医学 AI

Evaluation and Prognostic Validation of Deep Regression Models for WSI-Based Gene-Expression Prediction

基于全切片图像的基因表达预测的深度回归模型的评估与预后验证

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

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

AI总结 研究对基于全切片图像的基因表达预测的深度回归模型进行评估与验证，采用基于注意力的多实例学习与PFM特征提取器的直接回归，在多个数据集及队列中验证，证明该方法可泛化并恢复有意义分子结构，支持其用于转录组表型分析和风险分层。

XtraLight-MedMamba for Classification of Neoplastic Tubular Adenomas

XtraLight-MedMamba用于神经内分泌瘤分类

Aqsa Sultana, Rayan Afsar, Ahmed Rahu, Surendra P. Singh, Brian Shula, Brandon Combs, Derrick Forchetti, Vijayan K. Asari

机构 * Vision Lab and Dept. of Electrical and Computer Engineering, University of Dayton（视觉实验室和电气与计算机工程系，代顿大学） ； Dept. of Computer Science, University of Georgia（计算机科学系，佐治亚大学） ； The University of Toledo Medical Center（托莱多大学医学中心） ； Honeywell International Inc.（霍尼韦尔国际公司） ； South Bend Medical Foundation（南本迪医疗基金会） 纠错

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

AI总结 本文提出XtraLight-MedMamba模型，通过轻量级状态空间框架对全滑片图像中的神经内分泌瘤进行分类，利用ConvNeXt和Mamba块结合SCAB模块和FNOClassifier，实现高精度分类。

Comments 18 pages, 11 figures

Gauge-Fixing the Forward-Forward Objective: A Whitened Goodness Derived from a Likelihood-Ratio Account

善度衡量什么？前馈学习的似然比解释

Paolo Giannitrapani

机构 * Sapienza University of Rome（罗马第一大学） 纠错

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

AI总结 研究前馈学习中善度衡量问题，基于显式生成模型指出平方善度是似然比检验充分统计量，FF阈值是其边界，还阐述了该方法在不同总体及层间归一化方面的特性及优势。

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） 纠错

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。

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

Atlas H&E-TME: Scalable AI-Based Tissue Profiling at Expert Pathologist-Level Accuracy

Atlas H&E-TME：基于AI的可扩展组织分析，达到专家病理学家级别的准确性

Kai Standvoss, Miriam Hägele, Rosemarie Krupar, Julika Ribbat-Idel, Jennifer Altschüler, Gerrit Erdmann, Hans Pinckaers, Evelyn Ramberger, Madleen Drinkwitz, Ádám Nárai, Alexander Möllers, Katja Lingelbach, Sebastian Kons, Lukas Hönig, Recepcan Adigüzel, Joana Baião, Alberto Megina Gonzalo, Marius Teodorescu, Marie-Lisa Eich, Paolo Chetta, Shakil Merchant, Verena Aumiller, Simon Schallenberg, Andrew Norgan, Klaus-Robert Müller, Lukas Ruff, Maximilian Alber, Frederick Klauschen

机构 * Aignostics, Germany（Aignostics，德国） ； Institute of Pathology, Charité – Universitätsmedizin Berlin, Germany（柏林夏里特医学院病理学研究所） ； Berlin Institute of Health, Charité – Universitätsmedizin Berlin, Germany（柏林夏里特医学院柏林健康研究所） ； Massachusetts General Hospital, Department of Pathology, Harvard Medical School, Boston, MA, US（哈佛医学院麻省总医院病理学系） ； Department of Laboratory Medicine and Pathology, Mayo Clinic, Rochester, MN, US（梅奥诊所检验医学与病理学系） ； Machine Learning Group, Technische Universität Berlin, Germany（柏林工业大学机器学习组） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data, Germany（柏林学习与数据基础研究所） ； Department of Artificial Intelligence, Korea University, Republic of Korea（高丽大学人工智能系） ； Max-Planck Institute for Informatics, Germany（马克斯·普朗克信息学研究所） ； German Cancer Research Center (DKFZ) & German Cancer Consortium (DKTK), Berlin & Munich Partner Sites, Germany（德国癌症研究中心及德国癌症联盟柏林和慕尼黑合作站点） ； Institute of Pathology, Ludwig-Maximilians-Universität München, Germany（慕尼黑大学病理学研究所） ； Bavarian Cancer Research Center (BZKF), Germany（巴伐利亚癌症研究中心） 纠错

