医学 AI

Multimodal Model for Computational Pathology:Representation Learning and Image Compression

多模态模型用于计算病理学：表示学习与图像压缩

Peihang Wu, Zehong Chen, Lijian Xu

机构 * Shenzhen University of Advanced Technology（深圳大学先进技术学院） 纠错

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

AI总结 本文探讨了多模态计算病理学中的表示学习和图像压缩技术，分析了自监督学习、多模态数据生成、参数高效适应及多代理协作推理等方向，旨在提升病理诊断的准确性和可解释性。

Cell-Type Prototype-Informed Neural Network for Gene Expression Estimation from Pathology Images

基于细胞类型原型的神经网络用于从病理图像估计基因表达

Kazuya Nishimura, Ryoma Bise, Shinnosuke Matsuo, Haruka Hirose, Yasuhiro Kojima

机构 * The University of Osaka, Japan（大阪大学） ； Kyushu University（九州大学） ； National Cancer Center Japan（日本国立癌症中心） 纠错

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

AI总结 本文提出CPNN模型，利用单细胞RNA测序数据估计病理图像中基因表达，通过细胞类型原型指导提升预测精度和可解释性。

Comments Accepted by CVPR 2026

VISTA: Validation-Guided Integration of Spatial and Temporal Foundation Models with Anatomical Decoding for Rare-Pathology VCE Event Detection

VISTA：基于解剖解码的时空基础模型验证引导整合用于罕见病理VCE事件检测

Bo-Cheng Qiu, Yu-Fan Lin, Yu-Zhe Pien, Chia-Ming Lee, Fu-En Yang, Yu-Chiang Frank Wang, Chih-Chung Hsu

机构 * National Cheng Kung University（国立成功大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； NVIDIA 纠错

专题命中 病理影像 ：pathology(title)；分类 cs.CV

AI总结 本文提出VISTA方法，通过整合时空基础模型与解剖解码，提升罕见病理事件检测的准确性，实验显示其在隐藏测试集上达到较高的mAP指标。

MIPHEI-ViT: Multiplex Immunofluorescence Prediction from H&E Images using ViT Foundation Models

MIPHEI-ViT：基于H&E图像的多重免疫荧光预测方法

Guillaume Balezo, Roger Trullo, Albert Pla Planas, Etienne Decenciere, Thomas Walter

机构 * Digital R&D, Sanofi（桑福数字研发部） ； Center for Computational Biology (CBIO) Mines Paris - PSL（计算生物学中心（CBIO）巴黎 Mines-PSL） ； Center for Statistics and Images (STIM) Mines Paris - PSL（统计与图像中心（STIM）巴黎 Mines-PSL） ； Institut Curie, INSERM, U1331（curie研究所，INSERM，U1331） ； InstaDeep 纠错

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV、q-bio

AI总结 本文提出MIPHEI-ViT模型，利用预训练的ViT基础模型从H&E图像预测多重免疫荧光信号，通过丰富的预训练表示实现细胞类型分类，验证结果在多个数据集上均优于基线模型。

Comments Accepted manuscript, 24 pages, 9 figures, 5 tables. Published in Computers in Biology and Medicine (DOI: https://doi.org/10.1016/j.compbiomed.2026.111564)

Journal ref Computers in Biology and Medicine, vol. 206, 2026, 111564

A Multicenter Benchmark of Multiple Instance Learning Models for Lymphoma Subtyping from HE-stained Whole Slide Images

多中心淋巴瘤亚型分类的多实例学习模型基准测试

Rao Muhammad Umer, Daniel Sens, Jonathan Noll, Sohom Dey, Christian Matek, Lukas Wolfseher, Rainer Spang, Ralf Huss, Johannes Raffler, Sarah Reinke, Ario Sadafi, Wolfram Klapper, Katja Steiger, Kristina Schwamborn, Carsten Marr

