3D 医学成像的基于区域的报告生成：细粒度数据集和图形增强框架

3D PET/CT 成像的自动医疗报告生成从根本上受到体积数据的高维性质和注释数据集严重缺乏的挑战，特别是对于资源匮乏的语言。当前的黑盒方法将整个卷映射到报告，忽略了分析局部感兴趣区域 (RoI) 以获得诊断结论的临床工作流程。在本文中，我们通过引入 VietPET-RoI 来弥补这一差距，这是第一个大规模 3D PET/CT 数据集，具有针对低资源语言的细粒度 RoI 注释，包含 600 个 PET/CT 样本和 1,960 个手动注释的 RoI，并配有相应的临床报告。此外，为了展示该数据集的实用性，我们提出了 HiRRA，这是一种新颖的框架，它通过采用基于图的关系模块来捕获 RoI 属性之间的依赖关系来模仿专业放射科医生的诊断工作流程。这种方法从全局模式匹配转向局部临床发现。此外，我们引入了新的临床评估指标，即 RoI 覆盖率和 RoI 质量指数，它们使用基于 LLM 的提取来衡量 RoI 定位准确性和属性描述保真度。广泛的评估表明，我们的框架实现了 SOTA 性能，在 BLEU 中超过现有模型 19.7%，在 ROUGE-L 中超过现有模型 4.7%，同时在临床指标上实现了 45.8% 的显着改进，表明临床可靠性增强并减少了幻觉。我们的代码和数据集可在 GitHub 上获取。