医学 AI

Assessment of algorithms for mitosis detection in breast cancer histopathology images

Mitko Veta, Paul J. van Diest, Stefan M. Willems, Haibo Wang, Anant Madabhushi, Angel Cruz-Roa, Fabio Gonzalez, Anders B. L. Larsen, Jacob S. Vestergaard, Anders B. Dahl, Dan C. Cireşan, Jürgen Schmidhuber, Alessandro Giusti, Luca M. Gambardella, F. Boray Tek, Thomas Walter, Ching-Wei Wang, Satoshi Kondo, Bogdan J. Matuszewski, Frederic Precioso, Violet Snell, Josef Kittler, Teofilo E. de Campos, Adnan M. Khan, Nasir M. Rajpoot, Evdokia Arkoumani, Miangela M. Lacle, Max A. Viergever, Josien P. W. Pluim

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

Comments 23 pages, 5 figures, accepted for publication in the journal Medical Image Analysis

Skull-stripping for Tumor-bearing Brain Images

Stefan Bauer, Lutz-P. Nolte, Mauricio Reyes

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

Comments Swiss Society of Biomedical Engineering, Annual Meeting 2011, Bern, Switzerland

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

An unsupervised clustering analysis of breast cancer data derived from electronic health records enhanced through UMAP dimensionality reduction

通过UMAP降维增强的电子健康记录中乳腺癌数据的无监督聚类分析

Davide Chicco, Nicoletta Benvenuto

机构 * Dipartimento di Informatica Sistemistica e Comunicazione, Università di Milano-Bicocca（信息系统与通信系，米兰比可卡大学） ； Institute of Health Policy Management and Evaluation, University of Toronto（卫生政策管理与评估研究所，多伦多大学） 纠错

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

AI总结 研究利用电子健康记录中的乳腺癌数据，先采用DBSCAN密度聚类法，又通过UMAP降维增强效果，用三个统计指标评估聚类结果，证实了UMAP与DBSCAN结合用于该数据聚类的有效性，为医学解读患者组提供了支持。

Comments Accepted at the CIBB 2026 conference ( https://cibb2026.teralab.ai/ )

Unsupervised risk factor identification across cancer types and data modalities via explainable artificial intelligence

通过可解释人工智能在不同癌症类型和数据模态间进行无监督风险因素识别

Maximilian Ferle, Jonas Ader, Thomas Wiemers, Nora Grieb, Adrian Lindenmeyer, Hans-Jonas Meyer, Thomas Neumuth, Markus Kreuz, Kristin Reiche, Maximilian Merz

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特林癌症中心） 纠错

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

AI总结 本文提出一种无监督机器学习方法，通过可微适应的多元logrank统计量优化患者集群的生存异质性，用于识别具有不同生存结果的患者亚群，并通过模拟实验和实际应用验证其在多种癌症类型中的有效性。

Journal ref npj Digit. Med. 9, 363 (2026)

Feature Dimensionality Outweighs Model Complexity in Breast Cancer Subtype Classification Using TCGA-BRCA Gene Expression Data

特征维度在利用TCGA-BRCA基因表达数据进行乳腺癌亚型分类中优于模型复杂度

Meena Al Hasani

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究评估了模型复杂度和特征选择对乳腺癌亚型分类的影响，发现逻辑回归在亚型层面表现稳定，而随机森林在少数亚型上表现欠佳，SVM对特征维度敏感。

Comments 8 pages, 4 figures, 3 tables. Independent research study using TCGA-BRCA RNA-seq data

PathRWKV: Enhancing Whole Slide Image Inference with Asymmetric Recurrent Modeling

PathRWKV: 通过非对称递归建模提升全滑片图像推理

Tianyi Zhang, Sicheng Chen, Borui Kang, Dankai Liao, Qiaochu Xue, Bochong Zhang, Fei Xia, Zeyu Liu, Yueming Jin

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

AI总结 本文提出PathRWKV模型，通过非对称结构和位置编码解决全滑片图像分析中的内存效率、过拟合和空间结构问题，实验显示其在11个数据集上优于现有方法。

Comments 14 pages, 6 figures

MTCurv: Deep learning for direct microtubule curvature mapping in noisy fluorescence microscopy images

MTCurv：深度学习用于在噪声荧光显微镜图像中直接微管曲率映射

Achraf Ait Laydi, Sidi Mohamed Sid'El Moctar, Yousef El Mourabit, Hélène Bouvrais

机构 * TIAD Laboratory, Sciences and Technology Faculty, Sultan Moulay Slimane Univ.（TIAD实验室，科技与技术学院，苏丹穆莱·斯利曼大学） ； CNRS, Univ. Rennes, IGDR (Institut de Génétique et Développement de Rennes), UMR6290（法国国家科学研究中心，雷恩大学，雷恩基因与发育研究所，UMR6290） 纠错

