换一批
换一批摘要医学影像报告的自动生成可以减轻医生的工作强度,减少误诊或漏诊的情况发生.由于医学影像的独特性,通常病灶比较小,与正常区域灰度差异难以分辨,导致文本生成时关键词的缺失,报告不够准确.对此提出一种面向医学影像报告生成的门归一化编解码网络,通过门控通道变换单元优化视觉特征提取,加强特征间的差异,自动筛选关键特征;提出门归一化算法,沿通道维度整合上下文信息,在浅层网络激活、深层网络抑制通道间神经元活性,过滤无效特征,使文本和视觉语义充分交互,提高报告生成质量.在 2 种广泛使用的基准数据集IU X-Ray和MIMIC-CXR上的试验结果表明,模型能够取得先进的性能,生成的影像报告也具有更好的视觉语义一致性.
更多相关知识
关键词
医学影像处理文本处理特征提取信息融合通道编码深度学习报告生成器灰度差异medical image processingtext processingfeature extractioninformation fusionchannel codingdeep learningreport generatorgray difference
栏目名称
自然语言处理与理解
DOI
10.11992/tis.202207013
发布时间
2024-05-17
- 浏览0
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
