医学 AI

Towards Spatial Transcriptomics-driven Pathology Foundation Models

迈向基于空间转录组的病理基础模型

Konstantin Hemker, Andrew H. Song, Cristina Almagro-Pérez, Guillaume Jaume, Sophia J. Wagner, Anurag Vaidya, Nikola Simidjievski, Mateja Jamnik, Faisal Mahmood

机构 * Department of Pathology, Mass General Brigham, Harvard Medical School, Boston, MA, USA（病理学系，马萨诸塞州总医院与哈佛医学院，波士顿，马萨诸塞州，美国） ； Department of Computer Science & Technology, University of Cambridge, Cambridge, UK（计算机科学与技术系，剑桥大学，剑桥，英国） ； Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, USA（癌症计划，哈佛与麻省理工联合学院，剑桥，马萨诸塞州，美国） ； Data Science Program, Dana-Farber Cancer Institute, Boston, MA, USA（数据科学计划，达纳-法伯癌症研究所，波士顿，马萨诸塞州，美国） ； Harvard-MIT Division of Health Sciences and Technology, Massachusetts Institute of Technology, Cambridge, MA, USA（哈佛-麻省理工健康科学与技术 division，麻省理工学院，剑桥，马萨诸塞州，美国） ； Télécom Paris, Institut Polytechnique de Paris, Paris, France（巴黎电信学院，巴黎理工学院，巴黎，法国） ； Harvard Data Science Initiative, Harvard University, Cambridge, MA, USA（哈佛大学数据科学倡议，哈佛大学，剑桥，马萨诸塞州，美国） 纠错

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

AI总结 SEAL通过整合局部分子信息提升病理基础模型性能，实现跨模态应用与领域泛化。

Fusing Pixels and Genes: Spatially-Aware Learning in Computational Pathology

融合像素与基因：计算病理学中的空间感知学习

Minghao Han, Dingkang Yang, Linhao Qu, Zizhi Chen, Gang Li, Han Wang, Jiacong Wang, Lihua Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Fysics Intelligence Technologies Co., Ltd. (Fysics AI)（菲茨斯智能科技有限公司（菲茨斯AI）） ； Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Tencent Youtu Lab（腾讯优图实验室） ； ByteDance（字节跳动） 纠错

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

AI总结 STAMP通过整合空间解析基因表达数据，提升计算病理学中多模态学习的性能与泛化能力。

Comments accepted by ICLR 2026, 34 pages, 10 figures, 7tables

Pathology of the Unified Dark Sectors in Modified General Relativity

修正引力论中统一暗扇区的病理学

Mohsen Khodadi

专题命中 病理影像 ：pathology(title,abstract)

AI总结 本文研究了修正引力论中统一暗扇区的稳定性问题，发现极向扰动存在强耦合不稳定性，而轴向扰动则稳定，揭示了该理论面临的根本性物理挑战。

Comments 27 pages, 1 figure, to appear in Classical and Quantum Gravity (CQG)

Journal ref Class. Quantum Grav. 43 035021 (2026)

Prototype Instance-semantic Disentanglement with Low-rank Regularized Subspace Clustering for WSIs Explainable Recognition

原型实例语义解耦与低秩正则化子空间聚类用于WSI可解释识别

Chentao Li, Pan Huang

机构 * Columbia University（哥伦比亚大学） ； Hong Kong Polytechnic University（香港理工大学） 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PID-LRSC框架，通过低秩正则化子空间聚类和增强对比学习解决WSI中实例与语义耦合问题，提升模型可解释性和诊断可靠性。

Comments Our code is available at https://github.com/Prince-Lee-PathAI/PID-LRSC

MacNet: An End-to-End Manifold-Constrained Adaptive Clustering Network for Interpretable Whole Slide Image Classification

MacNet: 一种端到端的流形约束自适应聚类网络用于可解释的整张滑动图像分类

Mingrui Ma, Chentao Li, Pan Huang, Jing Qin

机构 * School of Computer Science and Technology, Xinjiang University, Urumqi 830046, China, and the Affiliated Tumor Hospital of Xinjiang Medical University, Xinjiang 830011, China（新疆大学计算机科学与技术学院，中国新疆乌鲁木齐830046，以及新疆医科大学附属肿瘤医院，中国新疆830011） ； Fu Foundation School of Engineering and Applied Science, Columbia University, New York, NY 10027, USA（哥伦比亚大学福基金会工程与应用科学学院，美国纽约纽约州10027） ； School of Nursing, The Hong Kong Polytechnic University, Hong Kong 999077, SAR China（香港理工大学护理学院，中国香港999077，香港特别行政区） 纠错

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

AI总结 MacNet通过整合流形约束和自适应聚类，提升整张滑动图像分类的可解释性和性能。

Comments Our code is available at https://github.com/Prince-Lee-PathAI/MacNet