医学 AI

Multimodal Stepwise Clinically-Guided Attention Learning for Pathological Complete Response Prediction in Breast Cancer

多模态逐步临床引导注意力学习用于乳腺癌病理完全响应预测

Alice Natalina Caragliano, Valerio Guarrasi, Michela Gravina, Carlo Sansone, Paolo Soda

机构 * Unit of Artificial Intelligence and Computer Systems, Department of Engineering, Università Campus Bio-Medico di Roma（人工智能与计算机系统单位，工程系，罗马生物医学大学） ； Department of Electrical Engineering and Information Technology, University of Naples Federico II（电气工程与信息科技系，那不勒斯费德里科二世大学） ； Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering, Umeå University（诊断与介入系，辐射物理，生物医学工程，乌梅大学） 纠错

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

AI总结 本文提出多模态逐步临床引导注意力学习框架，通过医学引导的空间指导和多模态整合，提升乳腺MRI中病理完全响应预测的敏感性和泛化能力。

AtlasPatch: Efficient Tissue Detection and High-throughput Patch Extraction for Computational Pathology at Scale

AtlasPatch: 高效组织检测与高通量切片提取用于大规模计算病理学

Ahmed Alagha, Christopher Leclerc, Yousef Kotp, Omar Metwally, Calvin Moras, Peter Rentopoulos, Ghodsiyeh Rostami, Bich Ngoc Nguyen, Jumanah Baig, Abdelhakim Khellaf, Vincent Quoc-Huy Trinh, Rabeb Mizouni, Hadi Otrok, Jamal Bentahar, Mahdi S. Hosseini

机构 * Department of Computer Science and Software Engineering (CSSE)（计算机科学与软件工程系） ； Concordia University（Concordia大学） ； Concordia Institute for Information Systems Engineering (CIISE)（Concordia信息系统工程研究所） ； Department of Building, Civil, and Environmental Engineering（建筑、土木和环境工程系） ； University of Montreal Hospital Center (CHUM)（蒙特利尔大学医院中心） ； Mila–Quebec AI Institute（Mila-魁北克人工智能研究所） ； Khalifa University（Khalifa大学） ； McGill University（麦吉尔大学） ； Institute for Research in Immunology and Cancer（免疫学与癌症研究所在） 纠错

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

AI总结 AtlasPatch通过高效组织检测和高通量切片提取，显著提升大规模计算病理学的处理效率与性能。

Comments Under review

Pathology Foundation Models are Scanner Sensitive: Benchmark and Mitigation with Contrastive ScanGen Loss

Gianluca Carloni, Biagio Brattoli, Seongho Keum, Jongchan Park, Taebum Lee, Chang Ho Ahn, Sergio Pereira

机构 * Lunit 纠错

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

Comments Accepted (Oral) in MedAGI 2025 International Workshop at MICCAI Conference

Leveraging Pathology Foundation Models for Panoptic Segmentation of Melanoma in H&E Images

Jiaqi Lv, Yijie Zhu, Carmen Guadalupe Colin Tenorio, Brinder Singh Chohan, Mark Eastwood, Shan E Ahmed Raza

机构 * Tissue Image Analytics Centre, Department of Computer Science, University of Warwick, Coventry, United Kingdom（威斯敏斯特大学计算机科学系病理图像分析中心） ； University Hospitals of Derby and Burton NHS Foundation Trust, United Kingdom（德比和伯顿国家健康服务基金会医院） ； Department of Pathophysiology and Allergy Research, Center for Pathophysiology, Infectiology and Immunology, Medical University of Vienna, Austria（维也纳医学大学病理学与过敏研究系） ； TissueGnostics GmbH, Vienna, Austria（维也纳TissueGnostics公司） 纠错

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

Comments Accepted by MIUA 2025

Aggregation Schemes for Single-Vector WSI Representation Learning in Digital Pathology

Sobhan Hemati, Ghazal Alabtah, Saghir Alfasly, H. R. Tizhoosh

机构 * KIMIA Lab, Department of Artificial Intelligence and Informatics, Mayo Clinic（KIMIA实验室，人工智能与信息学系， Mayo诊所） 纠错

