X-PCR：眼科诊断中跨模态渐进式临床推理基准
计算机视觉与模式识别
2026-04-23 v1
摘要
尽管多模态大语言模型（MLLM）取得了显著进展，但其在多模态诊断中的临床推理能力在很大程度上仍未得到检验。当前的基准测试主要是单模态数据，无法评估临床实践中至关重要的渐进式推理和跨模态整合。我们引入了跨模态渐进式临床推理（X-PCR）基准，这是第一个通过完整的眼科诊断工作流程对 MLLM 进行全面评估的基准，包含两个推理任务：1）一个从图像质量评估到临床决策的六阶段渐进式推理链，以及 2）一个整合六种成像模态的跨模态推理任务。该基准包含 26,415 张图像和 177,868 个经专家验证的 VQA 对，这些数据来自 51 个公共数据集，涵盖 52 种眼科疾病。对 21 个 MLLM 的评估揭示了在渐进式推理和跨模态整合方面的关键差距。数据集和代码：https://github.com/CVI-SZU/X-PCR。
引用
@article{arxiv.2604.20350,
title = {X-PCR: A Benchmark for Cross-modality Progressive Clinical Reasoning in Ophthalmic Diagnosis},
author = {Gui Wang and Zehao Zhong and YongSong Zhou and Yudong Li and Ende Wu and Wooi Ping Cheah and Rong Qu and Jianfeng Ren and Linlin Shen},
journal= {arXiv preprint arXiv:2604.20350},
year = {2026}
}
备注
Accept by CVPR2026