UltrasoundAgents：用于乳腺超声诊断的分层多智能体证据链推理

针对现有乳腺超声诊断方法缺乏细粒度线索及可审计性的问题，本文提出 UltrasoundAgents 框架。该框架采用分层多智能体架构，主智能体负责病灶定位，子智能体分析局部视图并预测关键临床属性，最终由主智能体整合属性进行基于证据的推理以输出 BI-RADS 分类。为解决训练中的误差传播问题，引入了 decoupled 渐进式训练策略及校正轨迹自蒸馏技术。实验表明，该方法在诊断准确率及属性一致性上均优于现有基线，且具备可追溯的推理能力。