Buchumschlag

PathReasoning: A multimodal reasoning agent for query-based ROI navigation on whole-slide images

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Kunpeng, Xu, Hanwen, Wang, Sheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BAAI Cardiac Agent: An intelligent multimodal agent for automated reasoning and diagnosis of cardiovascular diseases from cardiac magnetic resonance imaging
von: Qu, Taiping, et al.
Veröffentlicht: (2026)

PathAlign: A vision-language model for whole slide images in histopathology
von: Ahmed, Faruk, et al.
Veröffentlicht: (2024)

Evidence-based diagnostic reasoning with multi-agent copilot for human pathology
von: Weishaupt, Luca L., et al.
Veröffentlicht: (2025)

When normalization hallucinates: unseen risks in AI-powered whole slide image processing
von: Moens, Karel, et al.
Veröffentlicht: (2025)

PathReasoner-R1: Instilling Structured Reasoning into Pathology Vision-Language Model via Knowledge-Guided Policy Optimization
von: Jiang, Songhan, et al.
Veröffentlicht: (2026)

MedVL-SAM2: A unified 3D medical vision-language model for multimodal reasoning and prompt-driven segmentation
von: Xing, Yang, et al.
Veröffentlicht: (2026)

mChartQA: A universal benchmark for multimodal Chart Question Answer based on Vision-Language Alignment and Reasoning
von: Wei, Jingxuan, et al.
Veröffentlicht: (2024)

CheXthought: A global multimodal dataset of clinical chain-of-thought reasoning and visual attention for chest X-ray interpretation
von: Sharma, Sonali, et al.
Veröffentlicht: (2026)

A review of deep learning-based information fusion techniques for multimodal medical image classification
von: Li, Yihao, et al.
Veröffentlicht: (2024)

Identifying regions of interest in whole slide images of renal cell carcinoma
von: Benomar, Mohammed Lamine, et al.
Veröffentlicht: (2025)

Free-form language-based robotic reasoning and grasping
von: Jiao, Runyu, et al.
Veröffentlicht: (2025)

Deep learning-based classification of breast cancer molecular subtypes from H&E whole-slide images
von: Tafavvoghi, Masoud, et al.
Veröffentlicht: (2024)

Reasoning Path and Latent State Analysis for Multi-view Visual Spatial Reasoning: A Cognitive Science Perspective
von: Xue, Qiyao, et al.
Veröffentlicht: (2025)

Just rotate it! Uncertainty estimation in closed-source models via multiple queries
von: Pitas, Konstantinos, et al.
Veröffentlicht: (2024)

MUPA: Towards Multi-Path Agentic Reasoning for Grounded Video Question Answering
von: Dang, Jisheng, et al.
Veröffentlicht: (2025)

Focus on What Matters: Two-Stage ROI-Aware Refinement for Anatomy-Preserving Fetal Ultrasound Reconstruction
von: Abbes, Ines, et al.
Veröffentlicht: (2026)

Joint Imaging-ROI Representation Learning via Cross-View Contrastive Alignment for Brain Disorder Classification
von: Liang, Wei, et al.
Veröffentlicht: (2026)

Can Multi-modal (reasoning) LLMs work as deepfake detectors?
von: Ren, Simiao, et al.
Veröffentlicht: (2025)

Obstruction reasoning for robotic grasping
von: Jiao, Runyu, et al.
Veröffentlicht: (2025)

Generalisation of automatic tumour segmentation in histopathological whole-slide images across multiple cancer types
von: Skrede, Ole-Johan, et al.
Veröffentlicht: (2025)

Let's Think with Images Efficiently! An Interleaved-Modal Chain-of-Thought Reasoning Framework with Dynamic and Precise Visual Thoughts
von: Liu, Xu, et al.
Veröffentlicht: (2026)

Beyond Endpoints: Path-Centric Reasoning for Vectorized Off-Road Network Extraction
von: Guan, Wenfei, et al.
Veröffentlicht: (2025)

Self-supervised learning of imaging and clinical signatures using a multimodal joint-embedding predictive architecture
von: Li, Thomas Z., et al.
Veröffentlicht: (2025)

XAI-CLIP: ROI-Guided Perturbation Framework for Explainable Medical Image Segmentation in Multimodal Vision-Language Models
von: Alzubaidi, Thuraya, et al.
Veröffentlicht: (2026)

A self-supervised framework for learning whole slide representations
von: Hou, Xinhai, et al.
Veröffentlicht: (2024)

Case-based reasoning approach for diagnostic screening of children with developmental delays
von: Song, Zichen, et al.
Veröffentlicht: (2024)

OCTCube-M: A 3D multimodal optical coherence tomography foundation model for retinal and systemic diseases with cross-cohort and cross-device validation
von: Liu, Zixuan, et al.
Veröffentlicht: (2024)

Object criticality for safer navigation
von: Ceccarelli, Andrea, et al.
Veröffentlicht: (2024)

A multi-scale vision transformer-based multimodal GeoAI model for mapping Arctic permafrost thaw
von: Li, Wenwen, et al.
Veröffentlicht: (2025)

Weakly supervised multimodal segmentation of acoustic borehole images with depth-aware cross-attention
von: Silva, Jose Luis Lima de Jesus
Veröffentlicht: (2026)

Vid-LLM: A Compact Video-based 3D Multimodal LLM with Reconstruction-Reasoning Synergy
von: Chen, Haijier, et al.
Veröffentlicht: (2025)

Teaching large language models to reason like expert diagnosticians
von: Buckley, Thomas A., et al.
Veröffentlicht: (2025)

Phi-4-reasoning-vision-15B Technical Report
von: Aneja, Jyoti, et al.
Veröffentlicht: (2026)

Segment Any Architectural Facades (SAAF):An automatic segmentation model for building facades, walls and windows based on multimodal semantics guidance
von: Li, Peilin, et al.
Veröffentlicht: (2025)

Explaining multimodal LLMs via intra-modal token interactions
von: Liang, Jiawei, et al.
Veröffentlicht: (2025)

VisioMath: Benchmarking Figure-based Mathematical Reasoning in LMMs
von: Li, Can, et al.
Veröffentlicht: (2025)

A Multimodal Knowledge-enhanced Whole-slide Pathology Foundation Model
von: Xu, Yingxue, et al.
Veröffentlicht: (2024)

Object-oriented backdoor attack against image captioning
von: Li, Meiling, et al.
Veröffentlicht: (2024)

When language and vision meet road safety: leveraging multimodal large language models for video-based traffic accident analysis
von: Zhang, Ruixuan, et al.
Veröffentlicht: (2025)

MemeBLIP2: A novel lightweight multimodal system to detect harmful memes
von: Liu, Jiaqi, et al.
Veröffentlicht: (2025)