arXiv cs.CL· Zhaorui Tan, Jun Aun Tan, Weixiang Zhong, Xiaoxi Wang, Tan Pan, Xingdong Xue, Li Liu, Jing Zhang, Jing Zhang, Weimiao Yu·· 10 小时前AI 评分31
PathXAI：用可迁移组织分割引导结构化病理报告生成
PathXAI: Evidence-guided structured pathology reporting by transferable tissue segmentation
AI 导读
PathXAI 将分割得到的组织信息与 H&E 图像及可选领域知识结合，引导诊断推理、针对性复检和结构化报告撰写，其分割组件在内部与外部测试中平均 Dice 均超过基线。
正文 · AI 翻译
摘要：病理报告需要将跨区域和切片中的组织观察结果转化为具体诊断及支持性形态学描述。然而，利用明确的组织成分测量来指导基于 H&E 的报告生成仍研究不足。因此，我们开发了 PathXAI，它将分割衍生的组织信息与 H&E 图像及可选领域知识相结合，以指导诊断推理、针对性复检和结构化报告撰写。其分割组件在内部和外部测试中的平均 Dice 均超过基线。在对 1,200 例公开病例和 151 例私有病例的自动报告评估中，PathXAI 与参考诊断和记录形态学的一致性高于基于 H&E 的对照方法。在公开评估队列中，PathXAI-Report 在癌症家族匹配率上比 Qwen + H&E 高出 4.4 个百分点，在发现 F1 上高出 5.7 个百分点。PathXAI 使用自托管的预训练视觉语言模型生成证据关联报告，且不更新其权重。
| 评论： | 未来版本将添加更多实验结果 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.09117 [cs.CV] |
| （或本版本的 arXiv:2611.09117v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2611.09117 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zhaorui Tan [查看邮箱]
[v1]
2026年11月6日星期五 07:54:59 UTC（27,841 KB）
来源：arXiv cs.CL · arxiv.org