PulseAugur
中
实时 20:47:29
实体 MIMIC-CXR, a de-identified publicly available database of chest radiographs with free-text reports

MIMIC-CXR, a de-identified publicly available database of chest radiographs with free-text reports

PulseAugur coverage of MIMIC-CXR, a de-identified publicly available database of chest radiographs with free-text reports — every cluster mentioning MIMIC-CXR, a de-identified publicly available database of chest radiographs with free-text reports across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
13
90 天内 53
发布 · 30天
0
90 天内 0
论文 · 30天
13
90 天内 52
层级分布 · 90 天
主题
关系
情绪 · 30 天

5 天有情绪数据

最近 · 第 1/3 页 · 共 55 条
  1. TOOL · CL_366065 ·

    新的OICycle框架从临床数据中学习患者信念状态

    研究人员开发了OICycle,一个用于纵向临床决策中学习信念状态的新颖框架。该系统通过直接从回顾性患者轨迹中学习随机信念状态来解决医疗保健中的部分可观察性挑战。OICycle整合了新的多模态观察和干预来更新高斯信念,然后训练该信念来预测未来的临床行动、发作时间和死亡率。已发布一个包含超过72,000次住院的基准数据集,该数据集源自MIMIC-IV、MIMIC-IV-Note和MIMIC-CXR,以促进此类模型的重现性评估。

  2. TOOL · CL_364197 ·

    新研究挑战跨模态对齐理论,提出LightAlign方法

    一篇新研究论文探讨了柏拉图表征假设,该假设认为在不同数据模态上训练的模型会收敛到共享表征。研究测试了自然图像、音频、胸部X光片和3D CT扫描之间的零配对对齐,仅在自然图像(COCO)上取得成功。研究发现,对齐需要定位一个模态共变的子空间,然后在此子空间内定向映射,其中医学成像由于共享方差分数较小而构成最大挑战。该论文引入了LightAlign方法,该方法使用少量图像-文本对来有效定位和定向此映射,在CT-RATE和RAD-Chest…

  3. TOOL · CL_357739 ·

    新型LVLM通过临床背景增强胸部X光报告生成

    研究人员开发了TransXplainRRG,这是一种大型视觉语言模型 (LVLM),旨在改进胸部X光报告的生成。该模型整合了患者病史、Swin Transformer和基于Transformer的文本编码器,以增强临床背景和可解释性。在MIMIC-CXR和IU X-Ray数据集上进行评估,TransXplainRRG在性能上与包括MAIRA-2在内的现有模型具有竞争力,并在临床一致性的GREEN指标上取得了更高的分数。

  4. TOOL · CL_352226 ·

    新的无参考指标评估AI放射学报告

    研究人员推出了一种名为RadRef的新型指标,旨在无需人工编写的参考即可评估AI生成的放射学报告。该新指标根据图像推导出的信念来评估报告中的声明,并按临床相关性加权。在ReXVal等基准测试中,RadRef的表现与现有的基于参考的指标相当。RadRef还包含一个假阳性读数RadRef-FF,它同样无需参考报告即可运行,证明了其在AI驱动的报告生成系统的质量监控中的实用性。

  5. TOOL · CL_352089 ·

    新AI框架ARIVE增强放射学报告的可解释性

    研究人员开发了ARIVE,一个用于生成放射学报告的新框架,该框架交织了解剖检查与诊断推理,以提高可解释性。该方法从胸部X光数据构建多模态思维链轨迹,使视觉证据能够为临床解释提供信息。ARIVE在临床疗效和诊断可追溯性方面表现出与现有模型相当的性能,专家评估表明其思维链方法有助于错误识别。

  6. TOOL · CL_344361 ·

    新研究揭示了医学影像和EHR数据AI基准测试的缺陷

    一篇新发表在arXiv上的论文强调了多模态医学分类任务中类别不平衡策略评估的重大问题。研究发现,使用MIMIC-CXR等数据集上的记录级拆分进行的基准测试可能具有误导性,模型在未见过患者时表现不佳,甚至会退化到预测所有病例为阳性的基线水平。当使用患者分离数据和入院对齐标签进行评估时,不平衡策略和集成模型的有效性会降低,这表明需要更健壮且感知泄漏的基准测试协议。

