DEPAS: De-novo Pathology Semantic Masks using a Generative Model
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
Comments 8 pages, 2 figures, accepted for workshop T4Vision (CVPR 2022)
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :diagnosis(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :diagnosis(title);pathology(abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :diagnosis(title,abstract);分类 cs.CV、cs.LG、eess.IV
Comments 16 pages
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :pathology(title,abstract);分类 cs.LG、eess.IV、eess.SP
Journal ref NeuroImage, Volume 220, 15 October 2020, 117021
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :pathology(title,abstract);diagnosis(abstract)
Comments 53 pages, 12 figures
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
Comments 12 pages, 4 figures, submitted to IEEE Access
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
Comments Machine Learning for Health (ML4H) at NeurIPS 2020 - Extended Abstract
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
Comments Accepted to KDD workshop on Machine Learning for Medicine and Healthcare, August 2018, London UK
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
Journal ref AI4CC ICLR 2020 workshop
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、eess.IV
专题命中 病理影像 :pathology(title,abstract);diagnosis(abstract)
专题命中 病理影像 :pathology(title,abstract);diagnosis(abstract)
迷失在翻译中:语言如何重新对齐视觉以实现跨物种病理学
机构 * Thomas Jefferson High School for Science and Technology(泰勒斯·杰弗里斯高中科学与技术学校)
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG
AI总结 本研究通过引入语义锚定机制,利用语言对齐解决跨物种病理学中的视觉-语言对齐问题,提升模型在跨物种任务中的性能。
Comments 27 pages, 6 figures, 7 tables. Code and data available at https://github.com/ekansh-arora0/cross-species-pathology
专题命中 病理影像 :pathology(title,journal_ref);diagnosis(abstract);分类 cs.CV、eess.IV
Comments 18 pages
Journal ref Journal of Pathology Informatics, 2023
专题命中 病理影像 :diagnosis(title,abstract);分类 cs.CV、eess.IV;biomedical(comments)
Comments Under Review (Biomedical Signal Processing and Control)
Journal ref Volume 99, January 2025, 106899
专题命中 病理影像 :pathology(title);diagnosis(abstract);分类 cs.CV、eess.IV;medical image(journal_ref)
Comments 19 pages, 11 figures, 3 tables
Journal ref Medical Image Analysis 94 (2024) 103149
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG;biomedical(comments)
Comments 5 pages, 4 figures, presented at IEEE International Symposium on Biomedical Imaging (ISBI) 2021
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、eess.IV;biomedical(journal_ref)
Journal ref Biomedical Signal Processing and Control, vol. 66, April 2021, 102388
多模态生存预测中缺失模态的处理:非小细胞肺癌的应用
机构 * Unit of Artificial Intelligence and Computer Systems, Department of Engineering(人工智能与计算机系统单位,工程系) ; Università Campus Bio-Medico di Roma(罗马生物医学大学) ; Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering(诊断与介入部门,辐射物理,生物医学工程) ; Umeå University(乌梅学院) ; Research Unit of Radiation Oncology, Department of Medicine and Surgery(放射肿瘤研究单位,医学与外科部门) ; Fondazione Policlinico Universitario Campus Bio-Medico(生物医学大学附属医院基金会) ; Anatomical Pathology Operative Research Unit(解剖病理学操作研究单位) ; Research Unit of Anatomical Pathology, Department of Medicine and Surgery(解剖病理学研究单位,医学与外科部门) ; Department of Medicine and Surgery(医学与外科部门)
专题命中 病理影像 :CT(summary_cn,abstract);分类 cs.CV
AI总结 本文提出一种缺失感知的多模态生存框架,结合CT、WSI和临床数据,通过基础模型提取特征并融合,提升NSCLC生存预测的准确性与临床适用性。
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
机构 * Department of Data Science and Mathematics(数据科学与数学系)
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
弥合病理MIL中的模态瓶颈:通过虚拟分子染色
机构 * National University of Singapore(新加坡国立大学) ; Hunan University(湖南大学) ; Peking Union Medical College Hospital (PUMCH)(北京协和医学院附属阜外医院) ; Imperial College London(伦敦帝国理工学院)
专题命中 病理影像 :pathology(title,abstract);分类 cs.CV、cs.LG、q-bio
AI总结 本文提出MIST方法,通过虚拟分子染色提升病理MIL中投影层性能,改进240/256配置,平均提升3.5%,在生存预测、组织分型和生物标志物预测中分别提升5.2%、3.3%和2.6%。