論文の概要: Integrating knowledge from case reports: a medical ontology based multimodal information system with structured summary
- arxiv url: http://arxiv.org/abs/2609.19775v1
- Date: Thu, 17 Sep 2026 06:41:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.125452
- Title: Integrating knowledge from case reports: a medical ontology based multimodal information system with structured summary
- Title（参考訳）: 医療オントロジーに基づくマルチモーダル情報システム
- Abstract要約: 事例報告のための総合的マルチモーダル情報システムを提案する。
マルチモーダル必須情報は、よく構造化された医療オントロジーで組織される。
また, 事例報告の検索・閲覧のための強力なインターフェースは, 患者を効果的に検索し, 稀な疾患の診断・診断を改善することを目的としている。
- 参考スコア（独自算出の注目度）: 5.644985019359287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Published medical case reports serve as a crucial medical information carrier, documenting discoveries in rare diseases, diagnostic methods, and innovative treatments. Despite the wealth of clinical knowledge in millions of case reports in the public medicine literature database (PubMed), accessing relevant information efficiently is hindered by the limitations of traditional keyword-based retrieval tools on unstructured and diverse case reports. To address the above issues, we introduce a comprehensive multimodal information system for case reports integrating structured clinical summaries of patients including medical images and biomedical named entities from 52949 open-access case reports published from 2000 to 2021. The multimodal essential information is organized in a well-structured medical ontology. Also, a powerful interface for searching and browsing case reports is designed to assist junior clinicians in retrieving cases effectively and improving the identification and diagnosis of rare diseases.
- Abstract（参考訳）: 公表された医療ケースレポートは、まれな疾患の発見、診断方法、革新的な治療を文書化する重要な医療情報キャリアとして機能する。
公共医療文献データベース(PubMed)における数百万件の症例報告に臨床知識が豊富にあるにもかかわらず、関連情報を効率的にアクセスすることは、非構造化および多種多様な症例報告に対する従来のキーワードベースの検索ツールの限界によって妨げられている。
以上の課題に対処するため,2000年から2021年にかけて発行された52949件のオープンアクセス症例報告から,医療画像や生物医学名等を含む患者の臨床概要を総合的に統合した総合的マルチモーダル・インフォメーション・システムを導入する。
マルチモーダル必須情報は、よく構造化された医療オントロジーで組織される。
また, 事例報告の検索・閲覧のための強力なインターフェースは, 患者を効果的に検索し, 稀な疾患の診断・診断を改善することを目的としている。
関連論文リスト
- MedReaMM: Evaluating Large Multimodal Models on Expert-Level Clinical Diagnostic Synthesis [61.266743965495884]
異種臨床証拠を合成するモデルの能力を評価するためのベンチマークであるMedReaMMを紹介する。
MedReaMMは625の専門患者と、平均2.79の医療画像と、ICD-11コードで注釈付けされた1,042の標準診断を含む。
23大マルチモーダルモデル (LMM) を評価し, 診断精度が50%未満であることが確認された。
論文 参考訳（メタデータ） (2026-08-23T09:37:53Z) - Paired Uterine Whole-Slide Images and Pathology Reports for Multimodal Computational Pathology [54.42160154368719]
WSI(Whole-Slide Image)は、病理のデジタルトランスフォーメーションを可能にする。
病理組織像と病理所見を共同で解析するマルチモーダルモデルは、自動病理報告生成とAIによる診断に有望な可能性を示唆している。
本稿では,WSIsを併用した子宮疾患データセットであるTUM-Uteriaを紹介する。
論文 参考訳（メタデータ） (2026-07-04T20:34:59Z) - Project Imaging-X: A Survey of 1000+ Open-Access Medical Imaging Datasets for Foundation Model Development [314.80153557710616]
我々は、1,000以上のオープンアクセスデータセットをカバーする、医療画像データセットの現在における最大の調査を提示する。
私たちの分析では、範囲が狭いタスクにまたがって断片化され、臓器やモダリティに不均一に分散した、質素なスケールのランドスケープを公開しています。
本稿では,メタデータ駆動型融合パラダイム(MDFP)を提案する。
論文 参考訳（メタデータ） (2026-03-29T00:46:53Z) - Lingshu: A Generalist Foundation Model for Unified Multimodal Medical Understanding and Reasoning [57.873833577058]
医療知識の豊富なマルチモーダルデータセットを構築した。
次に医学専門のMLLMであるLingshuを紹介します。
Lingshuは、医療専門知識の組み込みとタスク解決能力の向上のために、マルチステージトレーニングを行っている。
論文 参考訳（メタデータ） (2025-06-08T08:47:30Z) - Integrating Medical Imaging and Clinical Reports Using Multimodal Deep Learning for Advanced Disease Analysis [3.8758525789991896]
医用画像や臨床報告からの異種情報を深く統合する,革新的なマルチモーダル深層学習モデルを提案する。
医用画像では、畳み込みニューラルネットワークを用いて高次元の特徴を抽出し、重要な視覚情報をキャプチャした。
臨床報告テキストでは,2方向の長期・短期記憶ネットワークと注意機構を組み合わせることで,深い意味理解を実現する。
論文 参考訳（メタデータ） (2024-05-23T02:22:10Z) - A Survey of Deep Learning-based Radiology Report Generation Using Multimodal Data [41.8344712915454]
本調査では,最新の研究で開発された重要なテクニックを要約し,ディープラーニングに基づくレポート生成のための一般的なワークフローを提案する。
本研究の目的は,臨床報告の自動生成と医用画像解析に関心のある研究者に対して,包括的で豊富な情報を提供することである。
論文 参考訳（メタデータ） (2024-05-21T14:37:35Z) - AliFuse: Aligning and Fusing Multi-modal Medical Data for Computer-Aided Diagnosis [1.64647940449869]
マルチモーダル医療データの整合と融合のためのトランスフォーマーベースのフレームワークであるAlifuseを提案する。
医用画像と非構造化および構造化された臨床記録を視覚と言語トークンに変換する。
Alifuseを使ってアルツハイマー病を分類し、5つのパブリックデータセットで最先端のパフォーマンスを達成し、8つのベースラインを上回ります。
論文 参考訳（メタデータ） (2024-01-02T07:28:21Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - Multimodal Machine Learning in Precision Health [10.068890037410316]
本総説は, この分野を要約し, 今後の研究に欠かせない話題を特定するものである。
コンテンツ分析と文献検索を組み合わせて,2011年から2021年にかけてPubMed, Google Scholar, IEEEXploreの検索文字列とデータベースを構築した。
情報融合の最も一般的な形態は、初期の融合であり、特に、異種データ融合を行う予測性能の改善があった。
論文 参考訳（メタデータ） (2022-04-10T21:56:07Z) - CREATe: Clinical Report Extraction and Annotation Technology [53.731999072534876]
臨床症例報告は、特定の臨床症例の特異な側面を記述した記述である。
これらのレポートを注釈付け、インデックス付け、あるいはキュレートするエンドツーエンドシステムを開発する試みはない。
本稿では,新たな計算資源プラットフォームを提案し,臨床事例レポートの内容の抽出,索引付け,照会を行う。
論文 参考訳（メタデータ） (2021-02-28T16:50:14Z)
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。