  7. TOOL · CL_317602 ·

    新框架通过数据压缩改进胸部X光报告生成

    研究人员开发了ICGF-CXRMate,一个旨在增强从胸部X光图像生成临床报告的新框架。该系统通过将辅助患者数据压缩成固定数量的临床上下文标记来解决整合辅助患者数据的挑战。然后,这些标记通过门控交叉注意力选择性地与视觉信息融合,同时作为解码器的直接路径保留。在MIMIC-CXR和MIMIC-IV-ED数据集上的实验表明,报告质量指标(如RadGraph-F1、CXR-BERT相似度和BLEU-4)有显著提高,同时平均提示长度也显著缩短。

  8. RESEARCH · CL_315305 ·

    新的MVMAE框架利用结构化和文本化监督增强医学影像分析

    研究人员开发了一个名为多视图掩码自编码器(MVMAE)的新型自监督学习框架,用于医学影像分析。该框架利用放射学研究固有的多视图结构来学习视图不变且与疾病检测相关的表示。其扩展版本MVMAE-V2T进一步整合了放射学报告中的文本信息,以改善语义关联。在MIMIC-CXR、CheXpert和PadChest等大型公共数据集上进行测试时,MVMAE的性能优于现有的监督和视觉-语言模型,其中MVMAE-V2T在标记数据有限的情况下显示出特别的优势。

  9. TOOL · CL_312991 ·

    新AI框架通过纵向上下文增强胸部X光报告

    研究人员开发了CPVB-RG,一个新颖的框架,旨在通过整合来自先前检查的纵向上下文来改进胸部X光报告的生成。该系统利用具有进展引导注意力(PGFA)的跨先验视觉桥接(CPVB)来区分图像中的变化和稳定的解剖结构。CPVB-RG经过两阶段训练,并在MIMIC-CXR和IU X-Ray数据集上展示了显著的改进,在临床和语言指标上取得了强劲的表现。

  10. TOOL · CL_305656 ·

    新框架将决策规则与报告生成分开,用于放射学AI

    研究人员开发了一个框架来解决将采样证据转换为生成放射学报告的最终决策的推理问题。他们的研究在 MIMIC-CXR 和 IU-Xray 数据集上使用 13 种生成器配置进行,结果表明改变决策目标会显著影响预测和指标权衡。此外,放宽候选约束的效果因目标而异,而使用 SFT-Qwen3-VL-8B 进行的实现研究表明,决策级别的收益在文本生成过程中可能会被放大或逆转。研究结果表明,分别评估决策规则、候选约束和实现的报告对于准确的诊断报告至关重要。

  11. COMMENTARY · CL_288762 ·

    生物医学成像AI进展受数据孤岛阻碍,而非模型限制

    推进生物医学成像AI的主要挑战不在于开发更复杂的模型,而在于数据本身的可用性和可访问性。成像数据通常被孤立在医院系统(如PACS)中,难以提取、去标识化并与其他关键健康信息(如EHR和组学数据)整合。这种数据碎片化阻碍了AI模型在不同供应商和临床环境中的泛化能力,并限制了学术研究的可重复性。为克服这一挑战,需要一个强大的数据基础,能够集中、查询和链接不同的数据源,从而释放AI在医疗保健领域的真正潜力。

  12. TOOL · CL_287132 ·

    新的 MambaXray-PRB 框架增强了 AI 驱动的 X 光报告生成

    研究人员开发了一个名为 MambaXray-PRB 的新基准和框架,用于使用大型模型进行 X 光报告生成 (RRG)。该框架解决了标准化基准和通用大型模型在医学 AI 中的领域适应性方面的局限性。MambaXray-PRB 采用三阶段预训练过程,包括自监督自回归建模、X 光报告对比学习以及用于推理和报告生成的后训练优化。在包括新发布的 CheXpert Plus 在内的多个数据集上进行的实验证明了该框架在提高报告生成性能和可解释性方面的有效性。

  13. RESEARCH · CL_282169 ·

    AI研究通过LLM驱动的模板推动放射学结构化报告的进步

    两篇新研究论文提出了使用大型语言模型改进放射学结构化报告的先进方法。第一篇ProtoSR利用LLM从自由文本报告中提取知识以创建视觉原型,提高了结构化报告的准确性,尤其是在罕见发现方面。第二篇TEMPLAR引入了一个包含多个代理的框架,以从大规模临床语料库中归纳和演进标准化报告模板,在覆盖范围和保真度方面优于现有方法。

