論文の概要: AI-Driven Radiology Report Generation for Traumatic Brain Injuries

• arxiv url: http://arxiv.org/abs/2510.08498v1
• Date: Thu, 09 Oct 2025 17:39:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.254423
• Title: AI-Driven Radiology Report Generation for Traumatic Brain Injuries
• Title（参考訳）: 外傷性脳損傷に対するAI-Driven Radiology レポートの作成
• Authors: Riadh Bouslimi, Houda Trabelsi, Wahiba Ben Abdssalem Karaa, Hana Hedhli,
• Abstract要約: 頭蓋外傷に適応した自動放射線診断レポート作成のためのAIベースのアプローチを提案する。 本稿では,AC-BiFPNとTransformerアーキテクチャを統合し,複雑な医用画像データのキャプチャと処理を行う。 RSNA脳内出血検出データセットを用いて,本モデルの性能評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Traumatic brain injuries present significant diagnostic challenges in emergency medicine, where the timely interpretation of medical images is crucial for patient outcomes. In this paper, we propose a novel AI-based approach for automatic radiology report generation tailored to cranial trauma cases. Our model integrates an AC-BiFPN with a Transformer architecture to capture and process complex medical imaging data such as CT and MRI scans. The AC-BiFPN extracts multi-scale features, enabling the detection of intricate anomalies like intracranial hemorrhages, while the Transformer generates coherent, contextually relevant diagnostic reports by modeling long-range dependencies. We evaluate the performance of our model on the RSNA Intracranial Hemorrhage Detection dataset, where it outperforms traditional CNN-based models in both diagnostic accuracy and report generation. This solution not only supports radiologists in high-pressure environments but also provides a powerful educational tool for trainee physicians, offering real-time feedback and enhancing their learning experience. Our findings demonstrate the potential of combining advanced feature extraction with transformer-based text generation to improve clinical decision-making in the diagnosis of traumatic brain injuries.
• Abstract（参考訳）: 外傷性脳損傷は緊急医療において重要な診断上の課題を呈し, 医療画像のタイムリーな解釈が患者の予後に不可欠である。 本稿では,脳外傷に適応した自動放射線診断レポート作成のための,新しいAIベースのアプローチを提案する。 我々のモデルは、CTやMRIなどの複雑な医療画像データをキャプチャして処理するために、AC-BiFPNとTransformerアーキテクチャを統合している。 AC-BiFPNは、脳内出血などの複雑な異常の検出を可能にするマルチスケールの特徴を抽出し、Transformerは長距離依存関係をモデル化して、一貫性のあるコンテキスト関連診断レポートを生成する。 診断精度と報告生成率の両方で従来のCNNモデルより優れるRSNA頭蓋内出血検出データセットの性能を評価した。 このソリューションは、高圧環境で放射線技師をサポートするだけでなく、訓練医のための強力な教育ツールを提供し、リアルタイムのフィードバックを提供し、学習経験を向上させる。 本研究は, 外傷性脳損傷の診断において, 高度な特徴抽出と変圧器によるテキスト生成を併用し, 臨床的意思決定を改善する可能性を示唆するものである。

関連論文リスト

• Causal Disentanglement for Robust Long-tail Medical Image Generation [80.15257897500578]
  そこで本研究では,病的特徴と構造的特徴を独立に生成する新しい医用画像生成フレームワークを提案する。 本稿では,病理所見から導かれる拡散モデルを用いて病理像をモデル化し,種々の対物画像の生成を可能にする。
  論文  参考訳（メタデータ） (2025-04-20T01:54:18Z)
• 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)
• Abn-BLIP: Abnormality-aligned Bootstrapping Language-Image Pre-training for Pulmonary Embolism Diagnosis and Report Generation from CTPA [6.257940655794537]
  Abn-BLIPは放射線診断の精度と包括性を生成するために異常所見の整合を図った高度な診断モデルである。 以上の結果から,Abn-BLIPは最先端の医療ビジョン言語モデルおよび3Dレポート生成手法よりも精度および臨床関連性が高いことがわかった。
  論文  参考訳（メタデータ） (2025-03-03T20:13:39Z)
• AutoRG-Brain: Grounded Report Generation for Brain MRI [57.22149878985624]
  放射線学者は、大量の画像を日々のベースで解釈し、対応するレポートを生成する責任を負う。 この要求される作業負荷は、人間のエラーのリスクを高め、治療の遅れ、医療費の増加、収益損失、運用上の不効率につながる可能性がある。 地盤自動報告生成(AutoRG)に関する一連の研究を開始した。 このシステムは、脳の構造の明細化、異常の局所化、そしてよく組織化された発見の生成をサポートする。
  論文  参考訳（メタデータ） (2024-07-23T17:50:00Z)
• Summarizing Radiology Reports Findings into Impressions [1.8964110318127383]
  本稿では,最新の放射線学報告による要約性能のモデルを提案する。 また、モデル限界と放射線学知識の獲得について分析する。 我々の最高の性能モデルは、58.75/100 ROUGE-L F1で調整されたBERT-to-BERTエンコーダデコーダであった。
  論文  参考訳（メタデータ） (2024-05-10T20:29:25Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)

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。