論文の概要: Automatic Extraction of Structured Information from Brain MRI Reports Using an Open-Weight Large Language Model

• arxiv url: http://arxiv.org/abs/2606.07721v1
• Date: Fri, 05 Jun 2026 15:57:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.364774
• Title: Automatic Extraction of Structured Information from Brain MRI Reports Using an Open-Weight Large Language Model
• Title（参考訳）: オープンウェイト大言語モデルを用いた脳MRI画像からの構造化情報の自動抽出
• Authors: Kaouther Mouheb, Amos Pomp, Antoine Manenti, Romy de Haan, Farog Faghir, Joy Martens, Harro Seelaar, Francesco Mattace-Raso, Meike W. Vernooij, Frank J. Wolters, Stefan Klein, Esther E. Bron,
• Abstract要約: 神経放射線科医が著述した第3次記憶クリニックの脳MRI947例について検討した。 オープンウェイトLLM LLaMA 3.1の性能を,異なる言語(オランダ語対英訳)と数発のプロンプトを用いて評価した。 少ないショットプロンプトは数値変数のパフォーマンスを向上させるが、位置固有の変数には課題が残る。
• 参考スコア（独自算出の注目度）: 0.2974983678844722
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objectives: Automatic data extraction from free-text radiology reports enables large-scale research, but few studies assessed the performance of large language models (LLMs) on Dutch neuroradiology reports. Methods: We analyzed 947 brain MRI reports from a tertiary memory clinic (2016-2021), authored by consultant neuroradiologists. Trained medical students annotated thirty variables; 100 reports were double-annotated to assess inter-rater reliability. We evaluated the performance of the open-weight LLM LLaMA 3.1 using different languages (Dutch vs. English translation) and few-shot prompting with different example selection strategies. Performance was evaluated using balanced accuracy for categorical variables, accuracy and mean absolute error for counts, and text similarity for free-text. Metrics were computed across 10 random splits of the 947 reports. Results: LLaMA 3.1 demonstrated high zero-shot performance for visual rating scores (mean [95%-CI]): Medial Temporal Atrophy: 90% [77-100%] on the left and 96% [94-99%] on the right, Global Cortical Atrophy: 87% [83-91%], and Fazekas: 94% [93-96%]. Microbleed mentions were detected with 93% accuracy [92-95%] and infarct mentions with 82% [80-84%]. Text similarity for lesion location reached 0.95 [0.95-0.96]. Performance was lower for numerical variables: 80% [78-82%] for the number of microbleeds and 66% [63-68%] for infarcts. English translation yielded comparable results. Few-shot prompting improved performance for numerical variables, achieving 92% [90-93%] for microbleeds and 81% [77-85%] for infarcts using structural similarity-based selection. Conclusion: LLaMA 3.1 shows strong potential for extracting data from Dutch neuroradiology reports. Few-shot prompting enhances performance for numerical variables, whereas challenges remain for location-specific variables.
• Abstract（参考訳）: 目的: 自由テキストラジオロジーレポートからの自動データ抽出は大規模な研究を可能にするが, オランダの神経放射線学レポートにおいて大規模言語モデル(LLM)の性能を評価する研究はほとんどない。 方法: 神経放射線技師による第3次記憶クリニック(2016-2021)の脳MRI947例について検討した。 研修医は30変数をアノテートし、100のレポートはラター間の信頼性を評価するために二重アノテートされた。 異なる言語(オランダ語と英語の翻訳)と、異なるサンプル選択戦略による少数ショットプロンプトによるオープンウェイトLLM LLaMA 3.1の性能評価を行った。 評価は,分類変数の平衡精度,数値の平均絶対誤差,自由テキストのテキスト類似度を用いて行った。 メトリクスは、947のレポートの10のランダムな分割で計算された。 結果: LLaMA 3.1 は視力評価スコア (平均 [95%-CI]) に対して高いゼロショット性能を示した。中等度萎縮:90% [77-100%) 右96% [94-99%) 、大脳皮質萎縮:87% [83-91%) 、ファゼカス94% [93-96%) であった。 93%(92-95%)の精度で微血的言及が検出され、82%(80-84%)の梗塞性言及が検出された。 病変位置のテキスト類似性は 0.95 [0.95-0.96] に達した。 数値変数では80%[78-82%]が微血で66%[63-68%]が梗塞であった。 英訳は同等の結果を得た。 マイクロブリードでは92% [90-93%) , 梗塞では81% [77-85%) を, 構造的類似性に基づく選択により達成した。 結論: LLaMA 3.1は、オランダの神経放射線学レポートからデータを抽出する強力な可能性を示している。 少ないショットプロンプトは数値変数のパフォーマンスを向上させるが、位置固有の変数には課題が残る。

