PBSBench：面向血液病理全切片图像解释的多层级视觉语言框架与基准
计算机视觉与模式识别
2026-04-21 v1 人工智能
摘要
Peripheral Blood Smear (PBS) 是血液病理学中关键的显微检查，产生全切片成像 (WSI)。不同于实质组织病理学，PBS 解释聚焦于单个细胞形态，而非组织结构，这使其在视觉特征和诊断推理方面具有显著差异。然而，当前为病理学开发的多模态大语言模型 (MLLM) 主要基于实质组织 WSI，难以泛化到 PBS。为填补这一差距，我们构建 PBSInstr——首个针对 PBS 解释的视觉语言数据集，包含 353 份 PBS WSI 配对的显微镜印象段落，以及 29k 条细胞级图像裁切，标注细胞类型和形态描述。为促进指令调谐，PBSInstr 进一步包括 27k 条细胞裁切问答 (QA) 对和 1,286 条 PBS 切片 QA 对。基于 PBSInstr，我们开发 PBS-VL——一个针对血液病理的视觉语言模型，用于多层级 PBS 解释，涵盖细胞和切片层面。为全面评估 PBS 理解，我们构建 PBSBench——一个包含四类问题类别和六项 PBS 解释任务的视觉问答 (VQA) 基准。实验表明，PBS-VL 在视觉质量和几何一致性方面显著优于现有通用和病理 MLLM，凸显了 PBS-specific 数据的价值。我们发布代码、数据集和模型权重，以促进未来研究。我们的框架为开发支持血液病理决策的实用 AI 助手奠定了基础。
引用
@article{arxiv.2604.17570,
title = {PBSBench: A Multi-Level Vision-Language Framework and Benchmark for Hematopathology Whole Slide Image Interpretation},
author = {Yuanlong Wang and Weichi Chen and Adrian Rajab and Wenfang Liu and Yulan Jin and Andrew Srisuwananukorn and Ping Zhang},
journal= {arXiv preprint arXiv:2604.17570},
year = {2026}
}
备注
19 pages, 12 figures, Accepted by CVPR Findings 2026