提出了一种文本/图像深度学习系统，通过融合自然语言处理技术相互作用，在病人扫描图像中生成语义标签，预测辐射学水平中的语义主题并自动生成关键词。

May, 2015

本研究提出一种基于循环伪任务优化的框架，用于联合挖掘深度CNN特征和图像标签，并对大规模医学图像注释和无监督场景识别等应用进行了验证。

Jan, 2017

本文提出了基于Text-Image Embedding网络的自动标注框架和胸透报告系统，利用临床自由文本的先验知识，结合卷积循环神经网络的多层注意力模型，对图像和文本进行嵌入和分类，并在未标记数据上相对于现有技术取得了更好的分类结果（平均AUC增加6%）。

Jan, 2018

本文介绍了RadGraph数据集，这是一个基于新的信息提取模式设计的全文胸部X射线放射学报告中实体与关系的数据集。作者还发布了与之相关的开发、测试和推理数据集，并训练了一个深度学习模型——RadGraph Benchmark，该模型在MIMIC-CXR和CheXpert测试集上分别达到0.82和0.73的微F1得分。这些数据集可用于医疗自然语言处理、计算机视觉和多模态学习等领域的研究。

Jun, 2021

本文介绍了如何利用人工智能工具对两个计算机断层影像数据集中的胸部器官进行自动标注，从而丰富了国家癌症研究所影像数据共享平台中的数据资源，并伴随云端笔记本进行演示说明，以加强公共科研数据的可访问性和可用性。

May, 2023

传统DICOM数据管理系统无法处理机器学习算法所需的数据规模和复杂性，本论文介绍了一种创新的数据整理工具，旨在简化大规模医学影像数据集的组织、管理和处理，满足放射科医生和机器学习研究人员的需要，并在RACOON下进行集成。

Sep, 2023

介绍了一个包含609个注释放射学报告的语料库，用于医学影像诊断，利用两种基于BERT的架构，提取事件信息和规范化概念，为二次应用提供结构化的语义表示。

Mar, 2024

该研究介绍了一种通过自动索引和语义增强来提高临床CT图像系列的可发现性、可访问性、可互操作性和可重用性的方法，使用HL7 FHIR资源对元数据进行标准化，以提供医学影像数据的易发现性并促进互操作性，为医疗人工智能应用的大规模集成和索引提供了基础。

Jun, 2024

通过提取高质量的事实陈述来改善文本编码器的表示并提高在各种下游任务中的性能，研究文章介绍了一种针对医学领域等专业领域中表征学习的新颖两阶段框架。

Jul, 2024

通过对14个医学影像和放射学报告数据集进行综合评估，我们发现Gemini系列模型在报告生成和病灶检测方面表现出色，但在疾病分类和解剖学定位方面面临挑战；相反，GPT系列模型在病灶分割和解剖学定位方面表现出色，但在疾病诊断和病灶检测方面遇到困难。虽然这两种模型在减轻医生工作负担、缓解有限医疗资源压力以及促进临床从业者与人工智能技术之间的合作方面都有潜力，但在临床应用之前，还需要进行实质性的改进和全面的验证。

Jul, 2024