関連論文リスト

• A Pathology Foundation Model for Gastric Cancer with Real-World Validation [47.19073124722865]
  本稿では,実世界評価と臨床dEcision支援のための,胃科固有の基礎モデルであるGRACEについて述べる。 GRACEは, 症例37,493例のHE-stained whole-slide画像を中心に, 48,364例の多施設で開発された。 高齢の病理医に非劣性パフォーマンスを維持するように調整された場合、AI支援のワークフローは萎縮の60.7%、腸転移の82.7%をトリアージする可能性がある。
  論文  参考訳（メタデータ） (2026-06-03T12:18:06Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
  長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。 入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
  論文  参考訳（メタデータ） (2026-01-07T23:35:24Z)
• A Novel Hybrid Deep Learning and Chaotic Dynamics Approach for Thyroid Cancer Classification [3.1331787430863485]
  本稿では,適応畳み込みニューラルネットワーク(CNN)とCohen-Daubechies-Feauveau(CDF9/7)ウェーブレットを結合するインテリジェントな分類法を提案する。 DDTI甲状腺超音波画像(n = 1,638画像,819悪性/819良性)を5倍のクロスバリデーションを用いて評価した。 提案手法は98.17%の精度、98.76%の感度、97.58%の特異性、97.55%のF1スコア、AUCは0.9912である。
  論文  参考訳（メタデータ） (2025-09-28T16:46:31Z)
• Deep Active Learning for Lung Disease Severity Classification from Chest X-rays: Learning with Less Data in the Presence of Class Imbalance [0.0]
  本研究は,2020年1月から11月にかけて,エモリー医療関連病院で963名の胸部X線検査を行った。 モンテカルロ・ドロップアウトを用いたディープニューラルネットワークは、能動的学習を用いて病気の重症度を分類して訓練された。 BNN近似と重み付き損失による深いアクティブラーニングは、ラベル付きデータ要求を効果的に削減する。
  論文  参考訳（メタデータ） (2025-08-28T23:29:56Z)
• Enhancing Diabetic Retinopathy Classification Accuracy through Dual Attention Mechanism in Deep Learning [2.856144231792095]
  本研究では,グローバルアテンションブロック(GAB)とカテゴリーアテンションブロック(CAB)をディープラーニングモデルに組み込む。 提案手法は,3つの事前学習ネットワークを用いた注意機構に基づくディープラーニングモデルに基づく。 提案手法はDR分類に関する最近報告された研究と同等の競争性能を実現する。
  論文  参考訳（メタデータ） (2025-07-25T12:09:27Z)
• A Comprehensive Study on Fine-Tuning Large Language Models for Medical Question Answering Using Classification Models and Comparative Analysis [0.0]
  医療問題に対する信頼性の高い回答の提供の精度と効率を改善している。 また,RoBERTaやBERTなどの各種モデルについて,その能力に基づいて検討・評価を行った。
  論文  参考訳（メタデータ） (2025-01-27T03:31:02Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Accessible, At-Home Detection of Parkinson's Disease via Multi-task Video Analysis [3.1851272788128644]
  既存のAIベースのパーキンソン病検出方法は、主にモータや音声タスクの単調な分析に焦点を当てている。 本稿では,このマルチモーダルデータを利用して診断精度を向上させる不確実性校正核融合ネットワーク(UFNet)を提案する。 UFNetは、精度、ORC曲線下(AUROC)の面積、非隣接特異性を維持しながら感度において、シングルタスクモデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-06-21T04:02:19Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)

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。