Two-Stage Synthetic-to-Real Transfer Learning for Automated Mammography Report Generation Using Vision-Language Models
Este artigo propõe um framework de aprendizado de transferência sintético-para-real de dois estágios que aproveita 400 relatórios sintéticos clinicamente validados para pré-treinar um modelo de visão-linguagem, melhorando significativamente o desempenho da geração automatizada de laudos de mamografia e a eficiência de dados, além de reduzir alucinações em comparação com os métodos atuais de estado da arte.