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

AI总结 本文提出MTCurv，一种无需分割的深度学习框架，用于从噪声显微镜图像中直接回归微管曲率图。通过合成数据集和改进的损失函数，提升了曲率估计的准确性，并验证了Spearman相关性作为评估指标的可靠性。

Comments Accepted for presentation at the International Conference on Pattern Recognition (ICPR) 2026

Quantum AI for Cancer Diagnostic Biomarker Discovery

量子AI用于癌症诊断生物标志物发现

Mandeep Kaur Saggi, Amandeep Singh Bhatia, Humaira Gowher, Sabre Kais

机构 * Department of Electrical and Computer Engineering, North Carolina State University, NC, USA（电气与计算机工程系，北卡罗来纳州立大学，NC，USA） ； Department of Biochemistry, Purdue University, IN, USA（生物化学系，普渡大学，IN，USA） ； Department of Chemistry, North Carolina State University, Raleigh, NC 27695（化学系，北卡罗来纳州立大学，雷德伍德，NC 27695） 纠错

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

AI总结 本文利用量子机器学习识别肺癌亚型特异性生物标志物，开发量子分类器提升诊断精度，并展示量子计算在处理大规模多组学数据中的优势。

Comments 25 pages, 15 figures

Multimodal Machine Learning for Early Prediction of Metastasis in a Swedish Multi-Cancer Cohort

多模态机器学习在瑞典多癌队列中早期预测转移的应用

Franco Rugolon, Korbinian Randl, Braslav Jovanovic, Ioanna Miliou, Panagiotis Papapetrou

机构 * Karolinska University Hospital（卡罗林斯卡大学医院） ； Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系） 纠错

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

AI总结 本文提出利用多模态机器学习在诊断前一个月预测转移风险，通过整合电子健康记录数据，比较单模态与多模态模型的性能，展示中间融合策略在多种癌症中的优越表现。

SynLeaF: A Dual-Stage Multimodal Fusion Framework for Synthetic Lethality Prediction Across Pan- and Single-Cancer Contexts

SynLeaF：一种用于跨泛癌和单癌情境的合成致死性预测双阶段多模态融合框架

Zheming Xing, Siyuan Zhou, Ruinan Wang, Rui Han, Shiming Zhang, Shiqu Chen, Yurui Huang, Jiahao Ma, Yifan Chen, Xuan Wang, Yadong Wang, Junyi Li

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

AI总结 SynLeaF通过双阶段多模态融合框架，有效整合基因表达、突变、甲基化和拷贝数变异等多组学数据，并利用关系图卷积网络捕捉生物医学知识图谱中的结构化基因表示，从而在17/19种场景中实现优于现有方法的性能。

Comments 29 pages, 5 figures, 3 tables

GOLDMARK: Governed Outcome-Linked Diagnostic Model Assessment Reference Kit

GOLDMARK：受控的成果关联诊断模型评估参考套件

Chad Vanderbilt, Gabriele Campanella, Siddharth Singi, Swaraj Nanda, Jie-Fu Chen, Ali Kamali, Amir Momeni Boroujeni, David Kim, Mohamed Yakoub, Jamal Benhamida, Meera Hameed, Neeraj Kumar, Gregory Goldgof

机构 * Department of Pathology and Laboratory Medicine, Memorial Sloan Kettering Cancer Center（病理学与实验室医学部，纪念斯隆凯特琳癌症中心） ； Hasso Plattner Institute for Digital Health at Mount Sinai, Icahn School of Medicine at Mount Sinai（西蒙山医学院的数字健康研究所，西蒙山医学院） 纠错

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

AI总结 GOLDMARK通过标准化框架和临床可操作的生物标记物标签，为计算病理学提供可重复的基准测试和方法比较，提升模型在不同数据集和模型间的可比性。

Learning Glioblastoma Tumor Heterogeneity Using Brain Inspired Topological Neural Networks

利用受大脑启发的拓扑神经网络学习胶母细胞瘤肿瘤异质性

Ankita Paul, Wenyi Wang

机构 * The University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心） 纠错

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

AI总结 TopoGBM通过拓扑正则化的3D卷积自编码器，学习保留肿瘤异质性的鲁棒表示，提升跨机构GBM预后预测性能。

Histo-Miner: Deep learning based tissue features extraction pipeline from H&E whole slide images of cutaneous squamous cell carcinoma

