MedForge：基于伪造感知推理的可解释医学深度伪造检测
人工智能
2026-03-20 v1
摘要
文本引导的图像编辑器现在能够以高保真度操纵真实医学扫描图像，实现肿瘤植入/移除，这威胁临床信任与安全。现有防御措施对医疗保健不够充分。医学检测器大多是黑箱化的，而基于大语言模型的解释器通常是事后处理的，缺乏医学专业知识，可能在模糊情况下产生幻觉证据。我们提出MedForge，这是面向医疗伪造检测的数据与方法解决方案，具有预先解释性和证据 grounding。我们引入MedForge-90K，这是一个包含19种病理学的真实肿瘤编辑的大规模基准数据集，通过医生检查指南和金标准编辑位置实现专业导向的推理监督。基于此，MedForge-Reasoner执行局部化-分析推理，在给出判断前预测可疑区域，并进一步对齐伪造感知 GSPO，以强化 grounding 并减少幻觉。实验表明，该方法实现了领先的检测准确率和可信赖、专业对齐的解释。
引用
@article{arxiv.2603.18577,
title = {MedForge: Interpretable Medical Deepfake Detection via Forgery-aware Reasoning},
author = {Zhihui Chen and Kai He and Qingyuan Lei and Bin Pu and Jian Zhang and Yuling Xu and Mengling Feng},
journal= {arXiv preprint arXiv:2603.18577},
year = {2026}
}