病变感知视觉语言正则化架构

无需重训,约束临床风格

通过解剖优先的特征放大和语言正则化,在不重新训练LLM的情况下生成符合放射学规范的报告。

Tu, Yunbin · Zhu, Yingying · 万亮 · Jin, Qun · Ma, Jianhua

Medical Image Analysis 2026

参数信息

数据集
3
数据集
2

技术优势

病灶不被背景淹没

利用胸部掩膜作为显式视觉上下文,放大胸区信噪比,引导编码器优先关注病灶相关语义。

不改架构就合规范

注入实体级术语和摘要级报告模板,建立结构性护栏,无需重新训练LLM即可遵守放射学规范。

临床指标更占优

在MIMIC-CXR和CheXPlus上,临床导向的自动指标表现出一致优势,证明生成内容更贴近临床需求。

应用场景