  14. TOOL · CL_275378 ·

    新的AI框架MedCertAIn增强了具有不确定性感知的临床风险预测

    研究人员开发了MedCertAIn,一个旨在提高临床环境中使用的AI模型的可靠性和不确定性估计的新框架。该框架专门解决了整合多模态数据(如患者时间序列数据和胸部X光图像)以预测院内死亡风险的挑战。通过采用考虑跨模态相似性和模态特定数据损坏的数据驱动先验,MedCertAIn旨在为高风险临床应用提供更安全、更值得信赖的预测。

  15. TOOL · CL_259240 ·

    放射学AI报告评估指标对报告变化的敏感性

    一篇新的研究论文强调了放射科医生报告实践的差异如何显著影响基于AI的放射学报告生成(RRG)模型的评估。该研究引入了一种称为ReRef的方法来重写参考报告,证明术语、格式或细节的变化会改变模型排名。例如,在参考报告中精简正常发现导致一个模型性能下降,而另一个模型性能上升,这表明当前的指标可能无法充分区分临床解释和报告风格。研究人员发布了一个新的数据集MIMIC-CXR-Ext-ReRef,以帮助该领域的未来研究。

  16. TOOL · CL_254509 ·

    新的CNN-BiLSTM框架提供事实依据的生物医学文本摘要

    研究人员开发了一种结合一维卷积神经网络(1D-CNN)和双向长短期记忆网络(BiLSTM)模型的新混合框架,用于生物医学和临床文本的抽取式摘要。该方法旨在通过直接从源材料中选择和重排句子来防止抽象式摘要中常见的factual不准确性。该模型在PubMed和MIMIC-CXR数据集上表现强劲,优于简单的CNN和LSTM基线模型,并表明结构约束可以带来更值得信赖的摘要系统。

  17. RESEARCH · CL_254419 ·

    ModaLens 审计显示医学视觉语言模型更依赖文本而非图像

    研究人员开发了 ModaLens,一种用于衡量医学领域视觉语言模型(VLM)敏感性的新审计方法。使用 MIMIC-CXR 数据上的 MedGemma-27B 模型,研究发现,当放射学报告可用时,模型的图像数据依赖性会显著降低。具体而言,当报告存在时,模型的答案仅改变 4.26%,而当报告不存在时则改变 20.94%,这表明文本报告严重影响了模型的输出,可能以牺牲视觉解释为代价。

  18. RESEARCH · CL_321844 ·

    新的MEDMKG知识图谱整合了视觉和文本医疗数据

    研究人员开发了MEDMKG,一个新颖的多模态知识图谱,旨在整合视觉和文本医疗信息。该图谱结合了来自MIMIC-CXR和统一医学语言系统(UMLS)的数据,采用了一个多阶段的构建过程,包括用于概念提取和关系建模的基于规则的工具和大型语言模型。引入了一种新的过滤算法Neighbor-aware Filtering (NaF),以确保图谱的质量和紧凑性。MEDMKG在下游医疗任务中表现出改进的性能,为医疗AI中更具适应性和鲁棒性的多模态知识…

  19. TOOL · CL_235383 ·

    新型AI模型NeoRed提升新生儿呼吸系统疾病诊断能力

    研究人员开发了NeoRed,这是一种专门用于诊断新生儿呼吸系统疾病的新型多模态大语言模型。该模型解决了现有系统存在的局限性,例如以成人为中心的数据带来的领域差距以及缺乏整合的临床背景。NeoRed采用了知识-逻辑-对齐框架,整合了诊断先验知识,将报告语义与诊断逻辑对齐,并确保视觉特征与影像学结论之间的对应关系。实验表明,NeoRed在新生儿诊断报告生成方面优于现有模型,并在成人基准测试中保持了竞争力。

  20. RESEARCH · CL_228864 ·

    LLM在放射学报告准确性和纵向数据提取方面的评估 · 已追踪2个来源

    研究人员正在探索使用大型语言模型(LLM)来提高放射学报告的质量和提取纵向信息。一项研究将领域特定的BERT模型与开源LLM(如Qwen3-32B、Gemma-3:27B和Llama-3.3-70B)进行了比较,用于检测PET/CT报告中的错误,发现紧凑的领域特定模型取得了更高的准确性。另一篇论文开发了一个基于LLM的管道,利用Qwen2.5-32B自动标注放射学报告中的纵向信息,为评估报告生成模型创建了一个标准化的基准。