BTReport：用于脑肿瘤放射科报告生成的框架，包含临床相关特征
计算机视觉与模式识别
2026-02-19 v1
摘要
近期放射科报告生成(RRG)的进展推动了大型配对图像-文本数据集；然而，由于缺乏开放的配对图像-报告数据集，神经内科学的进展受限于此。本文介绍BTReport，一个开源的脑肿瘤RRG框架，通过确定性提取的影像特征构建自然语言放射科报告。与现有方法不同，后者依赖大型通用或微调的视觉-语言模型进行图像解释和报告构成，而BTReport仅对图像分析进行确定性特征提取，仅在语法结构和叙事格式方面使用大型语言模型。通过将RRG分为确定性特征提取步骤和报告生成步骤，生成的报告完全可解释且不易产生幻觉。我们展示，用于报告生成的特征可预测关键临床结局，包括生存率和IDH突变状态；BTReport生成的报告与参考临床报告的匹配度高于现有RRG基线方法。最后，我们引入BTReport-BraTS，将BraTS影像与由BTReport生成的合成放射科报告进行配对。本项目的代码可在https://github.com/KurtLabUW/BTReport找到。
引用
@article{arxiv.2602.16006,
title = {BTReport: A Framework for Brain Tumor Radiology Report Generation with Clinically Relevant Features},
author = {Juampablo E. Heras Rivera and Dickson T. Chen and Tianyi Ren and Daniel K. Low and Asma Ben Abacha and Alberto Santamaria-Pang and Mehmet Kurt},
journal= {arXiv preprint arXiv:2602.16006},
year = {2026}
}
备注
Accepted to Medical Imaging with Deep Learning (MIDL) 2026