超声心动图代理的基于证据的参与者验证者推理

超声心动图在心血管疾病的筛查和诊断中发挥着重要作用。然而，由于复杂的心脏动力学和强烈的视图异质性，超声心动图数据的自动智能分析仍然具有挑战性。近年来，视觉语言模型（VLM）为构建用于临床决策支持的超声理解系统开辟了新途径。然而，大多数现有方法将此任务表述为从视频和问题到答案的直接映射，这使得它们容易受到模板快捷方式和虚假解释的影响。为了解决这些问题，我们提出了 EchoTrust，这是一种证据驱动的 Actor-Verifier 框架，用于在基于超声心动图 VLM 的代理中进行可信推理。 EchoTrust 生成结构化的中间表示，随后按不同的角色进行分析，从而为高风险的临床应用提供更可靠和可解释的决策。