机构 * Institute of AI for Health, Helmholtz Munich（人工智能健康研究所，海德堡-慕尼黑研究中心） ； Department of Medicine III, Ludwig-Maximilian-University Hospital（第三医学部，路德维希-马克西米利安大学医院） ； Computational Health Center & Helmholtz AI, Helmholtz Munich（计算健康中心及海德堡-慕尼黑人工智能，海德堡-慕尼黑研究中心） ； German Cancer Consortium (DKTK), Partner Site Munich（德国癌症研究中心（DKTK），慕尼黑合作伙伴站点） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Technical University of Munich（慕尼黑技术大学） ； Institute of Pathology, Erlangen, Germany（埃朗根病理研究所） ； University of Regensburg（雷根斯堡大学） ； Institute for Digital Medicine, University Hospital, Augsburg, Germany（数字医学研究所，奥格斯堡大学医院） 纠错

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

AI总结 本文提出首个多中心淋巴瘤基准，评估五种病理基础模型与多实例学习聚合器在不同放大倍数下的性能，发现40x分辨率足够，但泛化能力有限。

Comments 19 pages

CytoSyn: a Foundation Diffusion Model for Histopathology -- Tech Report

CytoSyn：一种用于病理学的基准扩散模型——技术报告

Thomas Duboudin, Xavier Fontaine, Etienne Andrier, Lionel Guillou, Alexandre Filiot, Thalyssa Baiocco-Rodrigues, Antoine Olivier, Alberto Romagnoni, John Klein, Jean-Baptiste Schiratti

机构 * Owkin, Inc（Owkin公司） 纠错

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

AI总结 本文提出CytoSyn，一种先进的潜在扩散模型，用于生成高真实性和多样性的病理H&E染色图像，通过改进方法和训练策略，对比PixCell模型，展示了对预处理细节的敏感性。

Comments 21 pages, 5 figures, tech report, model page: https://huggingface.co/Owkin-Bioptimus/CytoSyn

CAFlow: Adaptive-Depth Single-Step Flow Matching for Efficient Histopathology Super-Resolution

CAFlow：自适应深度单步流匹配用于高效组织病理学超分辨率

Elad Yoshai, Ariel D. Yoshai, Natan T. Shaked

机构 * School of Biomedical Engineering, Tel Aviv University, Tel Aviv, Israel（生物医学工程学院，特拉维夫大学，特拉维夫，以色列） 纠错

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

AI总结 CAFlow通过自适应路由机制实现高效组织病理学超分辨率，利用单步流匹配框架在减少计算量的同时提升重建质量，实验显示其在不同放大倍数下均优于现有方法。

ELM: A Hybrid Ensemble of Language Models for Automated Tumor Group Classification in Population-Based Cancer Registries

ELM：一种语言模型的混合集成，用于人口基于癌症登记处的肿瘤分组自动分类

Lovedeep Gondara, Jonathan Simkin, Shebnum Devji, Gregory Arbour, Raymond Ng

机构 * British Columbia Cancer Registry, Provincial Health Services Authority（不列颠哥伦比亚省癌症登记处、省级卫生服务局） ； The Data Science Institute, University of British Columbia（数据科学研究院、不列颠哥伦比亚大学） 纠错

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

AI总结 ELM结合小型编码器-only模型和大型语言模型，通过集成六个微调模型提高肿瘤分组分类的准确性和效率，显著优于传统方法。

Time delays and stationarity in quasar light curves

准星光变曲线中的时间延迟与平稳性

Namu Kroupa, David Yallup, Will Handley

专题命中 病理影像 ：pathology(abstract)

AI总结 本文提出基于边缘高斯过程的贝叶斯框架，用于准星光变曲线中的时间延迟推断和平稳性检验，发现部分准星存在非平稳性，且识别并解决了似然病态问题。

Comments 18 pages, 4 figures

Journal ref Phys. Rev. D 113, 063549 (2026)