変圧器を用いた胸部X線写真におけるマルチモーダル疾患分類のための事前知識としての適応【JST・京大機械翻訳】

Jacenkow Grzegorz; O'Neil Alison Q.; Tsaftaris Sotirios A.

プレプリント

J-GLOBAL ID：202202213510593179 整理番号：22P0288688

変圧器を用いた胸部X線写真におけるマルチモーダル疾患分類のための事前知識としての適応【JST・京大機械翻訳】

Indication as Prior Knowledge for Multimodal Disease Classification in Chest Radiographs with Transformers

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月12日プレプリントサーバーでの情報更新日： 2022年02月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

臨床医が画像検査のための患者を参照するとき,それらはスキャン要求における理由(例えば関連した患者病歴,疑わしい疾患)を含んだ。これは放射線医学報告における適応分野として現れる。画像の解釈と報告は,この要求テキストによって実質的に影響され,放射線科医が画像の特別な側面に焦点を合わせる。テキスト(BERT)上で単峰的に事前訓練され,二重画像テキスト入力のマルチモーダル分類のために微調整する変圧器ネットワークを取り入れることにより,より良い画像分類を駆動するための適応場を使用した。MIMIC-CXRデータセットの方法を評価し,分類性能に対する適応場の影響を検討するためにアブレーション研究を提示した。実験結果は,著者らのアプローチが87.8平均マイクロAUROCを達成して,単峰性(84.4)と多モード(86.0)分類のための最先端の方法より優れていることを示した。このコードはhttps://github.com/jacenkow/mmbtで利用可能である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 医用画像処理

, , , , ,

前のページに戻る