自动化的医学影像报告生成可以提高影像医生的工作效率。传统的医学影像报告生成方法大多数基于判别式和图像描述生成式，在准确性、流畅性、多样性方面存在不足。基于大语言模型微调的医学影像生成技术有望改善以上问题。在预训练多模态大语言模型基础上，提出一种判别增强的微调方法——MedVLM。以影像诊断作为辅助的判别目标，引入低秩自适应微调法、提示微调法以及冻结微调法，来微调多模态大语言模型的特征提取模块、视觉-语言转换模块以及大语言模型模块，使其能够准确诊断肺部CT影像的疾病，并生成准确性更高的肺部CT影像报告。所提方法的BLEU@4得分率为40.85%(40.41%～40.94%),METEOR得分率为70.56%(70.37%～70.8%),生成报告的肺炎诊断准确率为87.67%(86.06%～87.39%)。显著超越传统的图像描述方法。判别增强大语言模型微调的医学影像报告生成方法，可以显著提高肺部CT影像报告生成的准确性，具有广泛的应用潜力。