医学 AI

Information-driven Fusion of Pathology Foundation Models for Enhanced Disease Characterization

基于信息驱动的病理基础模型融合以增强疾病表征

Brennan Flannery, Thomas DeSilvio, Jane Nguyen, Satish E. Viswanath

机构 * Case Western Reserve University（凯斯西储大学） ； Department of Biomedical Engineering（生物医学工程系） ； Cleveland Clinic（克利夫兰诊所） ； Department of Pathology（病理学系） ； Emory University（埃默里大学） ； Department of Pediatrics（儿科学系） ； Louis Stokes VA Cleveland Medical Center（路易斯·斯托克斯退伍军人医疗中心） 纠错

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

AI总结 本研究提出基于信息驱动的病理基础模型融合方法，通过智能融合提升癌症分级和分期的预测性能与可解释性。

Comments 29 Pages, 10 figures

Multimodal Learning for Scalable Representation of High-Dimensional Medical Data

多模态学习用于高维医学数据的可扩展表示

Areej Alsaafin, Abubakr Shafique, Saghir Alfasly, Krishna R. Kalari, H. R. Tizhoosh

机构 * Kimia Lab, Dept. of Artificial Intelligence & Informatics, Mayo Clinic, Rochester, MN, USA（Kimia实验室，人工智能与信息学系，梅奥诊所，罗切斯特，MN，美国） ； Division of Computational Biology, Dept. of Quantitative Health Sciences, Mayo Clinic, Rochester, MN, USA（计算生物学部门，定量健康科学系，梅奥诊所，罗切斯特，MN，美国） 纠错

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

AI总结 MarbliX通过多模态学习实现高维医学数据的可扩展表示，提升癌症诊断的准确性和效率。

Reducing Domain Gap with Diffusion-Based Domain Adaptation for Cell Counting

通过扩散域适应减少领域差距用于细胞计数

Mohammad Dehghanmanshadi, Wallapak Tavanapong

机构 * Computer Science Department , Iowa State University, IA, USA（计算机科学系，爱荷华州立大学，IA，USA） 纠错

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

AI总结 本研究通过基于InST的风格迁移方法，有效减少合成与真实显微镜数据间的领域差距，提升细胞计数性能，同时减少人工标注工作量。

Comments Accepted at ICMLA 2025