这项由首尔国立大学与OGQ公司、LG CNS结伴开展的接头，以预印推行式于2026年5月28日发布在arXiv平台，编号为arXiv:2605.29429。接头提议了一种名为"Chain-of-Prompts（CoP，辅导链）"的全新框架，特地处理医学图像中细胞自动识别与分割这一耐久困扰接头者的艰苦。

**一场莫得格外的"点名"游戏**

病理大夫每天面对的显微镜图像，不时密密匝匝地排布着数百以至数千个细胞。要让野神思准确识别并勾画出每一个细胞的概述，传统作念法就像班主任在一张大合影前挨个点名——对着相片里的每一张脸逐个证明，"这是小明，这是小红，这是小刚……"当一张图里有几百张脸时，这份职责量之大不言而谕。

关联词医学图像分析的现实需求正巧如斯。野心病理学（平凡地说，即是用野神思代替东说念主眼来分析病理切片）是当代医学会诊中越来越蹙迫的器具，而其中最基础的设施之一，即是"细胞实例分割"——不仅要找到图像里有哪些细胞，还要精确勾画出每个细胞的领域，就像用马克笔把相片里每个东说念主的概述都描出来，何况每个东说念主的线条不成互相重迭欺侮。

现存的野神思视觉模子在处理这个问题时濒临一个根人道逆境。那些特地为细胞分析纯属的模子，本质上是靠"死记硬背"来职责的：接头者花大宗时分标注特定类型的细胞，模子就把这些细胞的长相记取，以后看到雷同的就认出来。这套法度在纯属时见过的细胞上弘扬可以，但一朝碰到没见过的细胞类型，性能就会急剧下滑。就像一个只见过中国东说念主脸的东说念主，一忽儿被送到北欧，认东说念主的准确率就会大打扣头。

在原论文给出的具体数字中，这种"认生"进程令东说念主印象深远。以著述中演示的一张含有未见过细胞类型的病理图像为例，某个无监督纯属的法度赢得的AJI（一种讨论分割准确度的方针，数值越高越好，满分为1）唯有0.133，某个经过完好监督纯属的法度也只达到0.228。AJI这个数值可以贯串为"野神思勾画的细胞概述与确实概述的重合进程"——分数越低，讲解野神思要么漏掉了许多细胞，要么把领域画得前合后仰。

连年来，以SAM（Segment Anything Model，"分割任何东西"模子）为代表的通用交互式分割模子提供了另一种念念路。这类模子不需要特地学习某种细胞，只需要用户用鼠标点一下看法，它就能自动勾画出概述。表面上这处理了"认生"问题，因为无论什么类型的细胞，只消点一下，模子就能处理。关联词问题也随之而来：一张有245个细胞的图像，就需要点击245次。把这个乘以临床践诺中每天要处理的大宗病理切片，这个决策的可操作性险些为零。

恰是在这个布景下，首尔国立大学的接头团队提议了一个苟且而高明的问题：有莫得可能只点击一次，就让野神思自动找到图像里扫数同类细胞？

**冰山下的玄妙：AI眼中的细胞全国早已目别汇分**

这个想法建筑的重要，在于接头团队发现了SAM图像编码器（可以贯串为模子"看图"的那只眼睛）的一个此前未被充分哄骗的特质。

SAM的职责经过可以用一个浮浅的譬如来贯串。假定你是一位教化丰富的鉴宝师，当一件文物被端到你眼前时，你率先会用眼睛扫一遍整件物品，在脑子里酿成一个全面的印象——这是瓷器如故青铜器，是哪个朝代的立场，各个部位有什么特征。这个"扫描建模"的过程，对应的即是SAM的图像编码器。之后，当客户指着某个具体部位问"这里有莫得裂纹"，你才脱手针对性地回应，这对应的是SAM接考取户点击后进行的解码过程。

接头团队防御到，SAM的图像编码器在"扫描建模"这一步，仍是在里面偷偷完成了一件了不得的事：它把团结类型的细胞，在其里面的特征空间里聚在了沿途。特征空间可以贯串为一个多维的"坐标系"，不同的细胞在这个坐标系里各占一个位置，而同类细胞会当然地趋奉在相邻的区域。

接头团队用UMAP（一种把高维数据可视化的技巧）把这种趋奉征象展示了出来。在SAM编码器的低分辨率特征图中，三种不同类型的细胞（分别有16个、72个和157个样本）在图上酿成了三个强横分明的趋奉区域，不同类型之间险些莫得欺侮。这个特质十足是自愿产生的，不需要任何特地针对细胞的纯属，也不需要提前告诉模子"这里有几种细胞"。SAM的编码器只是在作念它蓝本的职责——尽可能全面地贯串图像中的每一个细节——却不测间完成了细胞分类这件事。

