09:47arXiv cs.AI@Shangkun Li, Jie Xu, Yi Guo, Zeju Li, Yuanyuan WangBrReMark框架通过先假设异常并用边界框标注病灶区域,再重新检查验证,提升了空间可解释性。训练结合结构化推理轨迹的监督微调与强化学习,奖励定位准确性和诊断推理。采用域随机化病理合成增强策略,提升了对分布外数据的泛化性。内部基准上mAP50从0.74%提升至37.54%,临床F1达21.57%,诊断准确率45.26%。NOVA OOD基准上假阳性较当前最优方法减少45.7%,表明能有效降低对罕见病理的幻觉。论文BrReMark医学影像异常检测推理模型合成数据推荐理由:这篇论文提出BrReMark,通过先假设再验证的标注机制,大幅提升了脑MRI诊断的可信度和定位精度,值得关注。原文