实体
IU-Xray
IU-Xray
PulseAugur coverage of IU-Xray — every cluster mentioning IU-Xray across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的RL框架REVA-PO提高了X射线报告生成的准确性
研究人员开发了REVA-PO，这是一个新颖的强化学习框架，旨在稳定用于从胸部X射线生成报告的模型训练。这种新方法通过根据响应质量动态调整正则化权重并定期将参考策略重置为强大的验证检查点来解决不稳定性问题。该框架还包括一个三阶段训练流程，包括监督微调和RL。在MIMIC-CXR和IU-Xray数据集上的评估显示，在语言质量和临床准确性方面都有显著改进，设定了新的最先进基准。
-
新型AI模型可自动生成胸部放射学报告
研究人员开发了RL-ACRGNet，这是一种新颖的深度学习模型，旨在自动生成胸部放射学报告。该模型在强化学习框架内利用DenseNet编码器和多级LSTM解码器来提高准确性和临床连贯性。RL-ACRGNet在IU-Xray和MIMIC-CXR等基准数据集上表现优于现有方法，在关键指标上显示出显著的量化改进。
-
RIHA Transformer 通过分层对齐放射科图像和报告，实现更好的生成效果
研究人员开发了RIHA，一个新颖的放射科报告生成框架，解决了将复杂视觉特征与医学报告的分层结构对齐的挑战。与先前将报告视为扁平序列的方法不同，RIHA在段落、句子和单词之间执行多级对齐。这种分层方法利用视觉特征金字塔和文本特征金字塔，通过跨模态分层对齐模块进行集成，实现了图像和文本之间更精确的映射。在IU-Xray和MIMIC-CXR等基准数据集上的实验表明，RIHA在自然语言生成和临床疗效方面均优于现有的最先进模型。