University of Pennsylvania（宾夕法尼亚大学）

GenFAR: A generalized representation of brain structure, derived from 49,246 multi-cohort MRIs via deep learning

GenFAR：基于49246例多队列MRI通过深度学习得到的脑结构通用表征

Vishnu M. Bashyam, Guray Erus, Junhao Wen, Pratik Chaudhari, Randa Melhem, Sindhuja Govindarajan Tirumalai, Gareth Harman, Yong Fan, Colin L. Masters, Paul Maruff, Sterling C. Johnson, Jurgen Fripp, Duygu Tosun, John C. Morris, Daniel S. Marcus, Pamela LaMontagne, Tammie Benzinger, Susan R. Heckbert, Mark Espeland, Marilyn S. Albert, Andrew J. Saykin, Paul M. Thompson, Timothy J. Hohman, Susan M. Resnick, R. Nick Bryan, Murat Bilgel, Yang An, David A. Wolk, Li Shen, Haochang Shou, Ilya M. Nasrallah, Christos Davatzikos

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Melbourne（墨尔本大学） ； University of Wisconsin School of Medicine and Public Health（威斯康星大学医学与公共卫生学院） ； CSIRO Health and Biosecurity（联邦科学与工业研究组织健康与生物安全部） ； CSIRO（联邦科学与工业研究组织） ； University of California, San Francisco（加利福尼亚大学旧金山分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； University of Washington（华盛顿大学） ； Wake Forest School of Medicine（维克森林医学院） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） ； Indiana University（印第安纳大学） ； University of Southern California（南加利福尼亚大学） 纠错

AI总结 GenFAR是基于49246例多队列MRI的模块化深度学习框架，通过17类任务训练得到通用脑表征，可提升二级预测器的样本效率与准确性

CoDiR: Confidence-Guided Diffusion Refinement for Semi-Supervised Histopathology Segmentation

CoDiR：用于半监督组织病理学分割的置信度引导扩散精调

Hoai Nhan Pham, Dang-Nguyen Bui, Le-Van Thai, Thanh-Hiep Vo, Lan Anh Dinh Thi, Tien Dat Nguyen, Duy-Dong Nguyen, Ngoc Lam Quang Bui, Tam Tran, Zhi Huang

机构 * AI VIETNAM Lab（AI VIETNAM实验室） ； Portland Community College（波特兰社区学院） ； University of Science, VNU-HCM（胡志明市国家大学科学大学） ； Hanoi University of Science and Technology（河内科技大学） ； Jeonbuk National University（全北国立大学） ； Washington University School of Medicine（华盛顿大学医学院） ； Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院） 纠错

AI总结 针对半监督组织病理学分割的标注稀缺与伪标签不可靠问题，提出CoDiR框架，结合Mean Teacher与扩散模型精调伪标签，在GlaS、CRAG数据集上取得优异mDice指标，精调模块贡献显著

Comments Accepted to the MICCAI COMPAYL Workshop 2026 (11 pages, 2 figures, 6 tables)

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

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