論文の概要: Whole-body CT attenuation and volume charts from routine clinical scans via evidence-grounded LLM report filtering
- arxiv url: http://arxiv.org/abs/2605.05933v1
- Date: Thu, 07 May 2026 09:40:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-08 22:27:11.671644
- Title: Whole-body CT attenuation and volume charts from routine clinical scans via evidence-grounded LLM report filtering
- Title（参考訳）: 証拠接地型LCMレポートフィルタリングによる全身CT像の減衰と経時的臨床像からの体積図の作成
- Authors: Christian Wachinger, Bernhard Renger, Christopher Späth, Jan Kirschke, Marcus Makowski,
- Abstract要約: 我々は,放射線学報告からの病理所見をフィルタリングするために,エビデンスと相互検証された大規模言語モデルアンサンブルを開発した。
5つのLDM(最初のフラグ構造レベルの異常候補)が冗長な報告証拠に根拠を置いている。
年齢,性別,コントラストの強化,獲得パラメータを考慮し,成人期の解剖学的構造106件について総合的な全身基準チャートを構築した。
- 参考スコア（独自算出の注目度）: 5.261511162432881
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Interpreting quantitative CT biomarkers, such as organ volume and tissue attenuation, requires large-scale healthy reference distributions. However, creating these is challenging because clinical datasets are often heavily enriched with pathology. Here, we develop an evidence-grounded, cross-verified large language model (LLM) ensemble to filter pathological findings from radiology reports, enabling the construction of pathology-reduced cohorts from over 350,000 CT examinations. Five LLMs, first, flag structure-level abnormality candidates grounded in verbatim report evidence and, second, resolve disagreements via cross-verification. Using distribution-aware generalized additive models for location, scale, and shape, we establish comprehensive whole-body reference charts for 106 anatomical structures (volumes and attenuation) across adulthood, accounting for age, sex, contrast enhancement, and acquisition parameters. Longitudinal analyses reveal structure- and contrast-dependent changes distinct from cross-sectional trends. These resources facilitate covariate-adjusted centile scoring from routine CT, supporting standardized quantitative phenotyping, multi-site imaging studies, and scalable opportunistic screening research.
- Abstract（参考訳）: 臓器体積や組織減衰などの定量的CTバイオマーカーの解釈には、大規模な健全な基準分布が必要である。
しかし、臨床データセットがしばしば病理学に富んでいるため、これらを作成することは難しい。
そこで我々は,350,000点以上のCT検査から病理学的所見を抽出し,病理学的コホートの構築を可能にする,エビデンス付き多言語モデル (LLM) アンサンブルを開発した。
5つのLCM, フラグ構造レベルの異常候補は, 縦断的報告の証拠に根拠を置き, 第二に, 相互検証による不一致を解消する。
年齢,性別,コントラストの強化,獲得パラメータを考慮し,分布認識型一般化加法モデルを用いて,成人期の解剖学的構造(量と減衰)106件の全身参照チャートを構築した。
縦断解析は、断面の傾向とは異なる構造とコントラストに依存した変化を示す。
これらの資源は、定期的なCTからの共変量調整センタイルスコアリングを促進し、標準化された定量的表現型解析、多地点イメージング研究、スケーラブルなオポチュニストスクリーニング研究をサポートする。
関連論文リスト
- MedScribe: Clinically Grounded CT Reporting through Agentic Workflows [13.40306812882295]
視覚言語モデル(VLM)は、自動放射線診断レポート生成の可能性を示している。
我々は,仮説駆動型フレームワークであるMedScribeを紹介し,レポート生成を反復的証拠取得プロセスとして再構築する。
論文 参考訳（メタデータ） (2026-05-03T08:32:40Z) - EXACT: an explainable anomaly-aware vision foundation model for analysis of 3D chest CT [29.0378459959757]
EXACTは3次元胸部CTの異常認識基盤モデルである。
2つの臨床スキャンと放射線学レポートから空間的に解決された表現を学習する。
EXACTは臨床的に関係のあるCTタスクに対して一貫した改善を示す。
論文 参考訳（メタデータ） (2026-04-27T07:57:47Z) - Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。
消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。
本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-21T07:47:37Z) - OmniCT: Towards a Unified Slice-Volume LVLM for Comprehensive CT Analysis [53.01523944168442]
臨床解釈はスライス駆動の局所特徴と体積駆動の空間表現の両方に依存している。
既存のLVLM(Large Vision-Language Models)は、CTスライスとボリューム理解で断片化されている。
我々は,CTシナリオのための強力な統合スライスボリュームLVLMであるOmniCTを提案する。
論文 参考訳（メタデータ） (2026-02-18T00:42:41Z) - Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。
患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
論文 参考訳（メタデータ） (2026-02-02T13:07:52Z) - A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。
CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。
本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文 参考訳（メタデータ） (2025-12-15T10:22:43Z) - A Clinically-Grounded Two-Stage Framework for Renal CT Report Generation [4.408787333571913]
本稿では,自動腎CTレポート作成のための枠組みを提案する。
ステージ1では、マルチタスク学習モデルが、各2次元画像から構造化された臨床特徴を検出する。
ステージ2では、視覚言語モデルが画像と検出された特徴に条件付けされた自由テキストレポートを生成する。
論文 参考訳（メタデータ） (2025-06-30T07:45:02Z) - 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) - Classification of lung cancer subtypes on CT images with synthetic
pathological priors [41.75054301525535]
同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。
肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
論文 参考訳（メタデータ） (2023-08-09T02:04:05Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Multi-Contrast Computed Tomography Healthy Kidney Atlas [3.0066242826634415]
スケール全体の可変性を統合および視覚化するには、ボリュームメトリックアトラスフレームワークが必要です。
多発性コントラストCTには腹腔・後腹膜臓器のアラス・フレームワークは存在しない。
腹腔容積を高分解能CTアトラステンプレートに登録するために,深層学習に基づく興味抽出法と2段階階層自動登録パイプラインを導入する。
論文 参考訳（メタデータ） (2020-12-23T01:03:16Z)
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。