医学 AI

HR-CAM: Precise Localization of Pathology Using Multi-level Learning in CNNs

Sumeet Shinde, Tanay Chougule, Jitender Saini, Madhura Ingalhalikar

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

Comments Medical Image Computing and Computer Assisted Intervention, 2019

Towards Robust Voice Pathology Detection

Pavol Harar, Zoltan Galaz, Jesus B. Alonso-Hernandez, Jiri Mekyska, Radim Burget, Zdenek Smekal

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

Comments 11 pages, 1 figure, 10 tables. Keywords: Voice pathology detection, deep learning, gradient boosting, anomaly detection

Journal ref Neural Computing and Applications (2018): 1-11

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。

TeamPath: Building MultiModal Pathology Experts with Reasoning AI Copilots

TeamPath: 构建多模态病理专家的推理AI助手

Tianyu Liu, Weihao Xuan, Hao Wu, Peter Humphrey, Marcello DiStasio, Mohamed Kahila, Alfonso Garcia Tan, Heli Qi, Rui Yang, Simeng Han, Tinglin Huang, Fang Wu, Chen Liu, Qingyu Chen, Nan Liu, Irene Li, Hua Xu, Hongyu Zhao

机构 * Interdepartmental Program in Computational Biology and Biomedical Informatics, Yale University（耶鲁大学计算生物学与生物医学信息学跨学科项目） ； Department of Biostatistics, Yale University（耶鲁大学生物统计学系） ； Broad Institute of MIT and Harvard（博德研究所） ； Department of Complexity Science and Engineering, The University of Tokyo（东京大学复杂科学与工程系） ； Center for Advanced Intelligence Project, RIKEN（理化学研究所先进智能项目中心） ； Department of Pathology, Yale University（耶鲁大学病理学系） ； Department of Anatomical Pathology, Singapore General Hospital（新加坡中央医院解剖病理学系） ； Center for Biomedical Data Science, Duke–NUS Medical School, Singapore, Singapore（杜克-新加坡国立大学医学院生物医学数据科学中心） ； Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

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

AI总结 TeamPath通过强化学习和路由增强方案，整合多模态数据提升病理诊断与跨模态生成能力，为临床提供可靠的信息交流系统。

Comments 45 pages, 6 figures

UnPuzzle: A Unified Framework for Pathology Image Analysis

Dankai Liao, Sicheng Chen, Nuwa Xi, Qiaochu Xue, Jieyu Li, Lingxuan Hou, Zeyu Liu, Chang Han Low, Yufeng Wu, Yiling Liu, Yanqin Jiang, Dandan Li, Shangqing Lyu

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

Comments 11 pages,2 figures

Multiplex Imaging Analysis in Pathology: a Comprehensive Review on Analytical Approaches and Digital Toolkits

Mohamed Omar, Giuseppe Nicolo Fanelli, Fabio Socciarelli, Varun Ullanat, Sreekar Reddy Puchala, James Wen, Alex Chowdhury, Itzel Valencia, Cristian Scatena, Luigi Marchionni, Renato Umeton, Massimo Loda

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

Comments 54 pages (39 manuscript + 14 supplementary), 3 figures (figure 1, 2 and supplementary figure 1), 6 Tables (Table 1, 2, 3 and supplementary table 1,2,3)

Pathology-genomic fusion via biologically informed cross-modality graph learning for survival analysis

Zeyu Zhang, Yuanshen Zhao, Jingxian Duan, Yaou Liu, Hairong Zheng, Dong Liang, Zhenyu Zhang, Zhi-Cheng Li

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

Pathology Steered Stratification Network for Subtype Identification in Alzheimer's Disease

Enze Xu, Jingwen Zhang, Jiadi Li, Qianqian Song, Defu Yang, Guorong Wu, Minghan Chen

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

A Comprehensive Overview of Computational Nuclei Segmentation Methods in Digital Pathology

Vasileios Magoulianitis, Catherine A. Alexander, C. -C. Jay Kuo

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

Comments 47 pages, 27 figures, 9 tables

Deep Learning-based Computational Pathology Predicts Origins for Cancers of Unknown Primary

Ming Y. Lu, Melissa Zhao, Maha Shady, Jana Lipkova, Tiffany Y. Chen, Drew F. K. Williamson, Faisal Mahmood

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

AI slipping on tiles: data leakage in digital pathology

Nicole Bussola, Alessia Marcolini, Valerio Maggio, Giuseppe Jurman, Cesare Furlanello