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

AI总结 提出Atlas H&E-TME系统，利用病理基础模型预测组织质量、区域和细胞类型，通过IHC共识验证和20万+注释基准，在多种癌症中达到或超越病理学家水平。

CrossFusion: A Multi-Scale Cross-Attention Convolutional Fusion Model for Cancer Survival Prediction

CrossFusion: 一种用于癌症生存预测的多尺度交叉注意力卷积融合模型

Rustin Soraki, Huayu Wang, Sitong Liu, Joann G. Elmore, Linda Shapiro

机构 * University of Washington（华盛顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 提出CrossFusion多尺度特征融合框架，通过交叉注意力机制整合不同放大倍数下的病理图像块，显著提升六种癌症的生存预测准确性。

Comments Accepted at MIDL 2026

MemNovo: Look Back at the Spectrum for Balanced De Novo Peptide Sequencing from Mass Spectrometry

MemNovo: 回顾谱图以实现质谱中平衡的从头肽段测序

Dongxin Lyu, Jingbo Zhou, Hongxin Xiang, Yuqiang Li, Jun Xia

机构 * Westlake University（西湖大学） ； Hunan University（湖南大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； HKUST-GZ & HKUST（香港科技大学（广州）与香港科技大学） 纠错

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

AI总结 针对现有Transformer模型在从头肽段测序中过度依赖生成序列先验而忽视谱图证据的问题，提出训练无关的即插即用机制MemNovo，通过建立持久谱记忆库和超保守残差连接在解码阶段注入谱特征，显著提升氨基酸和肽段精度。

Comments Code: https://github.com/AIMS-Lab-HKUSTGZ/MemNovo

Journal ref Knowledge Discovery and Data Mining(KDD), 2026

The Dark Room in the Reward Channel: Dense Prediction Rewards Collapse GRPO-Trained LLM Agents -- and The Channel, Not the Content, Decides What Works

奖励通道中的暗室：密集预测奖励使GRPO训练的大语言模型智能体崩溃——以及实际有效的方法

Yu Wang

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

AI总结 研究发现密集预测奖励在GRPO训练下会使大语言模型智能体崩溃，通过单因素消融定位原因，提出方差分布标准，还通过受控信号传递矩阵对比奖励通道和辅助损失通道，表明奖励通道至多中性，辅助损失通道有优势。

Critical attention scaling in long-context transformers

长上下文Transformer中的关键注意力缩放

Shi Chen, Zhengjiang Lin, Yury Polyanskiy, Philippe Rigollet

机构 * Department of Mathematics, Massachusetts Institute of Technology（数学系，麻省理工学院） ； Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（电气工程与计算机科学系，麻省理工学院） 纠错

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

AI总结 该研究针对长上下文Transformer的注意力秩崩溃问题，通过分析简化模型确定关键缩放因子$\beta_n \backsim \text{log} n$，为YaRN和Qwen的注意力缩放提供理论依据，阐明对数缩放可维持长上下文下的稀疏内容自适应注意力。

Comments 31 pages, 2 figures

Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026), 2026

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） 纠错

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。

The PAR dataset: Prostate biopsy whole slide images from an underrepresented Middle Eastern population

PAR数据集：来自中东代表性不足人群的前列腺活检全切片图像

Peshawa J. Muhammad Ali, Navin Vincent, Saman S. Abdulla, Han N. Mohammed Fadhl, Anders Blilie, Kelvin Szolnoky, Julia Anna Mielcarz, Xiaoyi Ji, Kimmo Kartasalo, Abdulbasit K. Al-Talabani, Nita Mulliqi

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

AI总结 针对公开组织病理学数据集稀缺且多为西方人群数据，导致中东等地区人群人工智能模型通用性未知的问题，公开PAR数据集，包含伊拉克185例患者的前列腺穿刺活检全切片图像，可用于多种分析评估，支持全球不同人群病理学人工智能模型开发验证。

Comments 13 pages, 2 figures and 1 table

Markovian Continuity of the MMSE

MMSE的马尔可夫连续性

Elad Domanovitz, Anatoly Khina

专题命中 病理影像 ：pathology(abstract)；分类 eess.SP

AI总结 研究MMSE在标准随机收敛概念下可能不连续的问题，基于实际采集机制，在二阶矩连续性和退化（马尔可夫）限制两个自然约束下，建立MMSE及其估计器的连续性，还给出相关结果及扩展到其他函数族。

