Clinical Consensus Selection

新框架提高放射学报告生成质量

研究人员推出了一种名为临床共识选择（CCS）的新型框架，旨在提高多模态大语言模型（MLLMs）生成的放射学报告的质量。该方法在推理时运行，采样多个候选报告，并选择临床共识度最高的报告。CCS 集成了基于文本的实用工具和一个在图像-报告数据上训练的专用多模态嵌入器，以超越简单的文本相似性来衡量一致性。在各种数据集和 MLLMs 上的实验表明，CCS 在临床指标上始终优于标准解码方法和通用基线，显示出在改进放射学报告生成方面具有巨大潜力。