PathKGen：知识图谱辅助MLLM生成可解释病理报告

知识图谱辅助MLLM生成可解释病理报告，在WSI-Bench上超此前SOTA。

资讯摘要

论文提出PathKGen，一种知识图谱辅助的多模态大语言模型，用于组织病理学报告生成。它包含视觉路径（用病理基础模型学习视觉token）和知识路径（查询病理专用知识图谱提取WSI关键形态特征，生成知识token）。作者报告在WSI-Bench上超过此前SOTA，并能以可视化图呈现诊断推理；知识路径模块化，可搭配视觉对齐MLLM并扩展至其他领域。

要点速读

1. 论文针对MLLM纯参数推理知识受限、黑箱推理难解释的问题，引入知识图谱注入外部结构化知识。
2. PathKGen含视觉路径与知识路径两条分支，知识路径通过查询病理知识图谱提取WSI形态特征生成知识token。
3. 作者报告在WSI-Bench数据集上超过此前SOTA方法，并将诊断推理呈现为可视化图。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。