面向胸部 X 射线图像的自动化富集医学概念生成

依赖监督学习的决策支持工具需要大量专家标注。使用从医院归档系统获得的既往放射学报告作为训练数据，相较于人工单类标签具有诸多优势：它们是大量可用的专家标注，覆盖了具有人群代表性的多种病理，并且它们提供了病理诊断之外的额外上下文，例如解剖位置和严重程度。学习从图像自动生成此类报告面临许多挑战，例如难以表示和生成长的非结构化文本信息、处理拼写错误与重复/冗余，以及不同标注者之间的不一致性。因此我们提出首先从无标注报告中学习具有视觉信息的医学概念，并将概念预测作为图像标注，学习直接从图像自动生成结构化报告。我们在 OpenI [2] 胸部 X 射线数据集上验证了我们的方法，该数据集包含胸部 X 射线图像的正位和侧位视图、对应的原始文本报告以及放射科医生所做的人工医学主题词 (MeSH) 标注。