[{"data":1,"prerenderedAt":23},["ShallowReactive",2],{"news-zh-neurips-2026-pathology-foundation-model":3},{"slug":4,"lang":5,"title":6,"summary":7,"date":8,"category":9,"tags":10,"cover":16,"order":17,"author":18,"authorTitle":18,"authorSlug":18,"people":19,"bodyLang":5,"html":22},"neurips-2026-pathology-foundation-model","zh","NeurIPS 2026｜自由动脉 CTO 蔡镇阳合著：卷积病理基础模型只训 700 万参数，细胞分割超越 ViT 病理大模型","清华大学深圳国际研究生院、香港中文大学（深圳）等提出卷积病理基础模型 CMD：掩码扩散预训练后冻结骨干、只训练轻量分割头，细胞级分割整体超越主流 ViT 病理基础模型。","2026-11-16","论文",[11,12,13,14,15],"NeurIPS 2026","计算病理","病理基础模型","细胞分割","扩散模型","/images/news/neurips-2026-pathology-foundation-model/cover.jpg",3,"",[20,21],"蔡镇阳","王本友","\u003Cp>在计算病理中，细胞核分割、炎症细胞检测、组织微环境分析都离不开“细胞级密集预测”，也就是对图像做逐像素的精细判断。难点在于：病理结构往往很小、形态多样、边界模糊，染色、扫描仪、组织类型和机构之间的差异又很大，而逐像素的密集标注成本高昂。\u003C/p>\n\u003Cp>当下的病理基础模型大多基于 ViT（Vision Transformer，视觉 Transformer）。ViT 先把图像切成固定大小的图块（patch）再编码，用于识别组织类别等高层任务很有效，却可能打断连续的组织结构，丢失图块内部的形态、纹理和边界细节，而这些恰恰是细胞级预测最需要的信息。\u003C/p>\n\u003Cp>针对这一问题，来自清华大学深圳国际研究生院、香港中文大学（深圳）等机构的研究者提出 \u003Cstrong>CMD\u003C/strong>（ConvNeXt Masked-Diffusion，ConvNeXt 掩码扩散）：用全卷积网络做骨干，在像素空间做掩码扩散预训练，并把冻结的病理基础模型特征作为条件注入。冻结骨干、只训练一个轻量分割头，CMD 的细胞级分割表现就整体超过了主流 ViT 病理基础模型，在标注稀缺时优势尤其明显。论文已被 NeurIPS 2026 接收，将于 12 月 10 日在悉尼会场的海报环节展示。自由动脉 CTO 蔡镇阳为论文第三作者，自由动脉首席 AI 科学家王本友为论文共同通讯作者。\u003C/p>\n\u003Cblockquote>\n\u003Cp>\u003Cstrong>论文标题\u003C/strong>：Beyond ViT Tokens: Masked-Diffusion Pretrained Convolutional Pathology Foundation Model for Cell-Level Dense Prediction\u003Cbr>\u003Cstrong>会议\u003C/strong>：NeurIPS 2026（Poster）\u003Cbr>\u003Cstrong>论文链接\u003C/strong>：\u003Ca href=\"https://openreview.net/forum?id=u0riwBjIls\" target=\"_blank\" rel=\"noopener noreferrer\">https://openreview.net/forum?id=u0riwBjIls\u003C/a>\u003Cbr>\u003Cstrong>arXiv\u003C/strong>：\u003Ca href=\"https://arxiv.org/abs/2605.08276\" target=\"_blank\" rel=\"noopener noreferrer\">https://arxiv.org/abs/2605.08276\u003C/a>\u003Cbr>\u003Cstrong>代码\u003C/strong>：\u003Ca href=\"https://github.com/M4A1TasteGood/ConvNeXt-Masked-Diffusion\" target=\"_blank\" rel=\"noopener noreferrer\">https://github.com/M4A1TasteGood/ConvNeXt-Masked-Diffusion\u003C/a>\u003Cbr>\u003Cstrong>模型权重\u003C/strong>：\u003Ca href=\"https://huggingface.co/M4A1TasteGood/ConvNeXt_Masked_Diffusion\" target=\"_blank\" rel=\"noopener