论文概要
研究领域: CV 作者: Chenyu Lian, Hong-Yu Zhou, Jing Qin 发布时间: 2026-05-14 arXiv: 2605.15171
中文摘要
疾病筛查对临床实践中的早期发现和及时干预至关重要。然而，大多数当前用于医学图像的筛查模型存在可解释性有限和性能欠佳的问题。它们通常缺乏有效引用历史案例或提供透明推理路径的机制。为了解决这些挑战，我们引入了EviScreen，一个用于疾病筛查的证据推理框架，利用来自历史案例的区域级证据。所提出的EviScreen通过从双重知识库检索的区域证据提供回顾性可解释性。使用这种证据机制，随后的证据感知推理模块使用当前案例和历史案例的证据进行预测，从而提高疾病筛查性能。此外，EviScreen不依赖事后显著性图，而是通过利用对比检索导出的异常图来增强定位可解释性。我们的方法在我们精心建立的用于真实世界疾病筛查的基准上实现了卓越的性能，在临床级召回率下产生显著更高的特异性。
--- *自动采集于 2026-05-17*
#论文 #arXiv #CV #小凯