Knowledge-Based Systems（KBS）是人工智能与知识工程领域的国际顶尖学术期刊，专注于知识表示、智能系统、机器学习与数据科学等交叉学科方向，致力于发表在智能决策支持、推荐系统、优化方法以及跨学科应用中具有开创性的理论、方法与实践成果。该期刊在国际学术界具有极高影响力，长期位列SCI一区TOP，是中国科学院期刊分区表的计算机科学领域一区 TOP期刊。

论文题目：Dual-Level Semantic Collaboration and Inference Network for Medical Image Report Generation

硕士生：刘玉雪（2022级）

收录期刊：Knowledge-Based Systems（一区TOP）DOI：10.1016/j.knosys.2025.114278

指导教师：张俊三

论文概述：计算机辅助系统在生成医学图像报告方面的应用显著减轻了放射科医生的工作量，但挑战仍持续存在，主要体现在两个方面：(1)病理状况的准确识别面临限制，因为卷积神经网络 (CNNs)往往难以捕获因医学图像固有特性和数据不平衡导致的细微病灶特征；(2)弥合医学图像与其对应文本报告之间的语义鸿沟极具挑战性，现有方法在将病灶精确映射到特定的异常描述时常常遭遇局限。为解决这些挑战，本文引入了双层语义协作与推理 (DSCI)网络，它包含三个核心模块：语义关联编码 (SAE)模块，利用高层概念标签建立语义关联并校准图像表示，以更准确地识别异常特征；视觉-语义交互 (VSI)模块，将概念标签作为监督信号和中间向量，高效融合语义和视觉信息以弥合差距；以及上下文跨模态注意力 (CCA)模块，在解码时整合全局上下文，增强生成报告的准确性和相关性。在 IU X-Ray、MIMIC-CXR和 COV-CTR等数据集上的广泛实验已证明 DSCI模型优于既有的基准性能。