noreferrer\">https://huggingface.co/M4A1TasteGood/ConvNeXt_Masked_Diffusion\u003C/a>\u003Cbr>\u003Cstrong>作者\u003C/strong>：Weiming Chen*、Xitong Ling*、Zhenyang Cai（蔡镇阳）、Xidong Wang、Jiawen Li、Tian Guan、Benyou Wang（王本友）†、Yonghong He†（* 共同第一作者，† 通讯作者）\u003Cbr>\u003Cstrong>作者单位\u003C/strong>：清华大学深圳国际研究生院、香港中文大学（深圳）、清华珠三角研究院\u003C/p>\n\u003C/blockquote>\n\u003Ch2>背景：ViT 的“切块”难题\u003C/h2>\n\u003Cp>现有病理基础模型，如 UNI/UNI2、Virchow/Virchow2、Prov-GigaPath、Phikon 等，大多以 ViT 为骨干，通过 DINOv2、iBOT 或掩码图像建模等自监督目标在病理图像上预训练；CONCH、MUSK 等则进一步引入图文对齐。它们擅长图像级、切片级的全局语义，但图块化的输入难以保留细粒度的局部连续性。\u003C/p>\n\u003Cp>卷积网络天然具有局部性和空间连续性的归纳偏置，更契合细粒度的病理表征学习，问题在于它一直缺少像掩码图像建模之于 ViT 那样可扩展的预训练范式。受生成模型的启发，作者提出：生成式建模能否成为卷积病理基础模型的自监督预训练方案？\u003C/p>\n\u003Ch2>方法：把扩散模型当作表征学习器\u003C/h2>\n\u003Cp>CMD 的思路可以概括为“生成式预训练，冻结后复用”。预训练时，模型接收被部分遮挡的病理图块，通过扩散去噪目标还原原图，在没有任何密集标注的情况下学习细胞形态、纹理连续性和细胞边界。预训练完成后，扩散采样过程被丢弃，网络作为冻结的密集特征提取器：从解码器中间层取出多尺度特征，下游每个任务只训练一个轻量的预测头。\u003C/p>\n\u003Cp>\u003Cspan class=\"news-figure\">\u003Cimg src=\"/images/news/neurips-2026-pathology-foundation-model/fig1-cmd-framework.png\" alt=\"图 1：CMD 框架。（A）在大规模无标注病理图块上做掩码扩散预训练，时间步嵌入与病理基础模型特征共同调制 ConvNeXt-UNet；（B）预训练后骨干冻结，抽取多尺度解码器特征接轻量分割头；（C）条件化 ConvNeXt 模块通过自适应归一化（adaLN）注入融合特征（图源：论文）\" loading=\"lazy\" />\u003Cspan class=\"news-caption\">图 1：CMD 框架。（A）在大规模无标注病理图块上做掩码扩散预训练，时间步嵌入与病理基础模型特征共同调制 ConvNeXt-UNet；（B）预训练后骨干冻结，抽取多尺度解码器特征接轻量分割头；（C）条件化 ConvNeXt 模块通过自适应归一化（adaLN）注入融合特征（图源：论文）\u003C/span>\u003C/span>\u003C/p>\n\u003Cp>围绕这个框架，论文逐一回答了四个设计问题。以下消融实验均在 5.5 万张无标注病理图上预训练，并用线性探针评估冻结特征：\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>为什么选 ConvNeXt-UNet 做骨干？\u003C/strong> 在相同扩散设置下对比 DiT、Attention U-Net 和 ConvNeXt-UNet，ConvNeXt-UNet 学到的表征对边界更敏感。例如在 CPM-15 上，衡量边界吻合度的 BF1 达到 \u003Cstrong>33.66\u003C/strong>，DiT 和 Attention U-Net 分别只有 19.65 和 19.31。\u003C/li>\n\u003Cli>\u003Cstrong>为什么用掩码扩散而不是标准 DDPM？\u003C/strong> 作者借鉴掩码扩散的思路，把扩散时间步从“控制高斯噪声强度”改为“控制结构遮挡比例”，让模型从可见区域恢复被遮住的组织结构，从而学到贴合形态的表征。\u003C/li>\n\u003Cli>\u003Cstrong>像素空间还是 VAE 隐空间？\u003C/strong> VAE 压缩虽然高效，却可能丢掉细胞核边界、染色质纹理、细胞间小间隙等高频细节。实验中，像素空间预训练明显更好，例如 CPM-17 的 Dice 从 VAE 隐空间的 55.20 提升到 \u003Cstrong>76.74\u003C/strong>。\u003C/li>\n\u003Cli>\u003Cstrong>要不要引入病理基础模型作为条件？\u003C/strong> 以冻结的 UNI 特征作为语义引导后，CPM-15 的 Dice 从 55.17 提升到 \u003Cstrong>63.25\u003C/strong>。作者认为，基础模型特征提供的是互补的语义先验，密集表征仍由掩码扩散骨干学习。