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。

共收录 1717 信号源:cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 病理影像 129 篇

2607.05533 2026-07-08 cs.CV 新提交 79%

Multi-Teacher Contrastive Distillation for Edge-Efficient Pathology Foundation Models

用于边缘高效病理学基础模型的多教师对比蒸馏

Tim Lenz, Maurice Heide, Marco Gustav, Nic G. Reitsam, Jakob Nikolas Kather

机构 * EKFZ for Digital Health(数字健康EKFZ) TU Dresden(德累斯顿工业大学) University of Augsburg(奥格斯堡大学) Bavarian Cancer Research Center (BZKF)(巴伐利亚癌症研究中心) Department of Medicine I, TU Dresden(德累斯顿工业大学第一医学院) NCT Heidelberg(海德堡NCT) University of Leeds(利兹大学)

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

AI总结 研究针对计算病理学基础模型本地部署难题,提出MuCoDi预训练框架,通过多教师对比蒸馏,将多个PFMs的切片嵌入蒸馏到轻量级编码器,经实验验证该方法能大幅减小模型大小并保持性能,推动病理学表示向边缘部署发展。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.02598 2026-07-07 cs.CV 新提交 79%

Evaluating Agentic Harness Systems for Autonomous Computational Pathology

评估用于自主计算病理学的智能控制框架系统

Jie Lin, Zongyi Chen, Qiaoling Zheng, Liuyi Wang, Hengyi Jiang, Jiabao Chen, Xiang Liu, Yinghong Yang, Liansheng Wang

机构 * National Institute for Data Science in Health and Medicine, Xiamen University(厦门大学健康医疗大数据国家研究院)

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

AI总结 研究将高级病理学分析目标转化为可执行工作流,贡献 ACP-Bench 框架,评估 41 个病理学工作流任务、9 个模型和 3 个控制框架组,通过多方面评估为智能系统实现病理学工作流提供标准。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.00499 2026-07-03 cs.CV 新提交 79%

Prior-Anchored Debiasing for Long-Tailed Multi-Organ Pathology Report Generation

先验锚定去偏方法用于长尾多器官病理报告生成

Feng Yang, Jie Liu, Yubo Pang, Peilin Chen, Xinheng Lyu, Shiqi Wang, Howard Leung, Ping Chen

机构 * City University of Hong Kong, Hong Kong SAR(香港城市大学) University of Nottingham, United Kingdom(诺丁汉大学) University of Massachusetts Boston, United States(马萨诸塞大学波士顿分校)

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

AI总结 针对多器官病理报告生成中视觉表示和文本解码的长尾偏差,提出先验锚定框架PriOrGen,通过视觉原型锚定瓶颈和元报告锚定库分别缓解两类偏差,在长尾数据集上优于现有方法。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.18123 2026-06-23 cs.CV 新提交 79%

Predicting Immune Biomarkers with MultiModal Mixture-of-Expert Pathology Foundation Models Empowers Precision Oncology

使用多模态混合专家病理基础模型预测免疫生物标志物,赋能精准肿瘤学

Tianyu Liu, Ziqing Wang, Zhaokang Liang, Tong Ding, Peter Humphrey, Lorraine Colón-Cartagena, Emily Ling-Lin Pai, Kenneth Tou En Chang, Mohamed Kahila, Jonathan Chong Kai Liew, Tinglin Huang, Rex Ying, Kaize Ding, Faisal Mahmood, Wengong Jin

机构 * Program of Computational Biology and Bioinforamtics, Yale University(耶鲁大学计算生物学与生物信息学项目) Broad Institute of MIT and Harvard(麻省理工学院与哈佛大学博德研究所) Department of Statistics and Data Science, Northwestern University(西北大学统计与数据科学系) Department of Computer Science, Northeastern University(东北大学计算机科学系) Department of Computer Science, Harvard University(哈佛大学计算机科学系) Department of Pathology, Yale University(耶鲁大学病理学系) Department of Anatomic Pathology and Laboratory Medicine, Hospital of the University of Pennsylvania(宾夕法尼亚大学医院解剖病理学与检验医学系) Department of Pathology and Laboratory Medicine, University of California, San Francisco(加州大学旧金山分校病理学与检验医学系) Department of Pathology and Laboratory Medicine, KK Women’s and Children’s Hospital(竹脚妇幼医院病理学与检验医学系) Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania(宾夕法尼亚大学佩雷尔曼医学院生物统计学、流行病学与信息学系)

