FlexR: Few-shot Classification with Language Embeddings for Structured Reporting of Chest X-rays

要約

タイトル：FlexR：構造化されたレポートのための言語埋め込みを使用した少数派分類

要約：

– 胸部X線報告書の自動化には、時間のかかるタスクであるため、著しい関心が集まっています。
– 自由文報告書の臨床的正確性は、医療情報の複雑さ、書き方の多様性、誤字脱字や不一致の可能性のため、自然言語処理メトリックを用いて定量化することが困難です。
– 一方、構造化報告と標準化された報告は、一貫性を提供し、臨床的な正確性の評価を形式化できます。
– ただし、構造化報告の高品質な注釈は限られています。
– そのため、私たちは、構造化レポートテンプレート内で定義される文による臨床的所見を予測する方法を提案しています。
– このアプローチでは、胸部X線写真と関連する自由文放射線報告を使用して対照的な言語-画像モデルをトレーニングし、それぞれの構造化された所見に対するテキストプロンプトを作成し、医療画像で臨床的所見を予測する分類器を最適化することが含まれます。
– 結果は、トレーニングのための限られた画像レベルの注釈でも、方法が心臓肥大の重症度評価と胸部X線の病理学的所在の構造化レポートタスクを達成できることを示しています。

要約(オリジナル)

The automation of chest X-ray reporting has garnered significant interest due to the time-consuming nature of the task. However, the clinical accuracy of free-text reports has proven challenging to quantify using natural language processing metrics, given the complexity of medical information, the variety of writing styles, and the potential for typos and inconsistencies. Structured reporting and standardized reports, on the other hand, can provide consistency and formalize the evaluation of clinical correctness. However, high-quality annotations for structured reporting are scarce. Therefore, we propose a method to predict clinical findings defined by sentences in structured reporting templates, which can be used to fill such templates. The approach involves training a contrastive language-image model using chest X-rays and related free-text radiological reports, then creating textual prompts for each structured finding and optimizing a classifier to predict clinical findings in the medical image. Results show that even with limited image-level annotations for training, the method can accomplish the structured reporting tasks of severity assessment of cardiomegaly and localizing pathologies in chest X-rays.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI