Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

CorBenchX: Large-Scale Chest X-Ray Error Dataset and Vision-Language Model Benchmark for Report Error Correction

Created by
  • Haebom

저자

Jing Zou, Qingqiu Li, Chenyu Lian, Lihao Liu, Xiaohan Yan, Shujun Wang, Jing Qin

개요

본 논문은 흉부 X선 판독 보고서의 오류 검출 및 수정을 위한 종합적인 벤치마크인 CorBenchX를 제시합니다. 26,326건의 오류가 주입된 흉부 X선 보고서 데이터셋을 생성하고, 다양한 오픈 및 클로즈 소스 비전-언어 모델(InternVL, Qwen-VL, GPT-4o, o4-mini, Claude-3.7 등)을 사용하여 제로샷 프롬프팅 환경에서 오류 검출 및 수정 성능을 평가합니다. o4-mini 모델이 가장 우수한 성능을 보였으나, 임상 수준의 정확도에는 미치지 못했습니다. 더 나아가, 다중 목표 보상을 결합한 다단계 강화 학습(MSRL) 프레임워크를 제안하고, QwenVL2.5-7B 모델에 적용하여 제로샷 기준 대비 오류 검출 정확도와 수정 성능을 향상시켰습니다.

시사점, 한계점

•
시사점:
◦
흉부 X선 판독 보고서의 오류 검출 및 수정을 위한 표준화된 벤치마크 CorBenchX 제시
◦
다양한 비전-언어 모델의 오류 검출 및 수정 성능 비교 및 분석
◦
다단계 강화 학습(MSRL) 프레임워크를 통한 성능 향상 가능성 제시
◦
AI 기반 의료 보고서 품질 관리의 발전 가능성을 보여줌
•
한계점:
◦
현재 모델들의 성능이 임상 수준의 정확도에는 미치지 못함
◦
CorBenchX 데이터셋의 생성 방식에 따른 한계 존재 (DeepSeek-R1을 이용한 인공적인 오류 주입)
◦
MSRL 적용 후에도 여전히 개선의 여지가 있음
◦
다양한 유형의 오류에 대한 일반화 성능에 대한 추가 연구 필요
👍
Made with Slashpage