医学 AI

LaGuadia: Language-Guided Adaptive Distillation from Pathology Foundation Models

拉瓜迪亚：基于病理学基础模型的语言引导自适应蒸馏

Gangsu Kim, Won-Ki Jeong

机构 * College of Informatics, Korea University（韩国大学信息学院） 纠错

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

AI总结 研究针对病理学基础模型计算成本高问题，提出拉瓜迪亚框架，通过多阶段流程，在临床语言指导下整合多模型知识，进行自适应蒸馏。实验表明其87M参数学生模型性能出色，凸显临床语言对构建高效可靠数字病理系统的作用。

TVT-PAPD: Pathology-Aware Prototype Distillation for Self-Supervised Whole Slide Image Classification

TVT-PAPD：用于自监督全切片图像分类的病理感知原型蒸馏

Ramesh Naidu Laveti, Jaya Sreevalsan-Nair, T K Srikanth

机构 * E-Health Research Center, International Institute of Information Technology Bangalore（班加罗尔国际信息技术学院电子健康研究中心） 纠错

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

AI总结 研究针对现有自监督学习方法无法捕捉病理特定形态模式的问题，提出TVT-PAPD框架，集成TVT与PAPD模块，利用可学习原型库增强病理感知特征学习，在相关数据集实验中取得高加权F1分数且跨队列泛化能力强。

Comments 13 pages, 4 figures, 10 tables

Slide-Level Active Learning Reduces Annotation Burden in H&E images

滑动级主动学习减轻苏木精-伊红染色图像的标注负担

Mahsa Vali, Zhilong Weng, Noémie Moreaua, Yuri Tolkach, Katarzyna Bozek

机构 * Institute for Biomedical Informatics, Faculty of Medicine（生物医学信息学研究所，医学学院） ； University Hospital Cologne, University of Cologne（科隆大学医院，科隆大学） ； Center for Molecular Medicine Cologne (CMMC), Faculty of Medicine（科隆分子医学中心（CMMC），医学学院） ； Cologne Excellence Cluster on Cellular Stress Responses in Aging-Associated Diseases (CECAD), University of Cologne（科隆卓越集群：与衰老相关疾病细胞应激反应（CECAD），科隆大学） ； Faculty of Mathematics（数学学院） ； Natural Sciences, University of Cologne（自然科学学院，科隆大学） ； Institute of Pathology, University Hospital Cologne（病理学研究所，科隆大学医院） 纠错

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

AI总结 研究针对深度学习分割组织病理学全切片图像标注成本高问题，提出SHAL框架，集成前景感知、阶段自适应、类别感知策略，在TCGA数据集及五个外部队列实验中表现出色，降低标注成本且保持跨域泛化能力。

Diagnosing and Mitigating Thinking Collapse in On-Policy Self-Distillation

诊断和缓解基于策略的自蒸馏中的思维崩溃

Keqin Peng, Chen Li, Yuanxin Ouyang, Yancheng Yuan, Liang Ding

机构 * Beihang University（北京航空航天大学） ； Hong Kong Polytechnic University（香港理工大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 研究基于策略的自蒸馏在复杂推理任务中性能下降问题，发现思维崩溃陷阱。提出自适应双视角OPSD，通过动态调节自蒸馏目标缓解该问题，在多模型规模和数据集上实验验证其有效性，提升绝对平均准确率4.1%。

Learning from Lost Provenance: Multiple Instance Learning for Cancer Registry Tumor Group Classification

从丢失的溯源信息中学习：用于癌症登记肿瘤组分类的多实例学习

Leonard Ruocco, Jonathan Simkin, Lovedeep Gondara, Gregory Arbour, Raymond Ng

机构 * British Columbia Cancer Registry, Provincial Health Services Authority（不列颠哥伦比亚癌症登记处，省级卫生服务管理局） ； University of British Columbia（英属哥伦比亚大学） ； Data Science Institute, University of British Columbia（英属哥伦比亚大学数据科学研究所） 纠错

专题命中 病理影像 ：pathology(abstract)

AI总结 针对癌症登记中报告级人工标注训练数据稀缺问题，利用操作生成的患者级标签，通过基于注意力的多实例学习恢复标签与报告的联系，开发框架训练深度学习分类器，提升肿瘤组分类性能。