通过判别性指导增强 3D CT 报告生成中的细粒度空间基础

用于放射学报告生成 (RRG) 的视觉语言模型 (VLM) 可以通过体积扫描生成长篇胸部 CT 报告，并显示出提高放射学工作流程效率和一致性的强大潜力。然而，现有方法面临两个关键限制：（i）训练监督通常是粗略的，将整个 CT 体积与完整的自由文本报告对齐，而没有针对细粒度属性或病理位置进行明确对齐； (ii) 评估通常是整体性的（词汇重叠、实体匹配或 LLM 法官评分），而不是空间基础的诊断。我们提出了 \emph{Discriminative Cue-Prompting with Prompt Dropout (DCP-PD)}，这是一个即插即用的框架，可以从自由文本报告中提取细粒度的提示，并使用它们来指导报告生成，同时通过提示 dropout 减轻对快捷方式的依赖。 DCP-PD 在 CT-RATE 上实现了最先进的性能，将宏观 F1 从 $=0.501$ 提高到 $0.603$（相对 20%），并将 Rad-ChestCT 的分布外性能从 F1 $=0.266$ 提高到 $0.503$（相对 89%）。最后，我们引入了一种分层的、位置感知的问题集协议（存在 $\rightarrow$ 侧向 $\rightarrow$ 叶）来直接评估病理位置基础，表明即使对于在当前基准上得分较高的模型，细粒度的空间定位仍然具有挑战性。