자동 방사선 보고서 생성(RRG)은 방사선 전문의의 업무 부담을 완화하면서도 임상적으로 정확한 보고서를 보장하는 것을 목표로 한다. 그러나 기존 방법은 두 가지 근본적인 한계가 있다. 의료 데이터셋에서의 정상(정상 소견) 편향과, 다중 스케일 시각 특징의 정적인 활용이다. 이를 해결하기 위해 본 연구는 두 가지 핵심 구성요소를 갖는 새로운 프레임워크를 제안한다. 첫째, 이미지 특징을 융합하되 정상 편향을 완화하는 이상 병변 인지 지식 그래프(AAKG)를 구성한다. 둘째, LLM 디코더 내에 계층적 크로스-어텐션(HCA) 메커니즘을 도입하여 단어 생성과 정렬된 전역 및 국소 특징을 동적으로 선택한다. MIMIC-CXR 및 IU X-Ray 데이터셋에서의 실험 결과, 본 모델은 여러 지표 전반에서 최첨단 성능을 달성함을 보여준다. 특히 MIMIC-CXR에서는 기준선 대비 임상적 유효성 F1 점수를 9.67% 향상시켜 향상된 임상적 신뢰성을 객관적으로 검증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.