研究用决策树从乳腺MRI掩码生成BI-RADS理由

Hrishikesh Singh等作者提出一种从乳腺MRI分割掩码生成BI-RADS描述符及自然语言理由的方法：按BI-RADS指南设计含8个节点的决策树，用影像组学等8项定量测量结合病灶大小与成分数量推导描述符，再由大语言模型生成理由。 在MAMA-MIA数据集全部1,506例的专家掩码与自动掩码上，共生成3,012条BI-RADS理由，作者报告忠实度99.98%、反事实准确率99.3%。作者称这些理由定位为供放射科医生审阅并最终签字的草稿，而非自主临床报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。