論文の概要: Evaluating Automated Radiology Report Quality through Fine-Grained Phrasal Grounding of Clinical Findings
- arxiv url: http://arxiv.org/abs/2412.01031v2
- Date: Sat, 07 Dec 2024 23:21:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-10 14:51:54.576202
- Title: Evaluating Automated Radiology Report Quality through Fine-Grained Phrasal Grounding of Clinical Findings
- Title（参考訳）: 臨床所見の微粒化による自動放射線診断の精度評価
- Authors: Razi Mahmood, Pingkun Yan, Diego Machado Reyes, Ge Wang, Mannudeep K. Kalra, Parisa Kaviani, Joy T. Wu, Tanveer Syeda-Mahmood,
- Abstract要約: 本研究は, 多数の臨床所見の位置, 側方性, 重症度を把握した, きめ細かい発見パターンを抽出し, 報告品質評価法を開発した。
次に、テキストと視覚の計測値を組み合わせて、生成されたレポートの品質を評価する。
- 参考スコア（独自算出の注目度）: 10.549145579960033
- License:
- Abstract: Several evaluation metrics have been developed recently to automatically assess the quality of generative AI reports for chest radiographs based only on textual information using lexical, semantic, or clinical named entity recognition methods. In this paper, we develop a new method of report quality evaluation by first extracting fine-grained finding patterns capturing the location, laterality, and severity of a large number of clinical findings. We then performed phrasal grounding to localize their associated anatomical regions on chest radiograph images. The textual and visual measures are then combined to rate the quality of the generated reports. We present results that compare this evaluation metric with other textual metrics on a gold standard dataset derived from the MIMIC collection and show its robustness and sensitivity to factual errors.
- Abstract（参考訳）: 胸部X線写真における生成AIレポートの質を,語彙的,意味的,臨床的名前付きエンティティ認識法を用いて,テキスト情報のみに基づいて自動評価するために,近年,いくつかの評価指標が開発されている。
本稿では,多数の臨床所見の位置,側方性,重症度を把握した詳細な発見パターンを抽出し,新しい報告品質評価法を開発した。
その後, 胸部X線写真上, 解剖学的領域の局在化を図った。
次に、テキストと視覚の計測値を組み合わせて、生成されたレポートの品質を評価する。
この評価基準をMIMICコレクションから抽出したゴールド標準データセットの他のテキストメトリクスと比較し,その堅牢性と実ミスに対する感度を示す。
関連論文リスト
- Image-aware Evaluation of Generated Medical Reports [11.190146577567548]
本稿では,X線画像から自動医療報告を生成するための新しい評価基準であるVLScoreを提案する。
測定基準の主な考え方は、対応する画像を考慮して、放射線学報告の類似度を測定することである。
我々は, 放射線学者が2対の報告で誤りを指摘し, 放射線学者の判断と顕著な一致を示したデータセットを用いた評価により, 測定値の利点を実証した。
論文 参考訳（メタデータ） (2024-10-22T18:50:20Z) - 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) - Structural Entities Extraction and Patient Indications Incorporation for Chest X-ray Report Generation [10.46031380503486]
胸部X線レポート生成のための新しい方法である textbfStructural textbfEntities 抽出法と textbfIncorporation (SEI) を考案した。
我々は、レポートにおけるプレゼンテーションスタイルの語彙を排除するために、構造エンティティ抽出(SEE)アプローチを採用する。
我々は,X線画像,類似の歴史的症例,患者固有の指標からの情報を統合するクロスモーダル融合ネットワークを提案する。
論文 参考訳（メタデータ） (2024-05-23T01:29:47Z) - Semantic Textual Similarity Assessment in Chest X-ray Reports Using a
Domain-Specific Cosine-Based Metric [1.7802147489386628]
本稿では,生成医療報告と基礎的真実とのセマンティックな類似性を評価するための新しいアプローチを提案する。
本手法の有効性を検証し,医学的文脈におけるドメイン固有の意味的類似性を評価する。
論文 参考訳（メタデータ） (2024-02-19T07:48:25Z) - Radiology-Aware Model-Based Evaluation Metric for Report Generation [5.168471027680258]
提案手法は,放射線学領域に適応したCOMETアーキテクチャを用いて,機械による放射線学レポートの自動評価手法を提案する。
我々は、放射線学知識グラフであるRadGraphでトレーニングされた4つの医学的指向のモデルチェックポイントをトレーニングし、公開する。
以上の結果から,BERTscore,BLEU,CheXbertのスコアと中程度の相関が得られた。
論文 参考訳（メタデータ） (2023-11-28T13:08:26Z) - 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) - Beyond Images: An Integrative Multi-modal Approach to Chest X-Ray Report
Generation [47.250147322130545]
画像からテキストまでの放射線学レポート生成は,医療画像の発見を記述した放射線学レポートを自動生成することを目的としている。
既存の方法の多くは画像データのみに焦点をあてており、他の患者情報は放射線科医に公開されていない。
胸部X線レポートを生成するための多モードディープニューラルネットワークフレームワークを,非構造的臨床ノートとともにバイタルサインや症状などの構造化された患者データを統合することで提案する。
論文 参考訳（メタデータ） (2023-11-18T14:37:53Z) - 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) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - Towards objectively evaluating the quality of generated medical
summaries [70.09940409175998]
我々は,評価者に対して,生数から事実,計算精度,リコール,fスコア,精度を数えるように依頼する。
本研究は,主観的品質と精度の測定が最重要事項である医療報告要約の課題に適用する。
論文 参考訳（メタデータ） (2021-04-09T15:02:56Z)
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。