論文の概要: Lunguage: A Benchmark for Structured and Sequential Chest X-ray Interpretation

• arxiv url: http://arxiv.org/abs/2505.21190v1
• Date: Tue, 27 May 2025 13:40:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.681459
• Title: Lunguage: A Benchmark for Structured and Sequential Chest X-ray Interpretation
• Title（参考訳）: Lunguage: 構造的およびシークエンシャルな胸部X線解析のためのベンチマーク
• Authors: Jong Hak Moon, Geon Choi, Paloma Rabaey, Min Gwan Kim, Hyuk Gi Hong, Jung-Oh Lee, Hangyul Yoon, Eun Woo Doe, Jiyoun Kim, Harshita Sharma, Daniel C. Castro, Javier Alvarez-Valle, Edward Choi,
• Abstract要約: 本稿では,構造化放射線学レポート生成のためのベンチマークデータセットLUNGUAGEを紹介する。 注釈付き胸部X線レポートは1,473件あり、それぞれ専門家がレビューし、そのうち80件は経時的アノテーションを含んでいる。 このベンチマークを用いて、生成したレポートをきめ細かなスキーマ整合構造表現に変換する2段階のフレームワークを開発する。 また、時間的一貫性をモデル化しながら、実体、関係、属性レベルの構造化出力を比較する解釈可能な計量であるLUNGUAGESCOREを提案する。
• 参考スコア（独自算出の注目度）: 10.440241401950745
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Radiology reports convey detailed clinical observations and capture diagnostic reasoning that evolves over time. However, existing evaluation methods are limited to single-report settings and rely on coarse metrics that fail to capture fine-grained clinical semantics and temporal dependencies. We introduce LUNGUAGE,a benchmark dataset for structured radiology report generation that supports both single-report evaluation and longitudinal patient-level assessment across multiple studies. It contains 1,473 annotated chest X-ray reports, each reviewed by experts, and 80 of them contain longitudinal annotations to capture disease progression and inter-study intervals, also reviewed by experts. Using this benchmark, we develop a two-stage framework that transforms generated reports into fine-grained, schema-aligned structured representations, enabling longitudinal interpretation. We also propose LUNGUAGESCORE, an interpretable metric that compares structured outputs at the entity, relation, and attribute level while modeling temporal consistency across patient timelines. These contributions establish the first benchmark dataset, structuring framework, and evaluation metric for sequential radiology reporting, with empirical results demonstrating that LUNGUAGESCORE effectively supports structured report evaluation. The code is available at: https://github.com/SuperSupermoon/Lunguage
• Abstract（参考訳）: 放射線医学の報告では、詳細な臨床観察と、時間とともに進化する診断的推論が報告されている。 しかし、既存の評価手法は単一レポートの設定に限られており、詳細な臨床的意味や時間的依存を捉えるのに失敗する粗い指標に依存している。 LUNGUAGEは構造化放射線学レポート生成のためのベンチマークデータセットであり,複数研究にわたる単一報告評価と縦断的患者レベル評価の両方をサポートする。 注釈付き胸部X線レポートは1,473件あり、それぞれ専門家がレビューし、80件には病気の進行や研究期間の経過を捉えるための経時的アノテーションが含まれており、専門家もレビューしている。 このベンチマークを用いて、生成したレポートをきめ細かなスキーマ整列構造表現に変換する2段階のフレームワークを開発し、縦方向の解釈を可能にする。 また,患者タイムライン間の時間的一貫性をモデル化しながら,実体,関係,属性レベルの構造的出力を比較する解釈可能な指標LUNGUAGESCOREを提案する。 これらのコントリビューションは、LUNGUAGESCOREが構造化されたレポート評価を効果的にサポートすることを示す実証的な結果とともに、シーケンシャルな放射線学レポートのための最初のベンチマークデータセット、構造化フレームワーク、評価指標を確立する。 コードは、https://github.com/SuperSupermoon/Lunguage.comで入手できる。

