面向结构化医学报告生成的类别级对比解码 CWCD
人工智能
2026-04-17 v2
摘要
解读胸片 X 光片本质上具有挑战性，因为解剖结构之间存在重叠，且许多临床相关病灶呈现细微，使得准确诊断即使对于经验丰富的放射科医生也耗时较长。最近的放射科导向基础模型，如 LLaVA-Rad 和 Maira-2，已将多模态大语言模型 (MLLM) 置于自动化放射科报告生成 (RRG) 的前沿。然而，尽管取得了这些进展，当前的基础模型在单次前向传递中生成报告。这种解码策略会削弱对视觉标记的注意力，增加对语言先验的依赖，随着生成过程的进行，这反过来会在生成报告中引入不必要的病灶共现。为缓解这些局限性，我们提出了类别级对比解码 (CWCD)，一种新颖且模块化的框架，旨在增强结构化放射科报告生成 (SRRG)。我们的方案引入了类别特定的参数化，并通过使用类别特定的视觉提示与被遮蔽的 X 光片进行类别级对比来生成类别级报告。实验结果表明，CWCD 在临床有效性和自然语言生成指标方面 consistently 优于基线方法。消融研究进一步阐明了每个架构组件对整体性能的贡献。
引用
@article{arxiv.2604.10410,
title = {CWCD: Category-Wise Contrastive Decoding for Structured Medical Report Generation},
author = {Shantam Srivastava and Mahesh Bhosale and David Doermann and Mingchen Gao},
journal= {arXiv preprint arXiv:2604.10410},
year = {2026}
}
备注
Accepted to MIDL 2026 (Oral)