医学 AI

An Information Theory Analysis of Whole Slide Image Pathology AI and Diagnostic Field Selection AI Under Limited Resources

有限资源下全切片病理图像AI与诊断视野选择AI的信息论分析

Tatsuaki Tsuruyama

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 q-bio、eess.IV

AI总结 本研究在有限资源下通过构建三种图像模型，对比WSI-AI与DFS-AI的性能，得出应根据诊断任务信息结构选择两者的结论。

Gated Spatial Redundancy Projection for Pathology Transformer Attentions

用于病理Transformer注意力机制的门控空间冗余投影

Zhiyuan Yang, Jiahao Cheng, Vincent Quoc-Huy Trinh, Mahdi S. Hosseini

机构 * Concordia University（康考迪亚大学） ； Université de Montréal（蒙特利尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Centre de recherche du CHUM（CHUM研究中心） 纠错

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

AI总结 针对病理Transformer自注意力的局部空间冗余失效模式，提出轻量即插即用的Gated SRP模块，在TCGA生存队列和切片分类数据集上均实现性能提升，仅增加极少量参数。

Comments Accepted at BMVC 2026 Conference

From Multi-Resolution Cells to Gigapixel Whole Slide Images Foundation Model for Computational Pathology

从多分辨率细胞到千兆像素全切片图像：用于计算病理学的基础模型

Basit Alawode, Moshira Ali Abdalla, Dwarikanath Mahapatra, Muzammal Naseer, Sajid Javed

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

AI总结 针对现有计算病理学模型泛化性受限的问题，提出多分辨率金字塔Transformer（MRPT），经多分辨率自监督预训练后，在34个数据集的多项任务中性能优于同类模型与多模态大语言模型。

A Distributional Robustness Margin For Pathology Foundation Models

超越计数：病理学基础模型的分布稳健性余量

Clément Grisi, Jeroen van der Laak, Geert Litjens

机构 * Radboud University Medical Center（拉德堡德大学医学中心） 纠错

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

AI总结 研究病理学基础模型受非生物学变异影响的问题，提出交叉混杂稳健性余量（CRoMa），通过直接比较距离评估模型稳健性，将其重塑为队列范围的余量分布，为模型选择和稳健性评估提供原则基础。

Comments Preprint

Pathryoshka: Compressing Pathology Foundation Models via Multi-Teacher Knowledge Distillation with Nested Embeddings

Pathryoshka: 通过多教师知识蒸馏与嵌套嵌入压缩病理基础模型

Christian Grashei, Christian Brechenmacher, Rao Muhammad Umer, Jingsong Liu, Carsten Marr, Peter J. Schüffler, Ewa Szczurek

机构 * Technical University of Munich（慕尼黑技术大学） ； Helmholtz Munich（马克斯·普朗克研究所慕尼黑分部） ； Munich Data Science Institute（慕尼黑数据科学研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 Pathryoshka通过多教师知识蒸馏与嵌套嵌入技术，显著压缩病理基础模型规模，同时保持性能和精度，提升模型的可部署性与普及性。

Comments Author list in metadata corrected to match the paper

4$π$ Planning for the Reduction of Predicted Hematologic Toxicity Risk in Cervical Cancer Radiotherapy

用于降低宫颈癌放疗中预测血液学毒性风险的4π计划

Haotian Feng, Yan Kong, Qifan Xu, Ke Sheng

专题命中 病理影像 ：CT(abstract,abstract_cn)

AI总结 该研究针对宫颈癌共面放疗的血液学毒性风险，用114例患者数据训练模型，发现4π非共面放疗可降低骨髓等剂量，使预测HT风险降23%，为减少该毒性提供了新方案。

The Objective Is the Bottleneck: Latent World Models Encode What Their Planners Cannot Use

目标是瓶颈：潜在世界模型编码了其规划器无法使用的内容

Joyjeet Singh

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

AI总结 该研究发现潜在世界模型的规划瓶颈在于规划器目标而非预测器，通过替换目标无需额外训练即可大幅提升长视野规划性能，揭示模型编码了规划器未利用的可达性信息。

Comments Follow-up to arXiv:2608.10145. All experiments run on a laptop CPU; no model was trained or fine-tuned. Code, checkpoints and every measurement: github.com/joyjeet-singh/tinylab

Activity-dependent epidemic spreading on multiscale brain networks predicts Alzheimer's disease progression

多尺度脑网络上的活性依赖型流行病传播可预测阿尔茨海默病进展

Christoffer G. Alexandersen, Suman S. Kulkarni, Jessica T. Davis, Sebastian N. Roemer-Cassiano, Nicolai Franzmeier, Dani S Bassett

专题命中 病理影像 ：pathology(abstract)；分类 q-bio

AI总结 该研究将神经元活性耦合到流行病动力学模型，结合多尺度脑网络分析，证实神经元活性是阿尔茨海默病病理扩散的关键驱动因素，其模型可预测疾病进展的空间模式与范围。