Übergangsbewusstes Best-of-N-Sampling für longitudinale Thorax-Röntgenberichte

Zusammenfassung

In der klinischen Längsschnittpraxis wird jede Thorax-Röntgenaufnahme im Kontext der vorherigen Untersuchung des Patienten beurteilt, und ein Großteil dessen, was der Radiologe mitteilt, ist die Veränderung von einem Besuch zum nächsten. Unseres Wissens nach stellen wir das erste trainingsfreie Best-of-N-Sampling-Schema für vortrainierte Generatoren von Thorax-Röntgenbefunden vor, das explizit diesen longitudinalen Übergang von der Vorgeschichte zum aktuellen Zustand berücksichtigt. Wir nennen es übergangsbewusstes Best-of-N-Sampling: Jeder Befund wird in Sätze aufgeteilt und als ungeordnete Menge im Rd eingebettet; jedes Paar (vorheriger, aktueller) wird über einen Mengen-zu-Mengen-Abstand, der die Änderung zwischen den beiden Mengen kodieren soll, auf einen Richtungsvektor fester Dimension reduziert; und Kandidaten werden anhand des Kosinusabstands zwischen ihrem Kandidaten-Übergangsvektor und einem zwischengespeicherten Pool von Ground-Truth-Trainings-Übergangsvektoren bewertet, die als Minimum oder kNN aggregiert werden. Wir instantiieren das Framework mit vier gerichteten Mengenabständen (Mean-Shift, Novelty-Residuum, gerichteter Hausdorff-Anker und kostengewichteter optimaler Transport) und evaluieren es an einer Multi-Visit-AP-PA-Kohorte, wobei wir die Inferenz unter drei Prompts auf drei Bild-Text-Generatoren durchführen. Übergangsbewusstes Best-of-N übertrifft die zufällige Auswahl durchgängig, mit den größten relativen Gewinnen im Abschnitt "Impression".

English

In longitudinal clinical practice, every chest X-ray is read in the context of the patients prior exam, and much of what the radiologist communicates is the change from one visit to the next. To the best of our knowledge, we present the first training-free best-of-N sampling scheme for pre-trained chest X-ray report generators that is explicitly aware of this longitudinal prior to current transition. We call it transition-aware best-of-N sampling, each report is split into sentences and embedded into an unordered set in Rd; each (prior, current) pair is reduced to a fixed-dim directional vector via a set-to-set distance designed to encode the change between the two sets; and candidates are scored by cosine distance from their candidate transition vector to a cached bank of ground-truth training transition vectors, aggregated as min or kNN. We instantiate the framework with four directional set distances (mean-shift, novelty residual, directed-Hausdorff anchor, and cost-weighted optimal transport) and evaluate on a multi-visit AP-PA cohort, running inference under three prompts on three vision-language generators. Transition-aware best-of-N outperforms random selection across the board, with the largest relative gains on the Impression section.