先验知识增强放射学报告生成
计算与语言
2022-01-12 v1 人工智能
摘要
放射学报告生成旨在产生计算机辅助诊断以缓解放射科医师的工作负担，近来受到越来越多的关注。然而，以往的深度学习方法中往往忽视医学发现之间的相互影响，这可能成为限制生成报告质量的瓶颈。在这项工作中，我们提出挖掘并以信息性知识图表示医学发现之间的关联，并将该先验知识与放射学报告生成相结合，以帮助提升生成报告的质量。实验结果表明，我们提出的方法在 IU X-ray 数据集上取得了优越性能，ROUGE-L 为 0.3840.007，CIDEr 为 0.3400.011。与以往工作相比，我们的模型平均提升 1.6%（CIDEr 和 ROUGE-L 分别提升 2.0% 和 1.5%）。实验表明，先验知识可为准确的放射学报告生成带来性能增益。我们将在 https://github.com/bionlplab/report_generation_amia2022 公开代码。
引用
@article{arxiv.2201.03761,
title = {Prior Knowledge Enhances Radiology Report Generation},
author = {Song Wang and Liyan Tang and Mingquan Lin and George Shih and Ying Ding and Yifan Peng},
journal= {arXiv preprint arXiv:2201.03761},
year = {2022}
}
备注
10 pages, 4 figures, accepted by AMIA 2022 Informatics Summit