医学 AI

Unmasking Biases and Reliability Concerns in Convolutional Neural Networks Analysis of Cancer Pathology Images

揭示卷积神经网络在癌症病理图像分析中的偏见与可靠性问题

Michael Okonoda, Eder Martinez, Abhilekha Dalal, Lior Shamir

专题命中 病理影像 ：pathology(title,abstract)；biomedical(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 研究通过分析13个常用癌症数据集，发现CNN在无临床信息的裁剪图像上仍能保持高准确率，揭示了评估方法可能存在的偏见问题。

Comments Electronics, published

Journal ref Electronics, 15(6), 1182, 2026

Stuck on Suggestions: Automation Bias, the Anchoring Effect, and the Factors That Shape Them in Computational Pathology

陷入建议：自动化偏见、锚定效应及影响它们的因素在计算病理学中的研究

Emely Rosbach, Jonas Ammeling, Jonathan Ganz, Christof Albert Bertram, Thomas Conrad, Andreas Riener, Marc Aubreville

专题命中 病理影像 ：pathology(title,abstract)；biomedical(comments,journal_ref)

AI总结 研究探讨了AI在计算病理学中的应用，发现虽然AI提升了诊断性能，但引入了自动化偏见和锚定效应，时间压力和用户特征影响这些偏见的严重程度。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:007

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

A protocol for evaluating robustness to H&E staining variation in computational pathology models

评估计算病理学模型对苏木精-伊红染色变异鲁棒性的协议

Lydia A. Schönpflug, Nikki van den Berg, Sonali Andani, Nanda Horeweg, Jurriaan Barkey Wolf, Tjalling Bosse, Viktor H. Koelzer, Maxime W. Lafarge

机构 * Department of Biomedical Engineering, University of Basel（巴塞尔大学生物医学工程系） ； Institute of Medical Genetics and Pathology, University Hospital Basel（巴塞尔大学医学遗传学与病理学研究所） ； Department of Pathology, Leiden University Medical Center（莱顿大学医学中心病理学系） ； Department of Radiation Oncology, Leiden University Medical Center（莱顿大学医学中心放射肿瘤学系） 纠错

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV

AI总结 本文提出评估计算病理学模型对H&E染色变异鲁棒性的三步协议，通过模拟染色条件评估模型性能变化，揭示鲁棒性与分类性能的弱负相关，支持模型可靠部署的范围识别。

UNIStainNet: Foundation-Model-Guided Virtual Staining of H&E to IHC

UNIStainNet：基于基础模型的虚拟染色：H&E到IHC

Jillur Rahman Saurav, Thuong Le Hoai Pham, Pritam Mukherjee, Paul Yi, Brent A. Orr, Jacob M. Luber

机构 * University of Texas at Arlington（德克萨斯理工大学） ； St. Jude Children’s Research Hospital（圣 Jude 儿童研究医院） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 UNIStainNet通过结合基础模型生成的密集空间标记，提升H&E到IHC的虚拟染色效果，实现多标记同时处理，并在MIST和BCI数据集上取得最佳分布度指标。

Scaling Laws and Pathologies of Single-Layer PINNs: Network Width and PDE Nonlinearity

单层PINN的缩放规律与病态：网络宽度与PDE非线性性

Faris Chaudhry

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 研究单层PINN在非线性PDE中的缩放规律与病态，发现网络宽度与非线性性对解精度的影响，提出通过实验测量复杂缩放效应的方法。

Comments Accepted at the Machine Learning and Physical Sciences Workshop (NeurIPS 2025)