研究人员开发了一个名为Chain-of-Prompts (CoP)的新框架，该框架显著提高了组织病理学图像中的细胞实例分割。这种无需训练的方法每个细胞类型只需一次点击，与每个实例提示相比，成本大大降低。CoP利用了SAM等基础模型的现有特征聚类，能够高效地识别和分割给定细胞类型的所有实例，仅需最少的用户输入即可达到超过90%的每个实例性能。 AI
排序理由 该集群包含一篇详细介绍细胞实例分割新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.29429v1 Announce Type: new Abstract: Cell instance segmentation models trained on cell-specific datasets suffer severe performance drops on out-of-distribution cell types, while interactive foundation models overcome this through per-instance prompting at a cost that i…