• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
Foundation AI Models and Data Extraction from Unlabeled Radiology Reports: Navigating Uncharted Territory.基础人工智能模型与从无标注放射学报告中提取数据：探索未知领域
Radiology. 2023 Sep;308(3):e232308. doi: 10.1148/radiol.232308.
2
Navigating the ethical landscape of artificial intelligence in radiography: a cross-sectional study of radiographers' perspectives.医学影像学中人工智能伦理问题的探索：放射技师观点的横断面研究。
BMC Med Ethics. 2024 May 11;25(1):52. doi: 10.1186/s12910-024-01052-w.
3
Patients' views on the implementation of artificial intelligence in radiology: development and validation of a standardized questionnaire.患者对放射科人工智能应用的看法：标准化问卷的制定与验证。
Eur Radiol. 2020 Feb;30(2):1033-1040. doi: 10.1007/s00330-019-06486-0. Epub 2019 Nov 8.
4
[Structured reporting and artificial intelligence].[结构化报告与人工智能]
Radiologe. 2021 Nov;61(11):999-1004. doi: 10.1007/s00117-021-00920-5. Epub 2021 Oct 4.
5
Closing the loop for AI-ready radiology.实现人工智能就绪放射科的闭环。
Rofo. 2024 Feb;196(2):154-162. doi: 10.1055/a-2124-1958. Epub 2023 Aug 15.
6
Comparison of Chest Radiograph Interpretations by Artificial Intelligence Algorithm vs Radiology Residents.人工智能算法与放射科住院医师对胸部 X 线片解读的比较。
JAMA Netw Open. 2020 Oct 1;3(10):e2022779. doi: 10.1001/jamanetworkopen.2020.22779.
7
Evaluating the performance of Generative Pre-trained Transformer-4 (GPT-4) in standardizing radiology reports.评估生成式预训练变换器4（GPT-4）在规范放射学报告方面的性能。
Eur Radiol. 2024 Jun;34(6):3566-3574. doi: 10.1007/s00330-023-10384-x. Epub 2023 Nov 8.
8
Environmental Sustainability and AI in Radiology: A Double-Edged Sword.环境可持续性与放射学中的人工智能：一把双刃剑。
Radiology. 2024 Feb;310(2):e232030. doi: 10.1148/radiol.232030.
9
Effect of AI Explanations on Human Perceptions of Patient-Facing AI-Powered Healthcare Systems.人工智能解释对患者对人工智能赋能的医疗保健系统的感知的影响。
J Med Syst. 2021 May 4;45(6):64. doi: 10.1007/s10916-021-01743-6.
10
Decoding medical jargon: The use of AI language models (ChatGPT-4, BARD, microsoft copilot) in radiology reports.解读医学行话：人工智能语言模型（ChatGPT-4、BARD、microsoft copilot）在放射科报告中的应用。
Patient Educ Couns. 2024 Sep;126:108307. doi: 10.1016/j.pec.2024.108307. Epub 2024 May 3.

引用本文的文献

1
The Evolution of Artificial Intelligence in Medical Imaging: From Computer Science to Machine and Deep Learning.医学成像中人工智能的发展：从计算机科学到机器学习与深度学习
Cancers (Basel). 2024 Nov 1;16(21):3702. doi: 10.3390/cancers16213702.
2
Applications of Artificial Intelligence and Machine Learning in Spine MRI.人工智能与机器学习在脊柱磁共振成像中的应用
Bioengineering (Basel). 2024 Sep 5;11(9):894. doi: 10.3390/bioengineering11090894.
3
Enhancing radiology training with GPT-4: Pilot analysis of automated feedback in trainee preliminary reports.利用GPT-4加强放射学培训：实习生初步报告中自动反馈的试点分析
Curr Probl Diagn Radiol. 2025 Mar-Apr;54(2):151-158. doi: 10.1067/j.cpradiol.2024.08.003. Epub 2024 Aug 15.

本文引用的文献

1
Potential of ChatGPT and GPT-4 for Data Mining of Free-Text CT Reports on Lung Cancer.ChatGPT 和 GPT-4 在挖掘肺癌 CT 报告自由文本数据方面的潜力
Radiology. 2023 Sep;308(3):e231362. doi: 10.1148/radiol.231362.
2
Threats by artificial intelligence to human health and human existence.人工智能对人类健康和人类生存的威胁。
BMJ Glob Health. 2023 May;8(5). doi: 10.1136/bmjgh-2022-010435.
3
Leveraging GPT-4 for Post Hoc Transformation of Free-text Radiology Reports into Structured Reporting: A Multilingual Feasibility Study.利用GPT-4将自由文本放射学报告进行事后转换为结构化报告：一项多语言可行性研究。
Radiology. 2023 May;307(4):e230725. doi: 10.1148/radiol.230725. Epub 2023 Apr 4.
4
On the Opportunities and Risks of Foundation Models for Natural Language Processing in Radiology.关于放射学中自然语言处理基础模型的机遇与风险
Radiol Artif Intell. 2022 Jul 20;4(4):e220119. doi: 10.1148/ryai.220119. eCollection 2022 Jul.
5
Radiology artificial intelligence: a systematic review and evaluation of methods (RAISE).放射学人工智能：方法的系统评价和评估（RAISE）。
Eur Radiol. 2022 Nov;32(11):7998-8007. doi: 10.1007/s00330-022-08784-6. Epub 2022 Apr 14.
6
Machine learning for medical imaging: methodological failures and recommendations for the future.医学成像中的机器学习：方法学上的失败与未来建议。
NPJ Digit Med. 2022 Apr 12;5(1):48. doi: 10.1038/s41746-022-00592-y.
7
Patterns of Metastatic Disease in Patients with Cancer Derived from Natural Language Processing of Structured CT Radiology Reports over a 10-year Period.基于自然语言处理技术的结构化 CT 放射学报告分析 10 年间癌症患者转移病灶的模式。
Radiology. 2021 Oct;301(1):115-122. doi: 10.1148/radiol.2021210043. Epub 2021 Aug 3.
8
Rethinking Greulich and Pyle: A Deep Learning Approach to Pediatric Bone Age Assessment Using Pediatric Trauma Hand Radiographs.重新审视格吕利希和派尔方法：一种使用小儿创伤手部X光片进行小儿骨龄评估的深度学习方法。
Radiol Artif Intell. 2020 Jul 29;2(4):e190198. doi: 10.1148/ryai.2020190198. eCollection 2020 Jul.
9
Artificial intelligence in radiology.人工智能在放射学中的应用。
Nat Rev Cancer. 2018 Aug;18(8):500-510. doi: 10.1038/s41568-018-0016-5.
10
Natural Language Processing in Radiology: A Systematic Review.自然语言处理在放射学中的应用：系统评价。
Radiology. 2016 May;279(2):329-43. doi: 10.1148/radiol.16142770.

Foundation AI Models and Data Extraction from Unlabeled Radiology Reports: Navigating Uncharted Territory.

作者信息

Hafezi-Nejad Nima, Trivedi Premal

机构信息

From the Russell H. Morgan Department of Radiology and Radiological Science, Johns Hopkins University School of Medicine, 1800 Orleans St, Zayed Tower, Ste 7203, Baltimore, MD 21287 (N.H.N.); and Department of Vascular and Interventional Radiology, Anschutz Medical Center, University of Colorado, Aurora, Colo (P.T.).

出版信息

Radiology. 2023 Sep;308(3):e232308. doi: 10.1148/radiol.232308.

DOI:10.1148/radiol.232308
PMID:37724971
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC10546282/
Abstract
摘要