医学 AI

A multimodal vision foundation model for generalizable knee pathology

一种用于通用膝部病理的多模态视觉基础模型

Kang Yu, Dingyu Wang, Zimu Yuan, Nan Zhou, Jiajun Liu, Jiaxin Liu, Shanggui Liu, Yaoyan Zheng, Huishu Yuan, Di Huang, Dong Jiang

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

AI总结 OrthoFoundation是一种多模态视觉基础模型，通过自监督学习在膝关节影像上实现高泛化能力，提升骨科影像诊断的准确性和效率。

Semi-Supervised Domain Adaptation with Latent Diffusion for Pathology Image Classification

半监督域适应与潜在扩散用于病理图像分类

Tengyue Zhang, Ruiwen Ding, Luoting Zhuang, Yuxiao Wu, Erika F. Rodriguez, William Hsu

机构 * Medical & Imaging Informatics, Department of Radiological Sciences, David Geffen School of Medicine, University of California, Los Angeles（医学与影像信息学系，放射科学系，大卫·盖弗医学院，加州大学洛杉矶分校） ； Bioengineering Department, Henry Samueli School of Engineering, UCLA（生物工程系，亨利·萨缪尔西工程学院，UCLA） ； Department of Pathology & Laboratory Sciences, David Geffen School of Medicine, UCLA（病理学与实验室科学系，大卫·盖弗医学院，UCLA） 纠错

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

AI总结 本研究提出利用潜在扩散模型生成目标领域意识的合成数据，提升计算病理学中的域泛化能力。

HAAF: Hierarchical Adaptation and Alignment of Foundation Models for Few-Shot Pathology Anomaly Detection

HAAF: 用于少样本病理异常检测的层次适应与对齐框架

Chunze Yang, Wenjie Zhao, Yue Tang, Junbo Lu, Jiusong Ge, Qidong Liu, Zeyu Gao, Chen Li

机构 * Sch Comp Sci \& Technol, Xi'an Jiaotong University Xi'an China ； University of Cambridge Cambridge United Kingdom ； Sch Comp Sci \& Technol, Xi'an Jiaotong University ； University of Cambridge 纠错

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

AI总结 HAAF通过层次适应与对齐框架，解决少样本病理异常检测中的粒度不匹配问题，提升模型在低资源场景下的性能。

LungCRCT: Causal Representation based Lung CT Processing for Lung Cancer Treatment

LungCRCT: 基于因果表示的肺癌处理用于肺癌治疗

Daeyoung Kim

专题命中 病理影像 ：CT(title)；分类 cs.CV

AI总结 LungCRCT通过基于因果表示的学习框架，提升肺癌治疗中的因果干预分析和肿瘤分类性能。

Whole Slide Concepts: A Supervised Foundation Model For Pathological Images

整张切片概念：一种用于病理图像的监督基础模型

Till Nicke, Daniela Schacherer, Jan Raphael Schäfer, Natalia Artysh, Antje Prasse, André Homeyer, Andrea Schenk, Henning Höfener, Johannes Lotz

机构 * Institute for Digital Medicine MEVIS（数字医学MEVIS研究所） ； Fraunhofer（弗劳恩霍夫） ； Institute for Toxicology and Experimental Medicine（毒理学与实验医学研究所） ； Institute for Diagnostic and Interventional Radiology（诊断与介入放射学研究所） ； Hannover Medical School（汉诺威医学院） 纠错

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

AI总结 本文提出了一种基于监督学习的多任务基础模型，用于病理图像分析，整合癌症亚型分类、风险估计和基因突变预测，且在资源消耗上优于自监督方法。

Robust Computational Extraction of Non-Enhancing Hypercellular Tumor Regions from Clinical Imaging Data

鲁棒的非增强型超细胞肿瘤区域从临床影像数据中计算提取

A. Brawanski, Th. Schaffer, F. Raab, K. -M. Schebesch, M. Schrey, Chr. Doenitz, A. M. Tomé, E. W. Lang

机构 * Neurosurgery, University Hospital（神经外科，大学医院） ； CIML, Biophysics, University of Regensburg（CIML生物物理，雷根斯堡大学） ； IEETA, DETI, Universidade de Aveiro（IEETA，DETI，阿维罗大学） 纠错

专题命中 病理影像 ：MRI(abstract)；分类 cs.LG

AI总结 本文提出了一种鲁棒的计算框架，用于从临床影像数据中提取非增强型超细胞肿瘤区域，通过多种网络架构提高鲁棒性，并验证了其在临床中的应用价值。