関連論文リスト

• Automated Structured Radiology Report Generation [11.965406008391371]
  本稿では,自由テキストラジオロジーレポートを標準化形式に再構成する新しいタスクであるStructured Radiology Report Generation (SRRG)を紹介する。 我々は,大規模言語モデル (LLM) を用いてレポートを再構成し,厳密な構造化されたレポートデシダタに追従して,新しいデータセットを作成する。 また,55ラベルを用いた詳細な疾患分類モデルであるSRR-BERTを導入し,構造化レポートのより正確かつ臨床的に評価した。
  論文  参考訳（メタデータ） (2025-05-30T05:23:01Z)
• HC-LLM: Historical-Constrained Large Language Models for Radiology Report Generation [89.3260120072177]
  本稿では,放射線学レポート生成のための歴史制約付き大規模言語モデル (HC-LLM) フレームワークを提案する。 胸部X線写真から経時的特徴と経時的特徴を抽出し,疾患の進行を捉える診断報告を行った。 特に,本手法は,テスト中の履歴データなしでも良好に動作し,他のマルチモーダル大規模モデルにも容易に適用可能である。
  論文  参考訳（メタデータ） (2024-12-15T06:04:16Z)
• Contrastive Learning with Counterfactual Explanations for Radiology Report Generation [83.30609465252441]
  放射線学レポート生成のためのtextbfCountertextbfFactual textbfExplanations-based framework (CoFE) を提案する。 反現実的な説明は、アルゴリズムによってなされた決定をどのように変えられるかを理解するための強力なツールとして、シナリオが何であるかを問うことによって役立ちます。 2つのベンチマークの実験では、反ファクト的な説明を活用することで、CoFEは意味的に一貫性があり、事実的に完全なレポートを生成することができる。
  論文  参考訳（メタデータ） (2024-07-19T17:24:25Z)
• 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)
• Attribute Structuring Improves LLM-Based Evaluation of Clinical Text Summaries [56.31117605097345]
  大規模言語モデル(LLM)は、正確な臨床テキスト要約を生成する可能性を示しているが、根拠付けと評価に関する問題に苦慮している。 本稿では、要約評価プロセスを構成するAttribute Structuring(AS)を用いた一般的な緩和フレームワークについて検討する。 ASは、臨床テキスト要約における人間のアノテーションと自動メトリクスの対応性を一貫して改善する。
  論文  参考訳（メタデータ） (2024-03-01T21:59:03Z)
• Controllable Chest X-Ray Report Generation from Longitudinal Representations [13.151444796296868]
  レポートをスピードアップする1つの戦略は、自動レポートシステムを統合することである。 自動放射線診断への従来のアプローチは、入力として事前の研究を提供していないのが一般的である。 筆者らは,(1) 縦断学習 -- マルチモーダルレポート生成モデルに提供可能な関節長手表現に,現在のスキャン情報と先行スキャン情報を整合し,活用する手法を提案する。(2) 文解剖学的ドロップアウト -- レポート生成モデルを用いて,入力として与えられた解剖学的領域のサブセットに対応する元のレポートからのみ文を予測する訓練戦略。
  論文  参考訳（メタデータ） (2023-10-09T17:22:58Z)
• Rad-ReStruct: A Novel VQA Benchmark and Method for Structured Radiology Reporting [45.76458992133422]
  Rad-ReStructは、X線画像の構造化レポートという形で、微細で階層的に順序付けられたアノテーションを提供する新しいベンチマークデータセットである。 本稿では,予め質問された質問や回答の形式で事前の文脈を考慮し,構造化された放射線学レポートを収集する手法であるhi-VQAを提案する。 実験の結果, 医用VQAベンチマークVQARadでは, ドメイン固有の視覚言語事前訓練を伴わない手法で, 最先端のVQAと競合する性能が得られた。
  論文  参考訳（メタデータ） (2023-07-11T19:47:05Z)
• 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)
• FlexR: Few-shot Classification with Language Embeddings for Structured Reporting of Chest X-rays [37.15474283789249]
  構造化された報告テンプレートにおける文によって定義される臨床所見を予測する手法を提案する。 この手法は、胸部X線と関連する自由テキストラジオグラフィーレポートを用いて、対照的な言語画像モデルを訓練することを含む。 その結果, 訓練用画像レベルのアノテーションが限られている場合でも, 胸部X線における重症度評価の構造化された報告タスクを達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-03-29T16:31:39Z)
• Learning Semi-Structured Representations of Radiology Reports [10.134080761449093]
  放射線学レポートのコーパスを考えると、研究者は特定の医学的発見を説明するレポートのサブセットを見つけることにしばしば興味を持っている。 最近の研究では、ラジオロジーレポートにおける自由文文を、限られた語彙から取られた半構造化語列にマッピングする提案がなされている。 本稿では,放射線学報告の半構造化表現の自動生成手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T18:53:41Z)

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。