Histo-Miner：基于深度学习的H&E全切片图像皮肤鳞状细胞癌组织特征提取流程

Lucas Sancéré, Carina Lorenz, Doris Helbig, Oana-Diana Persa, Sonja Dengler, Alexander Kreuter, Martim Laimer, Roland Lang, Anne Fröhlich, Jennifer Landsberg, Johannes Brägelmann, Katarzyna Bozek

机构 * Faculty of Mathematics and Natural Sciences, University of Cologne（数学与自然科学学院，科隆大学） ； Excellence Cluster on Cellular Stress Responses in Aging-Associated Diseases (CECAD), University of Cologne（细胞应激反应与年龄相关疾病卓越集群（CECAD），科隆大学） ； Department for Dermatology, University Hospital Cologne（皮肤科部门，科隆大学医院） ； Department of Dermatology and Allergy, School of Medicine, Technical University of Munich（皮肤科与过敏科部门，医学院，慕尼黑技术大学） ； Department of Dermatology, Dortmund Hospital gGmbH, University Witten/Herdecke（皮肤科部门，多特蒙德医院gGmbH，乌尔姆/赫尔德克大学） ； Department of Dermatology, Venereology and Allergology, Helios St. Elisabeth Hospital Oberhausen, University Witten/Herdecke（皮肤科、性病科与过敏科部门，Helios圣埃利莎医院奥伯豪森，乌尔姆/赫尔德克大学） ； Department of Dermatology and Allergology, University Hospital of the Paracelsus Medical University Salzburg（皮肤科与过敏科部门，帕拉塞尔医学大学萨尔茨堡大学医院） ； Department of Dermatology and Allergology, University Hospital Bonn（皮肤科与过敏科部门，波恩大学医院） ； Medical Clinic III for Oncology, Hematology, Immune-Oncology and Rheumatology, University Hospital Bonn (UKB)（肿瘤科、血液科、免疫肿瘤科和风湿科第三医疗部门，波恩大学医院（UKB）） 纠错

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

AI总结 Histo-Miner通过深度学习提取皮肤鳞状细胞癌全切片图像的组织特征，用于预测免疫治疗反应。

Comments 37 pages including supplement, 5 core figures. Version 2: change sections order, add new supplementary sections, minor text updates. Version 3: Author addition and update of author contributions, increase font on 2 figures, minor text updates

Journal ref PLoS Comput. Biol., vol. 22, no. 1, p. e1013907, Jan. 2026

PA-MIL: Phenotype-Aware Multiple Instance Learning Guided by Language Prompting and Genotype-to-Phenotype Relationships

PA-MIL：基于语言提示和基因型-表型关系的表型感知多实例学习

Zekang Yang, Hong Liu, Xiangdong Wang

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 PA-MIL通过结合语言提示和基因型-表型关系，实现对癌症表型的前瞻性可解释性学习，提升全切片图像分析的可靠性与可问责性。

Reconstructing Patched or Partial Holograms to allow for Whole Slide Imaging with a Self-Referencing Holographic Microscope

重建拼接或部分全息图以实现全滑片成像的自参考全息显微镜

Philip Groult, Julia D. Sistermanns, Ellen Emken, Oliver Hayden, Wolfgang Utschick

专题命中 病理影像 ：biomedical(abstract)；分类 q-bio、eess.SP

AI总结 本研究提出了一种自参考全息显微镜的重建算法，实现宫颈涂片的全滑片成像，结合了全滑片成像与定量相位成像技术。

Comments \c{opyright} 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Prediction of Distant Metastasis in Head and Neck Cancer Patients Using Tumor and Peritumoral Multi-Modal Deep Learning

利用肿瘤及周围多模态深度学习预测头颈癌患者远端转移

Nuo Tong, Changhao Liu, Zizhao Tang, Feifan Sun, Yingping Li, Shuiping Gou, Mei Shi

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

AI总结 本研究提出多模态深度学习模型，结合CT影像、放射组学和临床数据，用于预测头颈癌患者远端转移风险，通过多模态融合显著提高预测性能。

Comments 23 pages, 6 figures, 7 tables. Nuo Tong and Changhao Liu contributed equally. Corresponding Authors: Shuiping Gou and Mei Shi

Masked Autoencoder Joint Learning for Robust Spitzoid Tumor Classification

掩码自动编码器联合学习用于鲁棒的Spitzoid肿瘤分类

Ilán Carretero, Roshni Mahtani, Silvia Perez-Deben, José Francisco González-Muñoz, Carlos Monteagudo, Valery Naranjo, Rocío del Amor

机构 * HUMAN-tech, Universitat Politècnica de València (UPV)（HUMAN-tech，瓦伦西亚理工大学） ； INCLIVA, Universitat de València (UV)（INCLIVA，瓦伦西亚大学） ； Artikode Intelligence S.L. 纠错