这个发现是扫数这个词接头的基石。淌若同类细胞在特征空间里是聚在沿途的，那么表面上，只消找到一个细胞的特征，就能通过野心"相似度"找到扫数与它相似的细胞。这就像在一个生分城市里找同乡：只消你知说念老乡的口音、习气、衣着，就能在东说念主群中逐步鉴别出其他说一样方言的东说念主，而不需要每一个东说念主都先自我先容。

**两个维度的"侦察网罗"**

关联词，把这个表面想法调治为推行可用的系统，并不像提及来那么浮浅。接头团队碰到了两个细腻连续的技巧艰苦，而他们瞎想的处理决策——恰是CoP框架的中枢。

SAM的图像编码器会产生两种分辨率的特征图。高分辨率特征图就像一张放大了四倍的舆图，能明晰地看到每一条街说念和每一栋建筑，但关于"这个街区属于哪个城区"这么的问题回应得不太准确。低分辨率特征图则像减弱了十六倍的全局舆图，能清爽地辞别各个城区的领域，但具体到每条街说念就拖拉了。

用在细胞识别上，高分辨率特征图能精确信位每一个细胞的具体位置，即使细胞挨得很紧也能分辨，但它会把布景组织中庸细胞外不雅有几分相似的区域也符号出来，产生大宗"误报"。低分辨率特征图能准确地只反映看法类型的细胞，把它们和其他类型的细胞区分开，但分辨率太低，相邻的细胞不时会被混在沿途，领域拖拉。

这两个特征图就像两个各有专长的观察：一个目光极好，2026世界杯竞猜中国官网能发现轻细印迹，但就怕候会把无辜路东说念主当嫌疑东说念主；另一个判断力强，能准确锁定确实的看法，但对具体地点的描画老是不太精确。

接头团队提议的**层级相似度门控（HSG）**机制，本质上即是让这两个观察"结伴办案"。具体作念法是：先分别野心用户点击位置在高分辨率特征图和低分辨率特征图中的相似度踱步，然后把两张相似度图作念逐元素相乘。这个操作的效果相等于用低分辨率图的准确判断力来"过滤"高分辨率图中的误报——唯有同期被两张图都认同的位置，智力通过这个"双重审核"。

过滤之后，还需要确信哪些像素点是细胞的中心位置，而不单是是细胞的某个边缘部分。接头团队采取了连通因素符号（CCL）的法度——可以贯串为把过滤后舆图上连成片的"高亮区域"各自圈出来，然后找到每个区域的重点。这些重点点就组成了一批"实在点趋奉"，每一个实在点都对应着一个很可能是同类细胞的位置。

实验数据标明，这套双重过滤机制的精确度相等高，在扫数这个词迭代过程中耐久保捏在96%以上——也即是说，100个被符号出来的点里，至少有96个照实是看法细胞。

**从"点"到"面"的努力于赛**

HSG处理了"若何高精度地找到同类细胞"的问题，但只靠启动点击周围的相似度野心，不时只可掩盖图像的一小片区域。距离启动点击位置较远的细胞，由于图像中局部组织环境各别，特征相似度会当然衰减，单次查找可能遗漏。

为了处理掩盖范围不及的问题，接头团队瞎想了**最远点递归（FPR）**机制。这套机制的逻辑相等直观化：每次HSG产生了一批实在点之后，不是停驻来，而是从这批实在点里挑选一个"距离扫数仍是用过的辅导点最远"的点，把它行为新的起点，再走运行HSG，发现更多之前没找到的细胞，再把新发现的细胞合并进实在点趋奉里……如斯轮回，直到某一轮运行之后莫得发现任何新的细胞为止。

这个战略可以用"探险队开路"来贯串。一支探险队从某个已知的据点开赴，先把隔壁区域都探查明晰，纪录下扫数实在的补给点。然后，他们从这些补给点里选拔距离最远的那一个行为下一个开赴地，继续向未知限度鞭策。每次都选最远的处所开赴，保证了不会在团结派区域反复兜圈子，而是尽可能地向整张舆图的各个边际蔓延。

