radiology images | BriefGPT

关键词radiology images

搜索结果 - 8

在 ImageCLEF 医学描述 2024 中的 UIT-DarkCow 团队：使用 Transformer 模型进行放射影像的诊断性描述提高效率
本篇研究旨在利用自动化文本生成技术从放射学图像中提取诊断说明，以辅助医疗专业人员减少临床错误并提高工作效率，目的是提供既能够增强报告质量和效率的工具，也能够对临床实践和生物医学领域的深度学习研究产生重大影响的方法。
PDFa month ago
放射学中的医学图像自由形式问答
医学领域中的视觉问答（VQA）面临独特的、跨学科的挑战，结合了计算机视觉、自然语言处理和知识表示等领域。本研究针对这一研究领域的空白，探讨了放射学图像的有效表示和多模态表示的联合学习，超越了现有方法。我们创新性地增强了 SLAKE 数据集，
PDF5 months ago
构建 RadiologyNET：大规模多模态医学数据库的无监督注释
通过多模态数据源自动标注医学放射照片，利用机器学习技术进行医学诊断和治疗的自动化流程。
PDFa year ago
UnICLAM: 对抗掩蔽的对比表示学习，实现统一和可解释的医学视觉问答
本篇论文提出了 UnICLAM，一种通过对比表示学习与敌对遮盖进行统一解释的医学视觉问答模型，可用于心力衰竭等疾病的诊断，并且在公共基准上胜过了 11 种最先进的医学视觉问答模型。
PDF2 years ago
利用视觉 - 语言预训练实现医学图像和文本的多模态理解与生成
本文提出了一种名为 MedViLL 的多模态自然语言处理模型，基于 BERT，使用一种新颖的多模态注意力掩码机制，通过在医学领域内的广泛一系列的多模态表现学习任务，包括影像报告分类、影像报告检索、影像问题回答和放射学报告生成，进行了统计和严
PDF3 years ago
使用交叉注意力网络进行多标签胸部疾病图像分类
本研究探讨了在医疗诊断和治疗计划中支持临床的自动疾病分类的技术，并提出了一种新颖的交叉注意力网络方案（Cross-Attention Networks）来分类胸透图像以提高性能，同时结合新的损失函数，克服了数据不平衡的问题，并取得了最先进的
PDF4 years ago
ImageCLEFmed Caption 2020 任务的竞争性深度神经网络方法
本文介绍了利用深度神经网络方法解决 ImageCLEFmed Caption 任务的过程，最终在不使用外部医学知识或预先训练模型的情况下，对 3,534 张放射学图像进行了医学概念的自动标注，得到了 F1 得分 0.375，排名第 12 位
PDF4 years ago
基于领域专用网络设计和循环神经语境学习的 CT 和 MRI 胰腺分割
该研究使用卷积神经网络和递归神经网络对放射学图像中的胰腺进行自动分割，以进行计算机辅助筛查和定量评估。
PDF6 years ago