病理视觉问答

MLLM-HWSI：面向层次化全切片图像理解的多模态大语言模型

MLLM-HWSI: A Multimodal Large Language Model for Hierarchical Whole Slide Image Understanding

将全切片图像分解为细胞、图像块、区域、WSI四个尺度，并用尺度特定投影器与层次对比+跨尺度一致性损失对齐病理语言，为视觉-语言模型提供可解释的多尺度证据推理框架，可迁移到其他需要多尺度理解的视觉领域。