讲座人：张野 博士生

题目：基于多模态视觉推理的病理诊断可解释性研究

时间：2025年6月12日14: 00-15: 00

地点：#腾讯会议：836-670-231

讲座内容：随着人工智能在病理诊断领域的应用不断深入，模型可解释性成为限制自动化癌症诊断系统在临床应用的关键挑战。当前基于深度学习的方法缺乏透明和结构化的推理过程，限制了其在应用中的可靠性。近年来，多模态视觉推理模型取得了重要进展，展现出强大的视觉-语言交互能力，能够联合生成像素级分割掩码与对应的文本内容。这一特性在医学领域的应用，有望通过定位病变区域并生成诊断报告，显著提升病理诊断的可解释性。在此背景下，本报告将介绍我们提出的PathMR框架：一个针对病理图像分析的细胞级多模态视觉推理模型。PathMR能够在输入病理图像和文本查询后，自动生成接近专家水平的诊断解释，同时预测细胞分布模式。为了评估模型性能，我们构建了专用于胃腺癌诊断视觉推理任务的数据集GADVR。