Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 11 января 2026 (v1), последний пересмотренный вариант 6 сентября 2026 года (эта версия, v2)) Название: MedGround: Превращение пробелов в доказательствах в моделях медицинского видения - Language с помощью проверенной подземной информации PDF HTML (экспериментальной) резюме: Vision-Language Models (VLMs) может генерировать убедительные клинические описания, но часто бороться за визуальное обоснование своих заявлений. Мы считаем, что это ограничение обусловлено нехваткой высококачественных и крупномасштабных клинических пар для реферирования-локализации. Для решения этой проблемы мы введем автоматизированный трубопровод MedGround, который преобразует сегментационные ресурсы в высококачественные медицинские данные о заземлении. Завоевание экспертных масок в качестве пространственных якорей, MedGround точно определяет цели локализации, форму экстрактов и пространственные сигналы и направляет VLM для синтеза естественных клинически обоснованных запросов, отражающих морфологию и местоположение. Для обеспечения окоченения данных многоступенчатая система проверки включает в себя строгие процедуры проверки форматирования, правила геометрии и медицинских приоритетов и визуальное определение с помощью изображений для фильтрации двусмысленных или неподтвержденных образцов. Наконец, мы представляем MedGround-35K — новый набор мультимодальных медицинских данных. Широкие эксперименты показывают, что УЛМ,…
MedGround: Преодоление пробелов в доказательствах, содержащихся в моделях медицинского видения и языка с использованием проверенных наземных данных
arXiv: 2601.06847v2 Annuate Type: заменить резюме: Vision-Language Models (VLM) может генерировать убедительные клинические описания, но при этом часто бороться с визуальной корректировкой их заявлений. Мы считаем, что это ограничение обусловлено нехваткой высококачественных и крупномасштабных клинических пар для реферирования-локализации. Для решения этой проблемы мы введем автоматизированный трубопровод MedGround, который преобразует сегментационные ресурсы в высококачественные медицинские данные о заземлении. Завоевание экспертных масок в качестве пространственных якорей, MedGround точно определяет цели локализации, форму экстрактов и пространственные сигналы и направляет VLM для синтеза естественных клинически обоснованных запросов, отражающих морфологию и местоположение. Для обеспечения окоченения данных многоступенчатая система проверки включает в себя строгие процедуры проверки форматирования, правила геометрии и медицинских приоритетов и визуальное определение с помощью изображений для фильтрации двусмысленных или неподтвержденных образцов. Наконец, мы представляем MedGround-35K — новый набор мультимодальных медицинских данных. Обширные экспери