論文の概要: Bridging the Skill Gap in Clinical CBCT Interpretation with CBCTRepD

• arxiv url: http://arxiv.org/abs/2603.10933v1
• Date: Wed, 11 Mar 2026 16:18:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:33.051074
• Title: Bridging the Skill Gap in Clinical CBCT Interpretation with CBCTRepD
• Title（参考訳）: CBCTRepDによるCBCT解釈におけるスキルギャップのブリッジ化
• Authors: Qinxin Wu, Fucheng Niu, Hengchuan Zhu, Yifan Sun, Ye Shen, Xu Li, Han Wu, Leqi Liu, Zhiwen Pan, Zuozhu Liu, Fudong Zhu, Bin Feng,
• Abstract要約: 本稿では,バイリンガルおよび顎顔面CBCTレポート生成システムであるCBCTRepDについて紹介する。 大規模で高品質なCBCT-Reportデータセットを収集し,55の口腔疾患エンティティを多種多様な取得設定で比較検討した。 CBCTRepDは優れたレポート生成性能を達成し,中間放射線技師に匹敵する書字品質と規格化のドラフトを作成した。
• 参考スコア（独自算出の注目度）: 23.45623345208001
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI has advanced rapidly in medical report generation; however, its application to oral and maxillofacial CBCT reporting remains limited, largely because of the scarcity of high-quality paired CBCT-report data and the intrinsic complexity of volumetric CBCT interpretation. To address this, we introduce CBCTRepD, a bilingual oral and maxillofacial CBCT report-generation system designed for integration into routine radiologist-AI co-authoring workflows. We curated a large-scale, high-quality paired CBCT-report dataset comprising approximately 7,408 studies, covering 55 oral disease entities across diverse acquisition settings, and used it to develop the system. We further established a clinically grounded, multi-level evaluation framework that assesses both direct AI-generated drafts and radiologist-edited collaboration reports using automatic metrics together with radiologist- and clinician-centered evaluation. Using this framework, we show that CBCTRepD achieves superior report-generation performance and produces drafts with writing quality and standardization comparable to those of intermediate radiologists. More importantly, in radiologist-AI collaboration, CBCTRepD provides consistent and clinically meaningful benefits across experience levels: it helps novice radiologists improve toward intermediate-level reporting, enables intermediate radiologists to approach senior-level performance, and even assists senior radiologists by reducing omission-related errors, including clinically important missed lesions. By improving report structure, reducing omissions, and promoting attention to co-existing lesions across anatomical regions, CBCTRepD shows strong and reliable potential as a practical assistant for real-world CBCT reporting across multi-level care settings.
• Abstract（参考訳）: 生成AIは医療報告生成において急速に進歩してきたが、高品質のCBCTレポートデータの不足と、ボリュームCBCT解釈の本質的な複雑さにより、口頭および顎顔面CBCTレポートへの応用は依然として限られている。 そこで本研究では,バイリンガルおよび顎顔面のCBCTレポート生成システムであるCBCTRepDについて紹介する。 大規模で高品質なCBCT-Reportデータセットを作製し,約7,408個の研究,55個の口腔疾患エンティティを多彩な取得条件でカバーし,システム開発に利用した。 さらに, 放射線医と臨床医を中心とした評価とともに, 自動測定値を用いて, 直接AI生成ドラフトと放射線技師が編集したコラボレーションレポートの両方を評価できる, 臨床基盤の多段階評価フレームワークを構築した。 この枠組みを用いて,CBCTRepDは優れたレポート生成性能を達成し,中間放射線学者に匹敵する書き込み品質と標準化によるドラフトを生成する。 さらに重要なことは、放射線科医とAIのコラボレーションにおいてCBCTRepDは、経験レベルの一貫性と臨床的に有意義な利点を提供する: 初心者の放射線科医が中間レベルの報告に改善するのを手助けし、中間の放射線科医が上級レベルの成績に近づくことを可能にする。 CBCTRepDは, 報告構造の改善, 欠落の低減, 解剖学的領域にまたがる既存の病変への注意の促進などにより, 多段階ケア設定における実世界のCBCTレポートの実践的補助として, 強く信頼性の高い可能性が示された。

関連論文リスト

• 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)
• Consensus, dissensus and synergy between clinicians and specialist foundation models in radiology report generation [32.26270073540666]
  世界中の放射線技師の不足は専門家のケアへのアクセスを制限し、重労働を課している。 視覚言語モデルを用いた自動レポート生成の最近の進歩は、状況を改善するための明確な可能性を示唆している。 我々は、胸部X線写真のための最新のレポート生成システム、textitFlamingo-CXRを構築し、放射線学データに基づくよく知られた視覚言語基盤モデルを微調整する。
  論文  参考訳（メタデータ） (2023-11-30T05:38:34Z)
• 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)
• ChatRadio-Valuer: A Chat Large Language Model for Generalizable Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
  ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。 本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。 ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
  論文  参考訳（メタデータ） (2023-10-08T17:23:17Z)
• Radiology-Llama2: Best-in-Class Large Language Model for Radiology [71.27700230067168]
  本稿では,ラジオロジーに特化した大規模言語モデルであるRadiology-Llama2を紹介する。 MIMIC-CXRとOpenIデータセットのROUGEメトリクスを用いた定量的評価は、Radiology-Llama2が最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2023-08-29T17:44:28Z)
• Cross-Modal Causal Intervention for Medical Report Generation [107.76649943399168]
  放射線医学報告生成(RRG)は, コンピュータ支援診断と薬剤指導に不可欠である。 視覚言語的バイアスによる急激な相関により、正確な病変記述の生成は依然として困難である。 我々はCrossModal Causal Representation Learning (CMCRL)という2段階のフレームワークを提案する。 IU-XrayとMIMIC-CXRの実験により、我々のCMCRLパイプラインは最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-16T07:23:55Z)

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。