CIDEr
Parent: ai_keywords
核心定义
CIDEr（Consensus-based Image Description Evaluation）是一种专用于评估自动图像描述（image captioning）质量的指标。它通过衡量生成描述与多个人工参考描述之间的语义一致性，计算 n-gram 的 TF-IDF（词频-逆文档频率）加权余弦相似度。与 BLEU、ROUGE 等指标不同，CIDEr 更关注描述中“信息性”词的匹配，对高频无意义词不敏感，能更好反映描述与人类共识的吻合度，在多个图像描述基准（如 MS COCO）中成为标准评估工具。
关键技术点
- TF-IDF 加权：每个 n-gram 的权重由其在所有参考描述中的出现频率（TF）和在整个语料库中的逆文档频率（IDF）共同决定。IDF 降低常见词（如“a”“the”）的权重，提升罕见但关键信息词（如“海马体”“萎缩”）的贡献，使评分聚焦于内容而非语法。
- 多粒度 n-gram 匹配：CIDEr 同时计算 1-4 gram（一元至四元组）的相似度，并取均值，兼顾局部词汇与短语级语义。这比单纯单词匹配更能捕捉结构化的医学描述（如“左侧颞叶存在高信号灶”）。
- 共识导向（Consensus-based）：指标名称中的“Consensus”强调其核心——生成描述应与多个独立人工参考描述共享高频信息短语，而非仅与单一参考匹配。这一特性天然适用于医学影像报告，因为多位放射科专家对同一影像的解读往往存在专业共识。
- 归一化与可解释性：最终得分范围 [0，1]（或乘以 100 表示为百分比），0 表示完全无共识，1 表示与人类均值完全一致。得分可直接对比不同模型的描述质量。
医学/神经科学应用场景
在首都医科大学神经病学研究中，CIDEr 可用于评估基于深度学习的 脑 MRI 影像自动报告系统。例如，针对阿尔茨海默病（AD）患者的 MRI 扫描，系统生成如“双侧海马体显著萎缩，颞角扩大，符合 AD 特征”的文本描述。研究人员收集 3-5 名神经放射学专家的独立报告作为参考，计算 CIDEr 分数以量化自动描述与医学共识的吻合度。低分提示模型遗漏关键病灶（如“白质高信号”）或过度解读正常变异。通过优化 CIDEr，助理可生成更贴近临床术语的报告，辅助医生快速筛查、批量阅片，尤其适合首都医科大学附属天坛医院、宣武医院等大型神经专科中心的高负荷影像诊断场景。该指标还兼顾描述的信息性（病灶特征）与一致性（专业术语），避免因措辞细微差异导致的评分失真，为神经影像 NLP 工具提供可靠的自动化质量评估。
