CLARA：临床报告自动补全

基于摘要分析。研究针对从 X-ray、EEG 等原始记录撰写临床报告耗时、整篇自动生成难以纠错及适应医生偏好的问题，提出交互式临床报告自动补全方法 CLARA。其主要研究对象是辅助医生撰写报告，而非 EEG 分类、神经信号解码或 BCI 控制。 机制上，CLARA 根据医生提供的锚点词和未完成句子逐句生成报告：先从已有报告中检索相关句子作为模板，再结合输入的特征表示依次修改检索句子。贡献在于将医生的即时输入纳入检索与生成过程，而不是直接生成整篇报告。摘要未说明原始记录的特征提取方法、检索算法、生成模型结构、损失函数或个体偏好的建模方式。 作者报告，在句子级生成评估中，X-ray 报告的 CIDEr 为 0.393、BLEU-4 为 0.248；EEG 报告的 CIDEr 为 0.482、BLEU-4 为 0.491。作者报告相较最佳基线最高提升 35%，但摘要未明确该提升对应的任务、指标及基线，因此不能将其归于某一具体结果。作者另报告，用户研究中医生对 CLARA 报告的认可度为 3.74/5，基线为 2.52/5；参与人数、评分流程及统计检验尚未验证。 上述文本生成指标与认可度不等同于临床事实准确性、诊断有效性或工作时间节省。复现与结果解释需核对报告数据来源、EEG 记录与报告的配对方式、训练测试划分、检索库构建、对照基线及医生输入条件；实验协议、消融及统计信息尚未验证。该工作直接涉及 EEG 临床报告辅助撰写，但摘要不足以支持其对 BCI 性能的改善结论。