Comments This work has been submitted to the IEEE for possible publication

Evaluating Vision Foundation Models for Pixel and Object Classification in Microscopy

评估显微镜中用于像素和物体分类的视觉基础模型

Carolin Teuber, Anwai Archit, Tobias Boothe, Peter Ditte, Jochen Rink, Constantin Pape

机构 * Georg-August-University Göttingen, Institute of Computer Science Department of Tissue Dynamics ； Regeneration, Max Planck Institute for Multidisciplinary Sciences, Göttingen Georg-August-University Göttingen, Faculty of Biology ； Psychology CAIMed - Lower Saxony Center for AI \& Causal Methods in Medicine, Göttingen Cluster of Excellence Multiscale Bioimaging (MBExC), Georg-August-University Göttingen 纠错

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

AI总结 本文评估了视觉基础模型在显微镜像素和物体分类中的应用，探讨了其在提升分类性能方面的潜力，并建立了相关基准。

On Variance Reduction in Learning Mean Flows

在学习均值流中的方差缩减

Juanwu Lu, Ziran Wang

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文通过理论分析揭示了均值流训练中损失非递减和梯度方差无界的问题根源，提出最优系数的闭式解，并在基准和Diffusion Transformer上验证了其提升样本质量和FID趋势的效果。

Comments 27 pages, 8 figures, 8 tables. Added supplementary experiment: independent validation of the small-bias regime, to break the circularity in bias estimation

Do Foundation Models See Biology? Evaluating Attention Coherence with Spatial Transcriptomics in Glioblastoma

基础模型是否理解生物学？利用空间转录组学评估胶质母细胞瘤中的注意力一致性

Dilakshan Srikanthan, Amoon Jamzad, Paul Wilson, Nooshin Maghsoodi, Robert Policelli, Gabor Fichtinger, John F. Rudan, Parvin Mousavi

机构 * Translational Medicine, School of Medicine, Queen’s University, Kingston, ON, Canada（转化医学、医学院、皇后大学、金斯顿，ON，加拿大） ； School of Computing, Queen’s University, Kingston, ON, Canada（计算学院、皇后大学、金斯顿，ON，加拿大） ； Department of Surgery, Queen’s University, Kingston, ON, Canada（外科部门、皇后大学、金斯顿，ON，加拿大） 纠错

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

AI总结 提出基于空间转录组学的框架，客观评估病理基础模型注意力图与生物学的一致性，发现注意力捕捉多基因转录程序而非单个分子事件。

In Defense of Cosine Similarity: Normalization Eliminates the Gauge Freedom

为余弦相似度辩护：归一化消除了规范自由度

Taha Bouhsine

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

AI总结 本文证明，当嵌入被约束到单位球面时，对角规范矩阵的歧义消失，余弦距离与欧氏距离单调等价，从而解决了余弦相似度任意性的问题。

Comments This was a blog post companion draft, it needs to be updated to fit as a preprint, will do later

Enabling Progressive Whole-slide Image Analysis with Multi-scale Pyramidal Network

利用多尺度金字塔网络实现渐进式全切片图像分析

Shuyang Wu, Yifu Qiu, Ines P Nearchou, Sandrine Prost, Jonathan A Fallowfield, Hakan Bilen, Timothy J Kendall

机构 * Institute for Regeneration and Repair, University of Edinburgh（再生与修复研究所，爱丁堡大学） ； School of Informatics, University of Edinburgh（信息学院，爱丁堡大学） ； Indica Labs, 8700 Education Pl NW, Bldg. B Albuquerque, US（Indica实验室，美国阿尔伯克基8700教育大道西北区B座） ； Medical School, University of St Andrews（医学学校，圣安德鲁大学） 纠错

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

AI总结 提出多尺度金字塔网络（MSPN），一种即插即用模块，仅使用单一高倍输入实现渐进式多尺度全切片图像分析，通过网格重映射和粗引导网络学习粗粒度上下文，在多个任务和框架上一致提升MIL性能。

Dual-stream attention-guided learning for weakly supervised whole slide image classification

