面向更安全的组织块病理图像描述的检索引导生成
计算机视觉与模式识别
2026-05-05 v1 人工智能
信息检索
摘要
生成式视觉语言模型可以生成流畅的医学图像描述，但容易出现幻觉、过度具体的诊断性表述以及事实不一致——这些都是病理学中的严重问题。我们研究检索引导生成（RGG）作为更安全的替代方案，其中通过总结来自视觉相似病例中从专家处获得的文本来构建描述，而非原创生成。在 ARCH 组织块病理数据集上，RGG 在语义对齐方面取得改进，余弦相似度达到约 0.60，而 MedGemma 为约 0.47，两者置信区间不重叠，表明提升具有统计学意义。病理学家主导的定性审查显示，RGG 在保留病理学术语方面更好，减少了不受支持的诊断，同时揭示了概念混合和继承性过度具体标记等失效模式。总体而言，检索引导的描述方法更透明、更可靠，其审计机会也更明确。
引用
@article{arxiv.2605.00893,
title = {Retrieval-Guided Generation for Safer Histopathology Image Captioning},
author = {Md. Enamul Hoq and Wataru Uegami and Saghir Alfasly and Ghazal Alabtah and Sahar Rahimi Malakshan and Armita Kazemi and Alex T. Schmitgen and Fred Prior and H. R. Tizhoosh},
journal= {arXiv preprint arXiv:2605.00893},
year = {2026}
}