选择性关联精度：医学视觉语言模型可匹配影像与报告

论文提出选择性关联精度，评估VLM匹配影像与报告的风险。

资讯摘要

论文提出“选择性关联精度”指标，用于衡量在按可用属性过滤候选后，视觉语言模型在最高置信度查询中正确匹配影像与报告的比例。作者在8个公开VLM和3个胸部X光数据集上测试，ReXGradient-160K上MedSigLIP-448在按性别、年龄段和投照方式过滤、预算100时精度达67.68%，而仅用属性策略为24.99%、仅用模型为1.98%。

要点速读

1. 论文提出选择性关联精度，衡量属性过滤后高置信度查询的正确匹配率。
2. 在ReXGradient-160K上，MedSigLIP-448在预算100时精度67.68%，候选报告中位数327份。
3. 加入仅1个数据集提供的采集年份后精度达99.05%；扩展到全部123,100项研究则降至37.23%。

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。