論文の概要: Opportunities and challenges in the application of large artificial intelligence models in radiology
- arxiv url: http://arxiv.org/abs/2403.16112v1
- Date: Sun, 24 Mar 2024 12:05:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 17:35:42.939157
- Title: Opportunities and challenges in the application of large artificial intelligence models in radiology
- Title（参考訳）: 放射線学における大規模人工知能モデルの応用の可能性と課題
- Authors: Liangrui Pan, Zhenyu Zhao, Ying Lu, Kewei Tang, Liyong Fu, Qingchun Liang, Shaoliang Peng,
- Abstract要約: 細分化領域におけるより大規模なモデルが徐々に提案され、特に放射線画像分野における大きなモデルが提案されている。
本稿ではまず,大規模モデルの開発史,技術詳細,ワークフロー,マルチモーダル大規模モデルの動作原理,ビデオ生成大型モデルの動作原理について紹介する。
- 参考スコア（独自算出の注目度）: 4.543169454051341
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Influenced by ChatGPT, artificial intelligence (AI) large models have witnessed a global upsurge in large model research and development. As people enjoy the convenience by this AI large model, more and more large models in subdivided fields are gradually being proposed, especially large models in radiology imaging field. This article first introduces the development history of large models, technical details, workflow, working principles of multimodal large models and working principles of video generation large models. Secondly, we summarize the latest research progress of AI large models in radiology education, radiology report generation, applications of unimodal and multimodal radiology. Finally, this paper also summarizes some of the challenges of large AI models in radiology, with the aim of better promoting the rapid revolution in the field of radiography.
- Abstract（参考訳）: ChatGPTの影響を受けて、人工知能(AI)の大規模モデルは、大規模なモデル研究と開発における世界的な増加を目撃している。
このAI大規模モデルによる利便性を享受する人々によって、細分化された分野におけるより大規模なモデルが徐々に提案され、特に放射線画像分野における大きなモデルが提案されている。
本稿ではまず,大規模モデルの開発史,技術詳細,ワークフロー,マルチモーダル大規模モデルの動作原理,ビデオ生成大型モデルの動作原理について紹介する。
第2に, 放射線学教育におけるAI大規模モデルの最新の研究動向, 放射線学レポート生成, 非モダル・マルチモーダル放射線学の応用について概説する。
最後に,放射線学における大規模AIモデルの課題を要約し,放射線学分野の急速な革命を促進することを目的とした。
関連論文リスト
- Comparative Analysis of Diffusion Generative Models in Computational Pathology [11.698817924231854]
拡散生成モデル(DGM)はコンピュータビジョンの分野における新たなトピックとして急速に浮上している。
本稿では,病的データセットに適用された拡散法について,詳細な比較分析を行った。
我々の分析は、様々な視野(FOV)を持つデータセットにまで拡張し、DGMが高品質な合成データを生成するのに非常に有効であることを明らかにした。
論文 参考訳（メタデータ） (2024-11-24T05:09:43Z) - The Era of Foundation Models in Medical Imaging is Approaching : A Scoping Review of the Clinical Value of Large-Scale Generative AI Applications in Radiology [0.0]
放射線技師の不足に起因する社会問題は激化しており、人工知能は潜在的な解決策として強調されている。
最近出現する大規模生成AIは、大規模言語モデル(LLM)からマルチモーダルモデルへと拡張されている。
このスコーピングレビューは、大規模生成型AIアプリケーションの臨床的価値に関する既存の文献を体系的に整理する。
論文 参考訳（メタデータ） (2024-09-03T00:48:50Z) - MGH Radiology Llama: A Llama 3 70B Model for Radiology [50.42811030970618]
本稿では,高度な放射線学に焦点を当てた大規模言語モデルMGH Radiology Llamaを提案する。
Llama 3 70Bモデルを使用して開発され、Radiology-GPTやRadiology-Llama2といった従来のドメイン固有モデルをベースにしている。
従来の指標とGPT-4に基づく評価の両方を取り入れた評価では,汎用LLMよりも高い性能を示す。
論文 参考訳（メタデータ） (2024-08-13T01:30:03Z) - Advancing human-centric AI for robust X-ray analysis through holistic self-supervised learning [33.9544297423474]
873kの胸部X線で自己監督によって訓練された大型ビジュアルエンコーダであるRayDinoについて紹介する。
我々はレイディーノと過去の9つの放射線学課題における最先端モデルを比較し、分類と密分化からテキスト生成までについて述べる。
以上の結果から,患者中心型AIがX線の臨床・解釈に有用であることが示唆された。
論文 参考訳（メタデータ） (2024-05-02T16:59:10Z) - On the Challenges and Opportunities in Generative AI [135.2754367149689]
現在の大規模生成AIモデルは、ドメイン間で広く採用されるのを妨げるいくつかの基本的な問題に十分対応していない、と我々は主張する。
本研究は、現代の生成型AIパラダイムにおける重要な未解決課題を特定し、その能力、汎用性、信頼性をさらに向上するために取り組まなければならない。
論文 参考訳（メタデータ） (2024-02-28T15:19:33Z) - Generative AI in Vision: A Survey on Models, Metrics and Applications [0.0]
生成AIモデルは、現実的で多様なデータサンプルの作成を可能にすることで、さまざまな分野に革命をもたらした。
これらのモデルの中で、拡散モデルは高品質な画像、テキスト、オーディオを生成するための強力なアプローチとして現れている。
本稿では,AI拡散モデルとレガシモデルについて概観し,その基礎となる技術,異なる領域にわたる応用,課題について概説する。
論文 参考訳（メタデータ） (2024-02-26T07:47:12Z) - State of the Art on Diffusion Models for Visual Computing [191.6168813012954]
本稿では,拡散モデルの基本数学的概念,実装の詳細,および一般的な安定拡散モデルの設計選択を紹介する。
また,拡散に基づく生成と編集に関する文献の急速な発展を概観する。
利用可能なデータセット、メトリクス、オープンな課題、社会的意味について議論する。
論文 参考訳（メタデータ） (2023-10-11T05:32:29Z) - Radiology-GPT: A Large Language Model for Radiology [74.07944784968372]
本稿では,ラジオロジーのための大規模言語モデルであるRadiology-GPTを紹介する。
StableLM、Dolly、LLaMAといった一般的な言語モデルと比較して、優れたパフォーマンスを示している。
放射線診断、研究、通信において大きな汎用性を示す。
論文 参考訳（メタデータ） (2023-06-14T17:57:24Z) - Artificial General Intelligence for Medical Imaging Analysis [92.3940918983821]
大規模人工知能(AGI)モデルは、様々な汎用ドメインタスクにおいて前例のない成功を収めた。
これらのモデルは、医学分野固有の複雑さとユニークな特徴から生じる顕著な課題に直面している。
このレビューは、医療画像、医療などにおけるAGIの将来的な意味についての洞察を提供することを目的としている。
論文 参考訳（メタデータ） (2023-06-08T18:04:13Z) - Large AI Models in Health Informatics: Applications, Challenges, and the
Future [31.66920436409032]
大規模なAIモデル、あるいは基礎モデル(ファウンデーションモデル)は、パラメータワイドとデータワイドの両方で大規模に出現するモデルである。
ChatGPTは、大きなAIモデルが持つ影響に対する人々の想像力を押し付けました。
健康情報学において、大規模AIモデルの出現は方法論の設計に新たなパラダイムをもたらした。
論文 参考訳（メタデータ） (2023-03-21T03:28:33Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳（メタデータ） (2022-03-03T20:52:47Z)
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。