BrainDiff：多模态脑 MRI 的纵向报告生成

神经放射学家很少单独阅读脑部 MRI，但自动脑部 MRI 报告生成几乎完全是为单一研究而构建的。时间分析已在胸部 X 线摄影和胸部 CT 上进行了探索，但据我们所知，脑 MRI 的纵向报告（其间隔变化通常是微妙的且空间分布的）仍未得到解决。我们推出了 BrainDiff，这是第一个用于脑部 MRI 的纵向视觉语言系统。 BrainDiff 在相同患者对上的表现优于前沿通用和单一研究神经影像模型。此外，BrainDiff 在外部跨医院队列中保留了 91% 的内部 RadGraph-XL 实体+关系 F1 (rg_er)。除了系统之外，我们还提供了三项分析。首先，我们确定了两个独立的基础杠杆：一个具有先前报告退出的反事实目标，这将测量图像的可靠性增加了约 47％，以及一个分阶段的课程。总之，这些干预措施将图像依赖度从基线提高了 2.5 倍。其次，我们提供了先前报告可用性和图像身份的阶乘，隔离了 +0.0387 rg_er 的视觉贡献，当先前报告被保留时，该视觉贡献会增加。第三，对候选骨干网的廉价变化解码性测试表明，间隔变化的可解码性比单一研究病理学弱得多（0.60 vs. 0.77 AUROC）。代码可在 https://github.com/jhuldr/BrainDiff 上公开获取。