/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
transformers
Опубликована
16 июл 2026

PathoSynVLM

Изображение и текст → текст

PathoSynVLM генерирует синоптические патоморфологические отчёты по случаю из эмбеддингов гистологических стекол.

27скачиваний за 30 дней1лайквеса обновлены17 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

PathoSynVLM — модель компьютерной патологии, разработанная AtlasAnalyticsLab для генерации синоптических отчётов по случаю на основе одной или нескольких оцифрованных гистологических стекол. Она принимает предварительно вычисленные эмбеддинги патчей CONCHv1.5 в файлах H5, а не необработанные изображения стекол, и формирует текст отчёта. Модель основана на Qwen2.5-3B-Instruct, дообученной на парах случаев и отчётов из HISTAI; в состав релиза входят полные объединённые веса языковой модели и компоненты визуально-языкового выравнивания.

Модель предназначена для исследовательской генерации синоптических патоморфологических отчётов на уровне случая. В README указаны лимит до 4096 визуальных токенов и обучение на данных HISTAI; поддерживаемый язык карточки — английский. Для подготовки входа нужны предварительная обработка стекол и извлечение эмбеддингов CONCHv1.5; для обычного запуска рекомендуется GPU с CUDA. Лицензия модели — CC BY-NC-SA 4.0, а данные HISTAI имеют отдельную лицензию CC BY-NC 4.0. Модель не является клиническим диагностическим устройством и не предназначена для применения при лечении пациентов без надлежащей проверки и экспертного контроля.

Сценарии применения

  • генерация синоптического патоморфологического отчёта по случаю
  • составление отчёта по нескольким гистологическим стеклам
  • исследовательская оценка автоматической генерации патологических отчётов

Ограничения

Модель принимает только предварительно вычисленные эмбеддинги патчей CONCHv1.5, а не сырые изображения стекол; для штатного запуска рекомендуется GPU с CUDA. Она не предназначена для клинической диагностики или принятия решений о лечении без соответствующей валидации и экспертного надзора.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PathoSynVLM: Case-Level Pathology Synoptic Report Generation

Paper Code Project Page

PathoSynVLM is a token-efficient vision-language model for generating case-level pathology synoptic reports from one or more whole-slide images represented as precomputed CONCHv1.5 patch embeddings.

Code and complete documentation: https://github.com/AtlasAnalyticsLab/PathoSynVLM

This repository provides the trained model package. Use it with the PathoSynVLM code repository for embedding preparation, case-level inference, evaluation, and training.

PathoSynVLM architecture

What This Repository Contains

PathPurpose
llm/model.safetensorsMerged language-model weights for the selected Stage 2 checkpoint.
vlm_state.ptVision-language aligner, WSI marker, and WSI index tensors.
tokenizer/Tokenizer configuration and chat template used for inference.
config.jsonPathoSynVLM architecture and inference settings.
labels.jsonInput contract and generated report-field schema.
best_checkpoint_summary.jsonSelected checkpoint and validation summary.
model_index.jsonMachine-readable task, dataset, and metric metadata.
examples/Example case-level input manifest.

The paper run used unfreeze_llm_base=true, so the release package includes the merged/full language-model weights under llm/, not only a LoRA adapter.

Quick Start

The release is loaded through the PathoSynVLM inference code rather than directly through transformers.AutoModel. A CUDA-capable GPU is recommended for normal use; CPU execution is intended for smoke tests.

1. Install the code

git clone https://github.com/AtlasAnalyticsLab/PathoSynVLM PathoSynVLM
cd PathoSynVLM
conda create -n pathosynvlm python=3.11 -y
conda activate pathosynvlm
export PYTHONNOUSERSITE=1
pip install -e .

