基于多特征自适应增强融合的放射学报告生成模型SAENet研究

为解决放射学报告中全局与局部特征利用不足的问题，研究人员提出分层自适应增强网络(SAENet)，通过特征金字塔网络(FPN)分层融合语义与细节特征，结合多头注意力机制(MHA)动态增强关键区域表征。实验表明，该模型在IU X-ray数据集上性能提升7.9%，为临床辅助诊断提供高效工具。

　　

在医疗影像诊断领域，放射学报告是医生决策的核心依据，但人工撰写耗时且易受经验限制。尽管深度学习技术已在图像描述生成中取得进展，但直接应用于医学影像时面临两大挑战：一是病灶区域通常仅占图像极小部分，全局特征提取易忽略关键细节；二是现有模型多依赖预训练视觉特征，质量波动直接影响报告生成效果。针对这些问题，国内研究人员提出创新性解决方案。

研究团队开发了分层自适应增强网络(Stratified Adaptive Enhanced Net, SAENet)，其核心技术包括：1) 采用特征金字塔网络(Feature Pyramid Network, FPN)分层提取并融合多尺度特征，兼顾高层语义与底层细节；2) 设计基于多头注意力机制(Multi-Head Attention, MHA)的自适应增强模块，动态强化关键区域表征；3) 在IU X-ray和Peir Gross两个公开数据集上验证模型性能。

Related work
现有研究多从文本或跨模态角度改进报告生成，如Liu等通过异常区域检测减少视觉偏差，Chen等利用关系记忆存储医学模式信息。但这些方法未从根本上优化视觉特征质量，当输入特征较差时模型性能受限。

Proposed methodology
SAENet采用编码器-解码器结构，特征提取阶段通过FPN分离各层特征并横向融合，使特征同时包含器官整体信息和病灶细节。自适应增强模块通过MHA机制重新加权特征，实验证明该设计能有效聚焦关键区域。

Experimental details and evaluation metrics
在IU X-ray数据集上的测试显示，SAENet的BLEU-1指标优于基线模型7.9%，证明分层融合策略能显著提升生成报告与标准文本的词汇匹配度。特别是对微小病灶的描述准确性有明显改善。

Conclusion
该研究首次系统性地从视觉模态优化角度提升放射学报告生成质量。SAENet的创新性在于：1) 通过FPN实现医学图像多尺度特征的自适应融合；2) 利用注意力机制模拟放射科医师的病灶聚焦行为。这不仅为AI辅助诊断提供新思路，其分层特征增强策略也可迁移至其他医学影像分析任务。

CRediT authorship contribution statement
Yongzhong Cao负责方法论设计与论文撰写，Hongwei Ding完成验证与软件开发，Yiyang Zhang参与数据 curation，Yuwen Hei协助算法实现。所有作者声明无利益冲突。

Ethical review
研究使用公开匿名数据集，未涉及人体或动物实验，符合学术伦理规范。该成果发表于《Computers in Biology and Medicine》，为医学人工智能领域提供了可解释性强的特征优化范式。