競合して実行され、公開データでトレーニングされたモデルよりも優れている。
関連論文リスト
- Automated Spinal MRI Labelling from Reports Using a Large Language Model [45.348320669329205]
大規模言語モデルを用いたラジオロジーレポートからラベルの抽出を自動化するパイプラインを提案する。
本手法は,GPT-4と同等か,あるいは超えている。
抽出したラベルを用いて画像モデルの訓練を行い,MRスキャンによる特定条件の分類を行う。
論文 参考訳（メタデータ） (2024-10-22T17:54:07Z) - Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: a data-driven approach for improved classification [0.6144680854063935]
胸部X線(CXR)画像解析では、通常、ルールベースのシステムはデータセットリリースのレポートからラベルを抽出するために使用される。
本稿では,局所的に実行可能なLarge Language Model (LLM) を利用して,発見ラベルの抽出と拡張を行う新しいアプローチであるMAPLEZを提案する。
論文 参考訳（メタデータ） (2024-03-06T20:10:41Z) - LABELMAKER: Automatic Semantic Label Generation from RGB-D Trajectories [59.14011485494713]
この研究は、完全に自動化された2D/3Dラベリングフレームワークを導入し、RGB-Dスキャンのラベルを同等(あるいはそれ以上)の精度で生成できる。
我々は、ScanNetデータセットのラベルを大幅に改善し、これまでラベル付けされていなかったARKitScenesデータセットを自動的にラベル付けすることで、LabelMakerパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2023-11-20T20:40:24Z) - Automated Labeling of German Chest X-Ray Radiology Reports using Deep
Learning [50.591267188664666]
本稿では,ルールベースのドイツ語CheXpertモデルによってラベル付けされたレポートに基づいて,ディープラーニングに基づくCheXpertラベル予測モデルを提案する。
その結果,3つのタスクすべてにおいて,ルールベースモデルを大幅に上回ったアプローチの有効性が示された。
論文 参考訳（メタデータ） (2023-06-09T16:08:35Z) - AutoTriggER: Label-Efficient and Robust Named Entity Recognition with
Auxiliary Trigger Extraction [54.20039200180071]
我々は,エンティティトリガの自動生成と活用によるNER性能向上のための新しいフレームワークを提案する。
筆者らのフレームワークは,ポストホックな説明を活用して合理的な知識を生成し,埋め込み手法を用いてモデルの事前知識を強化する。
AutoTriggERは強力なラベル効率を示し、目に見えないエンティティを一般化し、RoBERTa-CRFベースラインを平均0.5F1ポイント上回る性能を持つ。
論文 参考訳（メタデータ） (2021-09-10T08:11:56Z) - Chest X-ray Report Generation through Fine-Grained Label Learning [46.352966049776875]
画像から詳細な所見を学習する領域認識自動胸部X線診断レポート生成アルゴリズムを提案する。
また、画像にそのような記述子を割り当てる自動ラベリングアルゴリズムを開発し、発見の粗い記述ときめ細かい記述の両方を認識する新しいディープラーニングネットワークを構築した。
論文 参考訳（メタデータ） (2020-07-27T19:50:56Z) - CheXbert: Combining Automatic Labelers and Expert Annotations for
Accurate Radiology Report Labeling Using BERT [6.458158112222296]
医用画像レポートラベリングにおけるBERTに基づくアプローチを提案する。
本稿では,ルールベースラベルのアノテーションに基づいてトレーニングしたBERTモデルの優れた性能を示す。
我々の最終モデルであるCheXbertは、統計的に有意な、以前の最高のルールベースのラベルよりも優れていることが分かりました。
論文 参考訳（メタデータ） (2020-04-20T09:46:40Z)
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。