연구진은 세포 유형별 데이터셋으로 학습된 세포 인스턴스 분할 모델이 새로운 세포 유형에서 성능이 저하되는 문제를 해결하기 위해 Group Prompting이라는 새로운 패러다임을 제시했어요.
Group Prompting은 세포 유형별 단일 클릭으로 모든 인스턴스를 분할하여 기존의 인스턴스별 상호 작용 방식(O(N))을 유형별(O(T)) 방식으로 전환하며, Segment Anything Model(SAM)의 이미지 인코더 특징을 활용해요.
Chain-of-Prompts(CoP) 프레임워크는 3개의 세포 유형 벤치마크에서 90% 이상의 성능을 유지하며, 4개의 균일한 형태 벤치마크에서는 단일 클릭으로 99% 이상의 성능을 달성했어요.