编辑推荐：
针对放射学报告自动生成中数据偏差导致疾病描述被正常区域掩盖的问题，研究人员提出标签知识引导 Transformer（LKGT）模型，集成多特征提取（MFE）和双分支协同注意力（DCA）模块。实验表明，模型在 IU X-Ray 和 MIMIC-CXR 数据集上性能达 SOTA，显著提升报告质量。
在医学影像与人工智能交叉领域，放射学报告自动生成技术正经历从实验室走向临床的关键突破。随着全球老龄化加剧，放射科医生面临海量影像解读与报告撰写压力，尤其对于经验不足的医师，精准描述影像中的异常病变极具挑战。当前主流模型虽借鉴图像字幕生成框架，但放射学报告特有的数据偏差问题（正常区域描述占比过高，疾病特征被掩盖）导致生成内容难以聚焦关键病理信息。如何让算法 “慧眼识病”，而非 “平均用力”，成为制约该技术落地的核心瓶颈。
为攻克这一难题，国内研究团队开展了深入探索。他们聚焦胸部 X 线影像这一最常见临床场景，针对数据偏差导致的疾病特征捕捉不足问题，提出了标签知识引导 Transformer（Label Knowledge Guided Transformer, LKGT）模型，相关成果发表在《Computer Methods and Programs in Biomedicine》。该研究通过优化医学标签的提取与利用机制，显著提升了模型对异常特征的敏感度，为自动化报告生成技术注入了新动能。
研究团队采用的核心技术方法包括：
- 多特征提取模块（Multi Feature Extraction, MFE）：结合医学知识图与特征聚类算法，从标签信息的预测与编码双路径优化特征提取，减少冗余标签干扰；
- 双分支协同注意力模块（Dual-branch Collaborative Attention, DCA）：通过并行注意力机制独立计算视觉特征与标签特征，避免直接融合导致的信息失衡，实现两类特征的动态平衡。
研究结果
数据与评估
研究基于 IU X-Ray（7470 例胸部 X 线影像，含 3955 份报告）和 MIMIC-CXR（目前最大放射学报告数据集）开展实验，采用 6 项自然语言生成（Natural Language Generation, NLG）评估指标。
模型性能
实验显示，LKGT 模型在两项数据集上均实现 SOTA（State-of-the-Art，最先进）性能：与基线模型相比，在 IU X-Ray 数据集上平均提升 23.3%，在 MIMIC-CXR 数据集上平均提升 20.7%。具体而言，模型在捕捉 “肺纹理增粗”“结节影” 等异常关键词的召回率与准确率上显著优于传统方法，证明其对疾病特征的聚焦能力。
模块有效性验证
通过消融实验（Ablation Study）发现，MFE 模块的医学知识图集成使标签特征的语义丰富度提升 18%，而 DCA 模块的并行注意力机制使视觉 - 标签特征对齐效率提高 25%，二者协同作用是模型性能突破的关键。
结论与讨论
LKGT 模型通过 “标签知识引导” 的创新架构，有效缓解了放射学报告生成中的数据偏差问题，其核心贡献体现在：
- 设计新型双模块架构，实现标签特征的精细化提取与多模态特征的均衡利用；
- 引入医学知识图增强标签语义表征，为领域知识融入深度学习模型提供了新思路；
- 在大规模公开数据集上的优异表现，验证了模型在真实临床场景中的应用潜力。
尽管模型目前仅针对胸部 X 线影像，且需依赖高质量标注数据，但作为辅助诊断工具，其在提升报告生成效率与准确性方面已展现显著价值。未来研究可进一步拓展至 CT、MRI 等多模态影像，并探索少样本学习场景下的模型泛化能力。该工作为医学影像智能分析领域提供了重要方法论参考，有望推动人工智能在精准医疗中的深度应用。
