通过概念瓶颈的多智能体RAG实现可解释的放射学报告生成

本研究解决了深度学习在胸部X光(CXR)分类中的可解释性挑战，通过使用概念瓶颈模型(CBMs)和多智能体检索增强生成(RAG)系统进行报告生成。研究表明，该模型能够以可解释的方式生成放射学报告，提高了临床相关性、可解释性和透明度，并在COVID-QU数据集上达到了81%的分类准确率。