概念RRG / Radiology Report Generation
放射学报告生成
利用深度学习模型自动分析医学影像（如胸部X光、CT）并生成结构化文字报告的任务，核心价值在于纵向对比患者多次检查记录，识别病灶变化
时间轴 (近 90 天)
10月8日
常用的RRG评测指标包括BLEU、ROUGE、CIDEr等自然语言生成指标，以及F1 RadGraph、BERTScore等临床准确性度量
待验证50%
10月8日
通用大语言模型和多模态大模型直接套用到放射学专业化场景时难以精准捕捉医学影像特征与报告术语的对应关系
待验证50%
9月21日
TALON是一个具备时序感知能力的纵向放射学报告生成框架，能够自适应地整合可变长度的患者病史，而不受限于固定长度的历史窗口
待验证50%
9月21日
目前主流的RRG模型大多只依据单次检查，或最多参考最近一次既往检查来生成报告，限制了准确的纵向对比
待验证50%
9月21日
近期引入多次既往检查的方法通常只是简单聚合固定长度的历史记录，未在融合前明确建模每次既往检查的角色相关性
待验证50%
全部知识事实 (5)
待验证
常用的RRG评测指标包括BLEU、ROUGE、CIDEr等自然语言生成指标，以及F1 RadGraph、BERTScore等临床准确性度量
50%待验证通用大语言模型和多模态大模型直接套用到放射学专业化场景时难以精准捕捉医学影像特征与报告术语的对应关系
50%待验证TALON是一个具备时序感知能力的纵向放射学报告生成框架，能够自适应地整合可变长度的患者病史，而不受限于固定长度的历史窗口
50%待验证目前主流的RRG模型大多只依据单次检查，或最多参考最近一次既往检查来生成报告，限制了准确的纵向对比
50%待验证近期引入多次既往检查的方法通常只是简单聚合固定长度的历史记录，未在融合前明确建模每次既往检查的角色相关性
50%