English(EN) From Presence Labels to Bounding Boxes: Can Multimodal Large Language Models Scale Surgical Instrument Localization?

MLLM 自动化手术器械定位以增强标注

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一个新的框架，使用多模态大语言模型（MLLM）从现有的存在性标签自动生成手术器械的边界框标注。该方法旨在克服手动标注的局限性，手动标注耗时且需要专家输入。该研究在腹腔镜胆囊切除术数据上评估了六种不同的 MLLM，结果表明，结构化的多阶段标注流程实现了 0.784 的平均交并比（mIoU），非常接近人类之间的协议。 AI

影响这项研究可能显著加快医学影像标注数据集的创建速度，从而加速手术分析和机器人领域的人工智能发展。

排序理由在 arXiv 上发表的研究论文，详细介绍了使用 LLM 进行数据标注的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在 arXiv 上发表的研究论文，详细介绍了使用 LLM 进行数据标注的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Mohamed Hamdy, Muraam Abdel-Ghani, Fatmaelzahraa Ahmed, Sifna Nasar, Mariam Ahmed, Khalid Al-Jalham, Abdulaziz Al-Ali, Shidin Balakrishnan · 2026-10-27 04:00

从存在标签到边界框：多模态大语言模型能否扩展手术器械定位？

arXiv:2610.34218v1 Announce Type: new Abstract: Spatial localization of surgical instruments through bounding-box annotations is a foundational component of surgical scene understanding, supporting detection, tracking, interaction analysis, and grounded vision-language applicatio…

本文如何被排名

报道来源 [1]

从存在标签到边界框：多模态大语言模型能否扩展手术器械定位？

相关实体

相关话题