双流注意力引导学习用于弱监督全切片图像分类

Daoxi Cao, Hangbei Cheng, Yijin Li, Ruolin Zhou, Xuehan Zhang, Xinyi Li, Binwei Li, Xuancheng Gu, Jianan Zhang, Xueyu Liu, Yongfei Wu

机构 * College of Computer Science and Technology, College of Data Science, Taiyuan University of Technology（太原科技大学计算机科学与技术学院、数据科学学院） ； College of Humanities, Law and Foreign Languages, Taiyuan University of Technology（太原科技大学人文学院、法律与外语学院） ； College of Artificial Intelligence, Taiyuan University of Technology（太原科技大学人工智能学院） ； School of Cyberspace Security, Beijing University of Posts and Telecommunications（北京邮电大学网络安全学院） ； School of Mathematics, Taiyuan University of Technology（太原科技大学数学学院） 纠错

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

AI总结 提出双流注意力引导学习框架，通过师生双流架构和注意力引导伪标签，解决弱监督下全切片图像中关键区域识别和实例关系建模问题，在合成和真实病理数据集上优于现有方法。

All-in-One Augmented Reality Guided Head and Neck Tumor Resection

一体化增强现实引导的头颈部肿瘤切除

Yue Yang, Matthieu Chabanas, Carrie Reale, Annie Benson, Jason Slagle, Matthew Weinger, Michael Topf, Jie Ying Wu

机构 * Vanderbilt Institute for Surgery and Engineering（范德比尔特手术与工程研究院） ； Vanderbilt University Medical Center（范德比尔特大学医学院） 纠错

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

AI总结 本文提出了一种整合增强现实技术的系统，用于在手术中精确定位肿瘤边缘，通过HoloLens 2的深度感应和自动标记less表面配准，显著提高了手术精度。

LLM-Conditioned Synthesis of Pathological Gaits via Structured Gait-Language Representations

基于结构化步态-语言表示的LLM条件病理步态合成

Mritula Chandrasekaran, Sanket Kachole, Jarek Francik, Dimitrios Makris

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； MIT Media Lab（麻省理工学院媒体实验室） 纠错

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

AI总结 提出一种多模态LLM引导框架，通过结构化文本描述合成病理步态3D数据，利用运动标记化、病理感知语言条件、LLM语义增强和语言到步态生成，改善下游分类性能。

Comments Accepted at CVPR MOMA Workshop 2026 and selected for spotlight presentation at the workshop

Loom: Multi-Region Analysis of Spatial Transcriptomics with Local Neighborhoods and Global Trajectories

Loom：利用局部邻域和全局轨迹对空间转录组学进行多区域分析

Siyuan Zhao, Nafiul Nipu, Hossein Fathollahian, Olga Karginova, Hao Chen, Ameen Salahudeen, G. Elisabeta Marai

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

AI总结 Loom是用于空间转录组学分析的视觉计算系统，利用新颖图形符号和计算框架，应对多模态整合挑战，经案例研究和可用性研究评估，有效支持细胞转变及时空表达动态发现。

A whole-brain model of amyloid beta accumulation and cerebral hypoperfusion in Alzheimer's disease

阿尔茨海默病中淀粉样β蛋白积累和脑灌注不足的全脑模型

Mattia Corti, Andrew Ahern, Alain Goriely, Ellen Kuhl, Paola F. Antonietti

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

AI总结 该研究提出全脑模型，通过反应扩散系统和多孔介质模型耦合淀粉样β蛋白与血管，用高阶间断伽辽金方法和隐式欧拉格式离散方程组，模拟表明多稳态出现及局部灌注不足可引发疾病爆发。

Journal ref Computer Methods in Applied Mechanics and Engineering, 461. 119196 (2026)

Spatial navigation in preclinical Alzheimer's disease: A review

阿尔茨海默病前期阶段的空间导航：综述

Syrine Salouhou, Victor Gilles, Remi Vallée, Gillian T. Coughlan, Romain Bachelet, Michael Hornberger, Hugo Spiers, Antoine Coutrot, Antoine Garnier-Crussard

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

AI总结 本文综述了阿尔茨海默病前期阶段空间导航的认知功能，探讨其与AD病理标志物如p-tau的相关性，提出空间导航任务作为早期检测高风险个体的敏感方法。

Beyond Binary Detection: A Multi-Dimensional Taxonomy of Cancer Misinformation on Reddit

