KARGEN：基于大语言模型的知识增强自动放射学报告生成
原文中文，约500字，阅读约需2分钟。发表于：。本研究针对如何高效触发大型语言模型（LLMs）中的相关知识，以提升自动放射学报告生成的实用性进行探索。提出的KARGEN框架，通过整合知识图谱，提取与胸部疾病相关的特征，与图像区域特征结合，生成更敏感且质量更高的放射报告。研究结果在MIMIC-CXR和IU-Xray数据集上表现出色。
《Radiology Report Generation（R2Gen）》展示了多模态大型语言模型（MLLMs）如何自动化生成准确和连贯的放射学报告。通过引入新的策略SERPENT-VLM，该模型在IU X-ray和Radiology Objects in COntext（ROCO）数据集上优于现有的基线方法，并在嘈杂的图像环境中具有稳健性。这一研究为医学成像领域的自监督完善研究打开了新的研究路径。
