MMRQA：用于 MRI 质量评估的信号增强多模态大语言模型
计算机视觉与模式识别
2025-09-30 v1 计算与语言
摘要
磁共振成像 质量评估对临床决策至关重要，但由于数据稀缺和协议变异性而仍具挑战性。传统方法面临根本性的权衡：像 MRIQC 这样基于信号的方法提供了定量指标，但缺乏语义理解；而深度学习方法实现了高精度，却牺牲了可解释性。为了解决这些局限性，我们引入了多模态 MRI 质量评估 框架，开创性地将多模态大语言模型 与采集感知信号处理相结合。MMRQA 结合了三项关键创新：通过 MRQy 结合模拟伪影进行稳健的指标提取，使用 Qwen 将指标结构化转换为问答对，以及通过 LLaVA-OneVision 的低秩适应 进行参数高效融合。在 MR-ART、FastMRI 和 MyConnectome 基准上进行评估，MMRQA 实现了最先进的性能并具有强大的零样本泛化能力，这已通过全面的消融研究得到验证。通过将定量分析与语义推理相桥接，我们的框架生成了临床可解释的输出，从而增强了动态医疗环境中的质量控制。
引用
@article{arxiv.2509.24888,
title = {MMRQA: Signal-Enhanced Multimodal Large Language Models for MRI Quality Assessment},
author = {Fankai Jia and Daisong Gan and Zhe Zhang and Zhaochi Wen and Chenchen Dan and Dong Liang and Haifeng Wang},
journal= {arXiv preprint arXiv:2509.24888},
year = {2025}
}