\u003C/li>\n\u003C/ul>\n\u003Cp>正式实验中，CMD 在约 \u003Cstrong>105 万张\u003C/strong> 512×512 的无标注病理图块（来自公开的 HistAI 数据集合）上预训练 8 万步，条件编码器换成冻结的 H0-mini。CMD-L 版本的冻结骨干约 6 亿参数（602M），下游输入统一为 256×256。\u003C/p>\n\u003Ch2>实验结果\u003C/h2>\n\u003Cp>以下数据来自论文 arXiv 版本。Dice 越高，表示分割结果与真实标注越吻合。\u003C/p>\n\u003Ch3>冻结骨干，对比 16 个 ViT 病理基础模型\u003C/h3>\n\u003Cp>在 CPM-15、CPM-17、TNBC 三个细胞级分割数据集上，作者把 CMD-L 与 16 个冻结的 ViT 病理基础模型，以及 nnUNet、TransUNet、ViT-Adapter 三个端到端分割模型做了对比。\u003C/p>\n\u003Cp>\u003Cstrong>表 1\u003C/strong>：细胞级分割 Dice 对比（节选自论文表 4；ViT 病理基础模型选取 4 个代表，含各数据集上 Dice 最高者；CMD-L 输入为 256×256，其余模型为 384–512）\u003C/p>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>方法\u003C/th>\n\u003Cth>类型\u003C/th>\n\u003Cth align=\"right\">可训练参数\u003C/th>\n\u003Cth align=\"right\">CPM-15\u003C/th>\n\u003Cth align=\"right\">CPM-17\u003C/th>\n\u003Cth align=\"right\">TNBC\u003C/th>\n\u003C/tr>\n\u003C/thead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>Hibou\u003C/td>\n\u003Ctd>冻结 ViT 病理基础模型\u003C/td>\n\u003Ctd align=\"right\">7.06M\u003C/td>\n\u003Ctd align=\"right\">0.794\u003C/td>\n\u003Ctd align=\"right\">0.875\u003C/td>\n\u003Ctd align=\"right\">0.841\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>H-Optimus-0\u003C/td>\n\u003Ctd>冻结 ViT 病理基础模型\u003C/td>\n\u003Ctd align=\"right\">9.42M\u003C/td>\n\u003Ctd align=\"right\">0.781\u003C/td>\n\u003Ctd align=\"right\">0.881\u003C/td>\n\u003Ctd align=\"right\">0.843\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>Kaiko\u003C/td>\n\u003Ctd>冻结 ViT 病理基础模型\u003C/td>\n\u003Ctd align=\"right\">7.06M\u003C/td>\n\u003Ctd align=\"right\">0.758\u003C/td>\n\u003Ctd align=\"right\">0.882\u003C/td>\n\u003Ctd align=\"right\">0.838\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>UNI2-h\u003C/td>\n\u003Ctd>冻结 ViT 病理基础模型\u003C/td>\n\u003Ctd align=\"right\">9.42M\u003C/td>\n\u003Ctd align=\"right\">0.767\u003C/td>\n\u003Ctd align=\"right\">0.873\u003C/td>\n\u003Ctd align=\"right\">0.833\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>nnUNet\u003C/td>\n\u003Ctd>端到端分割\u003C/td>\n\u003Ctd align=\"right\">12.19M\u003C/td>\n\u003Ctd align=\"right\">0.791\u003C/td>\n\u003Ctd align=\"right\">0.875\u003C/td>\n\u003Ctd align=\"right\">0.803\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>TransUNet\u003C/td>\n\u003Ctd>端到端分割\u003C/td>\n\u003Ctd align=\"right\">105.28M\u003C/td>\n\u003Ctd