医学 AI

DeepCancer: Detecting Cancer through Gene Expressions via Deep Generative Learning

Rajendra Rana Bhat, Vivek Viswanath, Xiaolin Li

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

Multi-Organ Cancer Classification and Survival Analysis

Stefan Bauer, Nicolas Carion, Peter Schüffler, Thomas Fuchs, Peter Wild, Joachim M. Buhmann

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

Deep Learning for Identifying Metastatic Breast Cancer

Dayong Wang, Aditya Khosla, Rishab Gargeya, Humayun Irshad, Andrew H. Beck

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

Review on Feature Selection Techniques and the Impact of SVM for Cancer Classification using Gene Expression Profile

G. Victo Sudha George, V. Cyril Raj

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

Comments 12 pages

Journal ref International Journal of Computer Science & Engineering Survey (IJCSES) Vol.2, No.3, International Journal of Computer Science & Engineering Survey (IJCSES) Vol.2, No.3, August 2011

Spatial proteomics guided by H&E-based AI reveals recurrence-risk niches in triple-negative breast cancer

基于H&E的AI引导的空间蛋白质组学揭示三阴性乳腺癌的复发风险微环境

Yesung Cho, Ji Hwan Park, Chanil Kim, Hyewon Kim, Honglan Li, Yumin Lee, Geongyu Lee, Sujeong Hong, Seong Min Park, Yoonyoung Lee, Hee Sool Rho, Sumin Lee, Amos Chungwon Lee, Changhwan Lee, Hwanyoung Shim, Hyunwook Kim, Hyeji Shin, Sanha Park, Jihoon Yu, Yoon Hee Shin, Sooheon Kim, Hyunjin Park, Seung Min Park, Sangwan Kim, Yujung Kim, Sung-Im Do, Eun-Young Kim, Dongmyung Shin, Jongbae Park, In-Gu Do

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

AI总结 本研究开发结合AI复发风险热图与空间蛋白质组学的框架，在TNBC中识别出与复发相关的空间分子特征，构建的13蛋白复合评分可提升预后区分能力，为多尺度生物标志物发现提供新途径。

Comments Triple-negative breast cancer (TNBC), Recurrence, Digital pathology, Artificial intelligence, Spatial proteomics, Tumor microenvironment

Mitosis Detection Under Limited Annotation: A Joint Learning Approach

Pushpak Pati, Antonio Foncubierta-Rodriguez, Orcun Goksel, Maria Gabrani

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

Comments 2020 IEEE 17th International Symposium on Biomedical Imaging (ISBI)

Perfusion Quantification from Endoscopic Videos: Learning to Read Tumor Signatures

Sergiy Zhuk, Jonathan P. Epperlein, Rahul Nair, Seshu Thirupati, Pol Mac Aonghusa, Ronan Cahill, Donal O'Shea

专题命中 病理影像 ：分类 cs.CV、cs.LG、q-bio；medical image(comments)

Comments To be published in 23rd International Conference on Medical Image Computing & Computer Assisted Intervention (MICCAI 2020)

Automatic quantification of the microvascular density on whole slide images, applied to paediatric brain tumours

Christophe Deroulers, Volodia Dangouloff-Ros, Mathilde Badoual, Pascale Varlet, Nathalie Boddaert

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

Journal ref diagnostic pathology 2016, 2:209

Automated Fourier space region-recognition filtering for off-axis digital holographic microscopy

Xuefei He, Chuong Vinh Nguyen, Mrinalini Pratap, Yujie Zheng, Yi Wang, David R. Nisbet, Richard J Williams, Melanie Rug, Alexander G. Maier, Woei Ming Lee

专题命中 病理影像 ：diagnosis(abstract)；分类 q-bio；biomedical(journal_ref)

Journal ref Biomedical Optics Express Vol. 7, Issue 8, pp. 3111-3123 (2016)

Fluid dynamics of heart valves during atrial fibrillation: a lumped parameter-based approach

