ICON：通过病灶感知 Mixup 增强提高放射学报告生成中的报告间一致性
计算机视觉与模式识别
2024-09-27 v2 计算与语言
摘要
此前关于放射学报告生成的研究在提高生成报告的临床准确性方面取得了显著进展。在本文中，我们强调了另一个至关重要的质量属性，即报告间一致性，指的是为语义等效的放射图像生成一致报告的能力。在确保系统可信度方面，这一质量甚至比整体报告准确性更为重要，因为一个倾向于提供冲突结果的系统将严重侵蚀用户的信任。遗憾的是，现有方法难以维持报告间一致性，表现出对常见模式的偏向以及对病灶变异的敏感性。为了解决这个问题，我们提出了 ICON，以提高放射学报告生成的报告间一致性。旨在增强系统捕捉语义等效病灶相似性的能力，我们的方法首先涉及从输入图像中提取病灶并检查其特征。然后，我们引入了一种病灶感知的 mixup 技术，以确保语义等效病灶的表示与相同的属性对齐，这是通过在训练阶段进行线性组合实现的。在三个公开的胸部 X 射线数据集上的大量实验验证了我们方法的有效性，无论是在提高生成报告的一致性还是准确性方面。
引用
@article{arxiv.2402.12844,
title = {ICON: Improving Inter-Report Consistency in Radiology Report Generation via Lesion-aware Mixup Augmentation},
author = {Wenjun Hou and Yi Cheng and Kaishuai Xu and Yan Hu and Wenjie Li and Jiang Liu},
journal= {arXiv preprint arXiv:2402.12844},
year = {2024}
}