Fugu-MT 論文翻訳(概要): Improving VTE Identification through Adaptive NLP Model Selection and Clinical Expert Rule-based Classifier from Radiology Reports

論文の概要: Improving VTE Identification through Adaptive NLP Model Selection and Clinical Expert Rule-based Classifier from Radiology Reports

arxiv url: http://arxiv.org/abs/2309.12273v2
Date: Fri, 20 Oct 2023 17:49:27 GMT
ステータス: 処理完了
システム内更新日: 2023-10-24 02:51:13.775808
Title: Improving VTE Identification through Adaptive NLP Model Selection and Clinical Expert Rule-based Classifier from Radiology Reports
Title（参考訳）: 適応型NLPモデル選択によるVTE識別の改善と専門的ルールに基づく分類法
Authors: Jamie Deng, Yusen Wu, Hilary Hayssen, Brain Englum, Aman Kankaria, Minerva Mayorga-Carlin, Shalini Sahoo, John Sorkin, Brajesh Lal, Yelena Yesha, Phuong Nguyen
Abstract要約: 静脈血栓塞栓症(VTE)は深部静脈血栓症(DVT)と肺塞栓症(PE)を含む重症心血管疾患である自動的な手法は、振り返りデータコホートからVTEイベントを識別する有望な進歩を示したり、放射線学レポートからVTEイベントを識別する臨床専門家を支援したりしている。しかし,医学テキストデータのラベル付けが限定されていること,放射線学報告の複雑さと不均一性,データ不均衡などにより,効果的にディープラーニング(DL)とNLPモデルを訓練することは困難である。本研究では, DL法とデータ拡張, 適応型NLPモデル選択, 臨床専門家によるNLPルールに基づく新しい手法の組み合わせを提案する。
参考スコア（独自算出の注目度）: 2.0637891440066363
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Rapid and accurate identification of Venous thromboembolism (VTE), a severe cardiovascular condition including deep vein thrombosis (DVT) and pulmonary embolism (PE), is important for effective treatment. Leveraging Natural Language Processing (NLP) on radiology reports, automated methods have shown promising advancements in identifying VTE events from retrospective data cohorts or aiding clinical experts in identifying VTE events from radiology reports. However, effectively training Deep Learning (DL) and the NLP models is challenging due to limited labeled medical text data, the complexity and heterogeneity of radiology reports, and data imbalance. This study proposes novel method combinations of DL methods, along with data augmentation, adaptive pre-trained NLP model selection, and a clinical expert NLP rule-based classifier, to improve the accuracy of VTE identification in unstructured (free-text) radiology reports. Our experimental results demonstrate the model's efficacy, achieving an impressive 97\% accuracy and 97\% F1 score in predicting DVT, and an outstanding 98.3\% accuracy and 98.4\% F1 score in predicting PE. These findings emphasize the model's robustness and its potential to significantly contribute to VTE research.
Abstract（参考訳）: 深部静脈血栓症 (DVT) や肺塞栓症 (PE) を含む重症心血管疾患である静脈血栓塞栓症 (VTE) の迅速かつ正確な診断が重要である。放射線学報告における自然言語処理(NLP)を活用することで、自動化された手法は、振り返りデータコホートからVTEイベントを識別する、あるいは、放射線学レポートからVTEイベントを識別する臨床専門家を支援する、有望な進歩を示している。しかし,医学テキストデータのラベル付けが限定されていること,放射線学報告の複雑さと不均一性,データ不均衡などにより,効果的にディープラーニング(DL)とNLPモデルを訓練することは困難である。本研究では, DL法とデータ拡張, 適応型NLPモデル選択, 臨床専門家のNLPルールベース分類器を組み合わせることで, 非構造化(自由テキスト)ラジオグラフィーレポートにおけるVTE識別の精度を向上する手法を提案する。実験の結果,DVT予測における精度97\%,F1スコア97\%,PE予測における精度98.3\%,F1スコア98.4\%が得られた。これらの知見はモデルの頑健さとvte研究に大きく貢献する可能性を強調している。

関連論文リスト

Improving VTE Identification through Language Models from Radiology Reports: A Comparative Study of Mamba, Phi-3 Mini, and BERT [2.7552551107566137]
静脈血栓塞栓症(VTE)は、深部静脈血栓症(DVT)と肺塞栓症(PE)を含む重要な心血管疾患である本研究は,DVTの深層学習手法を用いたVTE検出と,PEの深層学習とルールベース分類を組み合わせたハイブリッドアプローチを併用した,従来の研究に基づいている。 Mambaアーキテクチャベースの分類器は、DVTデータセットの97%の精度とF1のスコア、PEデータセットの98%の精度とF1のスコアで顕著な結果を得る。
論文参考訳（メタデータ） (2024-08-16T22:51:56Z)
Evaluating Echo State Network for Parkinson's Disease Prediction using Voice Features [1.2289361708127877]
本研究の目的は,偽陰性の最小化と高精度化を両立できる診断モデルを開発することである。 Echo State Networks (ESN)、Random Forest、k-nearest Neighbors、Support Vector、Extreme Gradient Boosting、Decision Treeなど、さまざまな機械学習手法が採用され、徹底的に評価されている。 ESNは83%の症例で8%未満の偽陰性率を維持している。
論文参考訳（メタデータ） (2024-01-28T14:39:43Z)
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)
A Few-Shot Approach to Dysarthric Speech Intelligibility Level Classification Using Transformers [0.0]
発声障害(Dysarthria)は、言葉の発音が難しいことによるコミュニケーションを妨げる言語障害である。文献の多くは、変形性音声に対するASRシステムの改善に焦点を当てている。この研究は、変形の有無を正確に分類できるモデルを開発することを目的としている。
論文参考訳（メタデータ） (2023-09-17T17:23:41Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。診断成績は臨床医の成績と比較した。臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文参考訳（メタデータ） (2023-02-02T08:45:17Z)
ANOVA-based Automatic Attribute Selection and a Predictive Model for Heart Disease Prognosis [8.258177970935085]
本研究では,分散分析(ANOVA)とドメインエキスパートの知識を融合した情報融合手法を提案する。提案手法は、平均平均精度99.2%、平均平均AUC97.9%を達成することができる。
論文参考訳（メタデータ） (2022-07-30T19:29:18Z)
Towards dynamic multi-modal phenotyping using chest radiographs and physiological data [3.11179491890629]
本稿では,モダリティ固有のデータ表現を学習し,補助的特徴を統合するための動的トレーニング手法を提案する。 MIMIC-IVおよび胸部X線写真を用いたMIMIC-CXRデータセットを用いた患者表現型検索の予備実験を行った。このことは、表現型タスクにおける胸部画像モダリティの活用の利点を示し、医療応用におけるマルチモーダル学習の可能性を強調している。
論文参考訳（メタデータ） (2021-11-04T09:41:00Z)
Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文参考訳（メタデータ） (2021-03-19T14:13:56Z)
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)
MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文参考訳（メタデータ） (2020-10-08T15:30:17Z)

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。