MedCoT：基于分层专家的医学思维链
计算机视觉与模式识别
2024-12-19 v1
摘要
人工智能在医学视觉问答 (Med-VQA) 方面取得了进展，但当前的研究往往侧重于答案的准确性，通常忽略了在临床环境中至关重要的推理路径和可解释性。此外，当前的 Med-VQA 算法通常依赖单一模型，缺乏现实世界医学诊断所需的鲁棒性，而这通常需要专家的协作评估。为了解决这些不足，本文提出了 MedCoT，一种新颖的分层专家验证推理链方法，旨在增强生物医学图像查询的可解释性和准确性。MedCoT 基于两个原则：Med-VQA 中显式推理路径的必要性，以及多专家审查以形成准确结论的要求。该方法论涉及初始专家提出诊断依据，随后由后续专家验证这些依据，最后通过本地部署的诊断专家内的稀疏混合专家中的投票达成共识，进而提供明确诊断。在四个标准 Med-VQA 数据集上的实验评估表明，MedCoT 超越了现有的最先进方法，在性能和可解释性方面均取得了显著提升。
引用
@article{arxiv.2412.13736,
title = {MedCoT: Medical Chain of Thought via Hierarchical Expert},
author = {Jiaxiang Liu and Yuan Wang and Jiawei Du and Joey Tianyi Zhou and Zuozhu Liu},
journal= {arXiv preprint arXiv:2412.13736},
year = {2024}
}