推进医学放射影像表征学习：具有多层级语义粒度的混合预训练范式

基于摘要分析。该研究面向医学放射影像的视觉—语言预训练，提出 HybridMED，利用报告中 findings（影像所见）与 impression（诊断印象）的层级关系，分别建立细粒度与全局视觉—文本对应，而非将不同报告段落统一处理。 核心机制包括两类对齐：全局视觉表征与 impression 对齐，视觉 token 级表征与 findings 对齐。此外，生成解码器承担两个代理任务：图像描述分支从影像生成 impression，摘要分支从 findings 生成 impression，并引入知识蒸馏辅助训练。其方法特色在于同时利用报告结构进行多粒度对齐，以及利用文本摘要任务支持影像到文本的生成学习；具体对齐目标、蒸馏损失与训练流程尚未验证。 作者报告，在 MIMIC-CXR 上的实验显示，摘要分支能够向图像描述分支有效蒸馏知识并改善模型性能；作者将参数需求未显著增加归因于共享自注意力与前馈结构。摘要未提供具体任务指标、提升幅度、参数量、数据划分或对照基线，因此尚不能量化收益或比较不同评估协议下的表现，实验协议、消融及统计信息尚未验证。 复现时需核对报告段落的提取规则、视觉 token 与文本的对应方式、共享模块范围，以及蒸馏的实施细节。本文主要研究对象是放射影像及其报告，材料未提供 EEG/BCI 验证，不能据此推断其对神经信号表征学习有效。