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

Pathomic Fusion: An Integrated Framework for Fusing Histopathology and Genomic Features for Cancer Diagnosis and Prognosis

Richard J. Chen, Ming Y. Lu, Jingwen Wang, Drew F. K. Williamson, Scott J. Rodig, Neal I. Lindeman, Faisal Mahmood

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

Comments Code and trained models are made available at: https://github.com/mahmoodlab/PathomicFusion

Digital pathology-based study of cell- and tissue-level morphologic features in serous borderline ovarian tumor and high-grade serous ovarian cancer

Jun Jiang, Burak Tekin, Ruifeng Guo, Hongfang Liu, Yajue Huang, Chen Wang

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

Comments 17 pages, 8 figures

Multi-task pre-training of deep neural networks for digital pathology

Romain Mormont, Pierre Geurts, Raphaël Marée

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

Comments Accepted for publication in the IEEE Journal of Biomedical and Health Informatics, special issue on Computational Pathology

Ensemble learning of pathology foundation models for precision oncology

面向精准肿瘤学的病理基础模型集成学习

Xiangde Luo, Xiyue Wang, Feyisope Eweje, Xiaoming Zhang, Juan Luis Gomez Marti, Sarah Cascarino, Sen Yang, Yuchen Li, Ryan Quinton, Jinxi Xiang, Yuanfeng Ji, Zhe Li, Yijiang Chen, Colin Bergstrom, Ted Kim, Francesca Maria Olguin, Kelley Yuan, Matthew Abikenari, Andrew Heider, Sierra Willens, Sanjeeth Rajaram, Robert West, Joel Neal, Adam Schoenfeld, Maximilian Diehn, Chad Vanderbilt, Ruijiang Li

机构 * Department of Radiation Oncology, Stanford University School of Medicine（放射肿瘤科，斯坦福大学医学院） ； Department of Pathology, Stanford University School of Medicine（病理学系，斯坦福大学医学院） ； Department of Medicine (Oncology), Stanford University School of Medicine（医学系（肿瘤学），斯坦福大学医学院） ； Department of Neurosurgery, Stanford University School of Medicine（神经外科，斯坦福大学医学院） ； Stanford Institute for Human-Centered Artificial Intelligence（斯坦福大学人本人工智能研究所） 纠错

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

AI总结 该研究针对现有病理基础模型性能不一致、泛化有限的问题，提出ELF集成学习框架，整合5个预训练病理基础模型，在5万余张WSIs上训练后，在多种肿瘤相关任务中性能优于单模型，为病理应用提供新方案。

Comments In this version, we fixed some issues and updated some results

nnMIL: A generalizable multiple instance learning framework for computational pathology

nnMIL：一种可泛化的计算病理学多实例学习框架

Xiangde Luo, Jinxi Xiang, Yuanfeng Ji, Ruijiang Li

机构 * Department of Radiation Oncology, Stanford University School of Medicine, Stanford, CA, USA（放射肿瘤科，斯坦福大学医学院，斯坦福，CA，USA） ； Stanford Institute for Human-Centered Artificial Intelligence, Stanford, CA, USA（斯坦福大学人本人工智能研究所，斯坦福，CA，USA） 纠错

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

AI总结 nnMIL是一种可泛化的计算病理学多实例学习框架，通过斑块与特征级随机采样等技术，在4万张全切片图像的35项临床任务中优于现有方法，实现了病理学基础模型向临床预测的转化。

Comments In this version, we fixed some issues and updated some results

Harnessing Adversarial Distillation to Customise Debiased, Disease-Specific Pathology Foundation Models for Breast Cancer

利用对抗蒸馏定制去偏差的、针对乳腺癌的疾病专用病理学基础模型

Zhiwei Chen, Yang Hu, Yuxiang Xiao, Yakun Ju, Tianyang Zhang, Yingxue Xu, Wei Li, Hao Chen, Jens Rittscher, Kaixiang Yang

机构 * School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） ； School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院） ； Leicester Cancer Research Centre, University of Leicester（莱斯特大学莱斯特癌症研究中心） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Nuffield Department of Medicine, University of Oxford（牛津大学纳菲尔德医学院） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程学系） ； ZoyMed（佐医医疗（ZoyMed）） 纠错

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

AI总结 本研究提出SmartStu框架，通过多教师集成蒸馏与对抗蒸馏等技术，定制出比通用PFMs小30倍以上且性能相当的乳腺癌专用病理学基础模型。

Comments 11 pages, 2 figures, 2 tables. Accepted to MICCAI 2026 (early accept)

