본 논문은 흉부 X선 사진으로부터 자동화된 영상의학 판독 보고서를 생성하는 심층 학습 알고리즘의 최근 발전에 대해 논의한다. 기존 방법들은 영상의학 이미지의 데이터 편향으로 인해 정확도가 떨어지는 보고서를 생성하는 한계를 지닌다. 이를 해결하기 위해, 본 논문에서는 의미적으로 정보가 풍부한 중요 영역을 안내하는 (Semantically Informed Salient Regions-guided, SISRNet) 보고서 생성 방법을 제안한다. SISRNet은 미세한 교차 모달 의미론을 사용하여 의학적으로 중요한 특징을 가진 중요 영역을 명시적으로 식별하고, 이미지 모델링 및 보고서 생성 과정에서 이러한 정보가 풍부한 영역에 집중하여 미세한 이상 소견을 효과적으로 포착하고 데이터 편향의 부정적 영향을 완화하여 임상적으로 정확한 보고서를 생성한다. IU-Xray 및 MIMIC-CXR 데이터셋에서 기존 방법들보다 우수한 성능을 보였다.
