論文の概要: HeadCT-ONE: Enabling Granular and Controllable Automated Evaluation of Head CT Radiology Report Generation
- arxiv url: http://arxiv.org/abs/2409.13038v1
- Date: Thu, 19 Sep 2024 18:20:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 12:14:24.704924
- Title: HeadCT-ONE: Enabling Granular and Controllable Automated Evaluation of Head CT Radiology Report Generation
- Title（参考訳）: HeadCT-ONE : 粒界と制御可能な頭部CT画像診断装置の開発
- Authors: Julián N. Acosta, Xiaoman Zhang, Siddhant Dogra, Hong-Yu Zhou, Seyedmehdi Payabvash, Guido J. Falcone, Eric K. Oermann, Pranav Rajpurkar,
- Abstract要約: HeadCT-ONEは、関係正規化エンティティ抽出による頭部CTレポート生成を評価するメトリクスである。
HeadCT-ONEは正規化されたエンティティとリレーションを比較し、異なるエンティティタイプや特定のエンティティのコントロール可能な重み付けを可能にする。
以上の結果から,ヘッドCT-ONEはより柔軟で,制御可能で,粒度の高い頭部CTレポートの自動評価を可能にした。
- 参考スコア（独自算出の注目度）: 16.065227627599025
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present Head CT Ontology Normalized Evaluation (HeadCT-ONE), a metric for evaluating head CT report generation through ontology-normalized entity and relation extraction. HeadCT-ONE enhances current information extraction derived metrics (such as RadGraph F1) by implementing entity normalization through domain-specific ontologies, addressing radiological language variability. HeadCT-ONE compares normalized entities and relations, allowing for controllable weighting of different entity types or specific entities. Through experiments on head CT reports from three health systems, we show that HeadCT-ONE's normalization and weighting approach improves the capture of semantically equivalent reports, better distinguishes between normal and abnormal reports, and aligns with radiologists' assessment of clinically significant errors, while offering flexibility to prioritize specific aspects of report content. Our results demonstrate how HeadCT-ONE enables more flexible, controllable, and granular automated evaluation of head CT reports.
- Abstract（参考訳）: 本稿では,頭部CTの正常化評価(HeadCT-ONE)をオントロジー正規化実体と関係抽出による頭部CTレポート生成評価指標として提示する。
HeadCT-ONEは、ドメイン固有のオントロジーによるエンティティ正規化を実装することで、現在の情報抽出メトリクス(RadGraph F1など)を強化する。
HeadCT-ONEは正規化されたエンティティとリレーションを比較し、異なるエンティティタイプや特定のエンティティのコントロール可能な重み付けを可能にする。
HeadCT-ONEの正常化と重み付けのアプローチは,3つの健康システムによる頭部CTレポートの実験を通じて,意味的等価な報告の取り込みを改善し,正常な報告と異常な報告の区別を良くし,臨床に有意な誤りを放射線医が評価すると共に,報告内容の特定の側面を優先する柔軟性を提供する。
以上の結果から,ヘッドCT-ONEはより柔軟で,制御可能で,粒度の高い頭部CTレポートの自動評価を可能にした。
関連論文リスト
- 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。
パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2024-09-28T12:31:07Z) - CT-AGRG: Automated Abnormality-Guided Report Generation from 3D Chest CT Volumes [0.0]
既存の方法では、観察された異常に明示的に焦点をあてることなく、3D CT画像から直接レポートを生成するのが一般的である。
本稿では,まず異常を予測し,それぞれが対象とする記述を生成する,新たな異常誘導型レポート生成モデルを提案する。
論文 参考訳（メタデータ） (2024-08-21T19:36:27Z) - 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) - Dia-LLaMA: Towards Large Language Model-driven CT Report Generation [4.634780391920529]
診断情報をガイダンスとして組み込むことで,CTレポート生成にLLaMA2-7Bを適用するためのフレームワークであるDia-LLaMAを提案する。
我々は,CTの高次元を考慮し,事前学習したVT3Dと知覚器を併用して視覚情報を抽出する。
報告生成のためのLCMを調整し,異常を強調するため,病原体記憶バンクを参照して,追加の診断情報を抽出する。
論文 参考訳（メタデータ） (2024-03-25T03:02:51Z) - 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) - 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) - Spectral image clustering on dual-energy CT scans using functional
regression mixtures [12.194046749285425]
デュアルエネルギーCT(Dual-Energy Computed Tomography、DECT)は、従来のCTスキャンでは不可能な材料特性評価が可能な高度なCTスキャン技術である。
これにより、各3次元画像ボクセルにおけるエネルギー減衰曲線の再構成が可能になり、異なる有効エネルギーレベルでの様々な画像減衰を表す。
論文 参考訳（メタデータ） (2022-01-31T18:04:43Z) - Exploring and Distilling Posterior and Prior Knowledge for Radiology
Report Generation [55.00308939833555]
PPKEDには、Posterior Knowledge Explorer (PoKE), Prior Knowledge Explorer (PrKE), Multi-domain Knowledge Distiller (MKD)の3つのモジュールが含まれている。
PoKEは後部知識を探求し、視覚データのバイアスを軽減するために明確な異常な視覚領域を提供する。
PrKEは、以前の医学知識グラフ(医学知識)と以前の放射線学レポート(作業経験)から以前の知識を探り、テキストデータのバイアスを軽減する。
論文 参考訳（メタデータ） (2021-06-13T11:10:02Z) - Auxiliary Signal-Guided Knowledge Encoder-Decoder for Medical Report
Generation [107.3538598876467]
放射線技師の動作パターンを模倣する補助信号誘導知識デコーダ(ASGK)を提案する。
ASGKは、内的特徴融合と外部医療言語情報を統合して、医療知識の伝達と学習をガイドする。
論文 参考訳（メタデータ） (2020-06-06T01:00:15Z)
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。