超越二元检测：Reddit 上癌症错误信息的多维分类法

Aria Pessianzadeh, Pooriya Jamie, Naima Sultana, Georgia Himmelstein, Yuliya Zektser, Patricia Ganz, Homa Hosseinmardi, Amir Ghasemian, Rezvaneh Rezapour

机构 * Drexel University（德雷塞尔大学） ； UCLA（加州大学洛杉矶分校） 纠错

专题命中 病理影像 ：diagnosis(abstract)

AI总结 研究旨在刻画Reddit上癌症错误信息，引入多维分类法涵盖七个维度。利用专家标注数据评估大语言模型，分析错误信息。发现其约占癌症讨论6%，少样本提示可提高性能，还识别出常见错误信息叙述，为相关建模奠定基础。

An inquiry into the Absence of Fermion Doubling and why the Nielsen-Ninomiya Theorem Does Not Apply to Nonlocal Quantum Field Theory

关于费米子加倍缺失以及尼尔森 - 二宫定理为何不适用于非局部量子场论的探究

Arvin Kouroshnia, J. W. Moffat, E. J. Thompson

专题命中 病理影像 ：pathology(abstract)

AI总结 探究非局部量子场论是否有费米子加倍问题，通过全纯函数算子可逆性证明特定条件下无额外费米子，给出费米子加倍准则及测试程序，区分相关情况，得出完整连续非局部理论中不存在费米子加倍的结论。

Comments 28 pages, no figures

The Café in Amsterdam: When the Incumbent Becomes the Oracle

阿姆斯特丹的咖啡馆：当现有方案成为评判标准时

Augusto Camargo

机构 * IME, University of São Paulo（圣保罗大学工业工程系） 纠错

专题命中 病理影像 ：pathology(abstract)

AI总结 探讨现代加速器计算重新制定问题，基于相关理论提出“基线捕获”，区分重新制定可评判及发现能否自动化的问题，通过案例说明并提出“购买验证器”做法，让需求独立于现有方案。

Comments 4 pages, two-column. v2: corrected the definition of representation (existential, not universal); demand now stated as a criterion rather than a set of outputs; minor notation fixes

Planck mass gravitinos in Einstein-Maxwell backgrounds

爱因斯坦-麦克斯韦背景中的普朗克质量引力微子

Artur Krawczyk, Krzysztof A. Meissner, Hermann Nicolai, Bartłomiej Sikorski

专题命中 病理影像 ：pathology(abstract)

AI总结 研究带电自旋-3/2场在爱因斯坦-麦克斯韦背景中的一致性问题，发现引力可补偿电磁不一致性，从而要求质量接近普朗克尺度，为超重引力微子作为暗物质候选提供支持。

3DPipe: A Pipelined GPU Framework for Scalable Generalized Spatial Join over Polyhedral Objects

3DPipe：一种用于可扩展多面体对象通用空间连接的流水线GPU框架

Lyuheng Yuan, Da Yan, Saugat Adhikari, Akhlaque Ahmad, Fusheng Wang

专题命中 病理影像 ：pathology(abstract)

AI总结 本文提出3DPipe，一种利用GPU并行性处理多面体对象空间连接的流水线框架，通过多级剪枝策略和分块流式处理提升效率，实验显示其比现有最佳GPU方案TDBase快9倍。

Learning from Lost Provenance: Multiple Instance Learning for Cancer Registry Tumor Group Classification

从丢失的溯源信息中学习：用于癌症登记肿瘤组分类的多实例学习

Leonard Ruocco, Jonathan Simkin, Lovedeep Gondara, Gregory Arbour, Raymond Ng

机构 * British Columbia Cancer Registry, Provincial Health Services Authority（不列颠哥伦比亚癌症登记处，省级卫生服务管理局） ； University of British Columbia（英属哥伦比亚大学） ； Data Science Institute, University of British Columbia（英属哥伦比亚大学数据科学研究所） 纠错

专题命中 病理影像 ：pathology(abstract)

AI总结 针对癌症登记中报告级人工标注训练数据稀缺问题，利用操作生成的患者级标签，通过基于注意力的多实例学习恢复标签与报告的联系，开发框架训练深度学习分类器，提升肿瘤组分类性能。