ريحانه شاهرخيان

Report Generation for Chest X-Rays using Retrieva‎l Augmented Generation(RAG)

اين پروژه به توليد خودكار گزارش‌هاي پزشكي براي تصاوير اشعه ايكس قفسه سينه مي‌پردازد. هدف، طراحي سيستمي هوشمند است كه با بهره‌گيري از روش‌هاي پردازش زبان طبيعي و يادگيري عميق، گزارش‌هايي دقيق و معنادار ارائه دهد. يكي از چالش‌هاي اساسي در اين حوزه، استخراج اطلاعات باليني مرتبط از تصاوير و يكپارچه‌سازي آن‌ها در قالب متني روان است كه بتواند به عنوان يك ابزار كمكي براي متخصصان پزشكي مورد استفاده قرار گيرد. براي حل اين چالش، از سيستم RAG (Retrieva‎l-Augmented Generation استفاده شده است. در اين رويكرد، ابتدا مدل‌هاي زباني بزرگ براي بازيابي اطلاعات مرتبط از پايگاه‌هاي متني پزشكي به كار گرفته مي‌شوند و سپس مدل‌هاي مبتني بر معماري ترنسفورمر مسئول توليد گزارش نهايي هستند. تركيب اين دو مرحله امكان توليد گزارش‌هايي را فراهم مي‌آورد كه نه‌تنها از لحاظ دقت و انسجام زباني بهبود يافته‌اند، بلكه مي‌توانند اطلاعات پزشكي معتبر و مستند را در گزارش‌ها منعكس كنند. نتايج ارزيابي اوليه نشان مي‌دهند كه مدل توسعه‌يافته قادر است گزارش‌هايي با افزايش دقت حدود 3 درصد نسبت به كارهاي قبلي توليد كند كه از لحاظ خوانايي و صحت اطلاعات به گزارش‌هاي تهيه‌شده توسط متخصصان نزديك است. اين روش مي‌تواند به عنوان ابزاري كارآمد براي كمك به پزشكان در تحليل تصاوير پزشكي و مستندسازي يافته‌هاي باليني مورد استفاده قرار گيرد.

پردازش زبان طبيعي , توليد گزارش پزشكي , يادگيري عميق , توليد تقويب شده با بازيابي , اشعه ايكس قفسه سينه , ترنسفورمر