RECAP：通过动态疾病进展推理实现精准放射学报告生成
计算与语言
2023-10-24 v1
摘要
自动化放射学报告生成可显著减轻放射科医生的工作负担。先前的研究主要聚焦于实现高度简洁的观察描述，而忽视了决定疾病严重程度的精准属性（例如少量胸腔积液）。由于不正确的属性会导致不精准的放射学报告，因此有必要通过精准属性建模来强化生成过程。此外，历史记录中包含的时间信息对于评估患者当前状况（例如心脏大小不变）至关重要，却也在很大程度上被忽视。为解决这些问题，我们提出 RECAP，其通过动态疾病进展推理生成精准且准确的放射学报告。具体而言，RECAP 首先根据两张连续的放射图像预测观察结果与进展（即时空信息）。然后它结合历史记录、时空信息和放射图像进行报告生成，其中设计了一种疾病进展图和动态进展推理机制，以准确选择每个观察与进展的属性。在两个公开可用数据集上的大量实验证明了我们模型的有效性。
引用
@article{arxiv.2310.13864,
title = {RECAP: Towards Precise Radiology Report Generation via Dynamic Disease Progression Reasoning},
author = {Wenjun Hou and Yi Cheng and Kaishuai Xu and Wenjie Li and Jiang Liu},
journal= {arXiv preprint arXiv:2310.13864},
year = {2023}
}
备注
Accepted by Findings of EMNLP 2023