通过 CBCTRepD 跨越临床 CBCT 解释技能鸿沟
计算机视觉与模式识别
2026-03-12 v1
摘要
生成式AI在医学报告生成方面取得了快速进展，但其应用于口腔颌面面部CBCT报告仍有限，主要由于高质量的配对CBCT报告数据稀缺以及体积CBCT解释的内在复杂性。为此，我们引入CBCTRepD，这是一个为纳入常规放射师-AI协作工作流程而设计的双语口腔颌面面部CBCT报告生成系统。我们策划了约7,408个研究的大型高质量配对CBCT报告数据集，覆盖55种口腔疾病实体，并用于开发系统。我们进一步建立了以临床为导向的多层次评估框架，对直接AI生成的草稿以及放射师编辑的协作报告进行评估，采用自动化指标以及放射师和临床医生导向的评估。通过该框架，我们表明CBCTRepD在报告生成性能方面表现优异，生成的草稿写作质量和标准化程度与中级放射师相当。更重要的是，在放射师-AI协作中，CBCTRepD在经验水平方面提供了一致且临床上有意义的益处：它帮助初级放射师逐步向中级水平发展，使中级放射师接近高级水平，甚至帮助高级放射师减少遗漏相关错误，包括临床上重要的漏诊病灶。通过改进报告结构、降低遗漏并促进对共存病灶的关注，CBCTRepD在实际应用中展现出强大且可靠的潜力，可作为面向多层次护理场景的实际CBCT报告助手。
引用
@article{arxiv.2603.10933,
title = {Bridging the Skill Gap in Clinical CBCT Interpretation with CBCTRepD},
author = {Qinxin Wu and Fucheng Niu and Hengchuan Zhu and Yifan Sun and Ye Shen and Xu Li and Han Wu and Leqi Liu and Zhiwen Pan and Zuozhu Liu and Fudong Zhu and Bin Feng},
journal= {arXiv preprint arXiv:2603.10933},
year = {2026}
}