Automatic Mapping of Anatomical Landmarks from Free-Text Using Large Language Models: Insights from Llama-2

要約

解剖学的ランドマークは、ナビゲーションや異常検出のための医療画像処理において不可欠です。
Llama-2 のような最新のラージ言語モデル (LLM) は、フリーテキストの放射線医学レポート内のこれらのランドマークを画像データ内の対応する位置にマッピングする自動化を約束します。
最近の研究では、LLM が生成プロセスの一貫した表現を開発する可能性があることが示唆されています。
これらの洞察に基づいて、LLM が解剖学的ランドマークの空間位置を正確に表すかどうかを調査しました。
Llama-2 モデルを用いた実験を通じて、Llama-2 モデルがさまざまなプロンプトに対してかなりのロバスト性で空間内の解剖学的ランドマークを線形に表現できることがわかりました。
これらの結果は、医療画像ワークフローの効率と精度を向上させる LLM の可能性を強調しています。

要約(オリジナル)

Anatomical landmarks are vital in medical imaging for navigation and anomaly detection. Modern large language models (LLMs), like Llama-2, offer promise for automating the mapping of these landmarks in free-text radiology reports to corresponding positions in image data. Recent studies propose LLMs may develop coherent representations of generative processes. Motivated by these insights, we investigated whether LLMs accurately represent the spatial positions of anatomical landmarks. Through experiments with Llama-2 models, we found that they can linearly represent anatomical landmarks in space with considerable robustness to different prompts. These results underscore the potential of LLMs to enhance the efficiency and accuracy of medical imaging workflows.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google