CT-AGRG: Automated Abnormality-Guided Report Generation from 3D Chest CT Volumes

要約

コンピューター断層撮影（CT）スキャンの急速な増加とその時間のかかる手動分析により、臨床環境での堅牢な自動分析技術の緊急の必要性が生まれました。
これらは、放射線科医を支援し、成長するワークロードの管理を支援することを目的としています。
既存のメソッドは通常、観測された異常に明示的に焦点を当てることなく、3D CT画像から直接レポート全体を生成します。
この無ガイドアプローチは、多くの場合、反復コンテンツまたは不完全なレポートをもたらし、異常固有の説明の優先順位付けに失敗します。
最初に異常を予測し、次にそれぞれのターゲットの説明を生成する新しい異常誘導レポート生成モデルを提案します。
パブリックデータセットの評価は、レポートの品質と臨床的関連性の大幅な改善を示しています。
私たちは、その有効性を実証するためにアブレーション研究を実施することで仕事を拡張します。

要約(オリジナル)

The rapid increase of computed tomography (CT) scans and their time-consuming manual analysis have created an urgent need for robust automated analysis techniques in clinical settings. These aim to assist radiologists and help them managing their growing workload. Existing methods typically generate entire reports directly from 3D CT images, without explicitly focusing on observed abnormalities. This unguided approach often results in repetitive content or incomplete reports, failing to prioritize anomaly-specific descriptions. We propose a new anomaly-guided report generation model, which first predicts abnormalities and then generates targeted descriptions for each. Evaluation on a public dataset demonstrates significant improvements in report quality and clinical relevance. We extend our work by conducting an ablation study to demonstrate its effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google