LEAVS: An LLM-based Labeler for Abdominal CT Supervision
Created by
Haebom
Category
Empty
저자
Ricardo Bigolin Lanfredi, Yan Zhuang, Mark Finkelstein, Praveen Thoppey Srinivasan Balamuralikrishna, Luke Krembs, Brandon Khoury, Arthi Reddy, Pritam Mukherjee, Neil M. Rofsky, Ronald M. Summers
개요
LEAVS(Large language model Extractor for Abdominal Vision Supervision)는 복부 CT 영상 보고서에서 다양한 이상 소견의 존재 확신도와 긴급도를 추출하는 대규모 언어 모델 기반 레이블러입니다. 복부의 복잡한 해부학적 구조와 다양한 병리학적 상태를 고려하여, CT 보고서에서 가장 흔한 이상 소견 7가지(9개 장기)를 대상으로 문장 추출 및 트리 기반 의사결정 시스템을 활용한 특수 사고 과정 프롬프팅 전략을 적용했습니다. 1,000개 이상의 CT 영상 데이터셋에 대한 실험 결과, 평균 F1 점수 0.89를 달성하여 기존 레이블러 및 인간보다 성능이 우수함을 보였으며, 긴급도 레이블 추출에서도 인간 수준의 성능을 달성했습니다. 추출된 레이블을 이용하여 여러 장기의 정상/이상 여부를 분류하는 단일 비전 모델 학습에 성공했습니다. 코드 및 구조화된 주석이 포함된 공개 CT 데이터셋도 함께 공개합니다.
시사점, 한계점
•
시사점:
◦
복부 CT 영상 보고서에서 다양한 이상 소견의 존재 확신도와 긴급도를 효율적으로 추출하는 새로운 방법 제시.
◦
기존 레이블러 및 인간보다 우수한 성능으로 자동화된 의료 영상 분석의 가능성을 확장.
◦
추출된 레이블을 활용한 다중 장기 질병 분류 비전 모델 학습 성공.
◦
대규모 공개 CT 데이터셋 및 코드 공개를 통한 연구 활성화 및 재현성 확보.
•
한계점:
◦
현재는 특정 7가지 이상 소견과 9개 장기에 국한. 다양한 이상 소견 및 장기로의 확장 필요.