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

AI总结 ReMAC通过联合学习掩码自动编码器，提升高维数据下Spitzoid肿瘤分类的鲁棒性和准确性。

Comments Accepted in CASEIB 2025

Enhancing Breast Cancer Prediction with LLM-Inferred Confounders

利用大语言模型推断的混杂因素增强乳腺癌预测

Debmita Roy

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

AI总结 利用大语言模型推断混杂因素以提升乳腺癌预测，通过改进随机森林模型性能，促进早期诊断和临床决策。

Comments 2 pages, 1 figure, 1 table

Histology-informed tiling of whole tissue sections improves the interpretability and predictability of cancer relapse and genetic alterations

Willem Bonnaffé, Yang Hu, Andrea Chatrian, Mengran Fan, Stefano Malacrino, Sandy Figiel, CRUK ICGC Prostate Group, Srinivasa R. Rao, Richard Colling, Richard J. Bryant, Freddie C. Hamdy, Dan J. Woodcock, Ian G. Mills, Clare Verrill, Jens Rittscher

机构 * University of Oxford（牛津大学） ； CRUK ICGC Prostate Group（CRUK前列腺组） 纠错

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

Comments 26 pages, 6 figures

Prostate-VarBench: A Benchmark with Interpretable TabNet Framework for Prostate Cancer Variant Classification

Abraham Francisco Arellano Tavara, Umesh Kumar, Jathurshan Pradeepkumar, Jimeng Sun

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

On the Role of Calibration in Benchmarking Algorithmic Fairness for Skin Cancer Detection

Brandon Dominique, Prudence Lam, Nicholas Kurtansky, Jochen Weber, Kivanc Kose, Veronica Rotemberg, Jennifer Dy

机构 * Northeastern University（东北大学） ； Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心） 纠错

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

Comments 19 pages, 4 figures. Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:027

Journal ref Machine.Learning.for.Biomedical.Imaging. 3 (2025)

Normative Modelling in Neuroimaging: A Practical Guide for Researchers

Nida Alyas, Jonathan Horsley, Bethany Little, Peter N. Taylor, Yujiang Wang, Karoline Leiberg

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

Comments 25 pages, 7 figures

A study on Deep Convolutional Neural Networks, transfer learning, and Mnet model for Cervical Cancer Detection

Saifuddin Sagor, Md Taimur Ahad, Faruk Ahmed, Rokonozzaman Ayon, Sanzida Parvin

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

A Multimodal Foundation Model to Enhance Generalizability and Data Efficiency for Pan-cancer Prognosis Prediction

Huajun Zhou, Fengtao Zhou, Jiabo Ma, Yingxue Xu, Xi Wang, Xiuming Zhang, Li Liang, Zhenhui Li, Hao Chen

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Department of Pathology（病理学系） ； School of Medicine（医学院） ； Zhejiang University（浙江大学） ； Nanfang Hospital and School of Basic Medical Sciences（南方医科大学基础医学系） ； Southern Medical University（南方医学院） ； Guangdong Provincial 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） ； Department of Radiology（放射科） ； Division of Life Science（生命科学系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港协同创新研究院） ； State Key Laboratory of Nervous System Disorders（神经系统疾病国家重点实验室） 纠错

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

Comments 27 pages, 7 figures

FlowMol3: Flow Matching for 3D De Novo Small-Molecule Generation

Ian Dunn, David R. Koes

机构 * Department of Computational and Systems Biology, University of Pittsburgh（计算与系统生物学系，匹兹堡大学） 纠错

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

PAST: A multimodal single-cell foundation model for histopathology and spatial transcriptomics in cancer

Changchun Yang, Haoyang Li, Yushuai Wu, Yilan Zhang, Yifeng Jiao, Yu Zhang, Rihan Huang, Yuan Cheng, Yuan Qi, Xin Guo, Xin Gao

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

Establishing Causal Relationship Between Whole Slide Image Predictions and Diagnostic Evidence Subregions in Deep Learning

Tianhang Nan, Yong Ding, Hao Quan, Deliang Li, Lisha Li, Guanghong Zhao, Xiaoyu Cui

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

TubuleTracker: a high-fidelity shareware software to quantify angiogenesis architecture and maturity

Danish Mahmood, Stephanie Buczkowski, Sahaj Shah, Autumn Anthony, Rohini Desetty, Carlo R Bartoli

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

Comments Abstract word count = [285] Total word count = [3910] Main body text = [2179] References = [30] Table = [0] Figures = [4]

Evaluating Cell Type Inference in Vision Language Models Under Varying Visual Context

Samarth Singhal, Sandeep Singhal

机构 * University of North Dakota（北达科他大学） 纠错

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