医学 AI

BreastDCEDL: A Comprehensive Breast Cancer DCE-MRI Dataset and Transformer Implementation for Treatment Response Prediction

BreastDCEDL: 一个全面的乳腺癌动态对比增强MRI数据集和用于治疗反应预测的Transformer实现

Naomi Fridman, Bubby Solway, Tomer Fridman, Itamar Barnea, Anat Goldstein

机构 * Dept. of Industrial Engineering and Ariel University（工业工程系和阿里尔大学） ； NF Algorithms & AI（NF算法与人工智能） 纠错

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

AI总结 BreastDCEDL是一个包含2070名乳腺癌患者术前3D DCE-MRI数据集，采用Transformer架构实现治疗反应预测，取得HR+/HER2-患者pCR预测的最优性能。

Journal ref Scientific Data 3, 100-115 (2026)

Prompt-Guided Foundation Model Tuning for Pathology Image Classification

用于病理图像分类的提示引导基础模型调优

Yi Lin, Zhengjie Zhu, Kwang-Ting Cheng, Hao Chen

机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港科技大学电子与计算机工程系） ； Department of Chemical and Biological Engineering, The Hong Kong University of Science and Technology（香港科技大学化学与生物工程系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港协同创新研究院） ； State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology（香港科技大学神经系统疾病国家重点实验室） 纠错

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

AI总结 研究针对病理图像分类中基础模型预训练与下游任务的差异问题，提出PAMT框架，通过引入RPS、PVP及AMT，在14个公开数据集上严格评估，显著提升分类准确率，确立了PAMT作为病理图像分类新基准的地位。

Sequential Attention-based Sampling for Histopathological Analysis

基于序列注意力的病理分析采样

Tarun Gogisetty, Naman Malpani, Gugan Thoppe, Sridharan Devarajan

机构 * Indian Institute of Science（印度科学院） 纠错

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

AI总结 SASHA通过基于序列注意力的深度强化学习方法，实现对高分辨率病理图像的高效分析，以较低的计算成本达到与现有方法相当的诊断性能。

Comments Accepted at NeurIPS 2025. This version matches the camera-ready copy

Autonomous mechanistic discovery of colorectal cancer vulnerabilities via multi-scale AI swarms

通过多尺度人工智能群体自主进行结直肠癌脆弱性的机制发现

Christopher Baker, Tianyu Ren, Karen Rafferty, Hui Wang, Simon McDade

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

AI总结 研究旨在解决自动化科学发现中语言模型与生物物理的认知差距。通过多尺度自主发现引擎Octopus，结合大语言模型群体和算法物理引擎，针对结直肠癌转录组进行无监督扫描，发现IGF2是5-氟尿嘧啶耐药脆弱性，建立了可验证的生物医学发现范式。

Benchmarking Machine Learning Models for Multi-Omics-Based Breast Cancer Prediction

基于多组学的乳腺癌预测机器学习模型基准测试

Priyanka Paudel, Madan Baduwal

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

AI总结 研究针对基于多组学数据预测乳腺癌雌激素受体（ER）状态，对随机森林等经典机器学习模型进行基准测试，采用严格实验框架，结果显示RNA表达预测信号最强，多组学整合有改进，随机森林性能最佳，还选出相关基因支持模型有效性。