基于Transformer的临床上下文感知放射学报告生成

自然语言处理领域的最新进展，尤其是Transformer等语言模型，在语言理解和生成方面取得了最先进的成果。在本工作中，我们研究了Transformer模型在胸部X光片放射学报告生成中的应用。我们还指出了仅使用标准语言生成指标评估放射学报告生成的局限性。随后，我们应用了基于Transformer的放射学报告生成架构，并比较了基于Transformer的解码器与基于循环的解码器的性能。使用IU-CXR数据集进行的实验表明，其性能优于LSTM对应模型，且速度显著更快。最后，我们认识到需要使用语言生成指标和分类指标来评估放射学报告生成系统，这有助于从连贯性和诊断价值两方面对生成的报告进行稳健的度量。