语义信息化显著区域引导的放射科报告生成
计算机视觉与模式识别
2025-07-16 v1 人工智能
摘要
近期在利用深度学习算法从胸部X光生成放射科报告方面取得的进展具有显著潜力，可显著减少放射科医生的工作负担。然而，由于放射科图像中固有的巨大数据偏差——异常情况通常微弱且稀疏分布——现有方法常产生流畅但在医学上不准确的报告，限制了其在临床实践中的应用。为有效解决此问题，我们提出一种基于语义信息化显著区域的放射科报告生成方法（SISRNet）。具体而言，我们的方法通过细粒度跨模态语义显式识别具有医学关键特征的显著区域。随后，SISRNet在图像建模和报告生成两个阶段系统性地聚焦于这些高信息区域，有效捕捉微弱的异常发现，减轻数据偏差的负面影响，并最终生成临床上准确的报告。与其它方法相比，SISRNet在广泛使用的IU-Xray和MIMIC-CXR数据集上表现出优异性能。
引用
@article{arxiv.2507.11015,
title = {Semantically Informed Salient Regions Guided Radiology Report Generation},
author = {Zeyi Hou and Zeqiang Wei and Ruixin Yan and Ning Lang and Xiuzhuang Zhou},
journal= {arXiv preprint arXiv:2507.11015},
year = {2025}
}