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

AI总结 提出MixTIME多模态基础模型,采用混合专家架构整合不同模态的病理基础模型,从HE全切片图像预测多重免疫荧光蛋白表达,在17个蛋白标记物上达到最优性能,并增强空间域识别、生存预测等下游任务。

Comments 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.12407 2026-06-11 cs.CV 新提交 79%

How Seemingly Inconsequential Design Choices Dictate Performance of LLMs in Pathology

看似无关紧要的设计选择如何决定病理学中LLM的性能

Kian R. Weihrauch, Thomas A. Buckley, William Lotter, Arjun K. Manrai

机构 * Massachusetts Institute of Technology(麻省理工学院) Harvard Medical School(哈佛医学院) Dana-Farber Cancer Institute(丹娜-法伯癌症研究所)

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

AI总结 通过系统因子分析发现,调整补丁大小、放大倍数等输入配置可使通用大语言模型在病理切片任务上性能大幅提升,缩小与专用模型的差距。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.07590 2026-06-09 cs.CV cs.AI 新提交 79%

SlideCheck: Guiding Self-Supervised Pretraining of Pathology Foundation Models via Dataset Distributions

SlideCheck: 通过数据集分布引导病理基础模型的自监督预训练

Mingyi He, Xinyi Guo, Xitong Ling, Weiming Chen, Jiawen Li, Lianghui Zhu, Minxi Ouyang, Mingxi Fu, Yizhi Wang, Tian Guan

机构 * Beijing University of Chemical Technology(北京化工大学) South China Normal University(华南师范大学) Tsinghua University(清华大学)

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

AI总结 提出SlideCheck工具,利用冻结病理基础模型的特征,通过双头MLP评分异常和恶性证据,引导自监督预训练数据筛选,实验表明数据分布影响模型下游性能。

Comments 9 pages, 2 figures, 4 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.13043 2026-06-12 physics.med-ph 新提交 78%

Radiology-Report Semantic Modelling and Host-Response Laboratory Biomarkers for Multimodal Survival Prediction in Lung Cancer

放射学报告语义建模与宿主反应实验室生物标志物用于肺癌多模态生存预测

Jingxiang Shi, Yiming Wang, Zhengda Li, Yan Zhang, Weihua Meng, Yuqi Ma, Xiaoyan Li, Feng-Ming, Kong, Gen Yang

专题命中 病理影像 :radiology(title,abstract)

AI总结 提出多模态自适应风险评分(AMRS),融合放射学报告语义和常规实验室生物标志物,在574例肺癌患者中实现C-index 0.849,优于TNM分期。

Comments 14 pages,7 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.07549 2026-06-09 cs.AI cs.MA 新提交 78%

PathoSage: Towards Multi-Source Evidence Adjudication in Pathology via Experience-Aware Agentic Workflow

PathoSage:通过经验感知的代理工作流实现病理学多源证据裁决

Chengyang Zhang, Wenchuan Zhang, Bo Li, Mengran Li, Bob Zhang, Yuhao Yi, Hong Bu, Jiancheng Lv

机构 * College of Computer Science, Sichuan University(四川大学计算机科学学院) Department of Pathology and Institute of Clinical Pathology, West China Hospital, Sichuan University(四川大学华西医院病理科/临床病理研究所) Department of Computer and Information Science, University of Macau(澳门大学计算机与信息科学系) School of Intelligent Systems Engineering, Sun Yat-sen University(中山大学智能工程学院)

专题命中 病理影像 :pathology(title,abstract)

AI总结 提出PathoSage框架,通过结构化证据审议和Beta-Bernoulli经验系统,独立评估工具证据并解决冲突,减少幻觉和分类器分歧,提升病理学推理鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.14757 2026-08-18 eess.IV cs.CV q-bio.QM 新提交 77%

KHiM-Mamba: Injecting Pathology Knowledge into Mamba via Hidden-State Modulation for Whole Slide Image Analysis

