본 논문은 의료 영상 보고서 생성을 위한 새로운 프레임워크를 제안합니다. GPT-4를 이용하여 대규모 다중 모달 의료 지식 그래프(M3KG)를 구축하고, R-GCN을 사용하여 특징을 추출합니다. Swin-Transformer를 통해 X-레이 이미지의 시각적 특징을 추출하고, 크로스 어텐션을 이용하여 지식 그래프와 상호 작용합니다. Q-former를 사용하여 질병 관련 시각 토큰을 검색하고, 최종적으로 대규모 언어 모델을 이용하여 지식 그래프, X-레이 이미지, 질병 관련 시각 토큰을 언어적 설명으로 매핑합니다. CheXpert Plus 데이터셋을 사용하여 실험을 진행하였고, 제안된 프레임워크의 효과를 검증했습니다. 소스 코드는 깃허브에 공개될 예정입니다.