医学 AI

Hybrid Quantum Neural Networks for Enhanced Breast Cancer Thermographic Classification: A Novel Quantum-Classical Integration Approach

混合量子神经网络用于增强乳腺癌热图分类：一种新的量子-经典整合方法

Riza Alaudin Syah, Irwan Alnarus Kautsar, Gunawan Witjaksono, Haza Nuzly bin Abdull Hamed

机构 * Faculty of Computing（计算学院） ； Universiti Teknologi Malaysia（技术大学） ； Faculty of Science and Technology（科学与技术学院） ； Universitas Muhammadiyah Sidoarjo（穆罕默德大学西多亚罗乔） ； Department of Information System（信息系统系） ； Universitas Siber Jakarta（西巴克大学） 纠错

专题命中 病理影像 ：medical AI(abstract)；medical image(abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出混合量子神经网络架构，结合量子计算原理与经典卷积神经网络，提升乳腺癌分类性能，实验验证显示优于经典方法，展现量子增强优势。

Comments Published in: 2025 IEEE International Biomedical Instrumentation and Technology Conference (IBITeC)

Beyond the Failures: Rethinking Foundation Models in Pathology

超越失败：重新思考病理学中的基础模型

Hamid R. Tizhoosh

机构 * Kimia Lab, Department of Artificial Intelligence and Informatics, Mayo Clinic, Rochester, MN, USA（Kimia实验室，人工智能与信息学系，梅奥诊所，罗切斯特，明尼苏达州，美国） 纠错

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

AI总结 病理学中基础模型表现不佳，需设计专门处理生物图像的模型，而非通用自然图像方法。

Multimodal Fusion of Histopathology Images and Electronic Health Records for Early Breast Cancer Diagnosis

多模态融合组织病理图像与电子健康记录用于早期乳腺癌诊断

Aditya Shribhagwan Khandelwal, Mohammad Samar Ansari, Asra Aslam

机构 * University of Sheffield（谢菲尔德大学） ； University of Chester（切斯特大学） 纠错

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

AI总结 本文提出整合BreCaHAD数据集的病理特征与MIMIC-IV的临床数据的多模态框架，通过训练单模态模型和中间融合模型提升乳腺癌早期诊断的准确性和透明度。

PA-TCNet: Pathology-Aware Temporal Calibration with Physiology-Guided Target Refinement for Cross-Subject Motor Imagery EEG Decoding in Stroke Patients

PA-TCNet：基于病理意识的时序校准与生理引导的目标细化用于中风患者跨受试者运动想象EEG解码

Xiangkai Wang, Yun Zhao, Dongyi He, Qingling Xia, Gen Li, Nizhuan Wang, Ningxiao Peng, Bin Jiang

机构 * School of Artificial Intelligence, Chongqing University of Technology（重庆理工大学人工智能学院） ； Chongqing Key Laboratory of Embodied Intelligence Perception and Autonomous Learning for Humanoid Robots（重庆 embodied 智能感知与人形机器人自主学习关键实验室） ； Key Laboratory of Advanced Equipment Intelligence of the Chongqing Education Commission（重庆市教育委员会先进设备智能关键实验室） ； School of Smart Health, Chongqing Polytechnic University of Electronic Technology（重庆电子工程职业大学智能健康学院） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； School of Pharmacy and Bioengineering, Chongqing University of Technology（重庆理工大学药学院与生物工程学院） ； School of Computer Science and Engineering, Chongqing University of Technology（重庆理工大学计算机科学与工程学院） 纠错

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

AI总结 本文提出PA-TCNet框架，通过病理意识时序校准与生理引导目标细化，提升中风患者跨受试者运动想象EEG解码的鲁棒性，实验在两个独立数据集上达到66.56%和72.75%的准确率。

Detecting Breast Carcinoma Metastasis on Whole-Slide Images by Partially Subsampled Multiple Instance Learning

通过部分下采样多实例学习检测乳腺癌转移于全滑动图像

Baichen Yu, Xuetong Li, Jing Zhou, Hansheng Wang

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)

AI总结 本文提出基于高斯混合的多实例学习框架，通过部分下采样实例来提高全滑动图像分析的效率和准确性，验证了其在乳腺癌转移预测中的有效性。

Region-Affinity Attention for Whole-Slide Breast Cancer Classification in Deep Ultraviolet Imaging

区域亲和注意力机制用于深紫外成像全滑片乳腺癌分类

Nagur Shareef Shaik, Teja Krishna Cherukuri, Dong Hye Ye

机构 * Department of Computer Science, Georgia State University（佐治亚州立大学计算机科学系） 纠错

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

AI总结 本文提出区域亲和注意力机制，用于深紫外成像全滑片乳腺癌分类，通过保留空间完整性提升诊断准确性。

Comments Accepted at the IEEE Engineering in Medicine and Biology Society Annual International Conference (Proceedings of the 48th International Conference), 2026

Composed Vision-Language Retrieval for Skin Cancer Case Search via Joint Alignment of Global and Local Representations

基于全局与局部表示联合对齐的皮肤癌病例检索视觉-语言检索

Yuheng Wang, Yuji Lin, Jiayue Cai, Z. Jane Wang, Tim K. Lee

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

AI总结 本文提出一种基于Transformer的框架，通过联合对齐全局和局部表示，提升皮肤癌病例检索的准确性和效率，实验表明在Derm7pt数据集上优于现有方法。