align=\"right\">0.809\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.897\u003C/strong>\u003C/td>\n\u003Ctd align=\"right\">0.843\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>ViT-Adapter\u003C/td>\n\u003Ctd>端到端分割\u003C/td>\n\u003Ctd align=\"right\">133.52M\u003C/td>\n\u003Ctd align=\"right\">0.876\u003C/td>\n\u003Ctd align=\"right\">0.872\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.854\u003C/strong>\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>CMD-L + 轻量分割头\u003C/td>\n\u003Ctd>冻结卷积骨干\u003C/td>\n\u003Ctd align=\"right\">7.15M\u003C/td>\n\u003Ctd align=\"right\">0.864\u003C/td>\n\u003Ctd align=\"right\">0.865\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.854\u003C/strong>\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>CMD-L + 增强分割头\u003C/td>\n\u003Ctd>冻结卷积骨干\u003C/td>\n\u003Ctd align=\"right\">21.21M\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.889\u003C/strong>\u003C/td>\n\u003Ctd align=\"right\">0.880\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.854\u003C/strong>\u003C/td>\n\u003C/tr>\n\u003C/tbody>\u003C/table>\n\u003Cp>从结果看：\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>同样只训练分割头，CMD-L 在多数指标上胜过 16 个 ViT 病理基础模型。\u003C/strong> 搭配 7.15M 参数的轻量分割头时，CMD-L 在 CPM-15 和 TNBC 上的 Dice 与 Precision（精确率）都高于全部 16 个冻结 ViT 病理基础模型，CPM-15 的 Dice 比其中最好的 Hibou 高出约 0.07（0.864 对 0.794）。在 CPM-17 上，轻量分割头版本的 Precision 为全表最高（0.901），但 Dice（0.865）低于多个 ViT 模型；换用增强分割头后 Dice 为 0.880，与最好的 Kaiko（0.882）基本持平。\u003C/li>\n\u003Cli>\u003Cstrong>与端到端分割网络相比也有竞争力。\u003C/strong> 换上 21.21M 参数的增强分割头后，CMD-L 在 CPM-15 上取得全表最高的 Dice（0.889），超过需要训练 133.52M 参数的 ViT-Adapter（0.876）；在 TNBC 上与 ViT-Adapter 持平；在 CPM-17 上则低于 TransUNet（0.897）。\u003C/li>\n\u003Cli>\u003Cstrong>对输入分辨率依赖更小。\u003C/strong> CMD 统一使用 256×256 输入，而 ViT 类模型和端到端模型需要 384–512 的数据集专属分辨率。作者认为，这说明卷积掩码扩散表征能更高效地捕捉局部形态。\u003C/li>\n\u003C/ul>\n\u003Cp>\u003Cspan class=\"news-figure\">\u003Cimg src=\"/images/news/neurips-2026-pathology-foundation-model/fig2-segmentation.jpg\" alt=\"图 2：冻结骨干设置下的分割效果对比，从上到下依次为 TNBC、CPM-17、CPM-15 数据集；红框标出细胞拥挤或边界模糊的区域，CMD-L 的细胞掩码更完整、边界更一致（图源：论文）\" loading=\"lazy\" />\u003Cspan class=\"news-caption\">图 2：冻结骨干设置下的分割效果对比，从上到下依次为 TNBC、CPM-17、CPM-15 数据集；红框标出细胞拥挤或边界模糊的区域，CMD-L 的细胞掩码更完整、边界更一致（图源：论文）\u003C/span>\u003C/span>\u003C/p>\n\u003Ch3>少样本：只有 1 张标注图时优势最大\u003C/h3>\n\u003Cp>在 CPM-17 和 TNBC 的 1-shot、5-shot、10-shot 设置中，CMD-L 骨干保持冻结，只训练约 7M 参数的分割头；作为对照，ViT-Adapter 需要端到端训练 364M 参数。