雾/边缘意识状态空间模型用于多任务胸部X射线报告生成和损伤检测
IEEE journal of biomedical and health informatics
|February 25, 2026
概括
使用状态空间模型 (SSM) 的新人工智能 (AI) 框架改善了医疗报告生成和胸部X射线异常检测. 这些人工智能解决方案为放射科医生提供了更高的效率和准确性.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 计算机视觉和自然语言处理
背景情况:
- 目前用于放射学的人工智能系统在建模远程依赖性方面面临着计算成本和效率方面的挑战.
- 自动化医疗报告生成和异常检测是放射学AI的关键领域.
研究的目的:
- 提出基于新型状态空间模型 (SSM) 的框架,用于增强医疗报告生成和胸部放射图中异常局部化.
- 在计算成本和效率方面解决现有的AI模型的局限性.
主要方法:
- 开发了两个框架:MambaXray-CTL用于报告生成和MambaXray-MTL用于统一的报告生成和异常局部化.
- 集成了一个基于Mamba的轻量级视觉编码器与一个大型语言模型 (LLM) 解码器.
- 采用多阶段的对比学习来调整视觉和文本表示.
主要成果:
- 在IU X-ray和CheXpertPlus数据集上,MambaXray-CTL实现了最先进的性能,在效率方面超过了视觉变压器模型.
- MambaXray-MTL证明了有效的统一报告生成和准确的异常局部化.
- 提出的方法显著降低了计算开销.
结论:
- 将状态空间模型与对比学习相结合,为胸部放射分析提供了高效,可解释和可部署的AI解决方案.
- 开发的框架显示了在诊断放射学中转变AI应用的重大前景.