2. Download the model

source configs/paths.example.env
hf download AtlasAnalyticsLab/PathoSynVLM \
  --local-dir "$PATHOSYNVLM_WEIGHTS_ROOT/pathosynvlm-stage2-main"

3. Generate a report for one case

Pass every WSI embedding file belonging to the case in the desired slide order:

# Optional when the paths below are relative.
export PATHOSYNVLM_EMBEDDINGS_ROOT=/path/to/conch_v15/embeddings

python scripts/generate_case_report.py \
  --embeddings case_001/slide_1.h5 case_001/slide_2.h5 \
  --output_json report.json

Relative --embeddings paths are resolved under PATHOSYNVLM_EMBEDDINGS_ROOT; absolute .h5 paths work without setting that variable. The JSON output records the generated report, resolved slide paths, per-WSI patch counts, and feature key.

Generated report text follows:

Diagnosis: ...
Certainty: ...
Conclusion: ...

Input Format

PathoSynVLM runs on precomputed WSI patch embeddings, not raw WSIs. Each .h5 file should contain:

/features/conch_v15  # shape: (num_patches, 768)

See the GitHub embedding guide for patch extraction, feature generation, H5 validation, and configurable storage paths. Dataset placement and access requirements are documented in the data guide.

From Precomputed H5 Feature Files

This is the fastest path. Put one or more WSI embedding files for a case into the --embeddings argument:

python scripts/generate_case_report.py \
  --embeddings case_slide_1.h5 case_slide_2.h5 \
  --output_json report.json

From Raw Whole-Slide Images

First extract tissue patches and CONCHv1.5 patch embeddings using a WSI preprocessing pipeline that writes the H5 layout above. Then pass the resulting H5 files to scripts/generate_case_report.py. PathoSynVLM does not send raw WSI pixels directly to the language model.

Running the Paper Pipeline

Follow the GitHub paper pipeline for the complete sequence: dataset setup, CONCHv1.5 embedding generation, metadata preparation, Stage 1 alignment, Stage 2 case-level fine-tuning, and evaluation. Machine-readable paper configurations and reported values are maintained in the same code repository.

Training Data

The released Stage 2 checkpoint was fine-tuned on case-report pairs from HISTAI. The official metadata repository is the starting point for dataset access and links to the organ-specific WSI repositories used by HISTAI. See the HISTAI source documentation for the dataset structure, subsets, citation, and access instructions.

HISTAI data remain subject to the dataset's CC BY-NC 4.0 license and current access requirements.

Training Recipe

  • Stage 1: train the two-layer MLP aligner on HistGen + REG2025 while keeping the CONCHv1.5 patch encoder and LLM frozen.
  • Stage 2: fine-tune on HISTAI case-report pairs with WSI marker tokens.

Checkpoint selected for release:

  • checkpoint step: 30400
  • checkpoint epoch: 7
  • validation loss: 1.010892
  • prompt style: double
  • patch level: 5x_512
  • max vision tokens: 4096

Reported Metrics

Stage 1 aligner-only training:

ROUGE-LMETEORBLEU-4BERTScore F1
0.47430.48100.12470.4253

Stage 2 HISTAI main result:

ROUGE-LMETEORBLEU-4BERTScore F1Diagnosis ExactDiagnosis RelaxedCertainty
0.24950.19880.05250.30180.16670.33330.9000

Intended Use

This model is intended for research on pathology report generation from precomputed WSI patch embeddings.

It is not a clinical diagnostic device and should not be used for patient care without appropriate validation, regulatory review, and expert oversight.

License and Commercial Use

This repository uses CC BY-NC-SA 4.0. Research and non-commercial use only. Dataset access, pretrained third-party models, and any externally hosted model weights remain subject to their own terms.

Citation

@inproceedings{yang2026simpletokenvlm,
  title     = {Simple Token-Efficient Vision-Language Model for Case-Level Pathology Synoptic Report Generation},
  author    = {Yang, Zhiyuan and Cheng, Jiahao and Trinh, Vincent Quoc-Huy and Hosseini, Mahdi S.},
  booktitle = {Proceedings of the 7th International Conference on Deep Learning Theory and Applications},
  pages     = {514--537},
  year      = {2026},
  issn      = {2184-9277}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
70a009d

0 моделей