医学 AI

Beyond Toy Benchmarks: A Systematic Evaluation of OOD Detection Methods For Plant Pathology Classification

超越玩具基准：对植物病理分类中OOD检测方法的系统评估

Devesh Shah

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文系统评估了六种OOD检测方法在Plant Pathology 2021数据集上的表现，发现能量基细调在多种OOD设置中表现最佳，同时保持了分布内准确率，并揭示了约束优化方法在中等规模数据集上的训练不稳定性。

A Breast Vision Pathology Foundation Model for Real-world Clinical Utility

乳腺病理科基础模型用于真实世界临床应用

Yingxue Xu, Zhengyu Zhang, Xiuming Zhang, Mengwei Xu, Fengtao Zhou, Yihui Wang, Jiabo Ma, Yi Xin, Danyi Li, Chengyu Lu, Zhijian Cen, Ying Tan, Qingbing Yao, Qi Wang, Zizhao Gao, Yong Zhang, Jingjing Chen, Feifei Liu, Qian Xu, Yi Dai, Hongxuan Tan, Cheng Jin, Huajun Zhou, Zhengrui Guo, Ling Liang, Hongyi Wang, Yingcong Chen, Xi Wang, Zhenhui Li, Ronald Cheong Kin Chan, Ning Mao, Muyan Cai, Zhe Wang, Li Liang, Hao Chen

机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科技大学计算机科学与工程系） ； Department of Pathology, Nanfang Hospital, School of Basic Medical Sciences, Southern Medical University, Guangzhou, China（南方医科大学基础医学学院病理学系，广州医院） ； Department of Pathology, The First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, China（浙江大学医学院第一附属医院病理学系，杭州） ； State Key Laboratory of Holistic Integrative Management of Gastrointestinal Cancers, Department of Pathology, School of Basic Medicine and Xijing Hospital, Fourth Military Medical University, Xi’an, China（胃肠癌整体整合管理国家重点实验室，第四军医大学基础医学学院病理学系，西京医院） 纠错

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

AI总结 本文提出BRAVE模型，通过101638张乳腺全切片图像评估其在乳腺癌诊断中的临床实用性，展示了在不同阶段的病理评估中提升诊断效率和准确性的能力。

Comments 60 pages

CellDX AI Autopilot: Agent-Guided Training and Deployment of Pathology Classifiers

CellDX AI Autopilot：基于代理的训练与部署病理分类器

Alexey Pchelnikov, Aleksei Pchelnikov

机构 * HistAI 纠错

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

AI总结 CellDX AI Autopilot通过自然语言交互让非ML背景的病理学家和ML专家高效训练、评估和部署病理分类器，利用预构建的32000+病例和66000张H&E染色全切片图像数据集，结合多实例学习框架和迭代双变量超参数搜索，实现端到端自动化模型训练。

SAGE: Agentic Framework for Interpretable and Clinically Translatable Computational Pathology Biomarker Discovery

SAGE：可解释且临床可转化的计算病理学生物标志物发现代理框架

Sahar Almahfouz Nasser, Juan Francisco Pesantez Borja, Jincheng Liu, Sandeep Manandhar, Shikhar Shiromani, Mohammad Tanvir Hasan, Zenghan Wang, Suman Ghosh, Jinchu Li, Xuejian Xu, Aniket Ramkrishnan Iyer, Naoto Tokuyama, Twisha Shah, Tilak Pathak, Soundharya Kumaresan, Yohei Abe, Himanshu Maurya, Anant Madabhushi

机构 * Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA（NVIDIA公司） ； University of Arkansas at Little Rock（阿拉伯州立大学） 纠错

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

AI总结 SAGE通过生物证据引导生物标志物发现，结合多代理系统生成和评估假设，实现结构化、可追溯的病理学研究方法。

Beyond ViT Tokens: Masked-Diffusion Pretrained Convolutional Pathology Foundation Model for Cell-Level Dense Prediction

超越ViT标记：面向细胞级密集预测的掩码扩散预训练卷积病理基础模型

Weiming Chen, Xitong Ling, Zhenyang Cai, Xidong Wang, Jiawen Li, Tian Guan, Benyou Wang, Yonghong He

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Research Institute of Tsinghua, Pearl River Delta（清华大学 Pearl River Delta 研究院） ； The Chinese University of Hong Kong, ShenZhen（香港中文大学（深圳）） 纠错

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

AI总结 本文提出ConvNeXt Masked-Diffusion模型，通过卷积生成预训练框架提升病理图像细胞级密集预测性能，实验表明其在有限标注条件下表现更优，优于现有ViT模型和端到端分割方法。

Predictive Radiomics for Evaluation of Cancer Immune SignaturE in Glioblastoma: the PRECISE-GBM study

