纵向放射学报告生成综述：数据构成、方法与性能评估
计算机视觉与模式识别
2025-10-15 v1
摘要
胸部 X 光成像是现代医学中广泛使用的诊断工具，其高频率使用为放射科医生带来了巨大的工作负担。为了缓解这一负担，越来越多地将计算机视觉语言模型应用于自动化胸部 X 光放射学报告生成 (CXRRRG)，旨在在减少人工工作量的同时实现临床上准确的描述。然而，传统方法通常仅依赖单张图像，无法捕获产生临床忠实比较陈述所必需的纵向背景。最近，越来越多的关注度转向将纵向数据纳入 CXRRRG，以类似放射科医生诊断工作流程的方式利用历史检查记录。然而，现有调查主要涉及单图像 CXRRRG，为纵向设置提供的指导有限，缺乏系统性的模型设计框架。为填补这一空白，本综述提供了纵向放射学报告生成 (LRRG) 的首个全面综述。具体而言，我们审查了数据构建策略、报告生成架构及其纵向专属设计，以及评估协议，涵盖纵向特定措施和广泛使用的基准。我们进一步总结了 LRRG 方法的性能，并对不同消失实验进行了分析，这些结果共同凸显了纵向信息和架构设计选择在提高模型性能中的关键作用。最后，我们总结了当前研究的五个主要局限性，并概述了未来发展的有前景的方向，旨在为这一新兴领域的发展奠定基础。
引用
@article{arxiv.2510.12444,
title = {A Review of Longitudinal Radiology Report Generation: Dataset Composition, Methods, and Performance Evaluation},
author = {Shaoyang Zhou and Yingshu Li and Yunyi Liu and Lingqiao Liu and Lei Wang and Luping Zhou},
journal= {arXiv preprint arXiv:2510.12444},
year = {2025}
}