2025_NIPS_CURV: Coherent Uncertainty-Aware Reasoning in Vision-Language Models for X-Ray Report G...

CURV 论文核心总结与翻译

一、主要内容

本文针对胸部X光（CXR）报告生成中视觉语言模型（VLMs）缺乏诊断不确定性建模和透明推理过程的问题，提出了名为CURV的新型框架。该框架通过三阶段训练流程（不确定性感知微调、推理初始化、强化学习），实现了兼具临床准确性、不确定性表达合理性和推理透明性的放射学报告生成。

核心目标是解决医疗报告生成的独特挑战：区分并建模“结构不确定性”（特定视觉发现的不确定性）和“语义不确定性”（整体诊断结论的不确定性），同时构建从影像发现到临床印象的明确推理链路。实验基于MIMIC-CXR数据集，结合自定义的不确定性标注数据集（112,111样本）和TRACE-CXR推理数据集（2,000样本），验证了CURV在文本质量（BLEU、METEOR等）和临床准确性（CheXbert、RadGraph F1等）指标上显著优于现有模型，且在分布外数据集（IU X-ray）上表现出良好的泛化能力。

二、创新点

1. 系统性不确定性建模：首次明确区分结构不确定性（特定发现层面）和语义不确定性（诊断结论层面），通过标注数据集微调与不确定性校准奖励机制，使模型能生成符合临床规范的不确定性表达（如“likely”“may”）。
2. 结构化推理框架：设计“发现-思考-印象”（Findings-Thinking-Impression）三段式报告结构，依托自定义的TRACE-CXR数据集初始化推理能力，让模型生成连接影像观察与临床结论的中间推理步骤，提升报告透明度。