医学 AI

Efficient Special Stain Classification

高效特殊染色分类

Oskar Thaeter, Christian Grashei, Anette Haas, Elisa Schmoeckel, Han Li, Peter J. Schüffler

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM School of Medicine and Health（慕尼黑技术大学医学院与健康学院） ； TUM School of Computation, Information and Technology（慕尼黑技术大学计算、信息与技术学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Munich Data Science Institute（慕尼黑数据科学研究所） 纠错

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

AI总结 本文提出了一种基于缩略图的高效特殊染色分类方法，在准确性和处理速度上均优于多实例学习方法。

Comments 14 pages, 7 figures, 2 tables

GAFR-Net: A Graph Attention and Fuzzy-Rule Network for Interpretable Breast Cancer Image Classification

GAFR-Net：一种用于可解释乳腺癌图像分类的图注意力与模糊规则网络

Lin-Guo Gao, Suxing Liu

机构 * 1 Department of IT Engineering, Mokwon University, Daejeon 35349, South Korea ； 2 School of Digital Arts, Jiangxi Arts \& Ceramics Technology Institute, Jingdezhen 333001, China 纠错

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

AI总结 GAFR-Net通过图注意力与模糊规则机制，实现乳腺癌图像分类的可解释性与高性能，适用于标注有限的医学图像分析。

Decoding Future Risk: Deep Learning Analysis of Tubular Adenoma Whole-Slide Images

解码未来风险：深度学习在管状腺瘤全切片图像分析中的应用

Ahmed Rahu, Brian Shula, Brandon Combs, Aqsa Sultana, Surendra P. Singh, Vijayan K. Asari, Derrick Forchetti

机构 * Dept. of Pathology（病理学系） ； Honeywell International Inc.（霍尼韦尔国际公司） ； South Bend Medical Foundation（南本德医疗基金会） ； Dept. of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本研究利用深度学习分析管状腺瘤全切片图像，旨在通过检测细微组织学特征预测患者未来患结直肠癌的风险。

Comments 20 pages, 5 figures

The Catastrophic Failure of The k-Means Algorithm in High Dimensions, and How Hartigan's Algorithm Avoids It

k均值算法在高维中的灾难性失效及其如何被Hartigan算法避免

Roy R. Lederman, David Silva-Sánchez, Ziling Chen, Gilles Mordant, Amnon Balanov, Tamir Bendory

机构 * Department of Statistics and Data Science, Yale University, New Haven, CT（统计与数据科学系，耶鲁大学，新 Haven，CT） ； Department of Applied and Computational Mathematics, Yale University, New Haven, CT（应用与计算数学系，耶鲁大学，新 Haven，CT） ； School of Electrical and Computer Engineering, Tel Aviv University, Tel Aviv, Israel（电气与计算机工程系，特拉维夫大学，Tel Aviv，以色列） 纠错

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

AI总结 k均值算法在高维环境下易失效，而Hartigan算法能避免这一问题，提供理论解释

Deep Modeling and Interpretation for Bladder Cancer Classification

深度建模与解释用于膀胱癌分类

Ahmad Chaddad, Yihang Wu, Xianrui Chen

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

AI总结 本文提出基于ViT和CNN的深度模型用于膀胱癌分类，通过校准分析和GradCAM++评估模型可解释性，发现ViT系列在分类和解释上表现更优。

Comments Accepted in IEEE SMC 2025