論文の概要: Neu-RadBERT for Enhanced Diagnosis of Brain Injuries and Conditions

• arxiv url: http://arxiv.org/abs/2510.06232v1
• Date: Wed, 01 Oct 2025 11:54:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.038325
• Title: Neu-RadBERT for Enhanced Diagnosis of Brain Injuries and Conditions
• Title（参考訳）: Neu-RadBERTによる脳損傷・病態の診断
• Authors: Manpreet Singh, Sean Macrae, Pierre-Marc Williams, Nicole Hung, Sabrina Araujo de Franca, Laurent Letourneau-Guillon, François-Martin Carrier, Bang Liu, Yiorgos Alexandros Cavayas,
• Abstract要約: BERTをベースとしたモデルであるNeu-RadBERTを開発した。 Neu-RadBERTは急性脳損傷に対して98.0%の精度を達成した。
• 参考スコア（独自算出の注目度）: 18.847689562649453
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective: We sought to develop a classification algorithm to extract diagnoses from free-text radiology reports of brain imaging performed in patients with acute respiratory failure (ARF) undergoing invasive mechanical ventilation. Methods: We developed and fine-tuned Neu-RadBERT, a BERT-based model, to classify unstructured radiology reports. We extracted all the brain imaging reports (computed tomography and magnetic resonance imaging) from MIMIC-IV database, performed in patients with ARF. Initial manual labelling was performed on a subset of reports for various brain abnormalities, followed by fine-tuning Neu-RadBERT using three strategies: 1) baseline RadBERT, 2) Neu-RadBERT with Masked Language Modeling (MLM) pretraining, and 3) Neu-RadBERT with MLM pretraining and oversampling to address data skewness. We compared the performance of this model to Llama-2-13B, an autoregressive LLM. Results: The Neu-RadBERT model, particularly with oversampling, demonstrated significant improvements in diagnostic accuracy compared to baseline RadBERT for brain abnormalities, achieving up to 98.0% accuracy for acute brain injuries. Llama-2-13B exhibited relatively lower performance, peaking at 67.5% binary classification accuracy. This result highlights potential limitations of current autoregressive LLMs for this specific classification task, though it remains possible that larger models or further fine-tuning could improve performance. Conclusion: Neu-RadBERT, enhanced through target domain pretraining and oversampling techniques, offered a robust tool for accurate and reliable diagnosis of neurological conditions from radiology reports. This study underscores the potential of transformer-based NLP models in automatically extracting diagnoses from free text reports with potential applications to both research and patient care.
• Abstract（参考訳）: 目的: 急性呼吸不全(ARF)患者の脳画像の自由テキスト画像から, 侵襲的機械的換気を施行した症例の診断を抽出する分類アルゴリズムの開発を試みた。 方法: BERTモデルであるNeu-RadBERTを開発した。 ARF患者を対象にMIMIC-IVデータベースから全脳画像(CTおよびMRI)を抽出した。 各種脳異常の報告のサブセットに初期手動ラベリングを行い,3つの方法を用いた微調整したNeu-RadBERTを施行した。 1)RadBERT, 2)masked Language Modeling (MLM)によるNeu-RadBERTの事前学習 3)Nu-RadBERTとMLMの事前学習とオーバーサンプリングにより,データの歪みに対処する。 このモデルの性能を自己回帰型LLMであるLlama-2-13Bと比較した。 結果:Neu-RadBERTモデル,特にオーバーサンプリングでは,脳障害に対するベースラインRadBERTと比較して診断精度が有意に向上し,急性脳損傷に対する98.0%の精度が達成された。 Llama-2-13Bは比較的低い性能を示し、67.5%のバイナリ分類精度でピークに達した。 この結果は、この特定の分類タスクに対する現在の自己回帰LDMの潜在的な制限を強調するが、より大きなモデルやさらなる微調整によって性能が向上する可能性がある。 結論:Neu-RadBERTは、標的領域の事前訓練およびオーバーサンプリング技術を通じて強化され、放射線学報告から神経疾患の正確かつ確実な診断のための堅牢なツールを提供する。 本研究は、フリーテキストレポートから自動的に診断を抽出するトランスフォーマーベースのNLPモデルの可能性と、研究と患者ケアの両方への応用の可能性を明らかにする。

関連論文リスト

• Comparative Evaluation of Radiomics and Deep Learning Models for Disease Detection in Chest Radiography [0.0]
  胸部X線撮影における疾患検出のための放射線治療と深層学習によるアプローチについて検討した。 深層学習モデルは画像データから直接学習し、放射能ベースのモデルは手作りの特徴を抽出する。 これらの知見は、診断AIにおけるモデル選択のための統計的に検証された、データ駆動の推奨を提供する。
  論文  参考訳（メタデータ） (2025-04-16T16:54:37Z)
• A Non-contrast Head CT Foundation Model for Comprehensive Neuro-Trauma Triage [5.39145170841044]
  AIと医用画像の最近の進歩は、緊急頭部CTの解釈にトランスフォーメーションの可能性をもたらす。 本研究では, 多様な神経外傷所見を高精度かつ効率的に検出するための3次元基礎モデルを提案する。
  論文  参考訳（メタデータ） (2025-02-28T14:44:55Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• MGH Radiology Llama: A Llama 3 70B Model for Radiology [50.42811030970618]
  本稿では,高度な放射線学に焦点を当てた大規模言語モデルMGH Radiology Llamaを提案する。 Llama 3 70Bモデルを使用して開発され、Radiology-GPTやRadiology-Llama2といった従来のドメイン固有モデルをベースにしている。 従来の指標とGPT-4に基づく評価の両方を取り入れた評価では,汎用LLMよりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-08-13T01:30:03Z)
• Diagnosing Bipolar Disorder from 3-D Structural Magnetic Resonance Images Using a Hybrid GAN-CNN Method [0.0]
  本研究では、3次元構造MRI画像(sMRI)から双極性障害(BD)を診断するためのハイブリッドGAN-CNNモデルを提案する。 その結果, 精度が75.8%, 感度が60.3%, 特異性が82.5%となり, 従来よりも3.5%高いことがわかった。
  論文  参考訳（メタデータ） (2023-10-11T10:17:41Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Outlier-based Autism Detection using Longitudinal Structural MRI [6.311381904410801]
  本稿では, 構造的磁気共鳴画像(sMRI)に基づく自閉症スペクトラム障害の診断を, 異常検出手法を用いて提案する。 GAN(Generative Adversarial Network)は、健康な被験者のsMRIスキャンでのみ訓練される。 実験の結果、ASD検出フレームワークは最先端のトレーニングデータと互換性があり、トレーニングデータもはるかに少ないことがわかった。
  論文  参考訳（メタデータ） (2022-02-21T04:37:25Z)
• MRI brain tumor segmentation and uncertainty estimation using 3D-UNet architectures [0.0]
  本研究では、メモリ消費を低減し、アンバランスデータの影響を低減するためにパッチベースの技術で訓練された3Dエンコーダデコーダアーキテクチャを検討する。 また,テストタイム・ドロップアウト (TTD) とデータ拡張 (TTA) を用いて, てんかん, てんかんともにボキセル関連不確実性情報を導入する。 この研究で提案されたモデルと不確実性推定測定は、腫瘍の分割と不確実性推定に関するタスク1および3のBraTS'20チャレンジで使用されています。
  論文  参考訳（メタデータ） (2020-12-30T19:28:53Z)

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。