NeuroSymb-MRG：面向放射科报告生成的可微Abductive推理与主动不确定性最小化
计算机视觉与模式识别
2026-04-07 v2
摘要
自动生成放射科报告旨在减少医生工作负担并提高文档一致性。采用编码器-解码器或检索增强管道的方法虽取得了流畅性进步，但仍易受视觉-语言偏见、事实不一致以及缺乏显式多跳临床推理的影响。我们提出 NeuroSymb-MRG，一个统一框架，将 NeuroSymbolic 归纳推理与主动不确定性最小化相结合，用于生成结构化、临床依据报告。系统将图像特征映射到概率性临床概念，构建可微逻辑推理链， 将这些链解码为模板化子句，并通过检索和受约束的语言模型编辑来细化文本输出。由规则级不确定性和多样性驱动的主动抽样循环指导医生在环内仲裁和提示书细化。在标准基准测试上的实验表明，与代表性基线相比，NeuroSymb-MRG 在事实一致性和标准语言指标上均实现了持续改进。
引用
@article{arxiv.2603.01756,
title = {NeuroSymb-MRG: Differentiable Abductive Reasoning with Active Uncertainty Minimization for Radiology Report Generation},
author = {Rong Fu and Yiqing Lyu and Chunlei Meng and Muge Qi and Yabin Jin and Qi Zhao and Li Bao and Juntao Gao and Fuqian Shi and Nilanjan Dey and Wei Luo and Simon Fong},
journal= {arXiv preprint arXiv:2603.01756},
year = {2026}
}
备注
12 pages, 1 figure