@iBotamon

Clinical NLP Researcher & Radiologist at UTokyo. 医療への自然言語処理の応用 (医療言語処理) を研究しています。 放射線診断専門医。東大病院22世紀医療センター特任助教。

researchmap.jp/yutanakamura
Joined May 2010
  • Tweets11.3K
  • Following1.7K
  • Followers2.5K
429Media
RadNLP 2024 shared task のデータセットを一般公開しました！ 肺癌を診断した読影レポート (英語243件，日本語378件) が収録されており，どなたでも自由にお使いいただけます。個人情報は含まれていません。 huggingface.co/datasets/yuta… huggingface.co/datasets/yuta…

RadNLP/RadNLP2024_main_task · Datasets at Hugging Face

We’re on a journey to advance and democratize artificial intelligence through open source and open science.

huggingface.co
1
13
1,511
ひたすら地味なデータセット作りですが，まず作業してみて，気づいた点をAIと相談しながら高速で品質改善を重ねていくプロセスにはある種の楽しさがありますね。GPUを回すのとは別の面白さを感じています
8
435
論文の再々提出が完了しました。3回目のreviewへ！何とか今度こそ通りますように…🙏
16
799
Googleから論文をレビューしてくれるDeep Reviewの登場👀 Gemini4Argonでレビューしてくれて週2回まで無料（そんな論文書けない） 20分くらいかかりますが結構細かく見てくれて妥当な指摘をしてもらえます これ無料なのはやばいですね。校正サービスが...
Jeremy Nguyen ✍🏼 🚢
@JeremyNguyenPhDOct 15
AI for academic research: 2 free paper reviews per week from Google's Deep Review, powered by new Gemini 4 Argon. Google just launched Deep Review for reviewing draft papers. You can pay for more. BTW, If you're revising more than 2 papers a week--how? research.google/deepreview/
4
120
13
945
57,973
日本語テキストの医療QAとして世界最大規模のデータセット「GENSHI-MedQA-1M」を公開しました GENSHI AIはプロダクト開発だけでなく、アカデミアや日本の医療AIにも貢献していきます。 prtimes.jp/main/html/rd/p/00…

GENSHI AI、100万件超の日本語医療QAデータセット「GENSHI-MedQA-1M」を公開。日本語テキストの医療QAとして世界最大規模

株式会社GENSHI AIのプレスリリース（2026年10月15日 13時14分）GENSHI AI、100万件超の日本語医療QAデータセット「GENSHI-MedQA-1M」を公開。日本語テキストの医療QAとして世界最大規模

prtimes.jp
1
26
2
140
14,748
Yuta Nakamura🐠 retweeted
Sadao Tokuyama@tokufxugOct 14
NVIDIA × NV-Reason-CT：胸部CTから放射線レポートを生成するオープンAI 🔹約7万件のCTスキャンで学習。3D胸部CT全体を解析 🔹NVIDIA A100 GPU 1台で、30秒未満にレポートを生成した実証例 🔹Hugging Faceでモデル公開。院内GPUで動かせば、CT画像を外部クラウドへ送らずに処理可能。 情報元はリプ欄
16
67
15
398
37,778
論文がふたたびrevision & re-reviewで返ってきて3巡目に入りました👀 秋季大会の教育講演のオンデマンド受講期間でもあり，別の研究のデータセット作りの真っ最中でもあったので，何やらにわかに忙しくなってきました。
8
610
UICC TNM分類の第9版の日本語版が9/25に出たようですね。私の研究でもかなり使うので早速研究費で買いました👀 kanehara-shuppan.co.jp/books…
8
745
基盤モデル、やばそうなの出てるんだなぁ・・・
arXiv Bangers
@arXivBangersSep 24
nnFoundation: 3D Foundation Models for Radiology Trained on 2.1M scans, nnFoundation shows 3D radiology needs complementary architectures: convolutional models excel at local tasks, while transformer models dominate global reasoning. arxivb.org/abs/2609.26924
1
11
1,458
汎用的に！！ ｢腹部CTを幅広く読影するAI｣ Science ･ 中国アリババ・浙江大学などのRADARが造影CTの146種類の所見を評価 ･ 40万件超の造影CTと読影レポートで学習 ･ 読影実験で放射線科医の診断感度が約10%向上 ･ 多臓器の異常を拾い、見落としを減らす読影支援へ science.org/doi/10.1126/scie…
7
23
3,408
データセットの多様性を測るDCScoreを提案した面白い論文 (ICML 2025)。 Embeddingの平均コサイン類似度を直接測るのではなく，「サンプル数nのとき，nクラス分類問題をn回解き，自分自身を認識できる確率を測る」という発想で，よりmode collapseに敏感な指標になっている arxiv.org/abs/2502.08512

