基于大型语言模型的资源高效医学报告生成
计算与语言
2024-10-22 v1 人工智能
计算机视觉与模式识别
摘要
医学报告生成是为胸部X光图像自动撰写放射学报告的任务。手动编写这些报告耗时且容易出错。因此，生成医学报告可帮助减轻放射科医生的负担，从而促进医疗领域的临床自动化。本文提出了一种新框架，利用具备视觉能力的大型语言模型（LLM）完成医学报告生成任务。我们引入了一个轻量级解决方案，在医学报告生成任务上实现了优于或与以往方法相当的性能。我们开展了大量实验，探索不同的模型规模和增强方法，例如前缀调优（prefix tuning）以提升LLM的文本生成能力。我们在一个知名的大型放射学报告数据集——MIMIC-CXR上进行评估。我们的结果表明，所提出的资源高效框架能够生成具有强医学语境理解能力和高精度的患者专属报告。
引用
@article{arxiv.2410.15642,
title = {Resource-Efficient Medical Report Generation using Large Language Models},
author = {Abdullah and Ameer Hamza and Seong Tae Kim},
journal= {arXiv preprint arXiv:2410.15642},
year = {2024}
}