论文用BI-RADS决策树从分割掩膜生成可核对的依据草稿。
资讯摘要
论文提出一种从乳腺DCE-MRI分割掩膜推导BI-RADS描述符并生成自然语言依据的框架：依据BI-RADS指南设计含八个节点的决策树，用影像组学等八项定量测量及病灶大小、组件数确定描述符，再由大语言模型生成仅表达决策树记录的文本。作者在MAMA-MIA数据集1,506例的专家与自动掩膜上生成3,012条依据，报告忠实度99.98%、反事实准确率99.3%；专家与自动掩膜描述符一致性随掩膜质量从Good到Missed由0.832降至0.549。生成文本定位为供放射科医生审核的草稿。
要点速读
- 论文以BI-RADS指南构建八节点决策树，用影像组学测量、病灶大小和组件数确定描述符。
- 在MAMA-MIA数据集1,506例上生成3,012条BI-RADS依据，报告忠实度99.98%、反事实准确率99.3%。
- 专家与自动掩膜的描述符一致性随掩膜质量下降从0.832降至0.549。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。