科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

2026-05-20 至 2026-05-20 共收录 4 篇信号源：cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 病理影像 4 篇

2605.19132 2026-05-20 cs.LG 83%

CLIC: Contextual Language-Informed Cardiac Pathology Classification

CLIC: 基于上下文的语言引导心脏病理分类

Giovani D. Lucafo, Rafael da Costa Silva, João Lucas Luz Lima Sarcinelli, Andre Guarnier De Mitri, Diego Furtado Silva

机构 * Institute of Mathematical and Computer Sciences（数学与计算机科学学院）； Universidade de São Paulo（圣保罗大学）

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

AI总结本文提出CLIC框架，通过将患者上下文数据转化为描述性文本，利用自然语言编码技术提升心脏病理诊断的精确度，同时探索大语言模型生成的临床描述在下游分类任务中的应用。

Comments 6 pages, 2 figures, accepted at the ICLR 2026 Workshop on Time Series in the Age of Large Models (TSALM)

2605.00578 2026-05-20 cs.CV 57%

Federated Distillation for Whole Slide Image via Gaussian-Mixture Feature Alignment and Curriculum Integration

通过高斯混合特征对齐和课程整合实现全切片图像的联邦蒸馏

Luru Jing, Cong Cong, Yanyuan Chen, Yongzhi Cao

机构 * School of Computer Science, Peking University, Beijing, China（北京大学计算机科学系）； Center for Health Informatics, Australian Institute of Health Innovation, Macquarie University, Sydney, NSW 2113, Australia（健康信息学中心，澳大利亚健康创新研究所，麦考利大学，悉尼，NSW 2113，澳大利亚）； School of Data Science, University of Virginia, Charlottesville, VA, USA（数据科学学院，弗吉尼亚大学，夏洛特维尔，VA，美国）

专题命中病理影像：pathology(abstract)；分类 cs.CV

AI总结本文提出FedHD框架，通过高斯混合特征对齐和课程整合策略，在联邦学习中实现全切片图像分析，通过本地生成的语义丰富合成特征表示提升模型性能，同时保持诊断多样性。

Comments Accepted by ICML 2026, Camera-Ready version updated

2601.14822 2026-05-20 cs.CV cs.AI 57%

Multimodal system for skin cancer detection

多模态皮肤癌检测系统

Volodymyr Sydorskyi, Igor Krashenyi, Oleksii Yakubenko

专题命中病理影像：diagnosis(abstract)；分类 cs.CV

AI总结本文提出一种多模态皮肤癌检测系统，结合传统照片图像与表格型元数据（如患者人口统计数据和病变特征），通过多模态神经网络和两阶段模型提升检测准确率，并通过三阶段流程进一步优化预测，最终在不平衡数据集上实现显著性能提升。

Comments Accepted to System research and information technologies

Journal ref System Research and Information Technologies, no. 1, pp. 33-57, 2026

2507.05843 2026-05-20 cs.CV 57%

USIGAN: Unbalanced Self-Information Feature Transport for Weakly Paired Image IHC Virtual Staining

USIGAN: 用于弱配对图像IHC虚拟染色的不平衡自信息特征传输

Yue Peng, Bing Xiong, Fuqiang Chen, De Eybo, RanRan Zhang, Wanming Hu, Jing Cai, Wenjian Qin

机构 * ShenZhen Institues of Advanced Technology, university chinese academy of sciences（深圳先进技术研究院，中国科学院）

专题命中病理影像：pathology(abstract)；分类 cs.CV

AI总结本文提出USIGAN方法，通过提取全局形态学语义来解决弱配对条件下IHC虚拟染色的不一致问题，改进生成结果的病理语义一致性。