值得防御的是，在选拔下一个起点时，距离的野心是在图像的物理坐标上进行的，而不是在抽象的特征空间里。这个细节很重要，因为在特征空间里的"距离"可能会跟着迭代而产生漂移，导致探索标的出现偏差；而物理坐标上的距离则耐久对应着图像上确实的空间位置，保证每次递归都在探索确实真义上"还没去过的处所"。

当递归停止后，亚搏官方网站扫数轮次积蓄下来的实在点趋奉，就会被送入SAM的解码器，为每一个实在点生成对应的细胞分割掩码。淌若某些相邻细胞对应的掩码有重迭，则通过IoU大于0.5的非极大值扼制来去重，最终赢得一套干净的细胞实例分割为止。

扫数这个词CoP框架就这么组成了一个完好的闭环：一次点击触发HSG，HSG产生实在点集，FPR从实在点集里选出最远点再次触发HSG，如斯轮回直至全图掩盖，临了调瓦解码输出。

**数字背后的故事：97%的点击省下来了**

接头团队在七个圭臬测试数据集上对CoP进行了全面评估，为止从多个角度印证了这套法度的实用价值。

在三个带有细胞类型标注的数据集上，CoP展现出了最中枢的智力。CoNIC数据集包含六种不同类型的细胞，CoNSeP包含四种，GlaS则是一个结肠腺体分割数据集。在这些数据集上，与着手进的基础模子SAM3（2026年ICLR发表）进行对比时，SAM3采取逐实例点击（每个细胞点一次）的形势，CoP只需每种细胞类型点一次。

具体数字方面，在CoNIC数据集上，SAM3逐实例点击的AJI为0.641，而CoP的形势赢得了0.579，相等于保留了90%的性能；在CoNSeP上，SAM3得0.411，CoP得0.374，一样在90%以上；在GlaS上，SAM3得0.327，CoP得0.292，比例相似。与此同期，CoP仅需大要3次点击（每种细胞类型一次），而逐实例形势需要几百次——文中以含有245个细胞的图像为例，从245次裁汰到3次，减少了约97%的标注职责量。

与此同期，CoP的弘扬全面超过了那些需要大宗标注数据进行完好纯属的监督学习法度。CellViT是当今细胞分割限度最强的监督模子之一，在CoNIC数据集上的AJI唯有0.371，显赫低于CoP的0.579。这意味着，仅靠3次点击，莫得任何额外纯属，CoP就逾越了一个经过悉心纯属的特地模子。

著述中还展示了那些试图用翰墨描画（比如输入"cell"这个单词）或视觉参考图片来代替点击的法度的弘扬。这些法度要么在某些数据集上十足失效（AJI为0），要么弘扬极为不踏实。这是因为翰墨或图片辅导依赖模子在纯属时学到的特定限度对应关连，而不同细胞类型的病理图像差异庞大，这种对应关连不时无法泛化。比拟之下，点击辅导平直查询的是图像编码器的底层特征，绕过了限度特定的对皆机制，因此能在各式细胞类型上踏实职责。

在另外四个不含细胞类型标注的数据集（MoNuSeg、TNBC、CryoNuSeg、CPM-17）上，由于每张图里的细胞时势比较单一，CoP只需一次点击即可。为止更为惊东说念主：CoP保留了99%以上的逐实例点击性能。在TNBC数据集上，SAM3逐实例形势赢得AJI 0.752，CoP赢得0.750，差异险些可以忽略不计。

**每个零件的孝敬：拆解来看智力贯串举座**

接头团队还进行了系统性的消融实验，逐个考证每个瞎想选拔的必要性。这些实验以CoNIC数据集为主要测试场景。

去掉FPR递归机制，只保留HSG作念一次性查找，AJI从0.579急剧着落到0.203，着落幅度高达65%。这个数字直不雅地讲解，单次查找只可掩盖启动点击隔壁的细胞，而递归膨大才是兑现全图掩盖的重要。

在FPR的选点战略上，接头团队比较了"选最远点"、"选最近点"和"选中间点"三种决策。最远点战略赢得AJI 0.579，最近点战略唯有0.492，中间点决策得0.515。最近点和中间点的失败原因是相通的：它们倾向于在仍是探索过的区域隔壁打转，无法灵验向未掩盖的区域鞭策。

在HSG的特征会通瞎想上，单独使用高分辨率特征图（不经过低分辨率图过滤）时，AJI降到0.463，因为大宗来自布景组织的误报会在每一轮递归中被当成新的起点传播，精度在第15轮迭代时仍是跌破0.6。单独使用低分辨率特征图时，AJI更低，唯有0.351，因为分辨率太低导致辅导点定位不准确，许多点落在细胞领域以至布景上。两者趋奉的决策在扫数这个词迭代过程中把精度看守在0.96以上，同期保捏了与高分辨率图相等的调回率。

