本研究提出了一种基于大型语言模型（LLM）的自动摘要方法，旨在减轻医疗文档手动摘要的负担。使用7B模型和混合贝叶斯技术，该模型在ROUGE-L指标上接近谷歌175B Gemini模型，提升了电子病历摘要的可行性。

我们提出了一种多模态深度神经网络框架，通过结合结构化患者数据和非结构化临床记录生成胸部X光报告。该框架使用条件交叉多头注意力模块，缩小视觉和文字数据的语义差距。实验显示，增加模态显著提升了结果，ROUGE-L指标达到最高。人工评估和临床语义相似度测量确认了模型的准确性，但也指出需要改进以捕捉细节和临床背景。