分解式LLM抽取神经影像结构化数据
热点事件观察中
分解式LLM抽取神经影像结构化数据
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Shahani等开发并独立验证分解式、模态分型LLM流程，从头颅CT、CT血管成像、CT灌注及脑MRI自由文本报告中抽取22项变量；高一致性结果支持其用于构建可复用结构化数据集，但需按字段复核。 流程以冻结参数应用于1,669例因头晕或眩晕就诊的急诊病例，11项指标预先指定为Tier 1；Tier 1复测Fleiss' κ为0.993，9周后为0.992，跨模型一致性κ为0.962，研究另在独立200例队列中验证。随机与富集样本准确度分别为0.980–0.983和0.955–0.977，但这衡量的是模型标记结果的一致性，并非敏感度。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 00:00
分解式 LLM 流程结构化多模态神经影像报告，并在 1,669 例急诊就诊及独立 200 例队列中验证报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- medRxiv · All分解式 LLM 流程结构化多模态神经影像报告，并在 1,669 例急诊就诊及独立 200 例队列中验证
研究团队开发分解式 LLM 流程，从 CT 与 MRI 神经影像报告抽取 22 个结构化变量，应用于 1,669 例头晕或眩晕急诊就诊。Tier 1 复测 Fleiss' kappa 为 0.993，9 weeks 后为 0.992，跨模型一致性 kappa 为 0.962。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。