用于生成乳房X光检查报告的跨模式临床知识集成

乳腺癌是全球主要的健康问题，乳房X光检查在早期检测中发挥着核心作用。大量的筛查检查给放射科医生带来了巨大的工作量，使得准确、一致的报告生成成为一项关键的临床挑战。现有的自动化乳房X光检查报告生成方法主要侧重于直接视觉到文本的映射，而忽视了放射科医生在现实世界实践中遵循的结构化临床推理过程。为了解决这一限制，我们提出了 MammoRG，这是一种乳房 X 光检查报告生成框架，它通过遵循 BI-RADS 指南并结合先前的临床知识来生成诊断报告，明确模拟临床报告工作流程。具体来说，MammoRG采用两阶段训练框架。在第一阶段，该模型学习通过基于分类的监督整合来自患者四视图乳房X光检查的临床相关先验知识。在第二阶段，引入术语感知监督 微调 策略，将乳房 X 线摄影特定的临床术语建模为原子语义单元，从而能够生成具有更高临床一致性的高质量报告。为了促进生成报告的临床疗效评估，我们进一步开发了 MammoRGTool，这是一种专用的乳腺 X 光检查报告解析工具，可以从自由文本报告中提取结构化的临床信息。大量实验表明，MammoRG 在多个临床疗效指标上始终优于现有方法，特别是在诊断相关的 BI-RADS F1 中，它在内部、外部 1、外部 2 和 VinDr-Mammo 数据集上分别超过第二最佳模型 2.73%、2.04%、1.90% 和 3.27%。