PathAgentBench: Benchmarking Evidence-Seeking Vision-Language Models on Whole-Slide Pathology Image

PathAgentBench：在全切片病理图像上对寻求证据的视觉语言模型进行基准测试

Dankai Liao, Tianyi Zhang, Yufeng Wu, Xinyue Zhang, Qiaochu Xue, Zeyu Liu, Dachun Zhao, Linghan Cai, Yueming Jin

机构 * National University of Singapore（新加坡国立大学） ； PuzzleLogic Pte Ltd（拼图逻辑私人有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区） ； Peking Union Medical College Hospital（北京协和医院） 纠错

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

AI总结 研究针对全切片病理图像诊断中证据获取与整合问题，引入PathAgentBench基准，评估视觉语言模型的四项互补能力，包含多模型评估结果，揭示了证据推理与获取间的差距，为改进病理模型提供统一框架。

GigaPath-Flash and GigaTIME-Flash: Efficient Pathology Foundation Models for Whole-Slide and Tumor Microenvironment Analysis

GigaPath-Flash和GigaTIME-Flash：用于全切片和肿瘤微环境分析的高效病理学基础模型

Naoto Usuyama, Jeya Maria Jose Valanarasu, Sicong Yao, Hanwen Xu, Jaspreet Bagga, Guanghui Qin, Robert E. Kramer, Cliff Wong, Soohee Lee, Hao Qiu, Theodore Zhengde Zhao, Racheli Ben Shimol, Angela Crabtree, Kevin Matlock, Eduardo Alejandro Lozano Garcia, Naiteek Sangani, Alberto Santamaria-Pang, Maximilian Rokuss, Yashna Hasija, Naisargi Manishkumar Patel, Jason Entenmann, Alexandra Q. Bartlett, Bill J. Wright, Bernard A. Fox, Brian Piening, Sheng Zhang, Sheng Wang, Tristan Naumann, Carlo Bifulco, Hoifung Poon

机构 * Microsoft Research（微软研究院） ； Paul G. Allen School of Computer Science and Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院） ； Providence Genomics（普罗维登斯基因组学公司） ； Earle A. Chiles Research Institute, Providence Cancer Institute（普罗维登斯癌症研究所厄尔·A·奇尔斯研究所） ； Providence Research Network（普罗维登斯研究网络） 纠错

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

AI总结 研究针对计算病理学中模型局限，提出GigaPath-Flash和GigaTIME-Flash模型用于全切片和肿瘤微环境分析。前者结合特定编码器，计算量少性能优；后者扩展架构预测肿瘤免疫微环境，速度快内存省，共同为相关领域提供开放许可模型及权重。

Comments Models: https://aka.ms/gigapath-flash (GigaPath-Flash) and https://aka.ms/gigatime-flash (GigaTIME-Flash)

Weakly Supervised Pathology-Informed Representation Learning for PET-Based Content Retrieval of Intra-Tumour Heterogeneity

用于基于PET的肿瘤内异质性内容检索的弱监督病理信息表征学习

Rajat Vashistha, Sandra Brosda, Lauren G. Aoude, Christine Jestin Hannan, James M. Lonie, Jessica Ng, Andrew Nathanson, Ellie Vloedmans, Caroline Cooper, Andrew P. Barbour, Viktor Vegh

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

AI总结 提出用于基于PET的肿瘤内异质性内容检索的弱监督病理信息表征学习框架，采用师生训练策略，通过渐进式消融策略评估监督机制，实验表明该方法能提高检索性能，凸显肿瘤子区域对异质性的敏感性及类别摄取的独特性。

Paired Uterine Whole-Slide Images and Pathology Reports for Multimodal Computational Pathology

用于多模态计算病理学的配对子宫全切片图像和病理报告

Han Li, Jingsong Liu, Ayako Ura, Junlin Hou, Zhengyang Xu, Azar Kazemi, Oskar Thaeter, Christian Grashei, Fabian Gülhan, Reza Nasirigerdeh, Xun Ma, Rui Yan, Hao Chen, S. Kevin Zhou, Nassir Navab, Carolin Mogler, Peter Schüffler

机构 * Institute of Pathology, Technical University of Munich（慕尼黑工业大学病理研究所） ； Computer Aided Medical Procedures (CAMP), Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序（CAMP）） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Human Pathology, Juntendo University Graduate School of Medicine（顺天堂大学医学研究生院人体病理学部） ； The Hong Kong University of Science and Technology（香港科技大学） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） 纠错