KHiM-Mamba:通过隐藏状态调制将病理知识注入Mamba以用于 whole slide image(WSI)分析

Qixiang Zhang, Yi Li, Tianqi Xiang, Haonan Wang, Mengjiao Wei, Bo Xu, Xiaomeng Li

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

AI总结 本研究提出KHiM-Mamba架构,通过将病理知识注入Mamba的选择性状态空间机制,解决纯视觉驱动的WSI分析问题,在4类任务的11个公共基准上取得最优性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.03664 2026-08-05 cs.CV 新提交 77%

Morphology-Aware Implicit Super-Resolution Network for Pathological Images

面向病理图像的形态感知隐式超分辨率网络

Jiaming Liang, QiHui Han, Haolin Chen, Chengxin Ye, Jiawen Liu, Jiazhou Chen, Xiaoqi Sheng, Hongmin Cai

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

AI总结 针对现有超分辨率方法难以保留病理图像细胞形态的问题,本文提出Morph-ISR框架,在TCGA等数据集上实现最优的LPIPS等指标,可高效保留诊断相关细节并支持边缘部署。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.06019 2026-07-08 cs.CV 新提交 77%

KOAL: Knowledge-Driven Prostate Cancer Grading with Ordinal-Aware Learning

KOAL:基于序数感知学习的知识驱动前列腺癌分级

Zheng Guo, Jiaqi Cui, Haocheng Xiong, Jize Han, Bo Liu, Qianwen Zhang, Rui Chen, Yan Wang

机构 * School of Computer Science, Sichuan University(四川大学计算机学院) China Mobile (Suzhou) Software Technology Company Limited(中国移动(苏州)软件技术有限公司) Shanghai Changhai Hospital, Naval Medical University(上海长海医院,海军医学大学) Renji Hospital, Shanghai Jiao Tong University School of Medicine(仁济医院,上海交通大学医学院)

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

AI总结 研究利用mpMRI无创预测前列腺癌GGG的问题,提出KOAL框架,含临床上下文调制、知识引导原型对齐和分层序数感知约束三个模块,实验证明该框架优于现有方法,提升了前列腺癌GGG预测准确性。

Comments 10 pages, 2 figures, 2 tables. Accepted at MICCAI 2026. This is the submitted version prior to peer review. The final authenticated version will be available on SpringerLink

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.09996 2026-08-12 eess.IV cs.AI cs.CV cs.LG 新提交 75%

Energy and Performance Benchmarking of Deep Learning Models for Breast Cancer Detection

用于乳腺癌检测的深度学习模型的能效与性能基准测试

Samar Garrab, Ghada Achour

专题命中 病理影像 :medical image(abstract);diagnosis(abstract);分类 cs.CV、cs.LG、eess.IV

AI总结 本文在乳腺超声、BreakHis 400X 两个数据集上对比七种深度学习模型的能效与性能,发现不同模型在两个数据集上的表现不同,需综合多维度选择医学应用模型。

Comments Accepted at ICMLA 2026 (IEEE International Conference on Machine Learning and Applications). Camera-ready version submitted

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.04025 2026-08-06 stat.ME cs.LG 新提交 74%

A Multi-Cohort Validation of Censoring-Aware Conformal Lower Predictive Bounds for Pathology Survival Models

面向病理生存模型的感知删失共形下界预测边界的多队列验证

Mingi Hong

专题命中 病理影像 :pathology(title);分类 cs.LG

AI总结 本研究通过多队列验证,评估了用于病理生存模型的感知删失共形下界预测边界方法drcosarc,发现其性能依赖于队列,解释受患者单元、估计量和删失假设影响。

Comments 22 pages, 3 figures, 2 main tables, and supplementary material. Preprint

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.23631 2026-07-28 cs.CV 新提交 74%

PathSelect: Sequential Token Selection for Whole Slide Pathology

PathSelect:用于全切片病理学的序列令牌选择

Jingzhi Chen, Landi He, Zehong Chen, Peihang Wu, Lijian Xu

机构 * Shenzhen University of Advanced Technology(深圳先进技术研究院)

专题命中 病理影像 :pathology(title);分类 cs.CV

AI总结 针对全切片图像给视觉语言模型带来的计算瓶颈,提出解耦路由框架PathSelect,将令牌剪枝重构成序列选择过程,训练时引入方差保持噪声门等,推理时模块分离,有效减少令牌数,提高准确率并优于基于采样的方法。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.10778 2026-06-10 cs.CV 新提交 74%

