CliQ-RRG：两阶段问答式放射报告生成框架
热点事件持续更新
CliQ-RRG：两阶段问答式放射报告生成框架
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Chandravardhan Singh Raghaw 等作者提出两阶段框架 CliQ-RRG，用于生成问答式放射报告。第一阶段用疾病感知视觉-文本对齐模块，配合其称的 Prior-Guided Attention Module（PrAM）捕捉当前与既往扫描的多视图依赖；第二阶段以 GraphRAG 检索图结构临床证据，再由大语言模型重构为问答对与诊断摘要。 作者称该框架在两个公开胸部 X 光基准上于词汇与临床指标均持续优于既有方法，代码已公开，论文被 EMNLP Findings 2026 接收。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
CliQ-RRG：临床知识引导的疾病感知视觉-文本对齐，用于问答式放射报告生成报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.CLCliQ-RRG：临床知识引导的疾病感知视觉-文本对齐，用于问答式放射报告生成
CliQ-RRG 是一个两阶段框架，用于生成可解释、临床落地的问答式放射报告。第一阶段用疾病感知视觉-文本对齐模块，配合 Prior-Guided Attention Module（PrAM）捕捉当前与既往扫描的多视图依赖；第二阶段以 GraphRAG 检索图结构临床证据，再由大语言模型重构为简洁的问答对与诊断摘要。在两个公开胸部 X 光基准上，其在词汇与临床指标上均持续优于既有方法，代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。