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

MSAD-Net: Multiscale and Spatial Attention-based Dense Network for Lung Cancer Classification

Santanu Roy, Shweta Singh, Palak Sahu, Ashvath Suresh, Debashish Das

机构 * Computer Science and Engineering Department, NIIT University, Jaipur, India（尼特大学计算机科学与工程系，印度斋普尔） ； CSE department, Christ (Deemed to be University), Bangalore, India（基督大学（认定为大学）计算机科学与工程系，印度班加罗尔） ； Faculty of Computing, Engineering and the Built Environment, Birmingham City University, UK（伯明翰城市大学计算、工程与建筑环境学院，英国） 纠错

专题命中 病理影像 ：medical image(abstract)；CT(abstract)；diagnosis(abstract)；radiology(abstract)

Reusable specimen-level inference in computational pathology

Jakub R. Kaczmarzyk, Rishul Sharma, Peter K. Koo, Joel H. Saltz

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

Demonstration of an Adversarial Attack Against a Multimodal Vision Language Model for Pathology Imaging

Poojitha Thota, Jai Prakash Veerla, Partha Sai Guttikonda, Mohammad S. Nasr, Shirin Nilizadeh, Jacob M. Luber

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

Nuclei Segmentation with Point Annotations from Pathology Images via Self-Supervised Learning and Co-Training

Yi Lin, Zhiyong Qu, Hao Chen, Zhongke Gao, Yuexiang Li, Lili Xia, Kai Ma, Yefeng Zheng, Kwang-Ting Cheng

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

Comments Accepted by MedIA

Spatial Pathomics Toolkit for Quantitative Analysis of Podocyte Nuclei with Histology and Spatial Transcriptomics Data in Renal Pathology

Jiayuan Chen, Yu Wang, Ruining Deng, Quan Liu, Can Cui, Tianyuan Yao, Yilin Liu, Jianyong Zhong, Agnes B. Fogo, Haichun Yang, Shilin Zhao, Yuankai Huo

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

SEMPAI: a Self-Enhancing Multi-Photon Artificial Intelligence for prior-informed assessment of muscle function and pathology

Alexander Mühlberg, Paul Ritter, Simon Langer, Chloë Goossens, Stefanie Nübler, Dominik Schneidereit, Oliver Taubmann, Felix Denzinger, Dominik Nörenberg, Michael Haug, Wolfgang H. Goldmann, Andreas K. Maier, Oliver Friedrich, Lucas Kreiss

专题命中 病理影像 ：pathology(title)；biomedical(abstract)；分类 cs.CV、cs.LG、q-bio

End-to-end Learning for Image-based Detection of Molecular Alterations in Digital Pathology

Marvin Teichmann, Andre Aichert, Hanibal Bohnenberger, Philipp Ströbel, Tobias Heimann

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

Comments MICCAI 2022; 8.5 Pages, 4 Figures

Federated Learning with Research Prototypes for Multi-Center MRI-based Detection of Prostate Cancer with Diverse Histopathology

Abhejit Rajagopal, Ekaterina Redekop, Anil Kemisetti, Rushi Kulkarni, Steven Raman, Kirti Magudia, Corey W. Arnold, Peder E. Z. Larson

专题命中 病理影像 ：MRI(title,abstract)；分类 cs.CV、cs.LG、q-bio

Comments under review

Code-free development and deployment of deep segmentation models for digital pathology

Henrik Sahlin Pettersen, Ilya Belevich, Elin Synnøve Røyset, Erik Smistad, Eija Jokitalo, Ingerid Reinertsen, Ingunn Bakke, André Pedersen

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

Comments 18 pages, 4 figures, 2 tables

MHAttnSurv: Multi-Head Attention for Survival Prediction Using Whole-Slide Pathology Images

Shuai Jiang, Arief A. Suriawinata, Saeed Hassanpour

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

Artificial Intelligence-Based Image Classification for Diagnosis of Skin Cancer: Challenges and Opportunities

