医学 AI

Bridging Topology and Deep Representation Learning: A TDA-ViT Fusion Model for Four-Class Brain Tumor Classification

桥接拓扑与深度表示学习：用于四类脑肿瘤分类的TDA-ViT融合模型

Faisal Ahmed

机构 * Department of Data Science and Mathematics（数据科学与数学系） 纠错

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

AI总结 提出一种将拓扑数据分析（TDA）特征与预训练Vision Transformer（ViT）表示相融合的框架，用于四类脑肿瘤分类，在BRISC2025数据集上达到99.10%的准确率。

Comments 21 pages, 4 figures

Universal and Transferable Attacks on Pathology Foundation Models

病理基础模型的通用与可迁移攻击

Yuntian Wang, Xilin Yang, Che-Yung Shen, Nir Pillar, Aydogan Ozcan

机构 * Electrical and Computer Engineering Department, University of California, Los Angeles, CA, 90095, USA（加州大学洛杉矶分校电子与计算机工程系） ； Bioengineering Department, University of California, Los Angeles, CA, 90095, USA（加州大学洛杉矶分校生物工程系） ； California NanoSystems Institute (CNSI), University of California, Los Angeles, CA, 90095, USA（加州大学洛杉矶分校加州纳米系统研究所） ； Department of Pathology, Hadassah Hebrew University Medical Center, Jerusalem, 91120, Israel（海法希伯来大学医疗中心病理学系） ； Department of Surgery, University of California, Los Angeles, CA, 90095, USA（加州大学洛杉矶分校外科系） 纠错

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

AI总结 提出通用可迁移对抗扰动（UTAP），通过固定弱噪声模式破坏多个病理基础模型的特征表示能力，导致下游任务性能下降，并展示其跨数据集通用性和跨模型可迁移性。

Comments 38 Pages, 8 Figures

Journal ref Light: Science & Applications (2026)

PathAR: Structure-First Autoregressive Synthesis of Multimodal Pathology Images

PathAR: 结构优先的多模态病理图像自回归合成

Yuan Zhang, Jiahao Xia, Junzhang Huang, Meng Wang, Feng Chen, Guanyu Yang, Huazhu Fu

机构 * Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（新一代人工智能技术及其交叉应用重点实验室（东南大学），教育部） ； Centre for Innovation and Precision Eye Health, Yong Loo Lin School of Medicine, National University of Singapore（创新与精准眼健康中心，新加坡国立大学 Yong Loo Lin 医学院） ； Department of Ophthalmology, Yong Loo Lin School of Medicine, National University of Singapore（眼科学系，新加坡国立大学 Yong Loo Lin 医学院） ； Department of Biostatistics, Center for Global Health, School of Public Health, Nanjing Medical University（生物统计学系，全球健康中心，南京医科大学） ； Institute of High-Performance Computing, Agency for Science, Technology and Research（高性能计算研究所，科技研究局） 纠错

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

AI总结 提出PathAR，一种结构优先的自回归合成框架，通过显式分解结构与外观并使用交错自回归Transformer，实现模态标签条件下的病理图像生成，改善结构一致性和模态保真度。

Comments 12 pages, 7 figures

Aligning Cellular Sheaves with Classifier Attention for Interpretable Weakly-Supervised Pathology Localization

对齐细胞层与分类器注意力以实现可解释的弱监督病理定位

Devansh Lalwani, Swapnil Bhat, Maulik Shah

机构 * Turocrates AI Private Limited（Turocrates AI私有有限公司） 纠错

专题命中 病理影像 ：pathology(title)；分类 cs.CV

AI总结 针对弱监督全切片图像分类中注意力图定位不准确的问题，提出结合细胞层与注意力机制的一致性训练方法，在Camelyon16上实现补丁级AUC 0.940，并提升注意力AUC从0.717至0.953。

DPsurv: Dual-Prototype Evidential Fusion for Uncertainty-Aware and Interpretable Whole-Slide Image Survival Prediction

DPsurv: 双原型证据融合用于不确定性感知和可解释的全切片图像生存预测

Yucheng Xing, Ling Huang, Jingying Ma, Ruping Hong, Jiangdong Qiu, Pei Liu, Kai He, Huazhu Fu, Mengling Feng

机构 * National University of Singapore ； National University of Singapore Guangzhou Research Translation ； Innovation Institute ； Imperial College London ； Peking Union Medical College Hospital, Chinese Academy of Medical Sciences \& Peking Union Medical College ； Hunan University ； Institute of High Performance Computing, Agency for Science, Technology ； Research (A STAR) 纠错

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

AI总结 提出DPsurv双原型证据融合网络，通过不确定性感知的生存区间预测和基于补丁原型分配图、组件原型及组件级相对风险聚合的可解释性，在五个公开数据集上取得最佳一致性指数和积分Brier分数。