计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月4日
]
标题: ReXVQA:面向通用胸片理解的大规模视觉问答基准
标题: ReXVQA: A Large-scale Visual Question Answering Benchmark for Generalist Chest X-ray Understanding
摘要: 我们提出了ReXVQA,这是胸部放射学视觉问答(VQA)领域最大且最全面的基准数据集,包含约696,000个问题,这些问题与训练、验证和测试集中总计160,000份胸部X光片研究配对。 与之前主要依赖模板式查询的努力不同,ReXVQA引入了一套多样化且具有临床真实性的任务组合,涵盖了五种核心放射学推理技能:存在评估、位置分析、否定检测、鉴别诊断以及几何推理。 我们评估了八种最先进的多模态大型语言模型,包括MedGemma-4B-it、Qwen2.5-VL、Janus-Pro-7B和Eagle2-9B。表现最佳的模型(MedGemma)达到了83.24%的整体准确率。 为了缩小AI性能与临床专业知识之间的差距,我们进行了涉及三名放射科住院医师的全面人类阅读者研究,共评估了200个随机抽样的病例。 我们的评估表明,MedGemma的表现(83.84%的准确率)优于人类阅读者(最佳放射科住院医师:77.27%),标志着AI在胸部X光解读方面超过专家水平评价的重要里程碑。 读者研究表明,AI模型与人类专家之间存在明显的性能差异,放射科医生之间表现出较强的一致性,而人类阅读者与AI模型之间则显示出更多变的一致性模式。 ReXVQA为评估通用放射学AI系统建立了新的标准,提供了公开排行榜、细致的评估拆分、结构化解释以及类别级分解。 该基准为下一代能够模仿专家级别临床推理的AI系统奠定了基础,这些系统不仅限于狭窄的病理分类。 我们的数据集将在https://huggingface.co/datasets/rajpurkarlab/ReXVQA开源。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.