Fugu-MT 論文翻訳(概要): RadGPT: Constructing 3D Image-Text Tumor Datasets

論文の概要: RadGPT: Constructing 3D Image-Text Tumor Datasets

arxiv url: http://arxiv.org/abs/2501.04678v2
Date: Tue, 19 Aug 2025 17:05:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-20 15:36:31.380248
Title: RadGPT: Constructing 3D Image-Text Tumor Datasets
Title（参考訳）: RadGPT: 3D画像テキスト腫瘍データセットの構築
Authors: Pedro R. A. S. Bassi, Mehmet Can Yavuz, Kang Wang, Xiaoxi Chen, Wenxuan Li, Sergio Decherchi, Andrea Cavalli, Yang Yang, Alan Yuille, Zongwei Zhou,
Abstract要約: 今回,AbdomenAtlas 3.0を報告した。全ての報告はボクセルマスクと組み合わせられ、肝臓、腎臓、膵腫瘍を記述している。以上の結果より,AIによる報告ではセグメンテーションが腫瘍検出を強く改善することが明らかとなった。
参考スコア（独自算出の注目度）: 13.909446077455323
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Cancers identified in CT scans are usually accompanied by detailed radiology reports, but publicly available CT datasets often lack these essential reports. This absence limits their usefulness for developing accurate report generation AI. To address this gap, we present AbdomenAtlas 3.0, the first public, high-quality abdominal CT dataset with detailed, expert-reviewed radiology reports. All reports are paired with per-voxel masks and they describe liver, kidney and pancreatic tumors. AbdomenAtlas 3.0 has 9,262 triplets of CT, mask and report--3,955 with tumors. These CT scans come from 17 public datasets. Besides creating the reports for these datasets, we expanded their number of tumor masks by 4.2x, identifying 3,011 new tumor cases. Notably, the reports in AbdomenAtlas 3.0 are more standardized, and generated faster than traditional human-made reports. They provide details like tumor size, location, attenuation and surgical resectability. These reports were created by 12 board-certified radiologists using our proposed RadGPT, a novel framework that converted radiologist-revised tumor segmentation masks into structured and narrative reports. Besides being a dataset creation tool, RadGPT can also become a fully-automatic, segmentation-assisted report generation method. We benchmarked this method and 5 state-of-the-art report generation vision-language models. Our results show that segmentation strongly improves tumor detection in AI-made reports.
Abstract（参考訳）: CTスキャンで同定されるがんは通常、詳細な放射線診断報告が伴うが、一般に公開されているCTデータセットは、これらの重要な報告を欠いていることが多い。この欠如は、正確なレポート生成AIを開発する上での有用性を制限する。このギャップに対処するため,AbdomenAtlas 3.0を報告した。全ての報告はボクセルマスクと組み合わせられ、肝臓、腎臓、膵腫瘍を記述している。 AbdomenAtlas 3.0には9,262個のCT、マスク、レポート--3,955個の腫瘍がある。これらのCTスキャンは17の公開データセットから作成されている。これらのデータセットのレポートの作成に加えて、腫瘍マスクの数を4.2倍に増やし、新たに3,011件の腫瘍を同定した。特に、AbdomenAtlas 3.0のレポートはより標準化され、従来の人造レポートよりも高速に生成される。腫瘍の大きさ、位置、減衰、手術の再現性などの詳細を提供する。今回提案したRadGPTは,放射線技師が修正した腫瘍分節マスクを構造化および物語レポートに変換する新しいフレームワークである。 RadGPTはデータセット作成ツールであるだけでなく、完全に自動化されたセグメンテーション支援レポート生成方法にもなっている。我々はこの手法と5つの最先端レポート生成ビジョン言語モデルをベンチマークした。以上の結果より,AIによる報告ではセグメンテーションが腫瘍検出を強く改善することが明らかとなった。

