ECHO：通过一步块扩散生成高效的胸部 X 射线报告

胸部 X 射线报告生成 (CXR-RG) 有可能大大减轻放射科医生的工作量。然而，传统的自回归视觉语言模型 (VLM) 由于顺序词元解码而存在高推理延迟。基于扩散的模型通过并行生成提供了一种有前途的替代方案，但它们仍然需要多次去噪迭代。将多步去噪压缩为单步可以进一步减少延迟，但由于词元分解去噪器引入的平均场偏差，通常会降低文本连贯性。为了应对这一挑战，我们提出了 \textbf{ECHO}，一种用于生成胸部 X 射线报告的高效的基于扩散的 VLM (dVLM)。 ECHO 通过一种新颖的直接条件 蒸馏 (DCD) 框架实现稳定的每块一步推理，该框架通过从 同策略 扩散轨迹构建未分解监督来编码联合词元依赖关系，从而减轻了平均场限制。此外，我们引入了响应非对称扩散（RAD）训练策略，可以在保持模型有效性的同时进一步提高训练效率。大量实验表明，ECHO 超越了最先进的自回归方法，将 RaTE 和 SemScore 分别提高了 \textbf{64.33\%} 和 \textbf{60.58\%}，同时实现了高达 \textbf{$8\times$} 的推理加速，而临床准确性的下降可以忽略不计。