CAMEO 框架用多图证据生成超声报告，临床评分提升至 74.20
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载原始报告监督的错位
论文关注的任务是从多张超声图像生成检查报告。作者指出，超声检查本身是动态过程，而归档下来的关键帧只记录了其中一部分，因此直接让模型模仿原始报告文本，与模型实际能看到的视觉证据之间存在错位：对完整检查而言临床上成立的内容，未必能从模型拿到的那几张图里得到验证。作者把这一差距称为临床行为对齐问题，并给出模型需要满足的几条要求——保留可见发现、避免诊断方向反转、不做没有依据的补全，同时也不能退化成保守的模板化输出。这一问题的提出方式决定了后续方法的设计方向：监督信号需要与可见证据挂钩，而不是与完整报告文本对齐。
三阶段框架与数据构建
CAMEO 由三个阶段组成。第一阶段学习超声领域的视觉语言基元。第二阶段做跨视角证据接地，把可信的、可见的报告要点蒸馏成多图问答与报告式监督。第三阶段做临床感知偏好对齐，使用的偏好对是围绕临床错误构造的。数据方面，作者从 USReport 出发构建了两个集合：USReport-Distilled 包含 17,670 条证据接地的配对图像训练实例，USReport-Pref 包含 21,869 对偏好数据；此外还使用 25,631 条 PubMedVision-US 超声指令样本，用于域适应与多图指令微调。这套数据构造与三阶段流程是配套的，分别对应基元学习、证据接地监督和偏好对齐三个环节。
基准上的量化结果
在主要的 USReport-Distilled 基准上，CAMEO 相对 EchoVLM 在多项文本生成指标上取得提升：BLEU-1 从 0.25 升到 0.40，ROUGE-1 从 0.28 升到 0.45，METEOR 从 0.27 升到 0.43。更贴近临床的 ClinicalScore 从 55.02 提升到 74.20。作者据此强调证据接地监督、临床感知对齐以及临床结构化评估三者的作用。论文被 BMVC 2026 接收，代码链接已在摘要中给出，arXiv 编号为 2610.11610，提交日期为 2026 年 10 月 8 日。
为什么值得看
医疗多图报告生成的具体做法与量化提升，对做多模态临床落地的人有直接参考价值。
信源1 家
关键事实
论文提出 CAMEO，一个面向超声报告生成的临床感知多图证据接地编排框架[1]
CAMEO 分三阶段：超声视觉语言基元学习、跨视角证据接地、临床感知偏好对齐[1]
基于 USReport 构建 USReport-Distilled 的 17,670 条证据接地配对图像实例与 USReport-Pref 的 21,869 对偏好数据[1]
另使用 25,631 条 PubMedVision-US 超声指令样本做域适应与多图指令微调[1]
在 USReport-Distilled 基准上 ClinicalScore 从 55.02 提升到 74.20，BLEU-1、ROUGE-1、METEOR 分别升至 0.40、0.45、0.43[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。