論文の概要: ALFRED: Ask a Large-language model For Reliable ECG Diagnosis

• arxiv url: http://arxiv.org/abs/2505.03781v1
• Date: Wed, 30 Apr 2025 12:59:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:35.799746
• Title: ALFRED: Ask a Large-language model For Reliable ECG Diagnosis
• Title（参考訳）: ALFRED: 信頼性の高い心電図診断のための大規模言語モデル
• Authors: Jin Yu, JaeHo Park, TaeJun Park, Gyurin Kim, JiHyun Lee, Min Sung Lee, Joon-myoung Kwon, Jeong Min Son, Yong-Yeon Jo,
• Abstract要約: 本稿では,ECG解析のためのRAGに基づくゼロショット心電図診断フレームワークを提案する。 このフレームワークには専門家による知識が組み込まれており、診断精度と説明可能性を高める。
• 参考スコア（独自算出の注目度）: 14.920215852057236
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Leveraging Large Language Models (LLMs) with Retrieval-Augmented Generation (RAG) for analyzing medical data, particularly Electrocardiogram (ECG), offers high accuracy and convenience. However, generating reliable, evidence-based results in specialized fields like healthcare remains a challenge, as RAG alone may not suffice. We propose a Zero-shot ECG diagnosis framework based on RAG for ECG analysis that incorporates expert-curated knowledge to enhance diagnostic accuracy and explainability. Evaluation on the PTB-XL dataset demonstrates the framework's effectiveness, highlighting the value of structured domain expertise in automated ECG interpretation. Our framework is designed to support comprehensive ECG analysis, addressing diverse diagnostic needs with potential applications beyond the tested dataset.
• Abstract（参考訳）: Retrieval-Augmented Generation (RAG) を用いた大規模言語モデル(LLM)の活用により、特に心電図(ECG)は精度と利便性が向上する。 しかしながら、医療などの専門分野において信頼できる証拠に基づく結果を生み出すことは、RAGだけでは十分ではないため、依然として課題である。 本稿では、専門家による知識を取り入れて診断精度と説明可能性を向上させるRAG for ECG分析に基づくゼロショット心電図診断フレームワークを提案する。 PTB-XLデータセットの評価は、自動ECG解釈における構造化ドメイン専門知識の価値を強調し、フレームワークの有効性を示す。 我々のフレームワークは、包括的なECG分析をサポートし、テストデータセットを超える潜在的なアプリケーションで多様な診断ニーズに対処するように設計されています。

関連論文リスト

• ECG-Expert-QA: A Benchmark for Evaluating Medical Large Language Models in Heart Disease Diagnosis [8.059062779882554]
  ECG-Expert-QAは、心電図(ECG)の解釈における診断能力を評価するための包括的なデータセットである。 実際の臨床心電図データと、体系的に生成された合成ケースを組み合わせることで、12の必須の診断タスクをカバーしている。 主要なイノベーションは、対話型医療AIシステムの開発を可能にするマルチターン対話のサポートである。
  論文  参考訳（メタデータ） (2025-02-16T13:28:55Z)
• MedRAG: Enhancing Retrieval-augmented Generation with Knowledge Graph-Elicited Reasoning for Healthcare Copilot [47.77948063906033]
  Retrieval-augmented Generation (RAG)は、プライバシーに敏感な電子健康記録を検索するのに適した手法である。 本稿では,医療領域に対する知識グラフ(KG)により強化されたRAGモデルであるMedRAGを提案する。 MedRAGはより具体的な診断の洞察を提供し、誤診率の低減に最先端のモデルを上回っている。
  論文  参考訳（メタデータ） (2025-02-06T12:27:35Z)
• Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。 医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。 実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-11-14T06:19:18Z)
• An Electrocardiogram Foundation Model Built on over 10 Million Recordings with External Evaluation across Multiple Domains [17.809094003643523]
  ECG Foundation Model (ECGFounder)は、Harvard-Emory ECG Databaseから150のラベルカテゴリを持つ1000万以上のECGをトレーニングしている。 ECGFounderは内部検証セットのエキスパートレベルのパフォーマンスを達成し、AUROCは80の診断で0.95を超えている。 微調整されたECGFounderは、人口統計分析、臨床イベント検出、心拍数横断診断においてベースラインモデルを上回っている。
  論文  参考訳（メタデータ） (2024-10-05T12:12:02Z)
• Electrocardiogram Report Generation and Question Answering via Retrieval-Augmented Self-Supervised Modeling [19.513904491604794]
  ECG-ReGenは、ECG-to-textレポート生成と質問応答のための検索ベースのアプローチである。 事前学習と動的検索とLarge Language Model(LLM)ベースの改善を組み合わせることで、ECG-ReGenはECGデータと関連するクエリを効果的に分析する。
  論文  参考訳（メタデータ） (2024-09-13T12:50:36Z)
• RAGChecker: A Fine-grained Framework for Diagnosing Retrieval-Augmented Generation [61.14660526363607]
  本稿では,検索モジュールと生成モジュールの両方に対して,一連の診断指標を組み込んだ詳細な評価フレームワークであるRAGCheckerを提案する。 RAGCheckerは、他の評価指標よりも、人間の判断との相関が著しく優れている。 RAGCheckerのメトリクスは、より効果的なRAGシステムの開発において研究者や実践者を導くことができる。
  論文  参考訳（メタデータ） (2024-08-15T10:20:54Z)
• A Systematic Evaluation of GPT-4V's Multimodal Capability for Medical Image Analysis [87.25494411021066]
  医用画像解析のためのGPT-4Vのマルチモーダル機能の評価を行った。 GPT-4Vは医用画像の理解に優れ、高品質な放射線診断レポートを生成する。 医用視覚接地の性能は大幅に改善する必要があることが判明した。
  論文  参考訳（メタデータ） (2023-10-31T11:39:09Z)

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。