通过辅助审计组件实现放射学报告生成模型的质量控制
人工智能
2024-08-01 v1 计算机视觉与模式识别
摘要
医学影像解读的自动化可以缓解诊断工作流程中的瓶颈，并且近年来由于自然语言处理技术的进步而成为特别关注的焦点。在通过AI实现自动化放射学报告生成方面已取得了重大进展，但确保生成报告的临床准确性仍是一个重大挑战，阻碍了此类方法在临床实践中的部署。在本工作中，我们提出了一种通过模块化辅助审计组件（AC）评估AI生成放射学报告在诊断重要语义方面可靠性的质量控制框架。在MIMIC-CXR数据集上评估我们的流水线后，我们的结果表明，将AC以疾病分类器的形式纳入可以实现审计，识别出更可靠的报告，与未过滤的生成报告相比获得更高的F1分数。此外，利用AC标签的置信度进一步提升审计的有效性。
引用
@article{arxiv.2407.21638,
title = {Quality Control for Radiology Report Generation Models via Auxiliary Auditing Components},
author = {Hermione Warr and Yasin Ibrahim and Daniel R. McGowan and Konstantinos Kamnitsas},
journal= {arXiv preprint arXiv:2407.21638},
year = {2024}
}
备注
Accepted to MICCAI UNSURE Workshop