医学 AI

MA-COIR: Leveraging Semantic Search Index and Generative Models for Ontology-Driven Biomedical Concept Recognition

MA-COIR: 利用语义搜索索引和生成模型进行面向本体的生物医学概念识别

Shanshan Liu, Noriki Nishida, Rumana Ferdous Munne, Narumi Tokunaga, Yuki Yamagata, Kouji Kozaki, Yuji Matsumoto

机构 * RIKEN AIP ； University of Tsukuba（茨川大学） ； RIKEN R-IH ； RIKEN BRC ； Osaka Electro-Communication University（大阪电讯大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 MA-COIR通过结合语义搜索索引和生成模型，提升生物医学领域本体驱动的概念识别能力。

Comments preprint

Journal ref https://aclanthology.org/2025.acl-srw.39/

CountXplain: Interpretable Cell Counting with Prototype-Based Density Map Estimation

CountXplain: 基于原型的密度图估计用于可解释的细胞计数

Abdurahman Ali Mohammed, Wallapak Tavanapong, Catherine Fonder, Donald S. Sakaguchi

机构 * Department of Computer Science, Iowa State University（计算机科学系，爱荷华州立大学） ； Department of Genetics, Development, and Cell Biology, Iowa State University（遗传学、发育与细胞生物学系，爱荷华州立大学） ； Molecular, Cellular, and Developmental Biology Program, Iowa State University（分子、细胞与发育生物学项目，爱荷华州立大学） ； Neuroscience Program, Iowa State University（神经科学项目，爱荷华州立大学） ； Nanovaccine Institute, Iowa State University（纳米疫苗研究所，爱荷华州立大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV

AI总结 CountXplain通过原型密度图估计实现可解释的细胞计数，结合生物学家验证的原型模式，提升模型透明度和计数效果。

Comments Medical Imaging with Deep Learning 2025