MedQ-Engine：面向医学图像质量评估的闭环数据引擎
计算机视觉与模式识别
2026-03-23 v1
摘要
医学图像质量评估（Med-IQA）是临床 AI 部署的必备步骤，但多模态大语言模型（MLLM）在需要提供带临床推理的描述性评估（超出简单质量评分）时，仍远不足以媑美专家，尤其在获取描述性标注成本高昂且单次数据收集无法适应模型演化弱点的瓶颈下。为此，我们提出 MedQ-Engine，一种闭环数据引擎，通过数据驱动聚类发现模型失效原型，用这些原型作为检索锚点在数百万规模的图像库中进行探索，并通过逐步的人类在环标注，最终通过经质量把关的微调实现自我提升。模型在互补感知与描述任务上进行评估。采用熵导向路由机制对标注进行分流，以最小化标注成本。跨五种医学影像模态的实验表明，MedQ-Engine 将 8B 参数模型提升至超越 GPT-4o 超过 13%，将与专家的差距缩小至仅 4.34%，仅需 1 万条标注，采样效率是随机采样的 4 倍以上。
引用
@article{arxiv.2603.19863,
title = {MedQ-Engine: A Closed-Loop Data Engine for Evolving MLLMs in Medical Image Quality Assessment},
author = {Jiyao Liu and Junzhi Ning and Wanying Qu and Lihao Liu and Chenglong Ma and Junjun He and Ningsheng Xu},
journal= {arXiv preprint arXiv:2603.19863},
year = {2026}
}