在数字病理分析中，细胞实例分割是不可或缺的基础工具，其精度直接影响细胞计数、形态分析、空间组织学研究乃至肿瘤分级等关键临床与科研任务的可靠性。生物组织中细胞往往呈现高密度堆叠和形态多样的特征，精准区分每个细胞实例的边界与归属，是长期困扰领域的核心挑战。 然而，面对复杂的病理图像数据，现有基于检测、轮廓预测或距离映射的方法虽各有进展，却普遍存在核心局限，难以满足临床对高密度重叠场景的分析需求。 为此，上海科学智能研究院（下称上智院）与复旦大学、上海交通大学、临港实验室等机构联合提出了首个邻接感知的细胞实例…