启动点击位置的明锐性方面，接头团队用30个不同的就地种子重复了扫数CoNIC实验，赢得的AJI均值为0.579，圭臬差仅为0.003。这讲解CoP关于用户具体点击了哪个细胞这个问题相等鲁棒，不需要用户特等精确地点到某个"最好位置"。

著述也丰足地指出了这套法度的局限。CoP依赖于SAM自身的分割智力——淌若有某个细胞即使给了准确的点击，SAM也无法正确分割出来，那CoP也一样窝囊为力。此外，CoP的前提假定是同类细胞在特征空间里有相对一致的外不雅，淌若某种细胞类型里面时势变化极大，这个假定可能不建筑，系统弘扬就会着落。

**运行速率：15秒内处理完结**

接头团队还给出了具体的运行时分数据，这对推行应用来说一样蹙迫。扫数实验都在一张NVIDIA RTX A6000显卡上进行。关于一张1000×1000像素的输入图像，SAM图像编码大要需要2秒，这是一次性的固定支拨。之后，每次用户点击触发的CoP经过（HSG传播加上FPR迭代直至拘谨）平均耗时约4秒，其中每一次FPR单步迭代大要170毫秒。关于一张含有三种细胞类型的图像，扫数这个词过程（不含编码时分）在15秒以内完成。由于CoP十足在特征空间中运算，莫得任何反向传播，所占用的内存支拨也很小。

**说到底，这项接头的价值在那处**

归根结底，首尔国立大学这支团队作念的事情，是发现并哄骗了一个一直存在却被疏远的礼貌：一个苍劲的视觉模子在"看懂"图像的过程中，仍是顺带完成了细胞分类的职责，只是从来莫得东说念主瞎想过一套法度来把这份"顺带职责"的恶果索求出来加以哄骗。

从推行应用角度看，这项接头意味着病理分析职责的交互本钱可以从"标注几百个细胞"裁汰到"为每种细胞类型点一次"。关于临床病理大夫来说，一天可能需要分析大宗切片，这种服从进步的真义相等具体。关于接头者来说，这套法度无需再行纯属，可以平直适用于他们碰到的任何新式细胞，不再受限于纯属数据。

这也引出一个值得念念考的问题：那些苍劲的通用视觉模子，究竟在它们的特征空间里偷偷编码了些许东说念主类还没充分哄骗的结构化信息？简略下一个冲破，不是来自更大的模子，而是来自对现存模子里面特征的更灵巧的使用形势。有兴味深入了解这项职责的读者，可以通过arXiv编号2605.29429查阅完好论文。

---

Q&A

Q1：Chain-of-Prompts法度需要用户具备什么专科布景智力使用？

A：Chain-of-Prompts对用户的专科条目很低。用户只需要在图像中识别出有哪几种细胞类型，然后对每种类型点击一次，系统就会自动完成后续扫数的细胞识别和概述勾画职责。点击位置也不需要特等精确，实验标明用30个不同的就地位置测试，为止的波动极小（圭臬差仅0.003），讲解璷黫点一下同类细胞中的任性一个都可以。

Q2：CoP在什么情况下会失效或弘扬变差？

A：CoP有两个主要局限。第一，它依赖底层的SAM模子，淌若某个细胞即使给了精确的点击，SAM自身也无法正确分割出来，那CoP也帮不上忙。第二，CoP假定团结类型的细胞在外不雅特征上比较一致，淌若某种细胞类型里面时势差异极大，系统识别同类细胞的智力就会着落。在时势均一的细胞类型上，一次点击就能掩盖99%以上；在时势各样的搀杂类型场景中，需要每种类型各点一次，性能保留在90%以上。

Q3：Chain-of-Prompts和平直让AI自动检测扫数细胞有什么区别？

A：平直让AI自动检测（比如用"cell"这个词行为翰墨辅导亚搏官方网站，或提供参考图片）依赖模子在纯属时学到的特定对应关连，碰到纯属时没见过的细胞类型不时十足失效，在多个数据集上AJI平直变为0。Chain-of-Prompts则通过用户提供的一次点击绕过了这个问题，平直查询模子的底层特征，不依赖任何限度特定的纯属，因此对未见过的细胞类型也能踏实职责，这恰是它比拟纯自动化法度的中枢上风所在。