GLeVE：基于提案验证的图指导性肿瘤 grounding 3D CT

将放射科报告描述与3D CT体积进行grounding是实现可验证临床解释的关键挑战，由于自由文本叙述与体积解剖学之间的语义-空间差距。现有的报告辅助和视觉语言grounding方法通常依赖于短语级对齐或稠密像素监督，导致肿瘤级别对应性有限且局化准确性次优。我们提出GLeVE，一种基于解剖学先验验证和八叉树自回归细化的图指导性肿瘤grounding框架。GLeVE将每个肿瘤描述视为原子语义单元，通过基于关系的图推理对器官归属、属性和肿瘤间关系进行编码，以产生判别性的肿瘤级别查询。解剖学感知的提案生成结合区域级验证，可实现文本-肿瘤的一对一对齐，而分层八叉树细化则逐步改进边界描绘。在AbdomenAtlas 3.0上的实验表明，与经典多模态基础模型和报告监督的基线相比，GLeVE在分割准确性和肿瘤级别局化方面均实现了一致的提升。