R2Gen-Mamba:一种用于放射学报告生成的选通状态空间模型
计算与语言
2024-10-25 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
放射学报告生成在医学影像中至关重要,但医生手动标注的过程耗时且费力,因此需要开发自动报告生成方法。现有研究主要利用Transformer生成放射学报告,这可能会带来计算密集的问题,限制了其在实际应用中的使用。在这项工作中,我们提出了R2Gen-Mamba,一种新颖的自动放射学报告生成方法,它利用了Mamba高效的序列处理能力和Transformer架构的上下文优势。由于Mamba的计算复杂度较低,R2Gen-Mamba不仅提高了训练和推理效率,还能生成高质量的报告。在两个包含超过21万张X光图像-报告对的基准数据集上的实验结果表明,与几种最先进的方法相比,R2Gen-Mamba在报告质量和计算效率方面均表现出有效性。源代码可在线获取。
引用
@article{arxiv.2410.18135,
title = {R2Gen-Mamba: A Selective State Space Model for Radiology Report Generation},
author = {Yongheng Sun and Yueh Z. Lee and Genevieve A. Woodard and Hongtu Zhu and Chunfeng Lian and Mingxia Liu},
journal= {arXiv preprint arXiv:2410.18135},
year = {2024}
}
备注
4 pages pages for ISBI2025