Echo-CoPilot：面向可靠心尤彩超声解读的多视角代理框架
人工智能
2026-03-17 v3 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
心尤彩超声解读需要整合多视图时序证据、量化测量值并依据指南进行推理，但现有基础模型管道大多解决孤立子任务，无法处理噪声工具输出或临近临床阈值的数值。我们提出 Echo-CoPilot，一个结合多视角工作流程与知识图谱引导测量选择的端到端代理框架。Echo-CoPilot 运行三个独立的 ReAct 风格代理（结构型、病理型、量化型），调用专业心尤彩超声工具提取参数，同时查询 EchoKG 以确定临床问题所需的测量项及应避免的测量项。随后，自对抗语言模型比较证据驱动的各个视角，生成偏差检查清单，并重新查询 EchoKG 以应用适当的指南阈值解决冲突，减少幻觉测量选择和边缘值翻转。实验表明，在MIMICEchoQA 数据集上，Echo-CoPilot相较于SOTA基线实现了更高准确率；在随机性压力测试中，Echo-CoPilot通过更一致的结论和更少的重复运行结果变化，实现了更高的可靠性。我们的代码已公开于\href{https://github.com/moeinheidari7829/Echo-CoPilot}{\textcolor{magenta}{GitHub}}。
引用
@article{arxiv.2512.09944,
title = {Echo-CoPilot: A Multiple-Perspective Agentic Framework for Reliable Echocardiography Interpretation},
author = {Moein Heidari and Ali Mehrabian and Mohammad Amin Roohi and Wenjin Chen and David J. Foran and Jasmine Grewal and Ilker Hacihaliloglu},
journal= {arXiv preprint arXiv:2512.09944},
year = {2026}
}