$ loading_
用于医学影像分类与不确定样本跳过，帮助获得更安全可靠的预测结果。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP-Grounded" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 MCP-Grounded 对这批胸部 X 光图像进行分类，并对低置信度样本启用跳过机制，输出每张图像的预测类别、置信度和是否建议人工复核。
返回分类结果清单，包含预测标签、置信度、被跳过样本及人工复核建议。
请用 MCP-Grounded 分析这组病理影像，对疑难或高风险样本执行 verification-aware abstention，并总结哪些案例不应直接自动判定。
输出高风险样本摘要，说明被跳过原因及需要进一步验证的案例。
请基于 MCP-Grounded 运行医学影像分类流程，统计总体分类结果、跳过比例，以及哪些类型的图像最容易出现不确定预测。
给出分类性能与跳过情况概览，并指出不确定性较高的图像类别。
通过自动化浏览器测试与诊断，验证 AI 生成代码的可用性并收集证据。
基于模型置信度自动分流回答，并支持本地模型生成委派与人工复核。
为 MCP 客户端提供确定性校验，核查模型输出的证据、矛盾与溯源可靠性
基于患者症状进行AI辅助诊断，并检索相关PubMed医学文献。
帮助用户通过多种取证分析判断图片是否由 AI 生成并发现可疑痕迹
将质量验证任务拆解为步骤，并提供带置信度的智能工具建议。