論文の概要: PadChest-GR: A Bilingual Chest X-ray Dataset for Grounded Radiology Report Generation

• arxiv url: http://arxiv.org/abs/2411.05085v1
• Date: Thu, 07 Nov 2024 19:06:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:56:09.101403
• Title: PadChest-GR: A Bilingual Chest X-ray Dataset for Grounded Radiology Report Generation
• Title（参考訳）: PadChest-GR:グラウンドドラジオロジーレポート生成のためのバイリンガルチェストX線データセット
• Authors: Daniel C. Castro, Aurelia Bustos, Shruthi Bannur, Stephanie L. Hyland, Kenza Bouzid, Maria Teodora Wetscherek, Maria Dolores Sánchez-Valverde, Lara Jaques-Pérez, Lourdes Pérez-Rodríguez, Kenji Takeda, José María Salinas, Javier Alvarez-Valle, Joaquín Galant Herrero, Antonio Pertusa,
• Abstract要約: グラウンドドラジオロジーレポート生成(GRRG)は、画像上の個々の所見の局所化を含む。 現在、GRRGモデルをトレーニングするための手動注釈付き胸部X線データセットは存在しない。 CXR画像のGRRGモデルのトレーニングを目的としたPadChest-GR(Grounded-Reporting)というデータセットを提案する。
• 参考スコア（独自算出の注目度）: 4.925253788789898
• License:
• Abstract: Radiology report generation (RRG) aims to create free-text radiology reports from clinical imaging. Grounded radiology report generation (GRRG) extends RRG by including the localisation of individual findings on the image. Currently, there are no manually annotated chest X-ray (CXR) datasets to train GRRG models. In this work, we present a dataset called PadChest-GR (Grounded-Reporting) derived from PadChest aimed at training GRRG models for CXR images. We curate a public bi-lingual dataset of 4,555 CXR studies with grounded reports (3,099 abnormal and 1,456 normal), each containing complete lists of sentences describing individual present (positive) and absent (negative) findings in English and Spanish. In total, PadChest-GR contains 7,037 positive and 3,422 negative finding sentences. Every positive finding sentence is associated with up to two independent sets of bounding boxes labelled by different readers and has categorical labels for finding type, locations, and progression. To the best of our knowledge, PadChest-GR is the first manually curated dataset designed to train GRRG models for understanding and interpreting radiological images and generated text. By including detailed localization and comprehensive annotations of all clinically relevant findings, it provides a valuable resource for developing and evaluating GRRG models from CXR images. PadChest-GR can be downloaded under request from https://bimcv.cipf.es/bimcv-projects/padchest-gr/
• Abstract（参考訳）: 放射線学レポート生成(RRG)は、臨床画像から自由テキストの放射線学レポートを作成することを目的としている。 画像上の個々の所見の局在を含め、GRRGはRRGを拡張している。 現在、GRRGモデルをトレーニングするための手動注釈付き胸部X線データセットは存在しない。 本研究では,CXR画像のGRRGモデルのトレーニングを目的としたPadChest-GR(Grounded-Reporting)というデータセットを提案する。 英語とスペイン語の個々の現在(陽性)と不在(陰性)を記述した文章の完全なリストを含む,基礎的な報告(異常3,099件,正常1,456件)を用いて,CXR4,555件のパブリックバイリンガルデータセットをキュレートした。 PadChest-GRは7,037件、否定的な発見文は3,422件である。 すべての肯定的な発見文は、異なる読者によってラベル付けされた2つの独立したバウンディングボックスに関連付けられ、タイプ、位置、進行を見つけるためのカテゴリラベルを持つ。 我々の知る限り、PadChest-GRは、GRRGモデルをトレーニングし、放射線画像と生成されたテキストの理解と解釈のために設計された最初の手作業によるデータセットである。 CXR画像からGRRGモデルの開発と評価のための貴重なリソースを提供する。 PadChest-GRはhttps://bimcv.cipf.es/bimcv-projects/padchest-gr/からダウンロードできる。

関連論文リスト

• Shadow and Light: Digitally Reconstructed Radiographs for Disease Classification [8.192975020366777]
  DRR-RATEは、21,304人のユニークな患者から50,188個の前方デジタル再構成ラジオグラフィー(DRR)から構成される。 各画像は、対応する放射線学テキストレポートと18の病理学クラスのためのバイナリラベルとがペアリングされる。 我々は,既存の大規模胸部X線リソース,特にCheXpertデータセットとCheXnetモデルと併用して,DRR-RATEの適用性を示す。
  論文  参考訳（メタデータ） (2024-06-06T02:19:18Z)
• RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
  RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。 私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
  論文  参考訳（メタデータ） (2024-04-25T17:11:37Z)
• Scene Graph Aided Radiology Report Generation [22.005692393030493]
  放射線診断報告生成法 (RRG) は、臨床的に正確な報告を作成するのに十分な医療知識を欠くことが多い。 本稿では,地域レベルの視覚特徴を生成し,解剖学的属性を予測し,自動生成シーングラフを利用するScene Graph aided RRG (SGRRG) ネットワークを提案する。 SGRRGは、レポート生成における従来の最先端の手法よりも優れており、異常な発見をよりよく捉えることができる。
  論文  参考訳（メタデータ） (2024-03-08T21:43:28Z)
• Fine-Grained Image-Text Alignment in Medical Imaging Enables Explainable Cyclic Image-Report Generation [91.63262242041695]
  本稿では,胸部X線画像領域と医療報告における単語を関連付けるために,適応パッチワードマッチング(AdaMatch)モデルを提案する。 AdaMatchは、適応パッチと単語のきめ細かい関係を利用して、対応する単語で特定の画像領域の説明を提供する。 CXRレポート生成タスクの明示的な説明性を提供するため,循環型CXRレポート生成のためのAdaMatchベースの双方向大言語モデルを提案する。
  論文  参考訳（メタデータ） (2023-12-13T11:47:28Z)
• Replace and Report: NLP Assisted Radiology Report Generation [31.309987297324845]
  無線画像から放射線学レポートを生成するためのテンプレートベースの手法を提案する。 胸部X線検査では, 異常所見の少ない文章を作成し, 正常な報告テンプレートに置き換えることにより, 胸部X線所見を初めて生成する試みである。
  論文  参考訳（メタデータ） (2023-06-19T10:04:42Z)
• Act Like a Radiologist: Radiology Report Generation across Anatomical Regions [50.13206214694885]
  X-RGenは6つの解剖学的領域にわたる放射線学者によるレポート生成フレームワークである。 X-RGenでは、ヒトの放射線学者の行動を模倣し、これらを4つの主要な段階に分解する。 画像エンコーダの認識能力は,各領域にまたがる画像やレポートを分析して向上する。
  論文  参考訳（メタデータ） (2023-05-26T07:12:35Z)
• 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)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• 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。