PathNavigate：基于惊讶引导扫描和共享滑片记忆的无训练病理代理
计算机视觉与模式识别
2026-05-25 v1 人工智能
摘要
Whole-slide image 视觉问答（WSI-VQA）将病理学建模为极端上下文搜索问题：为了回答自由形式的临床查询，系统必须首先在严格的检查预算下导航巨像素滑片，以定位稀疏的高分辨率证据。现有方法大多分为两类：i) 监督式病理多模态大语言模型（MLLM）可将局部化和推理吸收到已学习的模块中，但常将导航与任务特定的监督和 retraining 耦合，限制了实用性；ii) 无训练病理代理通过保持核心模型冻结来避免此成本，但常遵循查询优先设计，主要从查询条件相关性构建初始候选集。这可能遗漏问题中未提及的决定性形态学，并导致更重的推理时架构。为此，我们提出 PathNavigate，一个基于扫描-搜索-读取程序的无训练病理代理。在问题匹配之前，PathNavigate 扫描当前滑片低放大倍率，借助基于冻结病理特征的共享在线记忆模块，生成表示异常区域池的惊讶场。随后仅在此池内应用查询条件 PLIP 相关性，以选择高放大倍率搜索目标。最后提取局部高放大倍率证据，并通过冻结感知-裁决堆栈回答问题，同时使用相同的在线记忆作为滑片级上下文。在 WSI-VQA 和 SlideBench-BCNB 上的实验表明，所提出的扫描-搜索-读取设计在答案准确率和可解释证据选择轨迹方面均有改进，同时具有更高的效率。代码已公开。
引用
@article{arxiv.2605.23559,
title = {PathNavigate: A Training-Free Pathology Agent with Surprise-Guided Scan and Shared Slide Memory for Whole-Slide Image VQA},
author = {Chunze Yang and Qidong Liu and Wenjie Zhao and Yue Tang and Jiusong Ge and Di Zhang and Jiashuai Liu and Lei Wu and Junbo Lu and Ni Zhang and Xian Wu and Zeyu Gao and Chen Li},
journal= {arXiv preprint arXiv:2605.23559},
year = {2026}
}