CCF广东工业大学学生分会举办“医学报告生成现状与未来”学术讲座

CCF广东工业大学学生分会于2023年4月28日（星期五）上午10:00成功举办了主题为“医学报告生成现状与未来”的学术讲座。这场精彩讲座的报告人是广东工业大学计算机学院的黄国恒副教授，其主要研究方向是计算机视觉、模式识别和人工智能等，尤其对行人重识别（Person Re-identification）、步态识别（Gait Recognition）、姿态估计（Pose Estimation）、行为识别（Action Recognition）、图像与视频描述（Image and Video Captioning）、生成式对抗网络（Generative Adversarial Networks）以及医学图像处理（Medical Image Processing）等领域感兴趣。黄教授已主持和参与多项国家和省部级科研项目，包括国家自然科学基金和国家重点研发计划等，以第一作者或者通讯作者发表49篇SCI论文，申请发明专利58项，其中授权18项，授权软件著作权27项。同时作为核心成员参与广东省信息物理融合系统重点实验室建设。

在本次讲座中，黄教授首先对一个全面的医学报告生成算法进行回顾。自动生成医疗影像报告技术是指把海量的影像诊断报告与医疗影像作为基础数据源，通过机器学习与深度学习进行相关特征提取与分析，并生成结构化的诊断报告，这是影像图像与NLP技术的结合。在实际工作中，对于临床医生来说，撰写清晰、正确、简洁、完整和连贯的医学报告是一项繁琐的任务。然而，对于放射科医生来说，这项任务的工作量更大。虽然人工智能算法已经被广泛应用于医学图像的诊断中，但它们无法自动生成医学报告。因此，近年来研究人员对报告自动生成方法进行了大量研究。

接着，黄教授先介绍了各种相关数据集，包括OPenI、ChestX-Ray、MIMIC- CXR、Padchest等，以及最新的报告生成方法、评估指标及其结果的信息。随后，详细分类和讨论了基于深度学习的自动生成胸片报告的技术，包括卷积神经网络（CNN）、递归神经网络（RNN）等。此外，黄教授还介绍了使用注意力机制、强化学习和对比学习等技术提高报告生成效果的方法。

讲座尾声，黄教授展望了大模型语言预处理模型与医学报告生成的结合。例如，通过使用预训练语言模型（如BERT和GPT）进行报告生成，可以显著提高生成报告的质量和连贯性。此外，还探讨了使用对抗生成网络（GAN）和强化学习等技术来进一步优化自动生成报告的过程。

自动生成医学报告是一个非常有前途的研究领域。通过使用深度学习、知识图谱和预处理语言模型等技术，可以期待在未来有更加准确、快速和可靠的医学报告自动生成系统的出现，从而为临床医生减轻工作负担，提高诊断效率和准确性。

至此，讲座圆满结束，感谢黄国恒副教授分享的精彩学术讲座！