CheXPoT：对VLM生成的放射报告做事后视觉验证与纠正

事后视觉验证可减少VLM放射报告中无依据的发现

资讯摘要

论文提出 CheXPoT，一个程序化思维（PoT）框架，用于对视觉语言模型生成的胸片报告逐条核查：先用 RadGraph 与 LLM 把报告拆成谓词，再借助 DenseNet-121 与 Grad-CAM 构建的视觉证据表进行 grounding，执行 PoT 验证代码并删除无法被图像支持的发现后重写报告。作者报告在 4,145 张图像的留出集上，MedGemma-4B 的微平均精确率由 19.2% 升至 46.8%，F1 由 23.0% 升至 49.4%；在 LLaVA-Med 与 MAIRA-2 上也有提升。

要点速读

1. 方法为事后验证：报告拆解为谓词后对照视觉证据表，删除无法 grounding 的发现并重写。
2. 作者报告 MedGemma-4B 微平均精确率 19.2%→46.8%，F1 23.0%→49.4%。
3. 在 LLaVA-Med 上精确率 4.5%→17.7%、F1 6.3%→19.4%；MAIRA-2 上 15.6%→42.1%、21.0%→45.3%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。