用于视位特异性胸部 X 光生成的视觉-语言生成模型

合成医疗数据生成在医疗健康领域开辟了新的可能性，为模拟临床场景、提升诊断与治疗质量、获取细粒度医学知识以及加速无偏算法的开发提供了有力工具。在此背景下，我们提出一种称为 ViewXGen 的新方法，旨在克服现有方法的局限——后者依赖通用领域流水线，仅使用放射学报告生成正面视位胸部 X 光。我们的方法考虑了数据集中存在的多样视位，能够生成具有特定视位的胸部 X 光，这标志着该领域的重大进展。为此，我们为每种视位引入一组特别设计的标记，使生成过程适应用户的偏好。此外，我们利用多视位胸部 X 光作为输入，整合同一检查中来自不同视位的有价值信息。这种整合纠正了潜在错误，并有助于在胸部 X 光生成中忠实捕捉异常发现。为验证我们方法的有效性，我们进行了统计分析，在 MIMIC-CXR 数据集上以临床效能指标评估其性能。同时，人工评估展示了 ViewXGen 的卓越能力，尤其在生成与原始图像高度相似的真实视位特异性 X 光方面。