Visual Reasoning Active Perception Pathology Agent
摘要

针对吉字节级病理切片中稀疏诊断证据识别及多尺度观察整合难题,现有方法常因压缩或启发式选择削弱预测与形态学的关联。本文提出AdaptivePath,一种将证据获取建模为序列决策的主动感知框架。Navigator通过学习异常驱动导航策略,在有限ROI预算下从低倍到高倍层级化获取稀疏观察;Morphology Interpreter将观察转化为条件证据,Deliberator评估并修正中间答案,Arbiter整合历史生成最终结论。该方法在WSI和区域病理VQA基准上达到SOTA零样本性能,并在TCGA队列癌症亚型分类中取得80.14%准确率,证明了学习到的主动感知能有效支持可追溯的视觉推理。

AI 推荐理由

论文核心在于通过主动感知机制实现病理图像中的视觉推理,重点解决证据整合与逻辑判断问题。

研究机构
College of Computer Science and Technology, Harbin Institute of Technology, Shenzhen School of Computing and Data Science, The University of Hong Kong
论文信息
作者 Jingyun Chen, Fengchun Liu, Linghan Cai, Songhan Jiang, Shenjin Huang et al.
发布日期 2026-08-09
arXiv ID 2608.08648
相关性评分 9/10 (高度相关)