Manu Goyal, Thomas Knackstedt, Shaofeng Yan, Saeed Hassanpour

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

Comments AI Skin Cancer

Spatial-And-Context aware (SpACe) "virtual biopsy" radiogenomic maps to target tumor mutational status on structural MRI

Marwa Ismail, Ramon Correa, Kaustav Bera, Ruchika Verma, Anas Saeed Bamashmos, Niha Beig, Jacob Antunes, Prateek Prasanna, Volodymyr Statsevych, Manmeet Ahluwalia, Pallavi Tiwari

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

Non-Invasive MGMT Status Prediction in GBM Cancer Using Magnetic Resonance Images (MRI) Radiomics Features: Univariate and Multivariate Machine Learning Radiogenomics Analysis

Ghasem Hajianfar, Isaac Shiri, Hassan Maleki, Niki Oveisi, Abbass Haghparast, Hamid Abdollahi, Mehrdad Oveisi

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

Comments 28 Pages, 5 Figures, 3 Tables, 6 Supplemental Figure

Journal ref https://doi.org/10.1016/j.wneu.2019.08.232

Deep Learning with Permutation-invariant Operator for Multi-instance Histopathology Classification

Jakub M. Tomczak, Maximilian Ilse, Max Welling

专题命中 病理影像 ：medical image(abstract)；pathology(abstract)；diagnosis(abstract)；radiology(abstract)

Comments Workshop on "Medical Imaging meets NIPS" at NIPS 2017

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

DaX: Learning General Pathology Representations Across Scales

DaX: 跨尺度的通用病理学表示学习

Bokai Zhao, Yiyang Zhang, Long Bai, Tai Ma, Hanqing Chao, Minfeng Xu

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Hupan Lab（虎斑实验室） 纠错

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

AI总结 提出病理视觉基础模型DaX，通过改进DINOv3自监督学习，结合连续放大训练、跨尺度组织视图等设计，在44个公开数据集的161项临床任务上取得最佳平均性能。

Universal and Transferable Attacks on Pathology Foundation Models

病理基础模型的通用与可迁移攻击

Yuntian Wang, Xilin Yang, Che-Yung Shen, Nir Pillar, Aydogan Ozcan

机构 * Electrical and Computer Engineering Department, University of California, Los Angeles, CA, 90095, USA（加州大学洛杉矶分校电子与计算机工程系） ； Bioengineering Department, University of California, Los Angeles, CA, 90095, USA（加州大学洛杉矶分校生物工程系） ； California NanoSystems Institute (CNSI), University of California, Los Angeles, CA, 90095, USA（加州大学洛杉矶分校加州纳米系统研究所） ； Department of Pathology, Hadassah Hebrew University Medical Center, Jerusalem, 91120, Israel（海法希伯来大学医疗中心病理学系） ； Department of Surgery, University of California, Los Angeles, CA, 90095, USA（加州大学洛杉矶分校外科系） 纠错

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

AI总结 提出通用可迁移对抗扰动（UTAP），通过固定弱噪声模式破坏多个病理基础模型的特征表示能力，导致下游任务性能下降，并展示其跨数据集通用性和跨模型可迁移性。

Comments 38 Pages, 8 Figures

Journal ref Light: Science & Applications (2026)

Meta-Learning Guided Pruning for Few-Shot Plant Pathology on Edge Devices

元学习引导的剪枝用于边缘设备上的少样本植物病理学

Mohammed Mudassir Uddin, Shahnawaz Alam, Mohammed Kaif Pasha, Dr Tasneem Bano Rehman, Dr Fahmina Taranum, Afroze Begum

机构 * Department of CSE, Muffakham Jah College of Engineering and Technology (MJCET)（计算机科学与工程系，穆法卡姆·贾赫工程与技术学院（MJCET）） 纠错

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

AI总结 本文提出DACIS方法，结合神经网络剪枝与少样本学习，实现边缘设备上高效植物疾病识别，实验表明模型大小减小78%且保持92.3%的精度。

Benchmarking Pathology Foundation Models for Breast Cancer Survival Prediction

对乳腺癌生存预测的病理基础模型进行基准测试

Fredrik K. Gustafsson, Constance Boissin, Johan Vallon-Christersson, David A. Clifton, Mattias Rantalainen

