Collasso del Template nella Generazione di Referti Medici 3D Identificato e Mitigato

Uno studio recente pubblicato su arXiv rivela un fenomeno chiamato 'Collasso del Template' nei modelli di visione-linguaggio medico 3D (VLM). Questi modelli producono referti radiologici coerenti ma eccessivamente generici, che tendono a trascurare reperti infrequenti ma critici. Questo problema deriva da limitazioni come dati insufficienti, etichettatura sbilanciata e segnali volumetrici dell'encoder inefficaci, che favoriscono l'apprendimento di scorciatoie. Per affrontare ciò, i ricercatori introducono CLarGen, un framework distinto che separa il rilevamento clinico dalla generazione del linguaggio, utilizzando un Latent Query Transformer per rilevare multiple patologie. Lo studio esamina approfonditamente il collasso attraverso metriche relative alla fedeltà clinica, alla diversità dell'output, al bias verso i referti normali e alla sopravvivenza dei reperti rari.