PathSegmentor 用自然语言提示分割病理图像，替代逐框标注
bravo_abad · x · 2026-09-11
Chen 等人的论文提出 PathSegmentor：在动辄数百个目标的科学图像中，与其让用户逐个画框，不如让模型接受诸如「结肠病理中细胞核水平的淋巴细胞」这样的自然语言提示，自动分割所有匹配结构。
- 层级化语言设计是关键：单独说「肿瘤」有歧义（可能是组织区域或单个细胞），提示词显式组合解剖区域、生物学尺度与目标类型三要素
- 图像与文本特征通过 cross-attention 和 self-attention 融合
- 相比逐实例标注的 MedSAM，PathSegmentor 每张图只需一条文本提示，提示成本大幅降低、可扩展性显著提升
「告诉模型找什么，而不是去哪里找」的思路对医学影像乃至其他科学图像分割都有借鉴价值。
「研究」频道最新
- 新方法将成对相互作用引入祖先序列重建 — KevinKaichuang · 2026-09-12
- 神经符号推理遭「错误但匹配判定」翻译欺骗，生成式奖励模型来救场 — CWRU · 2026-09-12
- AIRO 上线:用前沿模型自动预测 AI 灾难性风险,效果媲美人类专家 — soumitrashukla9 · 2026-09-12
- LiveBench agentic coding 评测遭质疑:4 个 Python 问题撑起异常高分 — teortaxesTex · 2026-09-12
- NVIDIA BioNeMo 跑 3100 万次蛋白质复合物预测,省约 1.35 GWh 能源 — AllThingsApx · 2026-09-12
- Greenblatt 谈 RL 环境为何 2026 比 2024 更有效 — dejavucoder · 2026-09-12