arXivDaily arXiv每日学术速递 周一至周五更新

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。

2026-07-27 至 2026-07-27 共收录 2 信号源:cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 病理影像 2 篇

2601.05148 2026-07-27 cs.CV cs.AI cs.LG 版本更新 62%

Atlas 2 -- Foundation models for clinical deployment

Atlas 2 -- 临床应用的基础模型

Maximilian Alber, Timo Milbich, Alexandra Carpen-Amarie, Stephan Tietz, Jonas Dippel, Lukas Muttenthaler, Beatriz Perez Cancer, Alessandro Benetti, Panos Korfiatis, Elias Eulig, Jérôme Lüscher, Jiasen Wu, Sayed Abid Hashimi, Gabriel Dernbach, Simon Schallenberg, Neelay Shah, Moritz Krügener, Aniruddh Jammoria, Jake Matras, Patrick Duffy, Matt Redlon, Philipp Jurmeister, David Horst, Lukas Ruff, Klaus-Robert Müller, Frederick Klauschen, Andrew Norgan

机构 * Aignostics, Germany(德国Aignostics公司) Department of Laboratory Medicine and Pathology, Mayo Clinic, Rochester, MN, US(美国梅奥诊所实验室医学与病理学部门) Department of Radiology, Mayo Clinic, Rochester MN, US(美国梅奥诊所放射学部门) Department of Information Technology, Mayo Clinic, Rochester MN, US(美国梅奥诊所信息技术部门) Mayo Clinic, Rochester MN, US(美国梅奥诊所) Digital Pathology, Mayo Clinic, Rochester MN, US(美国梅奥诊所数字病理学部门) Machine Learning Group, Technische Universität Berlin, Germany(德国柏林技术大学机器学习小组) BIFOLD – Berlin Institute for the Foundations of Learning and Data, Germany(德国柏林学习与数据基础研究所) Department of Artificial Intelligence, Korea University, Republic of Korea(韩国韩国大学人工智能系) Max-Planck Institute for Informatics, Germany(德国马克斯·普朗克信息研究所) German Cancer Research Center (DKFZ) & German Cancer Consortium (DKTK), Berlin & Munich Partner Sites, Germany(德国癌症研究中心(DKFZ)及德国癌症联盟(DKTK)柏林与慕尼黑合作站点) Institute of Pathology, Ludwig-Maximilians-Universität München, Germany(德国慕尼黑路德维希-马克西米利安大学病理学研究所) Institute of Pathology, Charité – Universitätsmedizin Berlin, Germany(德国柏林夏里特大学医学中心病理学研究所) Bavarian Cancer Research Center (BZKF), Germany(德国巴伐利亚癌症研究中心(BZKF)) Helmholtz Munich, Germany(德国海德堡-慕尼黑亥姆霍兹中心) Technical University Munich, Germany(德国慕尼黑技术大学)

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

AI总结 Atlas 2系列通过在80个公开基准测试中展现卓越的预测性能、鲁棒性和资源效率,为临床应用提供了先进的病理视觉基础模型。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.17454 2026-07-27 cs.MA cs.AI cs.LG 版本更新 57%

Embodiment-Induced Coordination Regimes in Tabular Multi-Agent Q-Learning

体感诱导的表格多智能体Q学习协调模式

Muhammad Ahmed Atif, Nehal Naeem Haji, Mohammad Shahid Shaikh, Muhammad Ebad Atif

机构 * Dhanani School of Science and Engineering(丹尼尼科学与工程学院)

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

AI总结 该研究通过表格化网格世界验证集中价值学习在多智能体Q学习中的协调效果,发现其在不同运动模式和角色下效果不一,协调性可能因体感限制而成为负担。

详情

展开后加载摘要…

URL PDF HTML 收藏