論文の概要: Automated Spinal MRI Labelling from Reports Using a Large Language Model

• arxiv url: http://arxiv.org/abs/2410.17235v1
• Date: Tue, 22 Oct 2024 17:54:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:29:51.238487
• Title: Automated Spinal MRI Labelling from Reports Using a Large Language Model
• Title（参考訳）: 大規模言語モデルを用いた脊椎MRI診断の自動化
• Authors: Robin Y. Park, Rhydian Windsor, Amir Jamaludin, Andrew Zisserman,
• Abstract要約: 大規模言語モデルを用いたラジオロジーレポートからラベルの抽出を自動化するパイプラインを提案する。 本手法は,GPT-4と同等か,あるいは超えている。 抽出したラベルを用いて画像モデルの訓練を行い,MRスキャンによる特定条件の分類を行う。
• 参考スコア（独自算出の注目度）: 45.348320669329205
• License:
• Abstract: We propose a general pipeline to automate the extraction of labels from radiology reports using large language models, which we validate on spinal MRI reports. The efficacy of our labelling method is measured on five distinct conditions: spinal cancer, stenosis, spondylolisthesis, cauda equina compression and herniation. Using open-source models, our method equals or surpasses GPT-4 on a held-out set of reports. Furthermore, we show that the extracted labels can be used to train imaging models to classify the identified conditions in the accompanying MR scans. All classifiers trained using automated labels achieve comparable performance to models trained using scans manually annotated by clinicians. Code can be found at https://github.com/robinyjpark/AutoLabelClassifier.
• Abstract（参考訳）: 我々は,大言語モデルを用いた放射線学報告からのラベル抽出を自動化するための一般的なパイプラインを提案し,これを脊髄MRIレポートで検証した。 本法の有効性は, 脊髄癌, 狭窄, スポンジロリセシス, コーダ等圧圧縮, ヘルニアの5つの異なる条件で測定した。 提案手法は, オープンソースモデルを用いて, レポートの保持セットにおいて, GPT-4 に等しいか, 上回っている。 さらに, 抽出したラベルを用いて画像モデルの訓練を行い, MRスキャンによる特定条件の分類を行う。 自動ラベルを使用してトレーニングされたすべての分類器は、臨床医が手動で注釈付けしたスキャンを用いてトレーニングされたモデルと同等のパフォーマンスを達成する。 コードはhttps://github.com/robinyjpark/AutoLabelClassifierで見ることができる。

関連論文リスト

• Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: a data-driven approach for improved classification [0.6144680854063935]
  胸部X線(CXR)画像解析では、通常、ルールベースのシステムはデータセットリリースのレポートからラベルを抽出するために使用される。 本稿では,局所的に実行可能なLarge Language Model (LLM) を利用して,発見ラベルの抽出と拡張を行う新しいアプローチであるMAPLEZを提案する。
  論文  参考訳（メタデータ） (2024-03-06T20:10:41Z)
• LABELMAKER: Automatic Semantic Label Generation from RGB-D Trajectories [59.14011485494713]
  この研究は、完全に自動化された2D/3Dラベリングフレームワークを導入し、RGB-Dスキャンのラベルを同等(あるいはそれ以上)の精度で生成できる。 我々は、ScanNetデータセットのラベルを大幅に改善し、これまでラベル付けされていなかったARKitScenesデータセットを自動的にラベル付けすることで、LabelMakerパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-20T20:40:24Z)
• Automated Labeling of German Chest X-Ray Radiology Reports using Deep Learning [50.591267188664666]
  本稿では,ルールベースのドイツ語CheXpertモデルによってラベル付けされたレポートに基づいて,ディープラーニングに基づくCheXpertラベル予測モデルを提案する。 その結果,3つのタスクすべてにおいて,ルールベースモデルを大幅に上回ったアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2023-06-09T16:08:35Z)
• German CheXpert Chest X-ray Radiology Report Labeler [50.591267188664666]
  本研究の目的は,胸部X線分類モデルのアノテーションを自動的に抽出するアルゴリズムを開発することである。 その結果、自動ラベル抽出は手動ラベリングに費やす時間を短縮し、全体のモデリング性能を向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-06-05T11:01:58Z)
• BoMD: Bag of Multi-label Descriptors for Noisy Chest X-ray Classification [25.76256302330625]
  新しい医用画像分類問題は、放射線医学レポートから抽出された機械生成ノイズラベルに依存する必要があるかもしれない。 マルチクラス問題に対して設計された現在の雑音ラベル学習法は容易には適用できない。 本稿では,データセットからサンプルを検出し,スムーズに再ラベルする,ノイズの多い多ラベルCXR学習のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-03T08:04:59Z)
• Label Cleaning Multiple Instance Learning: Refining Coarse Annotations on Single Whole-Slide Images [83.7047542725469]
  病理検体の全スライディング画像(WSI)における癌領域のアノテーションは、臨床診断、生医学研究、機械学習アルゴリズムの開発において重要な役割を担っている。 本稿では,外部トレーニングデータを必要とせず,単一のWSI上で粗いアノテーションを洗練するためのLC-MIL (Label Cleaning Multiple Instance Learning) を提案する。 乳癌リンパ節転移,肝癌,大腸癌の検体を併用した異種 WSI 実験の結果,LC-MIL は粗いアノテーションを著しく改善し,単一スライドから学習しながらも,最先端の代替品よりも優れていた。
  論文  参考訳（メタデータ） (2021-09-22T15:06:06Z)
• Paying Per-label Attention for Multi-label Extraction from Radiology Reports [1.9601378412924186]
  脳卒中患者の頭部CT像から構造化ラベルを自動抽出する。 神経疾患に関する放射線学的所見と臨床的印象に対応する31のラベル群を提案する。 放射線学者の報告によると、我々は単一のモデルで多くのラベルをしっかりと抽出することができる。
  論文  参考訳（メタデータ） (2020-07-31T16:11:09Z)
• Chest X-ray Report Generation through Fine-Grained Label Learning [46.352966049776875]
  画像から詳細な所見を学習する領域認識自動胸部X線診断レポート生成アルゴリズムを提案する。 また、画像にそのような記述子を割り当てる自動ラベリングアルゴリズムを開発し、発見の粗い記述ときめ細かい記述の両方を認識する新しいディープラーニングネットワークを構築した。
  論文  参考訳（メタデータ） (2020-07-27T19:50:56Z)

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。