From Patches to Patients: A study of the tile-to-slide performance transferability in Digital Pathology

从斑块到患者:数字病理学中斑块到全切片性能可迁移性的研究

Sofiène Boutaj, Leo Fillioux, Maria Vakalopoulou, Stergios Christodoulidis, Pierre Marza

机构 * Université Paris-Saclay, CentraleSupélec, Gustave Roussy, INSERM, IHU PRISM, Cancer Data Science Unit(巴黎-萨克雷大学、中央理工-高等电力学院、古斯塔夫·鲁西研究所、法国国家健康与医学研究院、IHU PRISM、癌症数据科学单元) Université Paris-Saclay, CentraleSupélec, MICS Laboratory(巴黎-萨克雷大学、中央理工-高等电力学院、MICS实验室)

专题命中 病理影像 :pathology(title);分类 cs.CV

AI总结 研究斑块级线性探测能否作为全切片级性能的可靠代理,通过19个基础模型在42个切片级和16个斑块级任务上的基准测试,发现斑块与切片性能高度相关,斑块级基准测试可有效筛选候选模型。

Comments Accepted to MICCAI 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.15915 2026-08-18 cs.CV cs.AI 新提交 70%

Comprehensive Benchmarking of Deep Learning Architectures for Lung Cancer Histopathology

用于肺癌组织病理学的深度学习架构的综合基准测试

Hadi Hasan, Safaa Salman, Lama Sleem, Ralph Mouawad, Ali Chehab

机构 * American University of Beirut(贝鲁特美国大学)

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

AI总结 本研究构建两阶段深度学习框架,整合6种分类模型与4种分割模型,在病理数据集上测试后将最优模型整合,为自动化病理图像分析提供高效基准。

Comments 8 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.15353 2026-08-18 cs.CV 新提交 70%

Decomposing Whole Slide Image Report Generation with Graph-Constrained Multiple Instance Learning Workflows

用图约束的多实例学习工作流分解全切片图像报告生成

Antony Gitau, Martyna Borak, Bjørn-Jostein Singstad, Martin Paulson, Karl Thomas Hjelmervik, Ola Marius Lysaker, Veralia Gabriela Sanchez

机构 * Faculty of Technology, Natural Sciences and Maritime Sciences, University of South-Eastern Norway(东南挪威大学技术、自然科学与海洋科学学院) Center for Cancer and Blood Diseases, Vestfold Hospital Trust(西福尔信托医院癌症与血液疾病中心) Faculty of Biomedical Engineering, Silesian University of Technology(西里西亚工业大学生物医学工程学院)

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

AI总结 该研究提出图约束的多实例学习分解框架,结合Virchow2嵌入与器官条件图,提升WSI报告生成性能,明确器官路由是域转移瓶颈,支持错误定位。

Comments Accepted at the MICCAI 2026 REG Challenge

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.03540 2026-08-05 cs.CV 新提交 70%

S$^3$-Diff: Structural Semantic Synergy Diffusion Model for High Fidelity Super Resolution of Pathological Images

S³-Diff:用于病理图像高保真超分辨率的结构语义协同扩散模型

Jiaming Liang, QiHui Han, Guangye Ou, Jiawen Liu, Haolin Chen, Xi Zhong, Jiazhou Chen, Xiaoqi Sheng, Hongmin Cai

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

AI总结 针对现有病理图像超分辨率技术易致形态平滑、语义漂移的问题,提出S³-Diff模型,通过SSA与SSFT实现高保真超分,性能优于现有最优方法,源代码将公开。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.31100 2026-07-01 cs.CV 新提交 70%

TaxoMIL: Taxonomy-Constrained Learning for Hierarchical Whole Slide Image Analysis

TaxoMIL:用于层次化全切片图像分析的分层约束学习

Chaeyeon Lee, Khang Nguyen Quoc, Jinsol Song, Yosep Chong, Kwangil Yim, Jin Tae Kwak

机构 * School of Electrical Engineering, Korea University(韩国大学电气工程学院) Department of Hospital Pathology, The Catholic University of Korea College of Medicine(韩国天主教大学医学院医院病理学系)

