自动化放射学报告生成：近期进展综述
计算机视觉与模式识别
2024-07-04 v2
摘要
医学影像部门日益增长的需求正在影响放射科医生及时准确提供报告的能力。人工智能领域的最新技术进步已显示出自动放射学报告生成（ARRG）的巨大潜力，引发了研究热潮。本综述论文通过以下方式对当代ARRG方法进行方法论回顾：（i）基于可用性、规模和采用率等特征评估数据集，（ii）检查深度学习训练方法，如对比学习和强化学习，（iii）探索最先进的模型架构，包括CNN和Transformer模型的变体，（iv）概述通过多模态输入和知识图谱整合临床知识的技术，（v）审查当前模型评估技术，包括常用的NLP指标和定性临床审查。此外，分析了所审查模型的定量结果，其中对表现最佳的模型进行了检查以寻求进一步见解。最后，强调了潜在的新方向，预测采用其他放射学模态的额外数据集和改进的评估方法是未来发展的关键领域。
引用
@article{arxiv.2405.10842,
title = {Automated Radiology Report Generation: A Review of Recent Advances},
author = {Phillip Sloan and Philip Clatworthy and Edwin Simpson and Majid Mirmehdi},
journal= {arXiv preprint arXiv:2405.10842},
year = {2024}
}
备注
24 pages, 8 figures, 6 tables. Accepted by IEEE Reviews in Biomedical Engineering