medRxiv 预印本· Qu, B., Liu, W., Murrow, M., Burger, M., Guo, X., Vaidya, M. S., Rose, S. L., Kantarcioglu, M., Malin, B. A., Yin, Z. ·· 3 天前AI 评分12
CARE-MVLM：乳腺钼靶视觉语言模型的反事实弃答与区域证据定位
CARE-MVLM: Counterfactual Abstention and Region-Grounded Evidence in Mammography Vision-Language Models
AI 导读
基于 Qwen2.5-VL-7B-Instruct 构建的 CARE-MVLM 通过答案预测、答案条件证据生成与可答性选择三个独立模块，在 CBIS-DDSM、MIAS 和 VinDr-Mammo 整理的 7,358 组三元数据上，病灶敏感弃答表现明显强于 GPT-5.6 和 Gemini-3.5-flash，并在答案、证据定位与弃答的联合可靠性上取得对比中最高水平。
来源：medRxiv 预印本 · medrxiv.org