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

AI总结 提出TaxoMIL框架,将WSI诊断重构为多粒度文本生成任务,通过双头Transformer解码器和分类学引导目标,实现层次感知的准确预测。

Comments Accepted at ECCV 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.14759 2026-08-18 eess.IV cs.CV q-bio.QM 新提交 68%

Test-Time Instance Selection for Improved Whole Slide Image Analysis

用于改进全切片图像分析的测试时实例选择

Quoc Anh Nguyen, Sunhong Park, Jin Tae Kwak

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

AI总结 本研究提出无需训练的即插即用测试时实例选择框架TTIS,融入多视图集成策略,可无缝集成到现有MIL模型,在多个WSI分析基准任务中性能优于或匹配基线模型。

Comments Accepted at The 2nd MICCAI Workshop on Efficient Medical AI (EMA4MICCAI 2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.12656 2026-08-14 physics.med-ph 新提交 67%

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。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.10657 2026-08-12 eess.IV cs.CV cs.LG 新提交 67%

Retrieval-Augmented Vision Foundation Models for Robust Leukemia Cell Classification across Multiple Microscopy Datasets

用于跨多个显微镜数据集实现稳健白血病细胞分类的检索增强视觉基础模型

Carlos Zamora, Hiram Zuniga, Ulises Orozco-Rosas, Kenia Picos

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

AI总结 本研究提出基于预训练视觉基础模型的两阶段检索增强框架,经多数据集测试,可实现跨异构数据集的稳健白血病细胞分类,为解决领域偏移问题提供低成本替代方案。

Comments Accepted at SPIE Optics + Photonics 2026 for oral presentation. 23 pages, 12 figures, 9 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.04551 2026-07-07 cs.CE 新提交 67%

Dynamic Image-Informed Selection of Biomechanical Tumor Growth Models

生物力学肿瘤生长模型的动态图像信息选择

Abdullah Al Noman, Pratyush Kumar Singh, David A Hormuth, Danial Faghihi

专题命中 病理影像 :MRI(abstract,abstract_cn)

AI总结 研究胶质母细胞瘤进展中机械相互作用对其的影响。通过引入序贯贝叶斯推理和动态模型选择框架,利用纵向小鼠磁共振成像数据校准生物力学肿瘤生长模型参数,比较不同模型,得出机械耦合模型更优及应依个体评估本构假设的结论。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.26157 2026-06-26 cs.IR cs.AI 新提交 67%

Reducing Redundancy in Whole-Slide Image Patching for Scalable Indexing and Retrieval

减少全切片图像分块冗余以实现可扩展索引与检索

Jialiang Geng, Ghazal Alabtah, Saghir Alfasly, Wataru Uegami, H. R. Tizhoosh

机构 * KIMIA Lab Dept. of Artificial Intelligence & Informatics(KIMIA实验室 人工智能与信息学系)

专题命中 病理影像 :clinical AI(abstract);pathology(abstract)

AI总结 提出ARReST框架,通过识别并剪除跨类别判别贡献小的对立块,在保持检索精度的同时显著压缩WSI索引存储(3%-60%),实现可扩展、低成本的病理图像检索。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.14657 2026-08-18 cs.LG cs.CV 新提交 62%

LUNG-KGMM: Knowledge-Guided Multimodal Learning for Lung Cancer Incidence Prediction

LUNG-KGMM:用于肺癌发病预测的知识引导多模态学习

Chunlei Yang, Shuyan Li, Zhong Cao

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

AI总结 本研究提出LUNG-KGMM知识引导多模态框架,整合多类数据与临床知识开展1-6年肺癌发病预测,经MIMIC及厦门队列验证,其性能优于现有方法且具备跨队列可迁移性。

Comments 22 pages, 4 figures, 7 tables, accepted by PRCV Oral

Journal ref The 9th Chinese Conference on Pattern Recognition and Computer Vision, PRCV2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.24835 2026-07-29 cs.CV cs.LG 新提交 62%

Gradient-Based Latent Decomposition Reveals Mechanisms of Feature Degradation in Weakly Supervised Mammography

基于梯度的潜在分解揭示了弱监督乳腺钼靶成像中特征退化的机制

Vinceline Bertrand, Ionut Cardei

机构 * Florida Atlantic University(佛罗里达大西洋大学)