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

AI总结 研究子宫疾病病理诊断，针对全切片图像与病理报告配对数据集稀缺问题，引入TUM-Uteria数据集，含多对病例及切片级配对，经验证，为计算病理学研究提供支持。

MLPTR-CC: Multi-label Pathology Test Recommendation using Classifier Chains and SHAP

基于分类器链的病理检查推荐

Abu Rafe Md Jamil, Nayan Malakar

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Jashore University of Science and Technology（贾绍尔科学技术大学） 纠错

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

AI总结 研究针对病理检查推荐延迟问题，引入基于分类器链技术的系统，将其构建为多标签分类问题。收集数据应用多种算法比较模型，通过可解释人工智能技术确保模型透明度和临床可解释性，提高传统算法在诊断过程中的效率并提供准确推荐。

BRIGHT: A Collaborative Generalist-Specialist Foundation Model for Breast Pathology

BRIGHT：用于乳腺病理的协作式通用-专科基础模型

Xiaojing Guo, Jiatai Lin, Yumian Jia, Jingqi Huang, Zeyan Xu, Weidong Li, Longfei Wang, Jingjing Chen, Qin Li, Weiwei Wang, Lifang Cui, Wen Yue, Zhiqiang Cheng, Xiaolong Wei, Jianzhong Yu, Xia Jin, Baizhou Li, Honghong Shen, Jing Li, Chunlan Li, Yanfen Cui, Yi Dai, Yiling Yang, Xiaolong Qian, Liu Yang, Yang Yang, Guangshen Gao, Yaqing Li, Lili Zhai, Chenying Liu, Tianhua Zhang, Zhenwei Shi, Cheng Lu, Xingchen Zhou, Jing Xu, Miaoqing Zhao, Fang Mei, Jiaojiao Zhou, Ning Mao, Fangfang Liu, Chu Han, Zaiyi Liu

机构 * Department of Breast Pathology and Laboratory, Tianjin Medical University Cancer Institute & Hospital, National Clinical Research Center for Cancer, Key Laboratory of Breast Cancer Prevention and Therapy, Tianjin Medical University, Ministry of Education, Tianjin’s Clinical Research Center for Cancer, West Huanhu Road, Tianjin, China（天津医科大学肿瘤医院乳腺病理科及实验室，国家癌症临床研究中心，天津医科大学乳腺癌预防与治疗重点实验室，天津医科大学，教育部，天津癌症临床研究中心，西湖南路，天津，中国） ； Guangdong Provincial Key Laboratory of Artificial Intelligence in Medical Image Analysis and Application, Guangdong Provincial People’s Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou, China（广东省人工智能在医学影像分析与应用重点实验室，广东省人民医院（广东省医学科学院），南方医科大学，广州，中国） 纠错

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

AI总结 提出BRIGHT，首个针对乳腺病理的基础模型，采用通用-专科协作框架，在5.1万张全切片图像上训练，在25项内部验证任务中均达最优性能，优于5个通用模型。

Democratizing and accelerating AI-driven pathology research through agentic intelligence

通过智能体智能实现AI驱动病理学研究的民主化与加速

Jiabo Ma, Cheng Jin, Yihui Wang, Hao Jiang, Ling Liang, Yingxue Xu, Junlin Hou, Zhengrui Guo, Zhengyu Zhang, Yifei Xia, Hongyi Wang, Fengtao Zhou, Zhe Xu, Huajun Zhou, Jiarui Ouyang, Qian Zeng, On Ki Tang, Eunhyang Park, Carolyn Glass, Ronald Cheong Kin Chan, Li Liang, Hao Chen

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Southern Medical University（南方医科大学） ； Nanfang Hospital（南方医院） ； Guangdong Province Key Laboratory of Molecular Tumor Pathology（广东省分子肿瘤病理重点实验室） ； Jinfeng Laboratory（金凤实验室） 纠错

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

AI总结 提出PathLab框架，通过结构化组合领域技能和工具，将自然语言研究目标转化为可执行的计算病理学工作流，在12个数据集上达到与专家实现相当的性能，并显著降低编程门槛。

Comments 29 pages, 4 figures

Multi-FRuGaL: Multimodal Flexible Redundancy-aware Decomposed Gated Learning for Cancer Diagnosis and Prognosis