関連論文リスト

PanTS: The Pancreatic Tumor Segmentation Dataset [49.32814895560867]
PanTSは、膵CT解析の研究を進めるためにキュレーションされた、大規模で多施設のデータセットである。 145の医療センターから36,390個のCTスキャンをスキャンし、993,000以上の解剖学的構造を専門家が検証した。
論文参考訳（メタデータ） (2025-07-02T02:10:46Z)
FreeTumor: Large-Scale Generative Tumor Synthesis in Computed Tomography Images for Improving Tumor Recognition [11.984311048958318]
FreeTumorは、データ不足を軽減するために大規模な腫瘍合成を可能にする革新的な生成AI(GAI)フレームワークである。我々は161,310巻のCT(Computerd Tomography)をキュレートすることで,腫瘍の合成と認識のための最大のトレーニングデータセットを作成する。合成腫瘍の忠実度を検証するため,13名の検診医をビジュアルチューリングテスト(Visual Turing Test)で診察し,合成腫瘍と実腫瘍の鑑別を行った。
論文参考訳（メタデータ） (2025-02-23T07:00:09Z)
Text-Driven Tumor Synthesis [28.654516965292444]
腫瘍合成はAIがしばしば見逃したり過剰に検出したりする例を生成することができる。既存の合成法では、特定の腫瘍特性に対する制御性が欠如している。我々はTextoMorphと呼ばれる新しいテキスト駆動型腫瘍合成手法を提案する。
論文参考訳（メタデータ） (2024-12-24T18:43:09Z)
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)
From Pixel to Cancer: Cellular Automata in Computed Tomography [12.524228287083888]
腫瘍合成は、医療画像に人工腫瘍を作ろうとする。本稿では腫瘍発生をシミュレートする汎用ルールのセットを確立する。我々は,腫瘍状態をCT画像に統合し,異なる臓器にまたがる合成腫瘍を生成する。
論文参考訳（メタデータ） (2024-03-11T06:46:31Z)
Towards Generalizable Tumor Synthesis [48.45704270448412]
腫瘍合成は、医用画像における人工腫瘍の作成を可能にし、腫瘍の検出とセグメンテーションのためのAIモデルのトレーニングを容易にする。本論文は, 臨界観察を生かして, 一般化可能な腫瘍合成に向けて進歩的な一歩を踏み出した。私たちは、Diffusion Modelsのような生成AIモデルが、単一の臓器から限られた数の腫瘍例を訓練しても、様々な臓器に一般化された現実的な腫瘍を作成できることを確認した。
論文参考訳（メタデータ） (2024-02-29T18:57:39Z)
Glioblastoma Tumor Segmentation using an Ensemble of Vision Transformers [0.0]
グリオ芽腫は最も攻撃的で致命的な脳腫瘍の1つである。 Brain Radiology Aided by Intelligent Neural NETworks (BRAINNET) は、堅牢な腫瘍セグメンテーションマスクを生成する。
論文参考訳（メタデータ） (2023-11-09T18:55:27Z)
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)
CancerUniT: Towards a Single Unified Model for Effective Detection, Segmentation, and Diagnosis of Eight Major Cancers Using a Large Collection of CT Scans [45.83431075462771]
ヒトの読者や放射線医は、臨床実践において、全身多臓器多臓器の検出と診断を日常的に行う。ほとんどの医療用AIシステムは、いくつかの疾患のリストの狭い単一の臓器に焦点を当てて構築されている。 CancerUniT は、マルチ腫瘍予測の出力を持つクエリベースの Mask Transformer モデルである。
論文参考訳（メタデータ） (2023-01-28T20:09:34Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
Ensemble CNN Networks for GBM Tumors Segmentation using Multi-parametric MRI [0.0]
本稿では,術前の mpMRI におけるグリオーマの自動認識のための,DeepSeg と nnU-Net という2つのディープラーニングフレームワークのアグリゲーションを提案する。本手法では, 腫瘍, 腫瘍コア, 全腫瘍領域のDice類似度スコアが92.00, 87.33, 84.10, Hausdorff Distances 3.81, 8.91, 16.02を得た。
論文参考訳（メタデータ） (2021-12-13T10:51:20Z)
Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。