본 논문은 의료진의 업무 부담을 줄이고 환자 치료를 개선하기 위해 3D CT 영상으로부터 자동으로 진단 보고서를 생성하는 CT 보고서 생성(CTRG) 문제를 다룹니다. 기존 연구들이 다양한 해부학적 관점에서의 진단 정보를 효과적으로 통합하지 못하고 정확하고 신뢰할 수 있는 진단에 필수적인 임상 전문 지식이 부족하다는 한계를 극복하기 위해, 의료진의 진단 과정을 모방하는 새로운 다중 관점 인식 지식 향상 트랜스포머(MvKeTR) 모델을 제안합니다. MvKeTR은 다중 해부학적 관점(axial, coronal, sagittal)에서의 진단 정보를 효과적으로 통합하는 관점 인식 어텐션을 갖는 다중 관점 인식 집계기(MVPA)와, 유사한 보고서를 검색하여 진단 과정에 도메인 지식을 통합하는 교차 모달 지식 향상기(CMKE)로 구성됩니다. 또한, 기존의 MLP 대신 매개변수 효율성이 뛰어나고 스펙트럼 편향이 감소된 Kolmogorov-Arnold Networks (KANs)를 사용하여 고주파 성분을 효과적으로 포착하고 과적합을 완화합니다. 공개 데이터셋 CTRG-Chest-548 K에 대한 광범위한 실험을 통해 제안된 방법이 기존 최첨단 모델들을 대부분의 지표에서 능가함을 보여줍니다. 소스 코드는 GitHub에서 공개됩니다.
