医学 AI

Learning Relative Gene Expression Trends from Pathology Images in Spatial Transcriptomics

从病理图像中学习相对基因表达趋势

Kazuya Nishimura, Haruka Hirose, Ryoma Bise, Kaito Shiku, Yasuhiro Kojima

机构 * Laboratory of Computational Life Science, National Cancer Center Japan（国立癌症中心日本计算生命科学实验室） ； Department of Advanced Information Technology, Kyushu University（九州大学先进信息技术系） 纠错

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

AI总结 本文提出STRank方法，通过学习相对基因表达模式以提高病理图像中基因表达估计的鲁棒性。

Comments Neurips 2025

Squeezed-Eff-Net: Edge-Computed Boost of Tomography Based Brain Tumor Classification leveraging Hybrid Neural Network Architecture

Squeezed-Eff-Net: 基于混合神经网络架构的肿瘤脑部分类的边缘计算提升

Md. Srabon Chowdhury, Syeda Fahmida Tanzim, Sheekar Banerjee, Ishtiak Al Mamoon, AKM Muzahidul Islam

机构 * Department of Computer Science and Engineering, International University of Business Agriculture and Technology (IUBAT)（计算机科学与工程系，国际大学商学院农业与技术（IUBAT）） ； Department of Computer Science and Engineering, United International University (UIU)（计算机科学与工程系，联合国际大学（UIU）） 纠错

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

AI总结 Squeezed-Eff-Net通过混合神经网络架构提升脑肿瘤分类的边缘计算性能，结合轻量级和高性能模型及手工特征描述符，实现高准确率和高效计算。

Domain-Specific Foundation Model Improves AI-Based Analysis of Neuropathology

领域特定基础模型提升基于人工智能的神经病理科分析

Ruchika Verma, Shrishtee Kandoi, Robina Afzal, Shengjia Chen, Jannes Jegminat, Michael W. Karlovich, Melissa Umphlett, Timothy E. Richardson, Kevin Clare, Quazi Hossain, Jorge Samanamud, Phyllis L. Faust, Elan D. Louis, Ann C. McKee, Thor D. Stein, Jonathan D. Cherry, Jesse Mez, Anya C. McGoldrick, Dalilah D. Quintana Mora, Melissa J. Nirenberg, Ruth H. Walker, Yolfrankcis Mendez, Susan Morgello, Dennis W. Dickson, Melissa E. Murray, Carlos Cordon-Cardo, Nadejda M. Tsankova, Jamie M. Walker, Diana K. Dangoor, Stephanie McQuillan, Emma L. Thorn, Claudia De Sanctis, Shuying Li, Thomas J. Fuchs, Kurt Farrell, John F. Crary, Gabriele Campanella

机构 * Windreich Department of AI and Human Health（AI与人类健康部门） ； Icahn School of Medicine at Mount Sinai（辛克医学院（梅奥医院）） ； Hasso Plattner Institute for Digital Health at Mount Sinai（梅奥医院数字健康研究所） ； Department of Neurology（神经病学部门） ； Department of Pathology（病理学部门） ； Columbia University（哥伦比亚大学） ； Memorial Sloan-Kettering Cancer Center（纪念斯隆凯特林癌症中心） ； Department of Neuroscience（神经科学部门） ； Mayo Clinic College of Medicine（梅奥诊所医学院） ； University of Texas Southwestern Medical Center（德克萨斯西南医学中心） ； Peter O’Donnell Jr. Brain Institute（彼得·奥多尼尔 Jr. 脑研究所） ； VA Boston Healthcare System（波士顿退伍军人医疗系统） 纠错

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

AI总结 NeuroFM通过专门训练于脑组织的领域特定基础模型，提升神经病理学AI分析的准确性与可靠性。

When normalization hallucinates: unseen risks in AI-powered whole slide image processing

