PathoJev：基于共享视觉上下文的高效病理诊断决策模型
英文标题：PathoJev: Efficient Pathology Decisions from Shared Visual Context
病理诊断工作流通常需要针对同一张切片做出多项视觉判断，涵盖肿瘤类型识别、组织学分级以及浸润程度评估等。现有方案为每个结构化问题单独生成并解析文本回复，导致视觉证据与决策反馈之间产生显著的延迟瓶颈。PathoJev 提出通过共享视觉上下文来高效完成多项病理决策，显著优化了推理流程。该研究为多模态医学 AI 模型在临床数字病理中的部署提供了更低延迟、更高吞吐的架构参考。
打开原文相关 1.6 · 机会 1
2.0 KB
612 B
380 B
24.2 KB
34.7 KB
中文
PathoJev：基于共享视觉上下文的高效病理诊断决策模型
论文编号：arXiv:2610.40752v1
类型：最新论文（Announce Type: new）
摘要
病理学工作流通常需要针对同一张病理切片做出多重视觉判断，从肿瘤类型的辨识，到组织学分级与侵袭/浸润范围的评估。在现有的多模态方案中，若针对每一个结构化问题都单独生成并解析一次文本回复，会导致从视觉证据捕获到生成诊断结果之间产生高额的延迟开销。
为解决这一瓶颈，PathoJev 提出利用共享视觉上下文（Shared Visual Context）来并行或联合执行多项病理判断，有效消除重复计算视觉特征与多次文本解码带来的延迟，提升临床辅助诊断的推理效率与准确性。
BibTeX 格式引用
bibtex @article{pathojev2026, title={PathoJev: Efficient Pathology Decisions from Shared Visual Context}, author={arXiv:2610.40752v1}, journal={arXiv preprint arXiv:2610.40752}, year={2026} }
English / 原文
BibTeX formatted citation
×