論文の概要: Semantic Textual Similarity Assessment in Chest X-ray Reports Using a
Domain-Specific Cosine-Based Metric
- arxiv url: http://arxiv.org/abs/2402.11908v1
- Date: Mon, 19 Feb 2024 07:48:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-20 17:53:53.282868
- Title: Semantic Textual Similarity Assessment in Chest X-ray Reports Using a
Domain-Specific Cosine-Based Metric
- Title（参考訳）: ドメイン特化コサインを用いた胸部X線検査における意味的テキスト類似性評価
- Authors: Sayeh Gholipour Picha, Dawood Al Chanti, Alice Caplier
- Abstract要約: 本稿では,生成医療報告と基礎的真実とのセマンティックな類似性を評価するための新しいアプローチを提案する。
本手法の有効性を検証し,医学的文脈におけるドメイン固有の意味的類似性を評価する。
- 参考スコア（独自算出の注目度）: 1.7802147489386628
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Medical language processing and deep learning techniques have emerged as
critical tools for improving healthcare, particularly in the analysis of
medical imaging and medical text data. These multimodal data fusion techniques
help to improve the interpretation of medical imaging and lead to increased
diagnostic accuracy, informed clinical decisions, and improved patient
outcomes. The success of these models relies on the ability to extract and
consolidate semantic information from clinical text. This paper addresses the
need for more robust methods to evaluate the semantic content of medical
reports. Conventional natural language processing approaches and metrics are
initially designed for considering the semantic context in the natural language
domain and machine translation, often failing to capture the complex semantic
meanings inherent in medical content. In this study, we introduce a novel
approach designed specifically for assessing the semantic similarity between
generated medical reports and the ground truth. Our approach is validated,
demonstrating its efficiency in assessing domain-specific semantic similarity
within medical contexts. By applying our metric to state-of-the-art Chest X-ray
report generation models, we obtain results that not only align with
conventional metrics but also provide more contextually meaningful scores in
the considered medical domain.
- Abstract（参考訳）: 医学言語処理と深層学習技術は、特に医用画像と医用テキストデータの分析において、医療を改善する重要なツールとして登場した。
これらのマルチモーダルデータ融合技術は、医用画像の解釈を改善し、診断精度の向上、臨床診断のインフォームド、患者結果の改善に寄与する。
これらのモデルの成功は、臨床テキストから意味情報を抽出し統合する能力に依存している。
本稿では,医療報告のセマンティックな内容を評価するための,より堅牢な手法の必要性に対処する。
従来の自然言語処理のアプローチとメトリクスは、当初、自然言語領域と機械翻訳のセマンティックコンテキストを考えるために設計されており、しばしば医療内容に固有の複雑な意味を捉えていない。
本研究では,生成された医療報告と基礎的真実とのセマンティックな類似性を評価するための新しいアプローチを提案する。
本手法の有効性を検証し,医学的文脈におけるドメイン固有の意味的類似性を評価する。
最先端のケストX線レポート生成モデルに指標を適用し,従来の指標に適合するだけでなく,検討対象の医療領域においてより文脈的に意味のあるスコアを提供する結果を得た。
関連論文リスト
- RaTEScore: A Metric for Radiology Report Generation [59.37561810438641]
本稿では,Radiological Report (Text) Evaluation (RaTEScore) として,新しい実体認識尺度を提案する。
RaTEScoreは、診断結果や解剖学的詳細などの重要な医療機関を強調し、複雑な医学的同義語に対して堅牢であり、否定表現に敏感である。
我々の評価は、RaTEScoreが既存の指標よりも人間の嗜好とより密接に一致していることを示し、確立された公開ベンチマークと、新たに提案したRaTE-Evalベンチマークの両方で検証した。
論文 参考訳（メタデータ） (2024-06-24T17:49:28Z) - Efficient Biomedical Entity Linking: Clinical Text Standardization with Low-Resource Techniques [0.0]
複数の用語は、臨床エンティティと呼ばれることができる同じコア概念を参照することができる。
UMLS(Unified Medical Language System)のようなオントロジーは、何百万もの臨床エンティティを格納するために開発・維持されている。
そこで本稿では,エンティティの曖昧さを解消するために,コンテキストベースとコンテキストレスの省力化手法を提案する。
論文 参考訳（メタデータ） (2024-05-24T01:14:33Z) - Radiology Report Generation Using Transformers Conditioned with
Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。
提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文 参考訳（メタデータ） (2023-11-18T14:52:26Z) - Beyond Images: An Integrative Multi-modal Approach to Chest X-Ray Report
Generation [47.250147322130545]
画像からテキストまでの放射線学レポート生成は,医療画像の発見を記述した放射線学レポートを自動生成することを目的としている。
既存の方法の多くは画像データのみに焦点をあてており、他の患者情報は放射線科医に公開されていない。
胸部X線レポートを生成するための多モードディープニューラルネットワークフレームワークを,非構造的臨床ノートとともにバイタルサインや症状などの構造化された患者データを統合することで提案する。
論文 参考訳（メタデータ） (2023-11-18T14:37:53Z) - Making the Most of Text Semantics to Improve Biomedical Vision--Language
Processing [17.96645738679543]
テキスト・セマンティック・モデリングは自己教師付き視覚処理におけるコントラスト学習を大幅に改善できることを示す。
テキストモデリングの改善に焦点をあてた,自己教師型共同視覚言語アプローチを提案する。
論文 参考訳（メタデータ） (2022-04-21T00:04:35Z) - Towards more patient friendly clinical notes through language models and
ontologies [57.51898902864543]
本稿では,単語の単純化と言語モデリングに基づく医療用テキストの自動作成手法を提案する。
我々は,公開医療文のデータセットペアと,臨床医による簡易化版を用いている。
本手法は,医学フォーラムデータに基づく言語モデルを用いて,文法と本来の意味の両方を保存しながら,より単純な文を生成する。
論文 参考訳（メタデータ） (2021-12-23T16:11:19Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳（メタデータ） (2021-06-15T12:25:30Z) - A Practical Approach towards Causality Mining in Clinical Text using
Active Transfer Learning [2.6125458645126907]
因果関係マイニングは、最先端の自然言語処理技術の応用を必要とする活発な研究領域である。
この研究は、臨床テキストを因果知識に変換するフレームワークを作成することを目的としている。
論文 参考訳（メタデータ） (2020-12-10T06:51:13Z) - Benchmarking Automated Clinical Language Simplification: Dataset,
Algorithm, and Evaluation [48.87254340298189]
我々はMedLaneという名の新しいデータセットを構築し、自動化された臨床言語簡易化手法の開発と評価を支援する。
我々は,人間のアノテーションの手順に従い,最先端のパフォーマンスを実現するDECLAREと呼ばれる新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-12-04T06:09:02Z)
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。