Measuring Diversity in Synthetic Datasets

Large language models (LLMs) are widely adopted to generate synthetic datasets for various natural language processing (NLP) tasks, such as text classification and summarization. However,...

arxiv.org
1
11
116
6,823
適切なEmbedder (styleよりもcontentの類似性を測れるような) とカーネル関数 (類似度を測る関数，原著ではベクトルの内積) を選べば，表層の違いに左右されずに内容のみの類似度を正確に測定できそう？
1
2
554
日本語医療NLPの文脈では，Embedderに一般sentence BERTを使った場合とドメイン特化モデル(JMedRoBERTaなど) を使った場合とで違いがどのように現れるのかを検証するのも面白そう
2
348
データセット合成に関する興味深かった論文。 専門家によるデータセット作成のかわりに，「何を測るベンチマークなのか」「どんな状況・制約があるのか」をスキーマとして抽出してLLMに与えて大量に・多様な・リアルなデータセットを作成。プロンプト，スキーマ，実装も公開 arxiv.org/abs/2609.16592

A Framework for Generating Valid Context-Specific Benchmarks...

This paper presents an end-to-end approach for generating context-specific large language model (LLM) benchmark datasets by combining expert input with synthetic data generation. Existing...

arxiv.org
11
75
4,541
研究協力者を集めるためのTipsをお持ちの方，ぜひご教示いただけると助かります🙇‍♂️
2
1
1,186
大量の研究協力者が必要な研究をしていて，医局関係者にどうにか力を貸していただけないかと奔走しはじめることにしました チラシを作って，とても簡単な応募フォームも用意して，若手の先生一人一人に声をかけて回っています 一人一人の力が非常に大事な研究なので熱意をこめてやっていきたい！
1
4
21
2,887
それにしても協力者を集めることの何と難しいことか！ 顔馴染みの先生にお声かけしてやっと打率3割くらいなので，この先はもっと低下すると予想 改善策を考えなければ…… どうにかして自分のこの研究にかける熱意を伝えたいですが，思いを共有するのはなかなか簡単ではないですね
251
Yuta Nakamura🐠 retweeted
Sadao Tokuyama@tokufxugSep 23
X線とCT/MRを数秒で位置合わせする医療AI「xvr」がNatureに掲載 🔹Vivek Gopalakrishnan氏らが開発した2D/3D位置合わせ基盤モデル 🔹数千件の全身スキャンで事前学習し、新たな解剖部位へ5分未満で適応 🔹X線と3D画像を数秒で位置合わせ。Python API・CLIを公開 情報元はリプ欄。
1
43
1
303
20,180
Astraにアノテーター募集のためのチラシを作って貰った結果，PDFスキルで作って貰うと一発で修正不要なものが出ました(そのまま印刷屋さんに入稿！) 一方，画像生成で作って貰うとゴチャっとしていていかにもGPT製だなあという感じ，QRコードも潰れて読めなかったりしますね
8
775
Yuta Nakamura🐠 retweeted
べいえりあ@mr_bay_areaSep 19
Jev「高速で高性能な汎用分類器を作りました！」 ワイ「お、いいね☺️」 謎のJev-like「Local LLMをタスクA〜Fでfine tuningして、タスクA〜FでJevより速くて高性能なモデルを作りました！！！」 ワイ「それはBERTで良くない？？？」
1
31
1
340
37,417
アノテーションガイドラインを作っては壊し，作っては壊してまた直すのを繰り返しています アノテーターにとっては「このコーナーケース，どう付けりゃええねん」と迷うと時間も掛かるし認知負荷も上がるので，そこをどうにか減らしておきたい
3
597
Load more