超越单帧：跨体积 MRI 的多帧空间接地推理

空间推理与视觉接地是视觉语言模型的核心能力，但现有医疗模型缺乏透明推理与空间证据，且基准多基于孤立 2D 图像，忽视了临床影像的体积特性。本文提出 SGMRI-VQA 基准，包含 41,307 个多帧空间接地问答对，源自放射专家标注，涵盖检测、定位、分类等层级任务，要求模型联合推理内容、位置及跨帧分布。实验表明，对 Qwen3-VL-8B 进行边界框监督微调，显著提升了接地性能，证明了针对性空间监督是实现临床接地推理的有效路径。