arXiv cs.CL· Houman Kazemzadeh, Kamyar Naderi·· 10 小时前AI 评分10
证据关联的放射学报告：面向结构化影像智能的人类监督参考架构（论文已撤回）
Evidence-Linked Radiology Reporting: A Human-Supervised Reference Architecture for Structured Imaging Intelligence
AI 导读
一篇提出人类监督、证据关联的结构化放射学报告参考架构的 arXiv 预印本已被作者撤回。该架构整合检查专用模板、语音转结构化处理、测量与分割捕获、受控 AI 辅助起草，并基于 DICOM、HL7 FHIR、RadLex、SNOMED CT 等标准实现互操作，定位为企业影像的结构化智能层而非自主报告生成器。作者称撤回源于项目组织与协作安排变化，属预防性决定，不代表发现科学错误。
正文 · AI 翻译
本文已被 Houman Kazemzadeh PharmD 撤回
摘要：放射学报告仍然是向临床团队传达影像发现的主要机制。然而，这些报告背后的大量结构化信息，包括测量值、图像证据、既往对比、病灶身份、不确定性和术语，往往被困在自由文本中，或分散在图像归档与通信系统、放射学信息系统、报告工作站、工作表、高级可视化工具和电子健康记录中。本文提出了一种人工监督、证据关联的结构化放射学报告参考架构。该框架结合了检查专用模板、语音到结构化处理、测量与分割捕获、受控的 AI 辅助起草，以及基于 DICOM、DICOM 结构化报告、DICOM 分割、HL7 FHIR、RadLex、SNOMED CT、LOINC 和 UCUM 的标准化互操作性。该系统定位为企业影像的结构化智能层，而非自主报告生成器，支持经审核的报告、纵向对比、临床数据复用、治理，以及与 PACS、RIS、EHR、分析和注册工作流的集成。本文还讨论了针对特定模态的部署考虑、临床安全风险、验证要求、网络安全、隐私、质量管理和 AI 辅助放射学报告系统的监管边界。
| 评论： | 鉴于底层项目的组织和协作安排发生变化，作者决定按当前形式撤回本预印本。这是关于稿件继续传播的预防性决定，并不表示发现了任何科学错误 |
| 主题： | 计算与语言 (cs.CL)；人工智能 (cs.AI)；人机交互 (cs.HC) |
| 引用为： | arXiv:2605.25120 [cs.CL] |
| （或 arXiv:2605.25120v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.25120 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Houman Kazemzadeh PharmD [查看电子邮件]
[v1]
2026年5月24日星期日 15:07:14 UTC (555 KB)
[v2]
2026年11月5日星期四 20:06:32 UTC (1 KB) （已撤回）
来源：arXiv cs.CL · arxiv.org