预测性放射组学用于评估胶质瘤中癌症免疫签名：PRECISE-GBM研究

Prajwal Ghimire, Junjie Li, Liu Yaou, Marc Modat, Thomas Booth

机构 * School of Biomedical Engineering & Imaging Sciences, King’s College London, UK（伦敦国王学院生物医学工程与成像科学学院） ； Department of Neurosurgery, King’s College Hospital, London, UK（伦敦国王学院医院神经外科部门） ； Department of Neuroradiology, Beijing Tiantan Hospital, Beijing, China（北京天坛医院神经放射科部门） ； Department of Neuroradiology, King’s College Hospital, London, UK（伦敦国王学院医院神经放射科部门） 纠错

专题命中 病理影像 ：MRI(abstract,abstract_cn)；分类 cs.LG

AI总结 本研究通过放射组学方法开发并验证了预测胶质瘤微环境中免疫细胞签名的生物标志物，展示了其在免疫治疗患者分层中的潜力。

Comments Abstract : 226; Importance of study: 109; Manuscript: 5690 (excluding references) Figures: 4, Tables: 2 Supplemental File: 1

Journal ref Neuro-Oncology Advances 2026. Published online May 2, 2026

MicroDiffuse3D: A Foundation Model for 3D Microscopy Imaging Restoration

MicroDiffuse3D：一种用于3D显微成像修复的预训练基础模型

Yongkang Li, Brian Wong, King Wai Chiu, Hanwen Xu, Tangqi Fang, Erin Dunnington, Dan Fu, Sheng Wang

机构 * Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, WA, USA（保罗·G·艾伦计算机科学与工程学院，华盛顿大学，西雅图，华盛顿州，美国） ； Department of Chemistry, University of Washington, Seattle, WA, USA（化学系，华盛顿大学，西雅图，华盛顿州，美国） 纠错

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

AI总结 本文提出MicroDiffuse3D，一种预训练的3D显微成像修复模型，通过高通量数据提升3D化学成像的分辨率和信噪比，实现高质量体体积结构重建。

Unsupervised risk factor identification across cancer types and data modalities via explainable artificial intelligence

通过可解释人工智能在不同癌症类型和数据模态间进行无监督风险因素识别

Maximilian Ferle, Jonas Ader, Thomas Wiemers, Nora Grieb, Adrian Lindenmeyer, Hans-Jonas Meyer, Thomas Neumuth, Markus Kreuz, Kristin Reiche, Maximilian Merz

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特林癌症中心） 纠错

专题命中 病理影像 ：CT(abstract_cn)；分类 cs.LG、q-bio

AI总结 本文提出一种无监督机器学习方法，通过可微适应的多元logrank统计量优化患者集群的生存异质性，用于识别具有不同生存结果的患者亚群，并通过模拟实验和实际应用验证其在多种癌症类型中的有效性。

Journal ref npj Digit. Med. 9, 363 (2026)

The Procrustean Bed of Time Series: The Optimization Bias in Point-wise Loss Functions

时间序列的普鲁斯特床：点 wise 损失函数中的优化偏置

Rongyao Cai, Yuxi Wan, Kexin Zhang, Ming Jin, Zhiqiang Ge, Daoyi Dong, Hang Yu, Yong Liu, Qingsong Wen

机构 * Zhejiang University（浙江大学） ； Griffith University（格里菲斯大学） ； Southeast University（东南大学） ； University of Technology Sydney（悉尼科技大学） ； Ant Group（蚂蚁集团） ； Squirrel Ai Learning 纠错

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

AI总结 本文研究了点 wise 损失函数在时间序列预测中的优化偏置问题，提出通过序列长度缩减和结构正交化进行偏置消除，并通过实验验证了该方法的有效性。

Comments 54 pages

NeuroGAN-3D: Enhancing Intrinsic Functional Brain Networks via High-Fidelity 3D Generative Super-Resolution

NeuroGAN-3D: 通过高保真3D生成超分辨率增强内在功能脑网络

M. Moein Esfahani, Sepehr Salem Ghahfarokhi, Mohammed Alser, Jingyu Liu, Vince Calhoun

机构 * Georgia State University（佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（神经影像与数据科学转化研究三机构中心（TReNDS）） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） 纠错

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

AI总结 本文提出NeuroGAN-3D，利用生成对抗网络提升rs-fMRI空间图的分辨率，以更精确地局部化功能单元和检测神经生物学变化。

Comments Accepted in ICCABS 2026: The 14th International Conference on Computational Advances in Bio and Medical Sciences

Order-of-mutation effects on cancer progression: models for myeloproliferative neoplasm

突变顺序对癌症进展的影响：毛细血管增生性肿瘤的模型

Yue Wang, Blerta Shtylla, Tom Chou

专题命中 病理影像 ：diagnosis(abstract)；分类 q-bio

AI总结 本文提出非线性微分方程和马尔可夫链模型，探讨突变顺序对毛细血管增生性肿瘤进展的影响，揭示基因表达模式和诊断年龄的非加性和非可交换性。

Comments 22 pp, 7 figures. arXiv admin note: text overlap with arXiv:2302.07955

Journal ref Bull Math Biol 86, 32 (2024)