当归一化产生幻觉：人工智能驱动的全切片图像处理中的未见风险

Karel Moens, Matthew B. Blaschko, Tinne Tuytelaars, Bart Diricx, Jonas De Vylder, Mustafa Yousif

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

AI总结 本文揭示了人工智能驱动的全切片图像处理中归一化过程产生的幻觉风险，提出了一种新的图像比较度量方法以自动检测幻觉，并评估了多种归一化方法在真实数据上的表现，指出需更稳健的归一化技术和严格验证。

Comments 4 pages, accepted for oral presentation at SPIE Medical Imaging, 2026

Real-Time Cell Sorting with Scalable In Situ FPGA-Accelerated Deep Learning

基于可扩展在 situ FPGA 加速深度学习的实时细胞分选

Khayrul Islam, Ryan F. Forelli, Jianzhong Han, Deven Bhadane, Jian Huang, Joshua C. Agar, Nhan Tran, Seda Ogrenci, Yaling Liu

机构 * Department of Mechanical Engineering, Lehigh University（机械工程系，莱维大学） ； Department of Electrical and Computer Engineering, Northwestern University（电气与计算机工程系，西北大学） ； Coriell Institute for Medical Research（Coriell医学研究所） ； Department of Computer Science, Lehigh University（计算机科学系，莱维大学） ； Cooper Medical School of Rowan University（罗文大学合作医学院） ； Center for Metabolic Disease Research, Temple University（代谢疾病研究中心， Temple大学） ； Department of Mechanical Engineering and Mechanics, Drexel University（机械工程与力学系，德雷塞尔大学） ； Real-time Processing Systems Division, Fermi National Accelerator Laboratory（费米国家加速器实验室实时处理系统部） ； Department of Bioengineering, Lehigh University（生物工程系，莱维大学） 纠错

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

AI总结 该研究提出了一种基于FPGA加速的实时细胞分选方法，利用教师-学生模型和知识蒸馏实现高效率和可扩展性，准确分类淋巴细胞亚群，同时显著降低推理延迟。

Journal ref 2025

Gene-DML: Dual-Pathway Multi-Level Discrimination for Gene Expression Prediction from Histopathology Images

Gene-DML：双路径多级判别用于从组织病理图像预测基因表达

Yaxuan Song, Jianan Fan, Hang Chang, Weidong Cai

机构 * The University of Sydney, Australia（悉尼大学） ； Lawrence Berkeley National Laboratory, USA（伯克利国家实验室） 纠错

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

AI总结 Gene-DML通过双路径多级判别方法，提升组织病理图像与基因表达谱的跨模态对齐，实现高精度的基因表达预测。

Comments Accepted by The IEEE/CVF Winter Conference on Applications of Computer Vision 2026 (WACV2026). Code and data available at https://github.com/YXSong000/Gene-DML

Single-cell identification with quantum-enhanced nuclear magnetic resonance

利用量子增强核磁共振进行单细胞识别

Zhiyuan Zhao, Qian Shi, Shaoyi Xu, Xiangyu Ye, Mengze Shen, Jia Su, Ya Wang, Tianyu Xie, Qingsong Hu, Fazhan Shi, Jiangfeng Du

专题命中 病理影像 ：biomedical(abstract)

AI总结 利用量子增强核磁共振技术，通过检测细胞内质子弛豫时间实现无标记单细胞识别，为稀有细胞分析和个性化医疗提供新方法。

Comments 23 pages, 4 figures

Quantitative Characterization of Brain Tissue Alterations in Brain Cancer Using Fractal, Multifractal, and IPR Metrics

利用分形、多分形和IPR指标定量表征脑癌脑组织的改变

Mousa Alrubayan, Santanu Maity, Prabhakar Pradhan

专题命中 病理影像 ：diagnosis(abstract)

AI总结 本文提出利用分形、多分形和IPR指标定量表征脑癌组织的结构变化，以提高脑癌的显微诊断能力。

Comments 18 pages, 8 figures