基于RadGraph与少样本提示的风格感知放射学报告生成
人工智能
2023-11-01 v2 计算与语言
摘要
从医学图像自动生成报告有望改善放射科医生的工作流程。现有方法将图像到报告的建模任务视为直接从图像生成完整报告。然而，这将报告的内容（例如发现及其属性）与风格（例如格式和用词）混为一谈，可能导致临床不准确的报告。为此，我们提出一种两步式放射学报告生成方法。首先，我们从图像中提取内容；然后，我们将提取的内容转化为符合特定放射科医生风格的报告。为此，我们利用RadGraph——一种报告的图表示——以及大语言模型（LLMs）。在我们的定量评估中，我们发现该方法带来了有益的性能。我们与临床评分员的人工评估强调，尽管仅利用少量示例作为上下文，AI生成的报告仍不可区分地贴合了个别放射科医生的风格。
引用
@article{arxiv.2310.17811,
title = {Style-Aware Radiology Report Generation with RadGraph and Few-Shot Prompting},
author = {Benjamin Yan and Ruochen Liu and David E. Kuo and Subathra Adithan and Eduardo Pontes Reis and Stephen Kwak and Vasantha Kumar Venugopal and Chloe P. O'Connell and Agustina Saenz and Pranav Rajpurkar and Michael Moor},
journal= {arXiv preprint arXiv:2310.17811},
year = {2023}
}
备注
Accepted to Findings of EMNLP 2023