MedSynapse-V：通过潜在记忆演化搭建视觉感知与临床直觉的桥梁
计算机视觉与模式识别
2026-05-19 v2 人工智能
摘要
高精度医学诊断不仅依赖于静态成像特征，还依赖于专家在图像解读时瞬时调用的隐式诊断记忆。我们指出，由于离散标记化，医学视觉语言模型 (VLM) 中存在根本的认知错位，导致量化损失、远距离信息耗散以及缺失案例自适应专业知识。为弥合这一差距，我们提出ours，一种用于潜在诊断记忆演化的框架，通过动态合成隐式诊断记忆来模拟临床医生的经验调用。具体而言，它包含一个用于先验记忆的Meta Query机制，利用可学习的探针从解剖先验编码器中检索结构化先验，生成浓缩的隐式记忆。为确保临床忠实性，我们引入因果反事实细化 (CCR)，其利用强化学习和来自区域级特征遮盖的反事实奖励来量化每个记忆的因果贡献，从而修剪冗余并将潜在表示与诊断逻辑对齐。这种演化过程最终导致内在记忆转换 (IMT)，一种特权自主双分支范式，通过完全词汇偏差对齐将教师分支的诊断模式内化到学生分支中。全面实证评估表明，ours通过将外部专业知识传递到内在参数中，显著优于现有最先进方法，尤其是链路思维范式，在诊断准确性方面表现突出。该代码已公开于 https://github.com/zhcz328/MedSynapse-V。
引用
@article{arxiv.2604.26283,
title = {MedSynapse-V: Bridging Visual Perception and Clinical Intuition via Latent Memory Evolution},
author = {Chunzheng Zhu and Jiaqi Zeng and Junyu Jiang and Jianxin Lin and Yijun Wang},
journal= {arXiv preprint arXiv:2604.26283},
year = {2026}
}
备注
Medical latent reasoning; Memory evolution