HAD-VLM
一种混合自回归-扩散架构的医疗视觉语言模型，通过扩散过程生成连续数值表示，用于医学影像定量测量任务
时间轴 (近 90 天)
HAD-VLM采用混合自回归-扩散架构，在共享主干中同时保留自回归文本生成和扩散式连续预测两条通路。
HAD-VLM的扩散头生成五维连续向量，包含四个卡尺端点坐标和一个测量长度。
HAD-VLM提出坐标-长度一致性后处理机制，用端点坐标算出的距离与预测长度相互校验，并结合集成预测精修。
在EchoNet-LVH数据集上，HAD-VLM在四项超声心动图测量任务中的平均绝对误差分别为：IVSd 1.36 mm、LVIDd 2.77 mm、LVIDs 3.05 mm、LVPWd 1.16 mm。
相对Vicuna自回归基线，HAD-VLM在EchoNet-LVH四项任务上误差降低21.4%–37.6%。
HAD-VLM在全部四项EchoNet-LVH测量任务上优于微调后的Qwen3-VL和直接MLP回归方法。
在X射线椎体测量任务中，HAD-VLM的平均绝对误差从11.4像素降到6.7像素。
HAD-VLM在引入扩散预测后，医学问答性能在评测数据集上得以保留。
HAD-VLM的视觉端采用visual prompt tuning适配超声图像，冻结大部分预训练视觉编码器，仅插入少量可学习提示向量。
HAD-VLM的实验仅集中在心脏超声和椎体测量两类任务，样本规模与临床多样性仍有局限。
还有 1 条时间轴事件
全部知识事实 (11)
HAD-VLM采用混合自回归-扩散架构，在共享主干中同时保留自回归文本生成和扩散式连续预测两条通路。
50%待验证HAD-VLM的扩散头生成五维连续向量，包含四个卡尺端点坐标和一个测量长度。
50%待验证HAD-VLM提出坐标-长度一致性后处理机制，用端点坐标算出的距离与预测长度相互校验，并结合集成预测精修。
50%待验证在EchoNet-LVH数据集上，HAD-VLM在四项超声心动图测量任务中的平均绝对误差分别为：IVSd 1.36 mm、LVIDd 2.77 mm、LVIDs 3.05 mm、LVPWd 1.16 mm。
50%待验证相对Vicuna自回归基线，HAD-VLM在EchoNet-LVH四项任务上误差降低21.4%–37.6%。
50%待验证HAD-VLM在全部四项EchoNet-LVH测量任务上优于微调后的Qwen3-VL和直接MLP回归方法。
50%待验证在X射线椎体测量任务中，HAD-VLM的平均绝对误差从11.4像素降到6.7像素。
50%待验证HAD-VLM在引入扩散预测后，医学问答性能在评测数据集上得以保留。
50%待验证HAD-VLM的视觉端采用visual prompt tuning适配超声图像，冻结大部分预训练视觉编码器，仅插入少量可学习提示向量。
50%待验证HAD-VLM的实验仅集中在心脏超声和椎体测量两类任务，样本规模与临床多样性仍有局限。
50%待验证HAD-VLM的坐标-长度一致性机制依赖卡尺端点标注形式，推广到自由形式病灶测量时可能需要重新设计。
50%