摘要
针对视觉语言模型在牙科全景片（OPG）特定任务中表现不足的问题，本文提出 OPGAgent，一种多工具协同的可审计解读系统。该系统包含三个核心组件：通过动态调用工具将分析分解为全局、象限及牙齿层级的分层证据收集模块；封装空间、检测等能力的专用工具箱；以及基于解剖约束解决冲突的共识子智能体。此外，文章构建了基于临床报告三元组的 OPG-Bench 基准。实验表明，OPGAgent 在结构化报告和 VQA 评估中均优于现有模型。
AI 推荐理由
论文核心提出分层证据收集模块，动态分解任务并规划工具调用，属于典型的任务规划研究。
研究机构
莫纳什大学信息科技学院健康实验室，墨尔本，澳大利亚
香港大学牙科学院，香港
论文信息