Stefania Scarsoglio, Carlo Camporeale, Andrea Guala, Luca Ridolfi

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

Comments 9 pages, 5 figures in Computer Methods in Biomechanics and Biomedical Engineering, Published online: 13 Oct 2015

KRAS mutation testing in colorectal cancer as an example of the pathologist's role in personalized targeted therapy: a practical approach

Pawel Domagala, Jolanta Hybiak, Violetta Sulzyc-Bielicka, Cezary Cybulski, Janusz Rys, Wenancjusz Domagala

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

Comments 20 pages, 2 figures, 2 tables, 140 references

Journal ref Polish Journal of Pathology 2012 Nov;63(3):145-64

PathoArgus: Advancing Evidence-Grounded Long-Context Visual Reasoning across Gigapixel Whole-Slide and Multi-Slide Case Contexts

PathoArgus：推进千兆像素全切片与多切片病例语境下基于证据的长上下文视觉推理

Bowen Liu, Qixiang Zhang, Xiaomeng Li

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 研究针对病理视觉推理的证据基础评估缺口，构建PathoArgus-Bench基准与ESG受控集，发现现有模型准确率高但证据基础弱，提出PathoArgus阅读器，呼吁转向证据导向的评估。

SpurCon: Weighted Supervised Contrastive Learning for Mitigating Spurious Cues in Medical Imaging

SpurCon：用于缓解医学成像中虚假线索的加权监督对比学习

Shenhav Nadir, Meir Yossef Levi, Eyal Gofer, Guy Gilboa

机构 * Viterbi Faculty of Electrical and Computer Engineering, Technion - Israel Institute of Technology（以色列理工学院维特比电气与计算机工程学院） 纠错

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

AI总结 SpurCon是基于加权监督对比学习的轻量级框架，利用少样本流程估计虚假标签，在医学成像等数据集上实现了最优的虚假线索缓解性能，平衡了最差组与总体准确率。

Learning latent progression states from spatial heterogeneity in uterine histopathology

从子宫组织病理学的空间异质性中学习潜在进展状态

Qiming He, Yan Liu, Shuang Ge, Fan Yang, Yuxiang Wang, Ieng Man Zhang, Jing Yang, Zihao Jia, Ajin Hu, Yexing Zhang, Zixiu Song, Qiang Huang, Xiaoya Zhao, Zihan Wang, Xianjing Zheng, Yijun Zheng, Liling Lin, Shuxing Liu, Bin Bao, Yue Xie, Tian Guan, Yonghong He, Congrong Liu

机构 * Fuzhou University（福州大学） ； Fuzhou University Affiliated Provincial Hospital（福州大学附属省立医院） ； Interdisciplinary Institute for Medical Engineering, Fuzhou University（福州大学医学工程交叉研究院） ； Medical Optical Technology R&D Center, Research Institute of Tsinghua, Pearl River Delta（清华珠三角研究院医学光学技术研发中心） ； Peking University Health Science Center（北京大学医学部） ； Third Hospital, School of Basic Medical Sciences, Peking University Health Science Center（北京大学医学部基础医学院第三医院） ； Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院生物医药与健康工程研究院） ； Tsinghua University（清华大学） ； Peng Cheng Laboratory（鹏城实验室） ； Jinfeng Laboratory（金凤实验室） 纠错

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

AI总结 本研究开发子宫特异性计算病理学框架SpaTIE，从子宫组织病理学空间异质性中学习形态感知表征，推断与肿瘤进展相关的空间连贯状态，关联多组学特征并支持临床预测任务，为肿瘤状态发现提供新工具。

Non-KKT Accumulation in Entropic Mirror Descent

熵镜像下降中的非KKT积累

Kuangyu Ding, Kim-Chuan Toh

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

AI总结 该研究针对有界镜像下降序列的KKT积累问题，构造反例证明其积累点可为非KKT点，揭示边界Bregman几何退化是该问题的根源。

CytoFormer: A Molecularly Supervised Cell Foundation Model for Histopathology Cell Classification

CytoFormer：用于组织病理学细胞分类的分子监督细胞基础模型

Jialu Yao, Songhao Li, Alina Yu, Zhi Huang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Germantown Friends School（日耳曼敦贵格会学校） 纠错

