基于临床模板的病理切片级问答：CTIS-QA
计算机视觉与模式识别
2026-01-06 v1
摘要
本文提出了一种基于临床诊断模板的管线，用于系统性收集和结构化病理信息。我们与病理学家合作，依据美国结肠癌病理报告协会(CAP)癌症协议，设计了临床病理报告模板(CPRT)，确保从病理报告中全面且标准化地提取诊断要素。我们在TCGA-BRCA数据集上验证了管线的有效性。首先，我们使用CPRT从报告中提取病理特征。这些特征用于构建CTIS-Align，这是一个来自804个WSI的8万张切片-描述配对数据集，用于视觉-语言对齐训练；以及CTIS-Bench，这是一个严格筛选的VQA基准，包含977个WSI和14,879个问答对。CTIS-Bench强调临床导向、封闭式问题（如肿瘤分级、受体状态），这些问题反映真实的诊断工作流程，最小化非视觉推理，并要求真正理解切片。我们进一步提出了CTIS-QA，一个切片级问答模型，具有双流体结构，模拟病理学家的诊断方法。一个流通过过基于聚类的特征聚合捕获全局切片级上下文，另一个流通过注意力引导的patch感知模块聚焦于显著的局部区域。在WSI-VQA、CTIS-Bench和切片级诊断任务上的大量实验表明，CTIS-QA在多个指标上 consistently 优于现有的SOTA模型。代码和数据已公开于https://github.com/HLSvois/CTIS-QA。
引用
@article{arxiv.2601.01769,
title = {CTIS-QA: Clinical Template-Informed Slide-level Question Answering for Pathology},
author = {Hao Lu and Ziniu Qian and Yifu Li and Yang Zhou and Bingzheng Wei and Yan Xu},
journal= {arXiv preprint arXiv:2601.01769},
year = {2026}
}
备注
The paper has been accepted by BIBM 2025