R2Gen-Mamba：用于放射学报告生成的选择性状态空间模型

基于摘要分析。该研究面向放射影像到文本报告的自动生成，旨在降低以 Transformer 为主的现有方法的计算开销。作者提出 R2Gen-Mamba，将 Mamba 的高效序列处理与 Transformer 的上下文建模相结合，以兼顾报告质量及训练、推理效率。 技术上，摘要将效率优势归因于 Mamba 较低的计算复杂度，但未说明两类架构如何组合、影像特征如何接入报告生成过程，以及选择性状态空间机制在模型中的具体位置。网络结构、训练目标、解码策略与复杂度测量方式尚未验证，不能据此判断效率收益来自哪些模块。 作者报告，在两个基准数据集、合计超过 210,000 对放射影像—报告配对数据的实验中，R2Gen-Mamba 相较若干被作者称为当前先进水平的方法，在报告质量与计算效率方面展现有效性。摘要未提供数据集名称、划分方式、指标、具体分数或硬件条件，因此尚不能量化收益，也不能判断文本质量评价是否覆盖临床事实准确性。实验协议、消融及统计信息尚未验证。 摘要称源代码可在线获取，但当前材料未给出代码地址，代码内容与复现条件尚未核验。该论文的主要研究对象是放射学报告生成，而非 EEG 解码或 BCI；现有材料不足以建立具体的 BCI 迁移路径，不将其影像报告生成结果解释为神经信号任务中的有效性证据。