Multi-FRuGaL：面向癌症诊断与预后的多模态灵活冗余感知分解门控学习

Sanket Kachole, Siddhesh Thakur, Shubham Innani, Sanyukta Adap, Suhang You, Carla Pitarch-Abaigar, Spyridon Bakas

机构 * Division of Computational Pathology, Department of Pathology and Laboratory Medicine, Indiana University School of Medicine（计算病理学部，病理学与实验室医学部，印第安纳大学医学院） ； IU Melvin and Bren Simon Comprehensive Cancer Center（印第安纳大学Melvin和Bren Simon综合癌症中心） ； Departments of Biostatistics and Health Data Science（生物统计学与健康数据科学部） ； Radiology and Imaging Sciences（放射学与影像科学部） ； Neurological Surgery（神经外科） ； Indiana University School of Medicine（印第安纳大学医学院） ； Department of Computer Science, Luddy School of Informatics, Computing, and Engineering（计算机科学部，Luddy信息、计算与工程学院） 纠错

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

AI总结 提出Multi-FRuGaL框架，通过分解感知自适应门控中间融合，在缺失模态下学习模态级表示，分离冗余与互补信号，提升癌症诊断与预后性能。

A Pathology Foundation Model for Gastric Cancer with Real-World Validation

用于胃癌的病理基础模型及真实世界验证

Ling Liang, Jiabo Ma, Zhengyu Zhang, Fengtao Zhou, Yingxue Xu, Yihui Wang, Cheng Jin, Zhengrui Guo, On Ki Tang, Zhijian Cen, Zhen Wang, Qi Xie, Chengyu Lu, Chenglong Zhao, Feifei Wang, Yu Cai, Hongyi Wang, Jing Zhang, Yaping Ye, Shijun Sun, Shenglei Li, Yu Wang, Zhenhui Li, Ronald Cheong Kin Chan, Xiuming Zhang, Zhe Wang, Hao Chen, Li Liang

机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology, Hong Kong SAR, China（计算机科学与工程系，香港科技大学，香港特别行政区，中国） ； Department of Pathology, Nanfang Hospital, Southern Medical University, Guangzhou, China（病理学系，南方医科大学南芳医院，广州，中国） ； Department of Pathology, School of Basic Medical Sciences, Southern Medical University, Guangzhou, China（病理学系，南方医科大学基础医学学院，广州，中国） ； Guangdong Province Key Laboratory of Molecular Tumor Pathology, Guangzhou, China（广东省分子肿瘤病理学重点实验室，广州，中国） ； Department of Anatomical and Cellular Pathology, The Chinese University of Hong Kong, Hong Kong SAR, China（解剖学与细胞病理学系，香港中文大学，香港特别行政区，中国） ； Pathology Artificial Intelligence Development and Assessment Laboratory, State Key Laboratory of Translational Oncology, The Chinese University of Hong Kong, Hong Kong SAR, China（病理人工智能发展与评估实验室，转化肿瘤学国家重点实验室，香港中文大学，香港特别行政区，中国） 纠错

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

AI总结 提出胃癌专用基础模型GRACE，基于多中心HE染色全切片图像，在28项临床任务中优于通用PFM，并通过前瞻性验证和读者研究证实其辅助诊断效能。

CRISP -- Clustering-Based Redundancy-Reduced Instance Sampling for Pathology Case Representation and Retrieval

CRISP -- 基于聚类的冗余减少实例采样用于病理病例表示与检索

Zahra Rahimi Afzal, Wataru Uegami, Saghir Alfasly, Wenchao Han, Saba Yasir, Judy C. Boughey, Matthew P. Goetz, Krishna R. Kalari, H. R. Tizhoosh

