Breast Ultrasound Report Generation using LangChain

乳腺超声（BUS）是乳腺影像学领域中的重要诊断工具，有助于早期检测和表征乳腺异常。解读乳腺超声图像通常涉及创建包含重要信息以迅速评估患者病情的全面医疗报告。然而，超声成像系统需要捕捉多个部位的多张图像来编制单个报告，这是一个耗时的挑战。为了解决这个问题，我们提出了通过 LangChain 使用大型语言模型（LLM）将多个图像分析工具集成到乳腺报告过程中的方法。通过指定工具和通过 LangChain 生成文本的组合，我们的方法可以准确提取超声图像的相关特征，将其在临床上下文中进行解释，并生成全面且标准化的报告。这种方法不仅减轻了放射科医师和医疗保健专业人员的负担，还增强了报告的一致性和质量。广泛的实验表明，所提出的方法中涉及的每个工具都可以提供定性和定量显著的结果。此外，对生成的报告进行的临床评估表明，所提出的方法可以以临床意义的方式进行报告。

本篇论文试图解决Breast ultrasound（BUS）报告生成过程中的时间成本和标准化问题。

通过使用LangChain和大型语言模型（LLM）将多个图像分析工具整合到报告生成过程中，从而减轻放射科医生和医疗保健专业人员的负担，并提高报告的一致性和质量。

论文使用了多个图像分析工具和LangChain，从而生成了准确和标准化的BUS报告。实验结果表明，该方法在定量和定性方面都有显著的结果。该方法还通过临床评估证明了其在临床上的意义。

最近的相关研究包括：'Breast ultrasound classification using deep neural networks: A systematic review'和 'Deep learning for breast cancer diagnosis: A comparative review'。