论文解读 · 2026年10月23日
ViBMR：面向越南语诊断报告生成的大规模多序列脑部MRI数据集及综合评估
ViBMR: A Large-Scale Multi-Sequence Brain MRI Dataset and Comprehensive Evaluation for Vietnamese Radiology Report Generation
构建了与真实医院越南语诊断报告配对的多序列脑部MRI数据集，并按编码器、序列和融合策略给出了报告生成基线。
问题
脑部 MRI 报告生成数据以英语为主。此外，很多数据是在分割数据集上事后补写报告，与医院实际的阅片流程不同。此前没有以越南语这类低资源语言撰写的真实临床报告数据。
方法
研究在越南一家三级医院收集了 3,649 名患者、11,875 个 MRI 序列。序列包括 T1、T2、FLAIR 和增强 T1，并从去标识化的报告中提取所见（findings）部分作为标准答案。体数据被重采样为 1mm 各向同性，并用 HD-BET 只保留脑区。研究使用经分割预训练的 M2FTrans、mmFormer 编码器提取各序列的特征，再通过平均、可学习权重、空间·通道门控、交叉注意力等方式融合，输入 LLM 解码器。研究问题有 4 个：与 MR-RATE 之间的跨数据集差距、分割预训练编码器的效果、融合策略的比较，以及序列组合的影响。
结果
- 在序列构成上，T1·T2·FLAIR 组合最多，有 2,411 例。四种序列齐全的检查有 939 例，T2·FLAIR·增强 T1 组合有 283 例。
- 所见呈长尾（long-tail）分布。小血管病最常见，其次是鼻窦黏膜增厚、脑梗死和出血。一份报告中常同时出现多个部位的多种所见。
- 作者通过实验报告称，要稳定生成越南语原生报告，需要以该语言撰写的真实临床数据集。不过，所提供的正文中没有包含具体数值。
局限
数据来自单一医院，推广到其他机构和设备存在局限。没有分割标注，只把报告中的所见部分作为标准答案。序列构成不均衡，罕见所见的样本较少。数据集计划仅供非商业研究使用。所提供的正文在实验结果之前被截断，因此本评述未能收录模型性能比较的具体数值。
意义
这项研究表明，在低资源语言的医疗 AI 中，需要基于真实临床报告的数据，而不是翻译或改写的报告。它还为如何融合多序列 MRI 提供了基线。
关键术语
- 多序列 MRI
- 指像 T1、T2、FLAIR、增强 T1 这样，以不同成像条件获得的多组影像。它们提供水肿、病灶、强化等不同信息，彼此互补。
- 影像报告生成（Radiology Report Generation）
- 输入医学影像，自动生成放射科医生所写所见文字的任务。
- 模态融合（Fusion）
- 把各序列提取的特征，通过平均、加权、门控、注意力等方式合并为一个 Representation 的过程。
原文
作者: Dai Lam Le, Minh Khoi Nguyen, Son Dinh Nguyen, Amir Reza Jafari, Viet Ha, Nguyen Son, Reza Farahbakhsh, Noel Crespi, 等 · 发布 2026-10-21 · 许可 arXiv 비독점 배포 라이선스 · 基于全文分析
本解读是 AI 阅读论文后撰写的摘要，请以论文原文为准。