Fugu-MT 論文翻訳(概要): The current status of large language models in summarizing radiology report impressions

論文の概要: The current status of large language models in summarizing radiology report impressions

arxiv url: http://arxiv.org/abs/2406.02134v1
Date: Tue, 4 Jun 2024 09:23:30 GMT
ステータス: 処理完了
システム内更新日: 2024-06-05 17:01:41.485348
Title: The current status of large language models in summarizing radiology report impressions
Title（参考訳）: 放射線学レポートインプレッションの要約における大規模言語モデルの現状
Authors: Danqing Hu, Shanyuan Zhang, Qing Liu, Xiaofeng Zhu, Bing Liu,
Abstract要約: 大きな言語モデル(LLMs)が放射線学レポートの印象を要約する効果は、まだ不明である。北京大学医学部附属病院からCT,PET-CT,超音波の3種類の放射線学報告を収集した。本報告では,ゼロショット,ワンショット,3ショットのプロンプトを完全な実例で構築し,インプレッションを生成する。
参考スコア（独自算出の注目度）: 13.402769727597812
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Large language models (LLMs) like ChatGPT show excellent capabilities in various natural language processing tasks, especially for text generation. The effectiveness of LLMs in summarizing radiology report impressions remains unclear. In this study, we explore the capability of eight LLMs on the radiology report impression summarization. Three types of radiology reports, i.e., CT, PET-CT, and Ultrasound reports, are collected from Peking University Cancer Hospital and Institute. We use the report findings to construct the zero-shot, one-shot, and three-shot prompts with complete example reports to generate the impressions. Besides the automatic quantitative evaluation metrics, we define five human evaluation metrics, i.e., completeness, correctness, conciseness, verisimilitude, and replaceability, to evaluate the semantics of the generated impressions. Two thoracic surgeons (ZSY and LB) and one radiologist (LQ) compare the generated impressions with the reference impressions and score each impression under the five human evaluation metrics. Experimental results show that there is a gap between the generated impressions and reference impressions. Although the LLMs achieve comparable performance in completeness and correctness, the conciseness and verisimilitude scores are not very high. Using few-shot prompts can improve the LLMs' performance in conciseness and verisimilitude, but the clinicians still think the LLMs can not replace the radiologists in summarizing the radiology impressions.
Abstract（参考訳）: ChatGPTのような大規模言語モデル(LLM)は、特にテキスト生成において、様々な自然言語処理タスクにおいて優れた機能を示す。放射線学報告印象の要約におけるLSMsの有効性はいまだ不明である。本研究では,放射線学報告の印象要約における8つのLDMの能力について検討した。北京大学医学部附属病院からCT,PET-CT,超音波の3種類の放射線学報告を収集した。本報告では,ゼロショット,ワンショット,3ショットのプロンプトを完全な実例で構築し,インプレッションを生成する。自動定量的評価尺度の他に, 完全性, 完全性, 正当性, 正確性, 妥当性, 代替可能性の5つの評価指標を定義し, 生成した印象のセマンティクスを評価する。 2人の胸部外科医(ZSYとLB)と1人の放射線技師(LQ)は、生成された印象を基準印象と比較し、5人の評価基準で各印象を評価する。実験結果から, 生成した印象と参照印象との間にはギャップがあることが示唆された。 LLMは完全性と正確性において同等のパフォーマンスを達成しているが、簡潔さと精度はそれほど高くない。数発のプロンプトを使用すれば、簡潔さと精度でLSMのパフォーマンスを向上させることができるが、臨床医は、LSMは放射線学の印象を要約する際に、放射線学者に取って代わることはできないと考えている。

関連論文リスト

Reshaping Free-Text Radiology Notes Into Structured Reports With Generative Transformers [0.29530625605275984]
構造化報告(SR)は様々な医療社会で推奨されている。自由テキストレポートから情報を抽出するパイプラインを提案する。我々の研究は自然言語処理(NLP)とトランスフォーマーベースのモデルを活用することを目的としている。
論文参考訳（メタデータ） (2024-03-27T18:38:39Z)
FactPICO: Factuality Evaluation for Plain Language Summarization of Medical Evidence [46.71469172542448]
本稿では,医療用テキストのプレーン言語要約のためのファクトPICOを提案する。 3つのランダム化制御試験(RCT)から生成される抽象語の345のプレーン言語要約で構成されている。本研究は,これらのサマリーにおけるRCTの重要要素の事実と,それらに関する報告された知見について評価する。
論文参考訳（メタデータ） (2024-02-18T04:45:01Z)
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)
Evaluation of GPT-4 for chest X-ray impression generation: A reader study on performance and perception [32.73124984242397]
GPT-4は、異なる入力モード(画像、テキスト、テキスト、画像)に基づいて胸部X線印象を生成するために使用された本研究は, モデル入力による放射線学的評価値と一般的な自動評価値との間に有意な相違が認められた。 AIによって生成された発見の検出は、高い評価を受けた印象が人間によって書かれたと認識されるバイアスを受ける。
論文参考訳（メタデータ） (2023-11-12T11:40:57Z)
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)
Multilingual Natural Language Processing Model for Radiology Reports -- The Summary is all you need! [2.4910932804601855]
マルチリンガルテキスト・トゥ・テキスト・トランスフォーマに基づくモデルを微調整することで、放射線学印象の生成を自動化した。ブラインドテストでは、2人の放射線学者が、システム生成サマリーのうち少なくとも70%は、品質が対応する人文サマリーと一致または上回っていることを示した。本研究は,複数の言語モデルにおいて,放射線学レポートの要約に特化している他のモデルと,特に放射線学レポートの要約に特化していないモデルとを比較検討した。
論文参考訳（メタデータ） (2023-09-29T19:20:27Z)
Evaluating Large Language Models for Radiology Natural Language Processing [68.98847776913381]
大規模言語モデル(LLM)の台頭は、自然言語処理(NLP)分野における重要な転換点となっている。本研究は, 放射線学報告の解釈において, 30 個の LLM を批判的に評価することにより, このギャップを埋めることを目指している。
論文参考訳（メタデータ） (2023-07-25T17:57:18Z)
An Iterative Optimizing Framework for Radiology Report Summarization with ChatGPT [80.33783969507458]
放射線医学報告の「印象」セクションは、放射線医と他の医師とのコミュニケーションにとって重要な基盤である。近年の研究では、大規模医療用テキストデータを用いた印象自動生成の有望な成果が得られている。これらのモデルは、しばしば大量の医療用テキストデータを必要とし、一般化性能が劣る。
論文参考訳（メタデータ） (2023-04-17T17:13:42Z)
Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文参考訳（メタデータ） (2022-09-28T10:27:10Z)
Radiology Report Generation with a Learned Knowledge Base and Multi-modal Alignment [27.111857943935725]
胸部X線からのレポート生成のための自動マルチモーダルアプローチを提案する。本手法は,学習知識ベースとマルチモーダルアライメントの2つの異なるモジュールを特徴とする。両モジュールの助けを借りて、我々のアプローチは明らかに最先端の手法よりも優れている。
論文参考訳（メタデータ） (2021-12-30T10:43:56Z)

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。