通过细粒度标签学习生成胸部 X 光报告
计算机视觉与模式识别
2020-07-29 v1
摘要
为胸部 X 光等常见检查获取自动化初步阅读报告将加快临床工作流程并提升医院运营效率。然而，当前自动化方法生成的报告质量尚不符合临床要求，因为它们无法确保正确检测出广泛的放射学发现，也无法在偏侧性、解剖位置、严重程度等方面准确描述。本工作中，我们提出一种领域感知的自动胸部 X 光放射学报告生成算法，该算法从图像中学习发现的细粒度描述，并利用其出现模式从大型报告数据库中检索并定制相似报告。我们还开发了一种自动标注算法，为图像分配此类描述符，并构建了一种新颖的深度学习网络，可识别发现的粗粒度与细粒度描述。所得到的报告生成算法在使用既定评分指标时显著优于当前最优（SOTA）方法。
引用
@article{arxiv.2007.13831,
title = {Chest X-ray Report Generation through Fine-Grained Label Learning},
author = {Tanveer Syeda-Mahmood and Ken C. L. Wong and Yaniv Gur and Joy T. Wu and Ashutosh Jadhav and Satyananda Kashyap and Alexandros Karargyris and Anup Pillai and Arjun Sharma and Ali Bin Syed and Orest Boyko and Mehdi Moradi},
journal= {arXiv preprint arXiv:2007.13831},
year = {2020}
}
备注
11 pages, 5 figures, to appear in MICCAI 2020 Conference