机构 * Department of Medical Epidemiology and Biostatistics, Karolinska Institutet（卡罗林斯卡研究所医学流行病学与生物统计学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Division of Oncology, Department of Clinical Sciences Lund, Lund University（卢德大学临床科学系肿瘤学系） ； Oxford Suzhou Centre for Advanced Research, University of Oxford（牛津大学苏州先进研究中心） 纠错

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

AI总结 本文通过标准化流程评估了多种病理基础模型在乳腺癌生存预测中的性能，发现H-optimus-1表现最佳，且第二代模型优于第一代，但多数模型性能差异较小，紧凑模型H0-mini在参数较少的情况下表现更优。

To What Extent Do Token-Level Representations from Pathology Foundation Models Improve Dense Prediction?

病理基础模型的标记级表示在密集预测中有多大的提升作用？

Weiming Chen, Xitong Ling, Xidong Wang, Zhenyang Cai, Yijia Guo, Mingxi Fu, Ziyi Zeng, Minxi Ouyang, Jiawen Li, Yizhi Wang, Tian Guan, Benyou Wang, Yonghong He

机构 * Tsinghua University, Shenzhen, China（清华大学深圳研究院） ； Peking University, Beijing, China（北京大学） 纠错

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

AI总结 本文提出PFM-DenseBench，通过评估17个病理基础模型在18个数据集上的表现，揭示不同模型和调优策略在异构数据集上的性能差异及适用性。

Hospital-Specific Bias in Patch-Based Pathology Models

基于片段的病理模型中的医院特异性偏差

Mengliang Zhang

机构 * CSE Department, The University of Texas at Arlington（德克萨斯大学阿灵顿分校计算机科学与工程系） 纠错

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

AI总结 本文提出了一种轻量级对抗适配器，用于减少基于片段的病理模型中的医院特异性偏差，并通过实验验证了其有效性。

Comments 4 pages,3 figures

Mind the Gap: Continuous Magnification Sampling for Pathology Foundation Models

注意间隙：连续放大采样用于病理基础模型

Alexander Möllers, Julius Hense, Florian Schulz, Timo Milbich, Maximilian Alber, Lukas Ruff

机构 * Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所） ； Machine Learning Group, Technische Universität Berlin（柏林技术大学机器学习小组） ； Aignostics（Aignostics公司） ； Charité, Universitätsmedizin Berlin（柏林夏里特大学医学院） 纠错

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

AI总结 本文提出连续放大采样方法，通过优化采样分布提升病理基础模型在不同放大倍率下的性能，显著改善中间放大倍率下的分类准确率。

Benchmarking Domain Generalization Algorithms in Computational Pathology

Neda Zamanitajeddin, Mostafa Jahanifar, Kesi Xu, Fouzia Siraj, Nasir Rajpoot

机构 * Tissue Image Analytics centre, Department of Computer Science（组织机构：组织机构，计算机科学系） ； Histofy Ltd（Histofy有限公司） ； ICMR-National Institute of Pathology（ICMR国家病理研究所） 纠错

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

SPADE: Spatial Transcriptomics and Pathology Alignment Using a Mixture of Data Experts for an Expressive Latent Space

Ekaterina Redekop, Mara Pleasure, Zichen Wang, Kimberly Flores, Anthony Sisk, William Speier, Corey W. Arnold

机构 * Biomedical AI Research Lab, University of California, Los Angeles（生物医学人工智能研究实验室，加州大学洛杉矶分校） ； Department of Pathology, University of California, Los Angeles（病理学系，加州大学洛杉矶分校） ； Department of Radiology, University of California, Los Angeles（放射学系，加州大学洛杉矶分校） ； Department of Bioengineering, University of California, Los Angeles（生物工程系，加州大学洛杉矶分校） ； UCLA Medical Informatics Home Area, University of California, Los Angeles（UCLA医学信息学家庭区域，加州大学洛杉矶分校） ； Department of Computational Medicine, University of California, Los Angeles（计算医学系，加州大学洛杉矶分校） 纠错

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