في عالم الطب الحديث، يعد التصوير بالموجات فوق الصوتية أحد أهم طرق التصوير المستخدمة على نطاق واسع. ورغم التطورات الكبيرة في نماذج الرؤية واللغة الكبيرة (Large Vision-Language Models)، لا تزال هناك فجوة كبيرة في قدرتها على توفير أدلة بصرية دقيقة تتوافق مع التوقعات الدلالية. وهنا يأتي دور UltraG-Bench، المعيار الجديد الممتد الذي يهدف إلى ملء هذه الفجوة.

تم بناء UltraG-Bench عبر توضيح 40 مجموعة بيانات عامة لتقطيع الموجات فوق الصوتية التي تشمل 13 فئة تشريحية. فهو يتضمن ثلاثة مهام تقدمية:
1. **تقطيع موجه وفق التعليمات:** لتحسين دقة التقطيع في الصور.
2. **أسئلة وأجوبة قائمة على الأدلة (Evidence-Grounded VQA):** لتزويد الأطباء بإجابات دقيقة تستند إلى المحتوى المرئي.
3. **توليد تقارير قائمة على الأدلة:** لتقديم معلومات شاملة تساعد في اتخاذ القرارات الطبية.

مع وجود أكثر من 1.1 مليون تعليق في ثلاثة مهام، تكشف التقييمات الشاملة لـ 14 نموذجًا حديثًا عن وجود فجوة فعالة بين الفهم الدلالي والتحديد الدقيق على مستوى البكسل.

لإحداث ثورة في هذا المجال، تم اقتراح **UltraG-Agent**، الذي يجمع بين قدرات الاستدلال الدلالي لنموذج الرؤية واللغة مع القدرة الخاصة بتقطيع الموجات فوق الصوتية. تدل التجارب على أن UltraG-Agent يعزز بشكل كبير كلًا من التنبؤ الدلالي والتوجيه البصري على مستوى البكسل.

يمكن الوصول إلى مجموعة البيانات والشيفرة المصدرية عبر رابط GitHub للمزيد من الأبحاث والابتكارات في هذا المجال الحيوي.