电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月7日
]
标题: 基于关联疾病感知的视觉标记记忆激活用于基于大语言模型的X光报告生成
标题: Activating Associative Disease-Aware Vision Token Memory for LLM-Based X-ray Report Generation
摘要: 基于X射线图像的医学报告生成在大型语言模型的帮助下近年来取得了显著进展,然而,这些模型尚未充分挖掘视觉图像区域中的有效信息,导致生成的报告在语言上通顺但对关键疾病的描述不足。 在本文中,我们提出了一种新颖的关联记忆增强型X射线报告生成模型,该模型能够有效地模拟专业医生撰写医学报告的过程。 它同时考虑了全局和局部视觉信息的挖掘,并关联历史报告信息以更好地完成当前报告的撰写。 具体来说,给定一张X射线图像,我们首先利用分类模型及其激活图来完成与疾病高度相关的视觉区域的挖掘和疾病查询标记的学习。 然后,我们采用视觉霍普菲尔德网络来建立与疾病相关的标记的记忆关联,并采用报告霍普菲尔德网络来检索报告记忆信息。 这一过程促进了基于大型语言模型的高质量报告生成,并在多个基准数据集上实现了最先进的性能,包括IU X-ray、MIMIC-CXR和Chexpert Plus。 本工作的源代码发布在 \url{https://github.com/Event-AHU/Medical_Image_Analysis}.
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.