脑血管病理数字化的统一模型：Uni-Hema
计算机视觉与模式识别
2025-11-20 v2 机器学习
摘要
数字血液病理需要在包括恶性疾病（如白血病）、感染性疾病（如疟疾）和非恶性红细胞疾病（如镰状细胞病）在内的多种疾病类别中进行细胞水平的分析。无论是单任务、视觉语言、针对组织片优化的还是单细胞血液病理模型，这些方法都存在一个关键局限性：无法在数字血液病理的复杂性方面提供统一、多任务、多模态的推理。为克服这些限制，我们提出了 Uni-Hema，一个集成检测、分类、分割、形态预测和跨多疾病推理的多任务统一模型。Uni-Hema 利用 46 个公开数据集，涵盖超过 70 万张图片和 2.1 万对问答对，基于 Hema-Former 构建，该模型在不同任务（检测、分类、分割、形态、掩码语言建模和视觉问答）在不同粒度上桥接视觉和文本表示。广泛的实验表明，Uni-Hema 在各种血液学任务中，实现了与在单个任务和单个数据集上训练的模型相当或更好的性能，同时在细胞水平提供可解释的、与形态学相关的见解。我们的框架为多任务和多模态数字血液病理树立了新标准。该代码将公开发布。
关键词
引用
@article{arxiv.2511.13889,
title = {Uni-Hema: Unified Model for Digital Hematopathology},
author = {Abdul Rehman and Iqra Rasool and Ayisha Imran and Mohsen Ali and Waqas Sultani},
journal= {arXiv preprint arXiv:2511.13889},
year = {2025}
}