\u003C/p>\n\u003Cp>\u003Cstrong>表 2\u003C/strong>：少样本分割 Dice（论文表 5；TransUNet 使用冻结的 UNI2-h 特征）\u003C/p>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>设置\u003C/th>\n\u003Cth align=\"right\">冻结 UNI2-h\u003C/th>\n\u003Cth align=\"right\">冻结 H-Optimus-1\u003C/th>\n\u003Cth align=\"right\">TransUNet\u003C/th>\n\u003Cth align=\"right\">ViT-Adapter\u003C/th>\n\u003Cth align=\"right\">冻结 CMD-L\u003C/th>\n\u003C/tr>\n\u003C/thead>\n\u003Ctbody>\u003Ctr>\n\u003Ctd>可训练 / 总参数\u003C/td>\n\u003Ctd align=\"right\">9M / 690M\u003C/td>\n\u003Ctd align=\"right\">8M / 1144M\u003C/td>\n\u003Ctd align=\"right\">23M / 704M\u003C/td>\n\u003Ctd align=\"right\">364M / 364M\u003C/td>\n\u003Ctd align=\"right\">7M / 609M\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>CPM-17 · 1-shot\u003C/td>\n\u003Ctd align=\"right\">0.463\u003C/td>\n\u003Ctd align=\"right\">0.468\u003C/td>\n\u003Ctd align=\"right\">0.479\u003C/td>\n\u003Ctd align=\"right\">0.714\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.769\u003C/strong>\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>CPM-17 · 5-shot\u003C/td>\n\u003Ctd align=\"right\">0.468\u003C/td>\n\u003Ctd align=\"right\">0.467\u003C/td>\n\u003Ctd align=\"right\">0.477\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.812\u003C/strong>\u003C/td>\n\u003Ctd align=\"right\">0.811\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>CPM-17 · 10-shot\u003C/td>\n\u003Ctd align=\"right\">0.464\u003C/td>\n\u003Ctd align=\"right\">0.472\u003C/td>\n\u003Ctd align=\"right\">0.476\u003C/td>\n\u003Ctd align=\"right\">0.819\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.820\u003C/strong>\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>TNBC · 1-shot\u003C/td>\n\u003Ctd align=\"right\">0.497\u003C/td>\n\u003Ctd align=\"right\">0.486\u003C/td>\n\u003Ctd align=\"right\">0.478\u003C/td>\n\u003Ctd align=\"right\">0.498\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.714\u003C/strong>\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>TNBC · 5-shot\u003C/td>\n\u003Ctd align=\"right\">0.493\u003C/td>\n\u003Ctd align=\"right\">0.490\u003C/td>\n\u003Ctd align=\"right\">0.477\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.800\u003C/strong>\u003C/td>\n\u003Ctd