医学报告生成是一个多标签分类问题

医学报告生成是医疗保健中的一项关键任务，涉及从医学图像自动创建详细且准确的描述。传统上，该任务被视为一个序列生成问题，依赖于视觉-语言技术来生成连贯且上下文相关的报告。然而，在本文中，我们提出了一个新颖的视角：将医学报告生成重新思考为一个多标签分类问题。通过以这种方式构建任务，我们利用了常用知识图谱中的放射学节点，这些节点可以通过分类技术更好地捕获。为了验证我们的论点，我们引入了一个基于 BLIP 并与分类关键节点集成的新型报告生成框架，该框架允许通过对医学图像中多个关键方面的准确分类来有效生成报告。这种方法不仅简化了报告生成过程，而且显著提升了性能指标。我们广泛的实验表明，利用关键节点可以达到最先进的（SOTA）性能，在两个基准数据集上超越了现有方法。这些结果强调了用创新方法重新构想传统任务的潜力，为更高效、更准确的医学报告生成铺平了道路。