論文の概要: ReXGroundingCT: A 3D Chest CT Dataset for Segmentation of Findings from Free-Text Reports

• arxiv url: http://arxiv.org/abs/2507.22030v1
• Date: Tue, 29 Jul 2025 17:27:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:56.773339
• Title: ReXGroundingCT: A 3D Chest CT Dataset for Segmentation of Findings from Free-Text Reports
• Title（参考訳）: ReXGroundingCT: フリーテキストレポートからの検索のセグメンテーションのための3次元胸部CTデータセット
• Authors: Mohammed Baharoon, Luyang Luo, Michael Moritz, Abhinav Kumar, Sung Eun Kim, Xiaoman Zhang, Miao Zhu, Mahmoud Hussain Alabbad, Maha Sbayel Alhazmi, Neel P. Mistry, Kent Ryan Kleinschmidt, Brady Chrisler, Sathvik Suryadevara, Sri Sai Dinesh Jaliparthi, Noah Michael Prudlo, Mark David Marino, Jeremy Palacio, Rithvik Akula, Hong-Yu Zhou, Ibrahim Ethem Hamamci, Scott J. Adams, Hassan Rayhan AlOmaish, Pranav Rajpurkar,
• Abstract要約: ReXGroundingCTは,3次元胸部CTスキャンにおいて,自由テキスト画像とピクセルレベルのセグメンテーションをリンクする最初の公開データセットである。 データセットは、CT-RATEデータセットからの標準化された放射線学レポートと組み合わせた、3142個の非造影胸部CTスキャンからなる。 16,301件の計8,028件のアノテートを行い, 放射線技師による品質管理を行った。
• 参考スコア（独自算出の注目度）: 12.58423214857364
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present ReXGroundingCT, the first publicly available dataset to link free-text radiology findings with pixel-level segmentations in 3D chest CT scans that is manually annotated. While prior datasets have relied on structured labels or predefined categories, ReXGroundingCT captures the full expressiveness of clinical language represented in free text and grounds it to spatially localized 3D segmentation annotations in volumetric imaging. This addresses a critical gap in medical AI: the ability to connect complex, descriptive text, such as "3 mm nodule in the left lower lobe", to its precise anatomical location in three-dimensional space, a capability essential for grounded radiology report generation systems. The dataset comprises 3,142 non-contrast chest CT scans paired with standardized radiology reports from the CT-RATE dataset. Using a systematic three-stage pipeline, GPT-4 was used to extract positive lung and pleural findings, which were then manually segmented by expert annotators. A total of 8,028 findings across 16,301 entities were annotated, with quality control performed by board-certified radiologists. Approximately 79% of findings are focal abnormalities, while 21% are non-focal. The training set includes up to three representative segmentations per finding, while the validation and test sets contain exhaustive labels for each finding entity. ReXGroundingCT establishes a new benchmark for developing and evaluating sentence-level grounding and free-text medical segmentation models in chest CT. The dataset can be accessed at https://huggingface.co/datasets/rajpurkarlab/ReXGroundingCT.
• Abstract（参考訳）: ReXGroundingCTは,3次元胸部CTスキャンで3次元CT画像のピクセルレベルセグメンテーションと自由テキスト画像とを関連付けた最初の公開データセットである。 以前のデータセットは構造化ラベルや事前定義されたカテゴリに依存してきたが、ReXGroundingCTは自由テキストで表現される臨床言語の完全な表現性を捉え、ボリューム画像における空間的局所化3Dセグメンテーションアノテーションを基盤としている。 左下葉の3mm結節」のような複雑な記述的テキストを、3次元空間の正確な解剖学的位置に接続する能力は、地上の放射線学レポート生成システムに必須の能力である。 データセットは、CT-RATEデータセットから標準放射線学レポートと組み合わせた3,142個の非コントラスト胸部CTスキャンからなる。 組織的な3段階のパイプラインを用いて,GPT-4を陽性肺および胸膜所見の抽出に使用し,その後,専門家アノテータによって手動で分割した。 16,301件の計8,028件のアノテートを行い, 放射線技師による品質管理を行った。 約79%が焦点異常、21%が非焦点性である。 トレーニングセットは、発見毎に最大3つの代表セグメンテーションを含み、検証セットとテストセットは、検出エンティティ毎に徹底的なラベルを含む。 ReXGroundingCTは、胸部CTにおける文レベルのグラウンド化と自由文の医療セグメンテーションモデルの開発と評価のための新しいベンチマークを確立する。 データセットはhttps://huggingface.co/datasets/rajpurkarlab/ReXGroundingCTでアクセスできる。

関連論文リスト

• Rethinking Whole-Body CT Image Interpretation: An Abnormality-Centric Approach [57.86418347491272]
  全身に404例の異常所見を呈する包括的階層分類システムを提案する。 複数平面および全人体領域からの14.5K以上のCT画像を含むデータセットを寄贈し,19K以上の異常に対する接地アノテーションを念頭に提供した。 OminiAbnorm-CTは,テキストクエリに基づいて,多面的および全身的なCT画像に異常な所見を自動的に検出し,記述することができる。
  論文  参考訳（メタデータ） (2025-06-03T17:57:34Z)
• 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)
• Developing Generalist Foundation Models from a Multimodal Dataset for 3D Computed Tomography [10.110878689623961]
  我々は3次元医用画像と対応するテキストレポートとをマッチングする最初のデータセットであるCT-RATEを紹介する。 我々はCTに焦点を当てたコントラスト言語画像事前学習フレームワークであるCT-CLIPを開発した。 我々は3次元胸部CTボリュームのための視覚言語基礎チャットモデルであるCT-CHATを作成する。
  論文  参考訳（メタデータ） (2024-03-26T16:19:56Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• 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)
• COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
  胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。 COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。 我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
  論文  参考訳（メタデータ） (2022-06-07T06:35:48Z)
• COVID-19 Detection in Computed Tomography Images with 2D and 3D Approaches [0.0]
  本稿では,スライスベース(2D)とボリュームベース(3D)を組み合わせた,新型コロナウイルス感染症検出のための深層学習アンサンブルを提案する。 提案されたアンサンブルはIST-CovNetと呼ばれ、IST-Cデータセットで90.80%の精度と0.95のAUCスコアを得る。 Istanbul University Cerrahpasa School of Medicineで運用されている。
  論文  参考訳（メタデータ） (2021-05-16T20:12:02Z)
• A Structure-Aware Relation Network for Thoracic Diseases Detection and Segmentation [63.76299770460766]
  胸部x線画像の自動診断には胸部疾患や異常のインスタンスレベル検出と分割が不可欠である。 Mask R-CNNを拡張した構造認識関係ネットワーク(SAR-Net)を提案する。 ChestX-Detは、インスタンスレベルのアノテーション(ボックスとマスク)を備えた胸部X線データセットです。
  論文  参考訳（メタデータ） (2021-04-21T02:57:02Z)

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。