超越报告模仿：根据可见证据生成临床感知多图像超声报告

从多个图像生成超声报告需要跨视图聚合临床证据，但存档的关键帧仅捕获动态检查的一部分。因此，原始报告模仿与视觉监督不一致：对于全面检查在临床上有效的内容可能无法从模型可用的图像中验证。这种差距造成了临床行为协调问题。模型必须保留可见的发现，避免诊断逆转和无支持的完成，并且不会崩溃为保守的模板。我们提出了 CAMEO，一种用于生成超声报告的临床感知多图像循证编排框架。第一阶段学习超声视觉语言基元；第二阶段通过将可信的可见报告点提炼为多图像质量保证和报告式监督来执行跨视图证据基础；第三阶段使用面向临床错误的偏好对执行临床意识偏好调整。根据 USReport，我们使用 17,670 个基于证据的配对图像训练实例构建了 USReport-Distilled， USReport-Pref 有 21,869 个偏好对；我们还使用 25,631 个 PubMedVision-US 超声指令样本进行域适应和多图像指令调整。在主要的 USReport-Distilled 基准上，CAMEO 比 EchoVLM 的 BLEU-1 从 0.25 提高到 0.40、ROUGE-1 0.28 提高到 0.45、METEOR 0.27 提高到 0.43，同时将 ClinicalScore 从 55.02 提高到 74.20。这些结果强调了基于证据的监督、临床意识调整和临床结构化评估对于生成可靠的超声报告的价值。