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

AI总结 研究弱监督乳腺钼靶成像中特征退化问题,引入基于梯度的正交潜在分解用于分层变分自编码器,划分潜在空间,通过实验得出模型相关指标,经潜在消融等验证,揭示高维空间中粗监督信号对细粒度特征的影响。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.22931 2026-07-28 cs.LG cs.CV 新提交 62%

Spectral-Aware Analytic Class-Incremental Learning for Long-Tailed Distributions

用于长尾分布的频谱感知分析类增量学习

Quyen Tran, Hai Nguyen, Quan Dao, Zhuowei Li, Nam Le, Trung Le, Dimitris Metaxas

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

AI总结 研究针对长尾分布的类增量学习问题,提出几何频谱校正(GSR)框架,将其视为频谱正则化问题,构造频谱扰动矩阵有选择地增大尾部类坍缩特征值,实验表明该方法在计算效率和鲁棒泛化间取得更好权衡,达新最优水平。

Comments ECCV 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.09831 2026-07-14 eess.IV cs.CV 新提交 62%

Slide-Level Active Learning Reduces Annotation Burden in H&E images

滑动级主动学习减轻苏木精-伊红染色图像的标注负担

Mahsa Vali, Zhilong Weng, Noémie Moreaua, Yuri Tolkach, Katarzyna Bozek

机构 * Institute for Biomedical Informatics, Faculty of Medicine(生物医学信息学研究所,医学学院) University Hospital Cologne, University of Cologne(科隆大学医院,科隆大学) Center for Molecular Medicine Cologne (CMMC), Faculty of Medicine(科隆分子医学中心(CMMC),医学学院) Cologne Excellence Cluster on Cellular Stress Responses in Aging-Associated Diseases (CECAD), University of Cologne(科隆卓越集群:与衰老相关疾病细胞应激反应(CECAD),科隆大学) Faculty of Mathematics(数学学院) Natural Sciences, University of Cologne(自然科学学院,科隆大学) Institute of Pathology, University Hospital Cologne(病理学研究所,科隆大学医院)

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

AI总结 研究针对深度学习分割组织病理学全切片图像标注成本高问题,提出SHAL框架,集成前景感知、阶段自适应、类别感知策略,在TCGA数据集及五个外部队列实验中表现出色,降低标注成本且保持跨域泛化能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.08162 2026-07-10 cs.CV cs.AI cs.LG 新提交 62%

ProsMAE: Multi-Source MAE Pretraining for ISUP Grade Classification

ProsMAE:用于ISUP分级分类的多源MAE预训练

Anna Jung, Kyeonghun Kim, Youngung Han, Eunseob Choi, Jiwon Yang, Ken Ying-Kai Liao, Hyuk-Jae Lee, Nam-Joon Kim

机构 * Seoul National University(首尔国立大学) GIST(韩国科学技术院) NVIDIA(英伟达)

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

AI总结 针对全切片图像模型训练难题,提出多源MAE框架ProsMAE,利用多数据集切片预训练编码器,通过ProsCLS用于ISUP分级分类,在不相交PANDA分割下比普通MAE冻结线性探针基线有更高QWK。

Comments Accepted to APCCAS 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.06919 2026-07-09 cs.CV cs.LG 新提交 62%

Compass: Prostate Cancer Detection Needs Multi-View Context

Compass:前列腺癌检测需要多视图上下文

Paul F. R. Wilson, Mohamed Harmanani, Zhuoxin Guo, Obed K. Dzikunu, Hannes Cash, Adam Kinnaird, Brian Wodlinger, Purang Abolmaesumi, Parvin Mousavi

机构 * Queen’s University(女王大学) University of British Columbia(英属哥伦比亚大学) Otto von Guericke University Magdeburg(马格德堡奥托·冯·格里克大学) University of Alberta(阿尔伯塔大学) Exact Imaging(精准成像公司) Vector Institute(向量研究所)

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

AI总结 研究针对前列腺癌检测,提出Compass方法,整合多视图信息,通过基于探头旋转角度的变压器聚合证据,经多中心数据集训练评估,性能强大,凸显多视图上下文价值,为PCa诊断提供有力工具。

Comments MICCAI 2026

详情

展开后加载摘要…

URL PDF HTML 收藏