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

AI总结 CytoFormer利用配对H&E染色与空间转录组学数据训练细胞基础模型，在细胞分类、迁移学习及主动学习中表现优异，为常规组织学的细胞分析提供高效可复用表示。

Comments 20 pages, 5 figures, 2 extended data figures

Interactive Whole Slide Images for RL-based Tumour Segmentation

用于基于强化学习的肿瘤分割的交互式全切片图像

Mohamad Mohamad, Francesco Ponzio, Maxime Gassier, Nicolas Pote, Xavier Descombes

机构 * Université Côte d’Azur（蔚蓝海岸大学） ； Inria（法国国家信息与自动化研究所） ； CNRS（法国国家科学研究中心） ； INSERM（法国国家健康与医学研究院） ； IBV（生物信息研究所） ； Politecnico di Torino（都灵理工大学） ； Bichat Hospital（比沙医院） ； Assistance Publique–Hôpitaux de Paris（巴黎公共医疗集团） 纠错

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

AI总结 该研究针对全切片图像分析的计算挑战，提出端到端强化学习框架，将WSI建模为交互式分层多分辨率环境，经PPO训练的智能体可直接完成全切片肿瘤分割，推理速度快且效果与基于图像块的方法相当，为计算病理学提供新方向。

Valid Per-Field Selective Risk Control for Document Extraction: Three Failure Modes, a Validity Ladder, and When Conditioning Pays

文档提取的有效逐字段选择性风险控制：三种失效模式、一个有效性阶梯及条件化何时奏效

Bhaskar Gurram

机构 * Zasti AI（扎斯蒂人工智能公司） 纠错

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

AI总结 本文针对文档提取的逐字段选择性风险控制问题，诊断出三种失效模式，提出有效性阶梯修复方案，通过多种方法验证了支持-bin等策略的效果，发布了开源代码。

Comments 14 pages. Seed-pinned, regression-gated harness (Apache-2.0): https://github.com/bhaskargurram-ai/verifydoc . Companion benchmark paper: VerifyDocBench

The Objective Is the Bottleneck: Latent World Models Encode What Their Planners Cannot Use

目标是瓶颈：潜在世界模型编码了其规划器无法使用的内容

Joyjeet Singh

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

AI总结 该研究发现潜在世界模型的规划瓶颈在于规划器目标而非预测器，通过替换目标无需额外训练即可大幅提升长视野规划性能，揭示模型编码了规划器未利用的可达性信息。

Comments Follow-up to arXiv:2608.10145. All experiments run on a laptop CPU; no model was trained or fine-tuned. Code, checkpoints and every measurement: github.com/joyjeet-singh/tinylab

ProBAG: Prototype-Guided Boundary-Aware Graph Diffusion for Weakly Supervised Histopathology Segmentation

ProBAG：用于弱监督组织病理学分割的原型引导边界感知图扩散

Duy-Dong Nguyen, Le-Van Thai, Hoai Nhan Pham, Ngoc Lam Quang Bui, Tam Tran, Zhi Huang

机构 * AI VIETNAM Lab（AI越南实验室） ； Washington University School of Medicine（华盛顿大学医学院） ； Jeonbuk National University（全北国立大学） ； Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院） 纠错

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

AI总结 ProBAG是一种新的弱监督组织病理学分割方法，通过结合视觉与文本原型、逐类功率重新校准及图扩散机制，在BCSS-WSSS和LUAD-HistoSeg数据集上取得优于现有方法的性能。

Comments 12 pages, 2 figures, 4 tables. Accepted by MICCAI Workshop (COMPAYL) 2026

UniSemAlign: Text-Prototype Alignment with a Foundation Encoder for Semi-Supervised Histopathology Segmentation

UniSemAlign：基于基础编码器的文本-原型对齐用于半监督病理分割

Le-Van Thai, Tien Dat Nguyen, Hoai Nhan Pham, Lan Anh Dinh Thi, Duy-Dong Nguyen, Ngoc Lam Quang Bui

