ORGAN：基于树推理的观测引导放射学报告生成
计算与语言
2023-06-13 v1
摘要
本文探讨放射学报告生成任务，旨在为一组放射图像生成自由文本描述。该任务的一大挑战是如何正确保持图像与长篇报告间的一致性。以往研究通过基于规划的方法解决此问题，仅依据高层规划生成报告。然而，这些规划通常仅包含放射图像中的主要观测（如肺不透明），缺乏诸多必要信息，例如观测特征与初步临床诊断。为解决该问题，系统应同时将图像信息与文本规划纳入考量，并在生成过程中执行更强的推理。本文提出一种观测引导的放射学报告生成框架(ORGAN)。它首先生成观测规划，然后将规划与放射图像一并输入报告生成，其中采用观测图与树推理机制，通过捕获各观测的多格式信息精确丰富规划内容。实验结果表明，我们的框架在文本质量与临床效能方面优于以往最先进方法。
引用
@article{arxiv.2306.06466,
title = {ORGAN: Observation-Guided Radiology Report Generation via Tree Reasoning},
author = {Wenjun Hou and Kaishuai Xu and Yi Cheng and Wenjie Li and Jiang Liu},
journal= {arXiv preprint arXiv:2306.06466},
year = {2023}
}
备注
Accepted by ACL 2023