align=\"right\">0.792\u003C/td>\n\u003C/tr>\n\u003Ctr>\n\u003Ctd>TNBC · 10-shot\u003C/td>\n\u003Ctd align=\"right\">0.497\u003C/td>\n\u003Ctd align=\"right\">0.492\u003C/td>\n\u003Ctd align=\"right\">0.476\u003C/td>\n\u003Ctd align=\"right\">\u003Cstrong>0.828\u003C/strong>\u003C/td>\n\u003Ctd align=\"right\">0.819\u003C/td>\n\u003C/tr>\n\u003C/tbody>\u003C/table>\n\u003Cp>只有 1 张标注图时，CMD-L 在 CPM-17 和 TNBC 上的 Dice 分别达到 \u003Cstrong>0.769\u003C/strong> 和 \u003Cstrong>0.714\u003C/strong>，ViT-Adapter 为 0.714 和 0.498，两个冻结的 ViT 病理基础模型都在 0.5 以下。标注增加到 5 张、10 张后，ViT-Adapter 逐渐追上，两者 Dice 互有高低，但 CMD-L 的 Precision 在所有少样本设置中都更高（例如 CPM-17 10-shot 为 0.896 对 0.832），而可训练参数只有 ViT-Adapter 的约五十分之一。\u003C/p>\n\u003Ch3>规模扩展与可视化\u003C/h3>\n\u003Cp>更大的骨干带来更好的表现：在 7 万步预训练、用全量训练集训练分割头的设置下，从 CMD-B（217M 参数）换成 CMD-L（602M），CPM-15、CPM-17、TNBC 的 Dice 分别从 0.852、0.829、0.836 提升到 0.865、0.863、0.850。更长的预训练总体也有帮助，例如 TNBC 的 Dice 从 1 万步时的 0.820 逐步升至 8 万步时的 0.854。作者也指出，这还不是完整的规模定律（scaling law）分析。\u003C/p>\n\u003Cp>可视化进一步说明了差异：对 ViT 病理基础模型，作者在细胞核上选一个锚点图块，计算它与其余图块的余弦相似度，激活往往铺满大片组织区域；CMD 不使用图块 token，作者直接对其密集卷积特征做 K-means 聚类（K=4），得到的聚类更贴合单个细胞核和精细边界。\u003C/p>\n\u003Cp>\u003Cspan class=\"news-figure\">\u003Cimg src=\"/images/news/neurips-2026-pathology-foundation-model/fig3-representation.jpg\" alt=\"图 3：密集表征可视化，ViT 类病理基础模型显示锚点图块与其余图块的余弦相似度，CMD 显示密集卷积特征的 K-means 聚类结果（图源：论文）\" loading=\"lazy\" />\u003Cspan class=\"news-caption\">图 3：密集表征可视化，ViT 类病理基础模型显示锚点图块与其余图块的余弦相似度，CMD 显示密集卷积特征的 K-means 聚类结果（图源：论文）\u003C/span>\u003C/span>\u003C/p>\n\u003Ch2>意义与展望\u003C/h2>\n\u003Cp>这项研究表明，在 ViT 主导的病理基础模型格局中，全卷积骨干配合掩码扩散预训练，同样可以成为有竞争力的细胞级密集预测基础模型，并更好地保留组织学结构先验。“一次预训练、冻结复用、少量标注适配”的模式，在标注和可训练参数上都更节省，适合密集标注昂贵的病理任务。\u003C/p>\n\u003Cp>作者表示，下一步将探索更大规模的数据与骨干、多模态或病理报告引导的条件机制，以及把细胞级预测与切片级诊断、肿瘤微环境分析联系起来的全切片（WSI）工作流。目前，CMD 的代码以及 CMD-L 预训练权重、TNBC 分割头已在 GitHub 和 Hugging Face 公开。\u003C/p>\n\u003Ch2>团队介绍\u003C/h2>\n\u003Cp>论文共同第一作者为 Weiming Chen 与 Xitong Ling（清华大学深圳国际研究生院），通讯作者为王本友（香港中文大学（深圳））与 Yonghong He（清华大学深圳国际研究生院、清华珠三角研究院）。自由动脉团队成员蔡镇阳、王本友参与了这项研究。\u003C/p>\n\u003Ch3>蔡镇阳｜自由动脉 CTO，论文第三作者\u003C/h3>\n\u003Cp>香港中文大学（深圳）博士研究生，在自由动脉负责多模态医疗模型研发。他参与了 HuatuoGPT-o1、DentalGPT 等模型的研发，并以第一作者身份在 NeurIPS、ACL 发表论文。本文中，他以香港中文大学（深圳）为署名单位。\u003C/p>\n\u003Ch3>王本友｜自由动脉首席 AI 科学家，论文共同通讯作者\u003C/h3>\n\u003Cp>香港中文大学（深圳）数据科学学院助理教授、博士生导师。\u003C/p>\n",1794841746245]