Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

PadChest-GR: Bộ dữ liệu tia _____T103335____-ngực song ngữ dùng để tạo báo cáo X quang tiếp địa

Created by
  • Haebom

Tác giả

Daniel C. Castro, Aurelia Bustos, Shruthi Bannur, Stephanie L. Hyland, Kenza Bouzid, Maria Teodora Wetscherek, Maria Dolores S anchez-Valverde, Lara Jaques-P erez, Lourdes Perez -Rodr iguez, Kenji Takeda, Jos e Mar ia Salinas, Javier Alvarez-Valle, Joaqu trong Galant Herrero, Antonio Pertusa

Phác thảo

PadChest-GR là tập dữ liệu đầu tiên được chú thích thủ công, được thiết kế để huấn luyện các mô hình tạo báo cáo X quang dựa trên bằng chứng (GRRG) cho hình ảnh đường X ngực. Tập dữ liệu này chứa 4.555 nghiên cứu đường X ngực (3.099 bất thường và 1.456 bình thường) và cung cấp danh sách các câu mô tả từng phát hiện dương tính và âm tính bằng cả tiếng Anh và tiếng Tây Ban Nha. Tổng cộng có 7.037 câu phát hiện dương tính và 3.422 câu phát hiện âm tính, và mỗi câu phát hiện dương tính được liên kết với tối đa hai bộ hộp giới hạn độc lập được gắn nhãn bởi các trình đọc khác nhau, cùng với các nhãn phân loại cho loại, vị trí và tiến trình tìm kiếm. Tập dữ liệu này cung cấp một nguồn tài nguyên quý giá để phát triển và đánh giá các mô hình GRRG hiểu và diễn giải hình ảnh X quang và văn bản được tạo ra.

Takeaways, Limitations

•
Takeaways:
◦
Cung cấp tập dữ liệu chú thích thủ công đầu tiên để đào tạo các mô hình tạo báo cáo X quang dựa trên bằng chứng (GRRG) cho hình ảnh chụp X quang ngực _____T127815____-.
◦
Hỗ trợ song ngữ tiếng Anh và tiếng Tây Ban Nha.
◦
Cung cấp chú thích toàn diện và thông tin vị trí chính xác cho các phát hiện tích cực và tiêu cực.
◦
Cung cấp các nguồn tài nguyên hữu ích để phát triển và đánh giá các mô hình GRRG.
•
Limitations:
◦
Bộ dữ liệu có thể tương đối nhỏ (4.555 nghiên cứu).
◦
Việc truy cập tập dữ liệu dựa trên yêu cầu ( https://bimcv.cipf.es/bimcv-projects/padchest-gr/ ).
◦
Khả năng khái quát hóa sang các phương thức chụp ảnh y tế khác có thể bị hạn chế.
👍
Made with Slashpage