机构 * Kimia Lab, Department of Artificial Intelligence & Informatics, Mayo Clinic, Rochester, MN, USA（Kimia实验室，人工智能与信息学系，梅奥诊所，罗切斯特，明尼苏达州，美国） ； DICE Lab, Department of Electrical and Computer Engineering, University of Illinois Chicago, IL, USA（DICE实验室，电气与计算机工程系，伊利诺伊大学芝加哥分校，伊利诺伊州，美国） ； MD Kimia Lab, Department of Artificial Intelligence & Informatics, Mayo Clinic, Rochester, MN, USA（MD Kimia实验室，人工智能与信息学系，梅奥诊所，罗切斯特，明尼苏达州，美国） ； PhD Kimia Lab, Department of Artificial Intelligence & Informatics, Mayo Clinic, Rochester, MN, USA（PhD Kimia实验室，人工智能与信息学系，梅奥诊所，罗切斯特，明尼苏达州，美国） ； Division of Computational Pathology and Informatics, Mayo Clinic, Rochester, MN, USA（计算病理学与信息学部，梅奥诊所，罗切斯特，明尼苏达州，美国） ； Department of Laboratory Medicine and Pathology, Mayo Clinic, Rochester, MN, USA（实验室医学与病理学系，梅奥诊所，罗切斯特，明尼苏达州，美国） ； Department of Breast and Melanoma Surgical Oncology, Comprehensive Cancer Center, Mayo Clinic, Rochester, MN, USA（乳腺和黑色素瘤外科肿瘤学系，综合癌症中心，梅奥诊所，罗切斯特，明尼苏达州，美国） ； Department of Oncology, Comprehensive Cancer Center, Mayo Clinic, Rochester, MN, USA（肿瘤学系，综合癌症中心，梅奥诊所，罗切斯特，明尼苏达州，美国） ； PhD H.R. Tizhoosh 纠错

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

AI总结 提出CRISP无监督框架，通过聚类和冗余减少采样整合病例内多张全切片图像，构建紧凑代表性补丁集用于病例级检索，在乳腺癌数据集上匹配或超越现有标准。

CLIC: Contextual Language-Informed Cardiac Pathology Classification

CLIC: 基于上下文的语言引导心脏病理分类

Giovani D. Lucafo, Rafael da Costa Silva, João Lucas Luz Lima Sarcinelli, Andre Guarnier De Mitri, Diego Furtado Silva

机构 * Institute of Mathematical and Computer Sciences（数学与计算机科学学院） ； Universidade de São Paulo（圣保罗大学） 纠错

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

AI总结 本文提出CLIC框架，通过将患者上下文数据转化为描述性文本，利用自然语言编码技术提升心脏病理诊断的精确度，同时探索大语言模型生成的临床描述在下游分类任务中的应用。

Comments 6 pages, 2 figures, accepted at the ICLR 2026 Workshop on Time Series in the Age of Large Models (TSALM)

Learning Spatial-Preserving Hierarchical Representations for Digital Pathology

学习空间保持的层次表示用于数字病理学

Weiyi Wu, Xingjian Diao, Chunhui Zhang, Chongyang Gao, Xinwen Xu, Siting Li, Jiang Gui

机构 * Dartmouth College（达特茅斯学院） ； Massachusetts General Hospital（麻省总医院） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出SPAN框架，通过保留空间关系和计算分配，提升数字病理学图像的层次表示能力，通过两种变体在多个数据集上验证了其有效性。

Journal ref CVPR 2026 (Findings Track)

A Breast Vision Pathology Foundation Model for Real-world Clinical Utility

乳腺病理科基础模型用于真实世界临床应用

Yingxue Xu, Zhengyu Zhang, Xiuming Zhang, Mengwei Xu, Fengtao Zhou, Yihui Wang, Jiabo Ma, Yi Xin, Danyi Li, Chengyu Lu, Zhijian Cen, Ying Tan, Qingbing Yao, Qi Wang, Zizhao Gao, Yong Zhang, Jingjing Chen, Feifei Liu, Qian Xu, Yi Dai, Hongxuan Tan, Cheng Jin, Huajun Zhou, Zhengrui Guo, Ling Liang, Hongyi Wang, Yingcong Chen, Xi Wang, Zhenhui Li, Ronald Cheong Kin Chan, Ning Mao, Muyan Cai, Zhe Wang, Li Liang, Hao Chen

机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科技大学计算机科学与工程系） ； Department of Pathology, Nanfang Hospital, School of Basic Medical Sciences, Southern Medical University, Guangzhou, China（南方医科大学基础医学学院病理学系，广州医院） ； Department of Pathology, The First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, China（浙江大学医学院第一附属医院病理学系，杭州） ； State Key Laboratory of Holistic Integrative Management of Gastrointestinal Cancers, Department of Pathology, School of Basic Medicine and Xijing Hospital, Fourth Military Medical University, Xi’an, China（胃肠癌整体整合管理国家重点实验室，第四军医大学基础医学学院病理学系，西京医院） 纠错

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

AI总结 本文提出BRAVE模型，通过101638张乳腺全切片图像评估其在乳腺癌诊断中的临床实用性，展示了在不同阶段的病理评估中提升诊断效率和准确性的能力。

Comments 60 pages