CWCD：面向结构化医学报告生成的类别级对比解码

胸部X光判读本质上具有挑战性，原因在于解剖结构相互重叠，且许多有临床意义的病理表现细微，这使得即使是经验丰富的放射科医生，准确诊断也很耗时。近来面向放射学的基础模型，如LLaVA-Rad和Maira-2，已使多模态大语言模型（MLLM）走在自动化放射报告生成（RRG）的前沿。然而，尽管有这些进展，当前的基础模型在单次前向传递中生成报告。这种解码策略随着生成的进行会削弱对视觉token的注意力并增加对语言先验的依赖，进而在生成的报告中引入虚假的病理共现。为缓解这些局限，我们提出类别级对比解码（CWCD），一个旨在增强结构化放射报告生成（SRRG）的新颖模块化框架。我们的方法引入类别特定的参数化，并通过使用类别特定的视觉提示对比正常X光与遮蔽X光来生成按类别的报告。实验结果表明，CWCD在临床效力和自然语言生成指标上均持续优于基线方法。消融研究进一步阐明了各架构组件对整体性能的贡献。