Presenting the DistilBert Language Model for Obtaining Appropriate Feature Space inReport Generation for Medical Images
- سال انتشار: 1403
- محل انتشار: بیست و سومین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات
- کد COI اختصاصی: ITCT23_003
- زبان مقاله: انگلیسی
- تعداد مشاهده: 175
نویسندگان
Technical and Engineering Faculty, Shahrekord University, IRAN
Technical and Engineering Faculty, Shahrekord University, IRAN
Technical and Engineering Faculty, Shahrekord University, IRAN
چکیده
increasing progress of science and the combination of two fields of computer vision and natural language processing,researchers have succeeded in producing medical reports, although they contained shortcomings such as the brevityof production reports; But it was a good foundation for helping doctors in the serious matter of treatment and it madethe process of diagnosing and treating diseases faster. Reporting for medical images is one of the emerging fields ofartificial intelligence, which despite extensive research in this field is still full of challenges and has become one ofthe active research fields. Our goal in this research is to take effective action to remove the limitations of medicalreporting so that we can have a more suitable feature space in the reporting process for Chest X-ray medical imagesand more complete and longer medical reports. We have used the DistilBert language model to obtain this appropriatefeature space in the production of medical reports. Then we evaluated our proposed model by using natural languagemeasurement criteria such as BLEU, ROUGE, and METEOR and we verified that our proposed model has workedwell and succeeded in producing more detailed medical reports.کلیدواژه ها
attention mechanism, convolutional neural network, encoder-decoder framework, long short termmemory.مقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.