ARIVE
解剖引导的放射学报告生成框架,通过交错进行解剖区域视觉检查与诊断推理,生成可追溯的多模态思维链,提升报告可解释性与临床有效性。
时间轴 (近 90 天)
ARIVE(Anatomy-guided Reasoning with Interleaved Visual Evidence)是一个将解剖区域检查与诊断推理交错进行的放射学报告生成框架。
研究团队从 MIMIC-CXR 数据集中构建了 159,416 条多模态思维链轨迹,每条轨迹包含被检查解剖区域的视觉证据及其对应的临床解释。
ARIVE 模型在构建的多模态思维链轨迹上训练,并进一步用解剖学奖励和临床内容奖励进行优化。
在 MIMIC-CXR 和 MIMIC-ABN 两个数据集上,ARIVE 的临床有效性指标均优于强基线模型。
专家盲评结果显示,ARIVE 生成的报告与领先模型的报告相比具有竞争力。
ARIVE 的多模态思维链轨迹在诊断可追溯性上获得了高评分,评审者能够沿着推理链回溯报告结论的来源。
一项配对审查评估显示,当评审者可以访问 MCoT 时,他们更容易识别生成报告中的错误。
当前对 ARIVE 的评估仍集中在 MIMIC 系列数据集上,真实临床场景中的多样性和噪声水平可能带来新的挑战。
全部知识事实 (8)
ARIVE(Anatomy-guided Reasoning with Interleaved Visual Evidence)是一个将解剖区域检查与诊断推理交错进行的放射学报告生成框架。
50%待验证研究团队从 MIMIC-CXR 数据集中构建了 159,416 条多模态思维链轨迹,每条轨迹包含被检查解剖区域的视觉证据及其对应的临床解释。
50%待验证ARIVE 模型在构建的多模态思维链轨迹上训练,并进一步用解剖学奖励和临床内容奖励进行优化。
50%待验证在 MIMIC-CXR 和 MIMIC-ABN 两个数据集上,ARIVE 的临床有效性指标均优于强基线模型。
50%待验证专家盲评结果显示,ARIVE 生成的报告与领先模型的报告相比具有竞争力。
50%待验证ARIVE 的多模态思维链轨迹在诊断可追溯性上获得了高评分,评审者能够沿着推理链回溯报告结论的来源。
50%待验证一项配对审查评估显示,当评审者可以访问 MCoT 时,他们更容易识别生成报告中的错误。
50%待验证当前对 ARIVE 的评估仍集中在 MIMIC 系列数据集上,真实临床场景中的多样性和噪声水平可能带来新的挑战。
50%