論文の概要: RadTimeline: Timeline Summarization for Longitudinal Radiological Lung Findings

• arxiv url: http://arxiv.org/abs/2603.22820v1
• Date: Tue, 24 Mar 2026 05:48:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.322593
• Title: RadTimeline: Timeline Summarization for Longitudinal Radiological Lung Findings
• Title（参考訳）: RadTimeline: 縦断的肺所見に対するタイムライン要約法
• Authors: Sitong Zhou, Meliha Yetisgen, Mari Ostendorf,
• Abstract要約: 時系列レポートの要約を時系列生成タスクとして,時系列レポートを列に整理し,時系列レポートを行に分類した。 この構造化された要約フォーマットは、時間にわたって結果の直接比較を可能にし、関連するレポートに対するファクトチェックを容易にする。 このようなシステムを評価するために,胸部画像診断における肺関連放射線学的所見の追跡を目的とした時系列データセットRadTimelineを開発した。
• 参考スコア（独自算出の注目度）: 11.246197652886842
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tracking findings in longitudinal radiology reports is crucial for accurately identifying disease progression, and the time-consuming process would benefit from automatic summarization. This work introduces a structured summarization task, where we frame longitudinal report summarization as a timeline generation task, with dated findings organized in columns and temporally related findings grouped in rows. This structured summarization format enables straightforward comparison of findings across time and facilitates fact-checking against the associated reports. The timeline is generated using a 3-step LLM process of extracting findings, generating group names, and using the names to group the findings. To evaluate such systems, we create RadTimeline, a timeline dataset focused on tracking lung-related radiologic findings in chest-related imaging reports. Experiments on RadTimeline show tradeoffs of different-sized LLMs and prompting strategies. Our results highlight that group name generation as an intermediate step is critical for effective finding grouping. The best configuration has some irrelevant findings but very good recall, and grouping performance is comparable to human annotators.
• Abstract（参考訳）: 病状進行を正確に把握するためには, 縦断放射線検査の追跡が重要であり, 自動要約の恩恵を受ける。 本研究では,時系列レポートの要約を時系列生成タスクとして,時系列レポートの要約を時系列生成タスクとして構成し,時系列レポートの時系列化を列に整理し,時間的関連を行にまとめる構造的要約タスクを提案する。 この構造化された要約フォーマットは、時間にわたって結果の直接比較を可能にし、関連するレポートに対するファクトチェックを容易にする。 タイムラインは、3段階のLCMプロセスを用いて生成され、発見を抽出し、グループ名を生成し、その名前を使って発見をグループ化する。 このようなシステムを評価するために,胸部画像診断における肺関連放射線学的所見の追跡を目的とした時系列データセットRadTimelineを開発した。 RadTimelineの実験では、異なるサイズのLLMのトレードオフと戦略の促進が示されている。 この結果から,グループ名生成の中間段階がグループ分類の効果的な発見に重要であることが示唆された。 最高の構成にはいくつかの無関係な発見があるが、非常に良いリコールがあり、グループ化のパフォーマンスは人間のアノテータに匹敵する。

関連論文リスト

• Beyond Relevance: On the Relationship Between Retrieval and RAG Information Coverage [89.58253972744531]
  Retrieval-augmented Generation (RAG) システムは、文書検索と生成モデルを組み合わせて、レポート生成のような複雑な情報を求める課題に対処する。 我々は,上流の検索指標が,最終生成応答の情報カバレッジの信頼性の高い早期指標として機能するかどうかを検討する。 本研究は,トピックとシステムレベルの両方で生成した応答におけるカバレッジベース検索指標とナゲットカバレッジとの間に強い相関関係を示した。
  論文  参考訳（メタデータ） (2026-03-09T18:20:20Z)
• Standardizing Longitudinal Radiology Report Evaluation via Large Language Model Annotation [10.771534459008699]
  放射線学報告における縦断的な情報は、時間とともに複数の検査にまたがる結果のシーケンシャルな追跡を指す。 基盤構造とモデル生成の両テキストの時間的変化を一貫してラベル付けする適切なツールは存在しない。 既存のアノテーションメソッドは、通常労働集約的であり、手動のレキシコンとルールの使用に依存している。
  論文  参考訳（メタデータ） (2026-01-23T13:57:09Z)
• Lunguage: A Benchmark for Structured and Sequential Chest X-ray Interpretation [10.440241401950745]
  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。
  論文  参考訳（メタデータ） (2025-05-27T13:40:00Z)
• DDaTR: Dynamic Difference-aware Temporal Residual Network for Longitudinal Radiology Report Generation [19.120393411105887]
  放射線学報告生成(RRG)は、医療画像からの放射線学レポートの作成を自動化し、報告プロセスの効率を向上する。 LRRGはRRGを拡張し、現在の検査と事前試験を比較し、臨床所見の時間的変化の追跡を容易にする。 既存のLRRGアプローチは、視覚的事前訓練エンコーダを使用して、前と現在の画像からのみ特徴を抽出し、最終的なレポートを生成する。
  論文  参考訳（メタデータ） (2025-05-06T10:29:23Z)
• 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)
• Analyzing Temporal Complex Events with Large Language Models? A Benchmark towards Temporal, Long Context Understanding [57.62275091656578]
  時間的複合イベント(TCE)として、長い期間にわたって多くのニュース記事から構成される複合イベントについて述べる。 本稿では,Large Language Models (LLMs) を用いて,TCE内のイベントチェーンを系統的に抽出し,解析する手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T16:42:17Z)
• Timeline-based Sentence Decomposition with In-Context Learning for Temporal Fact Extraction [19.96263282146533]
  本稿では,自然言語テキストから時間的事実を抽出する方法について述べる。 本稿では,大規模言語モデル(LLM)と文脈内学習を用いたタイムラインに基づく文分解手法を提案する。 実験の結果, TSDRE は HyperRED-Temporal データセットと ComplexTRED データセットの両方で最先端の結果が得られることがわかった。
  論文  参考訳（メタデータ） (2024-05-16T17:48:21Z)
• Follow the Timeline! Generating Abstractive and Extractive Timeline Summary in Chronological Order [78.46986998674181]
  時間順で抽象的かつ抽出的な時系列を生成できる統一タイムライン要約器(UTS)を提案する。 我々は、以前の中国の大規模タイムライン要約データセットを拡張し、新しい英語タイムラインデータセットを収集する。 UTSは、自動評価と人的評価の両方の観点から最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-01-02T20:29:40Z)
• Grouped self-attention mechanism for a memory-efficient Transformer [64.0125322353281]
  天気予報、電力消費、株式市場などの現実世界のタスクには、時間とともに変化するデータの予測が含まれる。 時系列データは通常、その周期的特性と時間的長期依存性のために、長いシーケンスで長い観察期間にわたって記録される。 我々はGSA(Grouped Self-Attention)とCCA(Compressed Cross-Attention)の2つの新しいモジュールを提案する。 提案モデルでは,既存の手法に匹敵する計算量と性能の低減が効果的に示された。
  論文  参考訳（メタデータ） (2022-10-02T06:58:49Z)

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。