医学 AI

Joint Progression Modeling (JPM): A Probabilistic Framework for Mixed-Pathology Progression

联合进展建模（JPM）：一种用于混合病理进展的概率框架

Hongtao Hao, Joseph L. Austerweil

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Chiba Institute of Technology（千叶技术大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 JPM通过概率框架处理混合病理进展，提升排序准确性21%，并与文献结果一致。

Comments 49 pages; Machine Learning for Health (ML4H) Symposium 2025

Generating crossmodal gene expression from cancer histopathology improves multimodal AI predictions

从癌症组织病理学生成跨模态基因表达以提高多模态AI预测

Samiran Dey, Christopher R. S. Banerji, Partha Basuchowdhuri, Sanjoy K. Saha, Deepak Parashar, Tapabrata Chakraborti

机构 * School of Mathematical & Computational Sciences, Indian Association for the Cultivation of Science（数学与计算科学学院，印度科学培养协会） ； The Alan Turing Institute（艾伦·图灵研究所） ； Comprehensive Cancer Center, King’s College London（国王学院综合癌症中心） ； Department of Computer Science and Engineering, Jadavpur University（计算机科学与工程系，贾瓦德pur大学） ； MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计学单位） ； Department of Biostatistics, Bioinformatics and Biomathematics, Georgetown University（生物统计学、生物信息学与生物数学系，杰斐逊大学） ； UCL Cancer Institute, Dept of Medical Physics & Biomedical Engineering, University College London（伦敦大学学院癌症研究所，医学物理与生物医学工程系） 纠错

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

AI总结 PathGen通过生成跨模态基因表达提升癌症分级和生存风险预测的多模态AI性能

Developing Predictive and Robust Radiomics Models for Chemotherapy Response in High-Grade Serous Ovarian Carcinoma

开发用于高恶性卵巢癌化疗反应的预测和鲁棒放射组学模型

Sepideh Hatamikia, Geevarghese George, Florian Schwarzhans, Amirreza Mahbod, Marika AV Reinius, Ali Abbasian Ardakani, Mercedes Jimenez-Linan, Satish Viswanath, Mireia Crispin-Ortuzar, Lorena Escudero Sanchez, Evis Sala, James D Brenton, Ramona Woitek

专题命中 病理影像 ：CT(abstract)；分类 cs.CV

AI总结 本研究通过整合不同特征选择方法，开发预测高恶性卵巢癌化疗反应的放射组学模型，提升预测准确性与鲁棒性。

Comments 22pages, 5 figures, 5 tables

Tissue Classification and Whole-Slide Images Analysis via Modeling of the Tumor Microenvironment and Biological Pathways

通过建模肿瘤微环境和生物通路进行组织分类和全片图像分析

Junzhuo Liu, Xuemei Du, Daniel Reisenbuchler, Ye Chen, Markus Eckstein, Christian Matek, Friedrich Feuerhake, Dorit Merhof

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

AI总结 BioMorphNet通过整合肿瘤微环境和生物通路信息，提升全片图像中组织分类和差异基因分析的准确性。

Comments 19 pages, 8 figures. This work has been submitted to the IEEE for possible publication