MorphDistill: Distilling Unified Morphological Knowledge from Pathology Foundation Models for Colorectal Cancer Survival Prediction
MorphDistill: 从病理基础模型中提取统一形态学知识以预测结直肠癌生存率
Hikmat Khan, Usama Sajjad, Metin N. Gurcan, Anil Parwani, Wendy L. Frankel, Wei Chen, Muhammad Khalid Khan Niazi
机构
*
Department of Pathology, College of Medicine, The Ohio State University Wexner Medical Center（俄亥俄州立大学医学学院病理学系，韦克斯纳医学中心）
；
Center for Artificial Intelligence Research, Wake Forest University School of Medicine（威克森林大学医学院人工智能研究中心）
Development, Evaluation, and Deployment of a Multi-Agent System for Thoracic Tumor Board
胸腔肿瘤板的多智能体系统开发、评估与部署
Tim Ellis-Caleo, Timothy Keyes, Nerissa Ambers, Faraah Bekheet, Wen-wai Yim, Nikesh Kotecha, Nigam H. Shah, Joel Neal
机构
*
Division of Oncology, Department of Medicine, Stanford University School of Medicine（斯坦福大学医学院肿瘤学部）
；
Technology and Digital Solutions, Stanford Health Care（斯坦福健康医疗技术与数字解决方案部）
；
Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学部）
；
Nursing Informatics, Stanford Health Care（斯坦福健康护理信息学部）
；
Department of Medicine, Stanford University School of Medicine（斯坦福大学医学院医学部）
；
Microsoft AI, Redmond, WA（微软人工智能，西雅图）
；
Stanford Cancer Institute, Palo Alto, CA（斯坦福癌症研究所）
OpenTME: An Open Dataset of AI-powered H&E Tumor Microenvironment Profiles from TCGA
OpenTME：一个基于AI的H&E肿瘤微环境谱开放数据集
Maaike Galama, Nina Kozar-Gillan, Christina Embacher, Todd Dembo, Cornelius Böhm, Evelyn Ramberger, Julika Ribbat-Idel, Rosemarie Krupar, Verena Aumiller, Miriam Hägele, Kai Standvoss, Gerrit Erdmann, Blanca Pablos, Ari Angelo, Simon Schallenberg, Andrew Norgan, Viktor Matyas, Klaus-Robert Müller, Maximilian Alber, Lukas Ruff, Frederick Klauschen
机构
*
Aignostics, Germany（德国Aignostics公司）
；
Institute of Pathology, Charité – Universitätsmedizin Berlin, Germany（德国柏林Charité大学医学院病理研究所）
；
Department of Laboratory Medicine and Pathology, Mayo Clinic, Rochester, MN, US（美国明尼苏达州罗切斯特梅奥诊所实验室医学与病理学部）
；
Machine Learning Group, Technische Universität Berlin, Germany（德国柏林技术大学机器学习小组）
；
BIFOLD – Berlin Institute for the Foundations of Learning and Data, Germany（德国柏林学习与数据基础研究所（BIFOLD））
；
Department of Artificial Intelligence, Korea University, Republic of Korea（韩国韩国大学人工智能系）
；
Max-Planck Institute for Informatics, Germany（德国马克斯·普朗克信息研究所）
；
German Cancer Research Center (DKFZ) & German Cancer Consortium (DKTK), Berlin & Munich Partner Sites, Germany（德国癌症研究中心（DKFZ）与德国癌症联盟（DKTK）柏林及慕尼黑合作伙伴站点）
；
Institute of Pathology, Ludwig-Maximilians-Universität München, Germany（德国慕尼黑路德维希-马克西米利安大学病理研究所）
；
Bavarian Cancer Research Center (BZKF), Germany（德国巴伐利亚癌症研究中心（BZKF））
PC-MIL: Decoupling Feature Resolution from Supervision Scale in Whole-Slide Learning
PC-MIL：在全片学习中解耦特征分辨率与监督尺度
Syed Fahim Ahmed, Gnanesh Rasineni, Florian Koehler, Abu Zahid Bin Aziz, Mei Wang, Attila Gyulassy, Brian Summa, J. Quincy Brown, Valerio Pascucci, Shireen Y. Elhabian
机构
*
Kahlert School of Computing, University of Utah, Salt Lake City, UT 84112, USA Scientific Computing \& Imaging Institute, University of Utah, Salt Lake City, UT 84112, USA Instapath Inc., Houston, TX 77021, USA Tulane University, Department of Biomedical Engineering, New Orleans, Louisiana, USA
