Prompt-Guided Generation of Structured Chest X-Ray Report Using a Pre-trained LLM

医疗报告生成自动化从影像中提取放射学描述，减轻了医生的负担并最小化了错误。然而，当前的方法缺乏结构化输出和医生交互，无法提供清晰、临床相关的报告。我们的方法引入了一种提示引导的方法，使用预训练的大型语言模型（LLM）生成结构化的胸部X线报告。首先，我们识别胸部X线中的解剖区域，生成侧重于关键视觉元素的句子，从而建立以解剖学为基础的结构化报告基础。我们还将检测到的解剖学转化为文本提示，传达解剖学理解给LLM。此外，临床背景提示指导LLM强调交互性和临床要求。通过整合侧重于解剖学的句子和解剖学/临床提示，预训练的LLM可以生成针对提示的解剖区域和临床背景量身定制的结构化胸部X线报告。我们使用语言生成和临床有效性指标进行评估，表现出强大的性能。

论文旨在解决医学影像报告自动生成的结构化输出和医生交互性不足的问题，提出一种基于大型语言模型的结构化胸部X射线报告生成方法。

通过识别胸部X射线中的解剖区域，生成以关键视觉元素为中心的句子，建立基于解剖学的句子结构，同时将检测到的解剖学转换为文本提示，引导语言模型生成与解剖区域和临床背景有关的结构化报告。

论文使用大型语言模型生成结构化胸部X射线报告，通过语言生成和临床有效性指标进行评估，表现出良好的性能。实验使用的数据集和开源代码也值得关注。

近期的相关研究包括：《A Survey on Deep Learning Techniques for Image and Video Analysis in Medical Applications》、《Automated Radiology Reports: A Comprehensive Review》等。