基于深度学习的放射学报告生成研究系统综述
计算机视觉与模式识别
2024-04-26 v2 计算与语言
摘要
放射学报告生成（RRG）旨在从临床放射图像（如胸部 X 光图像）自动生成自由文本描述。RRG 在促进临床自动化方面发挥着重要作用，并为经验不足的医生提供切实帮助、缓解放射科医生工作负担方面具有重要意义。因此，考虑到这些有价值的潜力，过去五年中 RRG 研究呈现爆发式增长，尤其是随着深度学习方法的快速发展。现有研究从增强不同模态的角度开展 RRG，借助视觉与文本信息中精细特征优化报告生成过程，并进一步利用它们之间的跨模态交互促进 RRG。本文从多视角对基于深度学习的 RRG 进行了全面综述。具体而言，我们首先涵盖基于放射图像、报告及二者跨模态关系的任务特定特征的关键 RRG 方法，随后阐述该任务常规使用的基准数据集与评价指标，接着分析不同方法的性能，最后给出我们对未来挑战与趋势的总结。总体而言，本文旨在作为理解现有文献并启发 RRG 领域潜在有价值研究的工具。
引用
@article{arxiv.2311.14199,
title = {A Systematic Review of Deep Learning-based Research on Radiology Report Generation},
author = {Chang Liu and Yuanhe Tian and Yan Song},
journal= {arXiv preprint arXiv:2311.14199},
year = {2024}
}
备注
26 pages, 6 figures