CheXbert-F1

SemEnrich 方法增强了用于视觉-语言学习的放射学报告数据集

研究人员开发了 SemEnrich，一种用于改进放射学报告视觉-语言学习数据集的自监督方法。该技术使用语义聚类来丰富报告中的阳性或中性观察结果，解决了现有数据集中普遍存在的负面发现偏见。该方法在 COMET、Bert score、Sentence Bleu、CheXbert-F1 和 RadGraph-F1 等各种指标上均表现出持续的性能提升。通过将语义聚类信息整合到 GRPO 训练的奖励设计中，进一步实现了增强。