面向切面黑色素瘤病理报告的路径ology 报告生成与多模态表征学习
计算机视觉与模式识别
2025-02-28 v2
摘要
每年有数百万黑色素瘤皮肤病变由病理学家检查，其中大多数涉及常见黑色素瘤（即普通痣）。虽然大多数病变可在秒钟内诊断，但撰写相应的病理报告却相对耗时。自动化生成报告的一部分可从而减轻病理学家日益增加的工作负担。本工作开发了专为黑色素瘤病理学领域设计的视觉-语言模型。该模型遵循对比式描述器框架，使用 42,512 张 H&E 染色全切片图像和 19,645 份相应病理报告进行训练和评估。我们的结果表明，针对常见痣的模型生成报告质量得分与病理学家撰写的报告相当，由专家病理学家在读者研究中进行评估。尽管报告生成在罕见黑色素瘤亚型方面更具挑战性，但这些案例的跨模态检索性能显著提升。
引用
@article{arxiv.2502.19293,
title = {Pathology Report Generation and Multimodal Representation Learning for Cutaneous Melanocytic Lesions},
author = {Ruben T. Lucassen and Sander P. J. Moonemans and Tijn van de Luijtgaarden and Gerben E. Breimer and Willeke A. M. Blokx and Mitko Veta},
journal= {arXiv preprint arXiv:2502.19293},
year = {2025}
}
备注
11 pages, 2 figures. arXiv admin note: text overlap with arXiv:2502.19285