MedAutoCorrect：医学报告中的图像条件自动纠错
计算机视觉与模式识别
2024-12-05 v1
摘要
在医学报告中，无论是由人类还是机器学习算法生成的放射学报告准确性都是关键。本文提出了一项新任务，即针对这些报告中的不准确之处进行图像条件下的自动纠错。我们使用 MIMIC-CXR 数据集，首先有意地在报告中引入多样化的错误。随后，我们提出了一个两阶段框架，能够定位这些错误并进行纠正，模拟出一个“自动纠错”过程。该方法旨在解决现有自动化医学报告系统（如事实错误和错误结论）的不足，增强在关键医疗应用中的报告可靠性。重要的是，我们的方法可作为一种守护栏，确保自动化报告生成的准确性和可信度。在建立数据集和最先进的报告生成模型上的实验验证了该方法在纠正医学报告错误方面的潜力。
引用
@article{arxiv.2412.02971,
title = {MedAutoCorrect: Image-Conditioned Autocorrection in Medical Reporting},
author = {Arnold Caleb Asiimwe and Dídac Surís and Pranav Rajpurkar and Carl Vondrick},
journal= {arXiv preprint arXiv:2412.02971},
year = {2024}
}