EasyLens：无需训练增强医疗视觉模型的微小病灶表示

医疗视觉语言模型已用于病灶检测与报告生成，但对微小病灶不够敏感。此类证据往往稀疏、低对比度且嵌在复杂解剖结构中，局部视觉词元聚合时容易被全局表示稀释。已有改善主要依赖医疗视觉编码器预训练、临床术语对齐或可训练的病理表示增强，通常需要额外训练或特定模型适配，也可能过拟合疾病形态，难以用于冻结模型。EasyLens提出无需训练、即插即用的微小病灶表示增强方法。EasyBank构建病理—解剖原型空间，以病灶原型和解剖感知的正常参照对比可疑图像块；EasyTag通过反事实原型推理选择病灶相关图像块，避免盲目放大正常组织；EasyAmplifier以形态引导的残差增强强化所选表示，提高其对全局图像嵌入的贡献。多个医学图像数据集及冻结模型骨干上的实验显示，微小病灶检测改善，优于现有编码器增强基线。