医学 AI

FedStain: Modeling Higher-Order Stain Statistics for Federated Domain Generalization in Computational Pathology

FedStain: 模型高阶染色统计信息以实现计算病理学中的联邦域泛化

Fengyi Zhang, Junya Zhang, Wenzhuo Sun

机构 * School of Electronic Science and Technology, Hainan University, Haikou, China, 570228（海南大学电子科学与技术学院） ； School of Computer Science and Technology, Xidian University, Xi'an, China, 710126（西安电子科技大学计算机科学与技术学院） ； Xiangjiang College of Elite Engineers, Hunan University, Changsha, China, 410082（湖南大学精英工程师学院） 纠错

专题命中 医学数据与评测 ：pathology(title,abstract)；分类 cs.CV

AI总结 FedStain通过引入高阶染色统计量（偏度和峰度）提升联邦域泛化性能，有效应对跨机构染色异质性问题，实验表明其在Camelyon17和MvMidog-Fed数据集上优于现有方法。

Holistic Evaluation and Failure Diagnosis of AI Agents

人工智能代理的总体评估与故障诊断

Netta Madvil, Gilad Dym, Alon Mecilati, Edo Dekel, Jonatan Liberman, Rotem Brazilay, Liron Schliesser, Max Svidlo, Shai Nir, Orel Shalom, Yaron Friedman, David Connack, Amos Rimon, Philip Tannor, Shir Chorev

机构 * Deepchecks 纠错

专题命中 医学数据与评测 ：diagnosis(title,abstract)

AI总结 本文提出一种综合评估框架，结合顶层代理诊断与底层跨度评估，通过分解分析实现独立跨度评估，提升长结构轨迹中的故障定位与分类准确性。

RAM-W600: A Multi-Task Wrist Dataset and Benchmark for Rheumatoid Arthritis

RAM-W600：一种多任务手腕数据集和基准用于类风湿性关节炎

Songxiao Yang, Haolin Wang, Yao Fu, Ye Tian, Tamotsu Kamishima, Masayuki Ikebe, Yafei Ou, Masatoshi Okutomi

机构 * Institute of Science Tokyo（东京科学研究所） ； Hokkaido University（北海道大学） ； The University of Tokyo（东京大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出RAM-W600数据集，用于类风湿性关节炎的手腕骨实例分割和BE评分，包含1048张放射影像，支持RA相关研究及腕部其他任务。

Comments Published in NeurIPS 2025

Neural Field Thermal Tomography: A Differentiable Physics Framework for Non-Destructive Evaluation

神经场热成像：一种无标签的非破坏性评价可微物理框架

Tao Zhong, Yixun Hu, Dongzhe Zheng, Aditya Sood, Christine Allen-Blanchette

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 医学数据与评测 ：pathology(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出NeFTY框架，通过可微隐式欧拉热求解器精确满足偏微分方程，实现无标签三维逆热传导问题的高精度恢复，优于传统PINN和体素网格基线。

Comments 37 pages, 19 figures

Heuristic Pathologies and Further Variance Reduction via Uncertainty Propagation in the AIVAT Family of Techniques

启发式病态及通过不确定性传播进一步方差缩减在AIVAT技术家族中

Juho Kim, Tuomas Sandholm

机构 * CMU Strategic Machine, Inc.（CMU战略机器公司） ； Strategy Robot, Inc.（策略机器人公司） ； Optimized Markets, Inc.（优化市场公司） 纠错

专题命中 医学数据与评测 ：pathology(abstract)

AI总结 本文探讨了AIVAT技术中启发式价值函数的潜在漏洞，并通过不确定性传播进一步减少方差，实验显示可减少43%的样本需求。

CausalReasoningBenchmark: A Real-World Benchmark for Disentangled Evaluation of Causal Identification and Estimation

因果推理基准：用于解耦评估因果识别和估计的现实世界基准

Ayush Sawarni, Jiyuan Tan, Vasilis Syrgkanis

机构 * Stanford University（斯坦福大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出CausalReasoningBenchmark，通过173个查询和132个现实数据集评估因果识别与估计，揭示模型在研究设计细节上的瓶颈。