中野哲平のおすすめ医療論文2019

医用画像を記述するための長くて意味論的に一貫したレポートを生成することは、視覚的および言語的モダリティを橋渡しし、医療分野の知識を組み入れ、そして現実的で正確な記述を生成することに対して大きな課題をもたらす。正確でロバストな医療レポート生成のための現代の学習ベースの方法と伝統的な知識ベースおよび検索ベースの方法を調和させる新しい知識駆動型符号化、検索、言い換え（KERP）アプローチを提案する。具体的には、KERPは医療レポート生成を明示的な医療異常グラフ学習とその後の自然言語モデリングに分解します。 KERPは最初に、以前の医療知識を取り入れることによって視覚的特徴を構造化された異常グラフに変換するEncodeモジュールを採用しています。次に、検出された異常に基づいてテキストテンプレートを取得する取得モジュール。そして最後に、特定のケースに従ってテンプレートを書き換えるParaphraseモジュール。 ＫＥＲＰの中核は、知識グラフ、画像およびシーケンスなどの複数のドメインのグラフ構造化データ間で高水準意味論を動的に変換する、提案されている汎用実装単位であるグラフ変換器（ＧＴＲ）である。実験は、提案したアプローチが正確な異常記述と説明可能な注意深い領域で支持された構造化されたそして頑健な報告を生成し、2つの医学報告ベンチマークで最新の結果を達成するパフォーマンス

https://arxiv.org/pdf/1903.10122.pdf