科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

2025-12-10 至 2025-12-10 共收录 2 篇信号源：cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 病理影像 2 篇

2409.03080 2025-12-10 q-bio.TO 79%

Explainable AI for computational pathology identifies model limitations and tissue biomarkers

可解释AI用于计算病理学识别模型限制和组织生物标志物

Jakub R. Kaczmarzyk, Chanwoo Kim, Soham Gadgil, Deepika Savant, Zhen Zhao, Joel H. Saltz, Su-In Lee, Peter K. Koo

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

AI总结 HIPPO通过可解释AI方法识别模型限制和组织生物标志物，提升数字病理学中模型的可解释性和临床应用价值。

Comments The following authors contributed equally: Jakub R. Kaczmarzyk, Chanwoo Kim, Soham Gadgil

2409.11110 2025-12-10 cs.CV 57%

Beyond accuracy: quantifying the reliability of Multiple Instance Learning for Whole Slide Image classification

超越准确性：量化多实例学习在全滑片图像分类中的可靠性

Hassan Keshvarikhojasteh, Marc Aubreville, Christof A. Bertram, Josien P. W. Pluim, Mitko Veta

机构 * Department of Biomedical Engineering, Eindhoven University of Technology（埃因霍温理工大学生物医学工程系）； Flensburg Artificial Intelligence Research Group (FLAIR), Flensburg University of Applied Sciences（弗劳恩霍夫应用科技大学人工智能研究组）； University of Veterinary Medicine Vienna（维也纳兽医大学）

专题命中病理影像：pathology(abstract)；分类 cs.CV

AI总结本文提出三种量化指标评估多实例学习在全滑片图像分类中的可靠性，发现MEAN-POOL-INS模型在可靠性上表现优异，为未来研究提供可靠基准。

Journal ref PloS one. 2025 Dec 5;20(12):e0337261