FactCheXcker：缓解胸X光报告生成模型中的测量幻觉
计算机视觉与模式识别
2025-06-03 v3
摘要
医学视觉语言模型在生成放射学报告中的准确定量测量方面常常表现不佳，导致幻觉现象，削弱临床可靠性。我们引入FactCheXcker，一个模块化框架，通过改进查询-代码-更新范式来消除放射学报告测量幻觉。具体而言，FactCheXcker采用专用模块和大型语言模型的代码生成能力来解决基于原始报告生成的测量查询。提取可测量发现后，结果被纳入更新后的报告中。我们在MIMIC-CXR数据集上评估FactCheXcker，用于气管内管置入位置，这在报告测量中占平均78%。我们的结果显示，FactCheXcker显著减少了幻觉，提高了测量精度，并保持了原始报告的质量。具体而言，FactCheXcker改善了10/11个模型的性能，并在减少由平均绝对误差衡量的测量幻觉方面实现了平均135.0%的提升。代码可在https://github.com/rajpurkarlab/FactCheXcker获取。
引用
@article{arxiv.2411.18672,
title = {FactCheXcker: Mitigating Measurement Hallucinations in Chest X-ray Report Generation Models},
author = {Alice Heiman and Xiaoman Zhang and Emma Chen and Sung Eun Kim and Pranav Rajpurkar},
journal= {arXiv preprint arXiv:2411.18672},
year = {2025}
}
备注
Accepted to CVPR 2025