机构 * AI VIETNAM Lab, Vietnam（AI VIETNAM实验室，越南） ； Hanoi University of Science and Technology, Vietnam（河内科技大学，越南） 纠错

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

AI总结 UniSemAlign通过引入显式类别结构提升视觉分割，利用共享嵌入空间中的原型和文本对齐分支，减少类别模糊性并稳定伪标签优化，实验表明其在有限标注下显著优于现有半监督方法。

Comments Accepted at CVPR 2026 Workshop. 11 pages, 5 figures, 4 tables

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 6803--6813

PRISM: Distribution-Gated Flow Matching for Controllable Unpaired Image Translation

PRISM：用于可控非配对图像翻译的分布门控流匹配

Elad Yoshai, Natan T. Shaked

机构 * Tel Aviv University（特拉维夫大学） 纠错

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

AI总结 PRISM是一种无GAN的流匹配框架，通过分布门控实现可控非配对图像翻译，在5个自然与生物医学基准上，其在多数任务的Inception FID、KID及组织病理学细胞核计数比上表现优异，平衡了目标逼真度与结构保留。

Beyond Relevance: Bayesian Evidence Acquisition for Agentic Whole-Slide Image Reasoning

超越相关性：面向智能体的全切片图像推理的贝叶斯证据获取

Bryan Wong, Xun Xu, Huazhu Fu, Nancy F. Chen, Mun Yong Yi

机构 * A*STAR（新加坡科技研究局） 纠错

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

AI总结 本研究提出BEACON框架，将WSI推理建模为贝叶斯证据获取问题，通过最大化预期信息增益减少诊断不确定性，在五个WSI-VQA基准的零样本实验中，其性能优于同类无训练智能体框架，提升了证据获取效率。

Agentic self-driving microscopy benchmarks support qualification but do not necessarily generalize to unseen tasks

智能体自动驾驶显微镜基准测试支持性能验证，但不一定能泛化到未见任务

Nathan S Johnson, Ian Abshire

机构 * Carl Zeiss Research Microscopy Solutions（卡尔蔡司研究显微镜解决方案） 纠错

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

AI总结 本研究开发基准框架评估显微镜智能体架构等因素的性能，发现其虽可用于验证比较，但现有基准无法预测智能体在未见显微镜任务上的表现。

Comments 20 pages, 8 figures

Assessment of Conditional Diffusion Model for Synthetic Histopathology Image Generation

用于合成组织病理学图像生成的条件扩散模型评估

Seyed Kahaki, Shijie Li, Weijie Chen, Nicholas Petrick

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

AI总结 本研究针对合成组织病理学图像生成的评估问题，提出基于数字病理学预训练基础模型改进的FID、IS及精确率-召回率指标，实验发现改进后的IS与下游细胞核分割性能相关性更高，且生成数据多样性对分割性能的提升作用强于单张图像视觉保真度。

Comments 11 pages, 3 figures

CIGTSurv: Clinical Information Guided Tri-modal Survival Prediction with Local Prototype Association and Global Feature Alignment

CIGTSurv：结合局部原型关联与全局特征对齐的临床信息引导三模态生存预测

Jing Dai, Qibin Zhang, Weiwei Zhou, Mingde Xu, Jingsong Liu, Jingdong Zhang, Hongming Xu

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

AI总结 本研究针对临床信息未充分利用及多模态异质性问题，提出CIGTSurv框架，结合局部原型关联与全局特征对齐机制，在五个TCGA癌症队列上取得生存预测SOTA性能。

Comments Accepted at MICCAI 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。

Adaptive Identity Anchoring: Closed-Loop Keyframe Placement for Synthetic Paired Supervision in Video Face Swapping

自适应身份锚定：用于视频人脸交换中合成配对监督的闭环关键帧放置

Logan Robbins

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

AI总结 研究视频人脸交换缺乏自然配对监督问题，提出自适应身份锚定（AIA）方法，通过闭环反馈放置锚定并结合现实参考纹理恢复，还给出可证伪实验，有望解决合成身份漂移及过度平滑皮肤问题。