论文页面 - 用于CT扫描中可靠且可审计空间关系验证的模块化智能体

来源：https://huggingface.co/papers/2608.21140

摘要

模块化医学成像智能体将空间关系验证分解为解析、解剖定位和几何规则，在CT空间推理任务上超越端到端视觉-语言模型。

可靠的空间理解是未来医学视觉-语言系统支持放射报告生成和结构化图像理解的重要前提。虽然现代视觉-语言模型（https://huggingface.co/papers?q=vision-language%20models）（VLMs）在许多医学成像任务上展现出良好性能，但近期证据表明它们在可控空间推理（https://huggingface.co/papers?q=spatial%20reasoning）方面仍然薄弱，且往往无法可靠地将空间关系与图像证据关联。鉴于放射学推理依赖于理解解剖结构和发现的相对位置，这种空间推理弱点对诊断准确性构成风险。我们提出一种模块化医学成像智能体，用于轴位CT切片的二元空间关系验证。该系统不再直接端到端预测空间答案，而是将任务分解为明确的阶段：语言解析、解剖定位（https://huggingface.co/papers?q=anatomical%20localization）和确定性几何验证（https://huggingface.co/papers?q=deterministic%20geometric%20verification）。自然语言查询被转换为结构化关系元组，目标器官通过基于YOLO的检测器（https://huggingface.co/papers?q=YOLO-based%20detector）进行定位，最终空间决策基于目标中心点使用确定性几何规则计算得出。我们在保留的MIRP空间问答基准测试（https://huggingface.co/papers?q=MIRP%20spatial%20QA%20benchmark）上评估了该方法，并与代表性端到端VLM基线进行比较。表现最佳的混合配置达到94.1%准确率和94.2% F1值，在保持可解释中间表示和可审计推理阶段的同时，比直接Qwen2-VL（https://huggingface.co/papers?q=Qwen2-VL）提示方法的准确率高出42.5个百分点。结果表明，显式模块化空间验证可作为未来面向报告的医学成像智能体的有前景构建模块。

查看arXiv页面 (https://arxiv.org/abs/2608.21140) 查看PDF (https://arxiv.org/pdf/2608.21140) GitHub0 (https://github.com/DeveloperNomis/MICCAI-Medical-Agent) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.21140)

引用本文的模型0

暂无链接本文的模型

在模型README.md中引用 arxiv.org/abs/2608.21140 即可从本页链接该模型。

引用本文的数据集0

暂无链接本文的数据集

在数据集README.md中引用 arxiv.org/abs/2608.21140 即可从本页链接该数据集。

引用本文的空间0

暂无链接本文的空间

在空间README.md中引用 arxiv.org/abs/2608.21140 即可从本页链接该空间。

包含本文的收藏集0

暂无包含本文的收藏集

将本文添加到收藏集 (https://huggingface.co/new-collection) 即可从本页链接。