Two-Stage Synthetic-to-Real Transfer Learning for Automated Mammography Report Generation Using Vision-Language Models
Dit artikel stelt een tweestaps synthetic-to-real transfer learning-framework voor dat gebruikmaakt van 400 klinisch gevalideerde synthetische rapporten om een vision-language model voor te trainen, wat de prestaties van automatische mammografie-rapportgeneratie en de data-efficiëntie aanzienlijk verbetert en hallucinaties vermindert in vergelijking met bestaande state-of-the-art methoden.