科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

2026-02-23 至 2026-02-23 共收录 3 篇信号源：cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 病理影像 3 篇

2602.18119 2026-02-23 eess.IV cs.AI cs.CV cs.LG 82%

RamanSeg: Interpretability-driven Deep Learning on Raman Spectra for Cancer Diagnosis

RamanSeg：基于可解释性的深度学习在拉曼光谱用于癌症诊断中的应用

Chris Tomy, Mo Vali, David Pertzborn, Tammam Alamatouri, Anna Mühlig, Orlando Guntinas-Lichius, Anna Xylander, Eric Michele Fantuzzi, Matteo Negro, Francesco Crisafi, Pietro Lio, Tiago Azevedo

机构 * Department of Computer Science and Technology（计算机科学与技术系）； University of Cambridge（剑桥大学）； Department of Physics（物理系）； Department of Otorhinolaryngology（耳鼻喉科系）； Jena University Hospital（耶拿大学医院）； Section Pathology of the Institute of Forensic Medicine（法医学研究所病理学部）； Cambridge Raman Imaging Srl（剑桥拉曼成像有限公司）

专题命中病理影像：diagnosis(title,abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 RamanSeg通过可解释的深度学习方法在拉曼光谱中实现癌症诊断，提高了分割性能和可解释性。

Comments 12 pages, 8 figures

2602.17797 2026-02-23 eess.IV cs.AI cs.CV cs.LG 67%

Deep Learning for Dermatology: An Innovative Framework for Approaching Precise Skin Cancer Detection

深度学习在皮肤科中的应用：一种用于精确皮肤癌检测的创新框架

Mohammad Tahmid Noor, B. M. Shahria Alam, Tasmiah Rahman Orpa, Shaila Afroz Anika, Mahjabin Tasnim Samiha, Fahad Ahammed

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

AI总结本文提出了一种创新的深度学习框架，用于精确检测皮肤癌，通过评估VGG16和DenseNet201模型的准确性与效率，以提高皮肤科诊断的早期检测和工作效率。

Comments 6 pages, 9 figures, this is the author's accepted manuscript of a paper accepted for publication in the Proceedings of the 16th International IEEE Conference on Computing, Communication and Networking Technologies (ICCCNT 2025). The final published version will be available via IEEE Xplore

2507.10867 2026-02-23 physics.optics 50%

Digital defocus aberration interference for automated optical microscopy

数字散焦像差干涉用于自动化光学显微镜

Haowen Zhou, Shi Zhao, Yujie Fan, Zhenyu Dong, Oumeng Zhang, Viviana Gradinaru, Changhuei Yang

专题命中病理影像：biomedical(abstract)

AI总结本文提出了一种基于数字散焦像差干涉的自动聚焦方法，通过双LED设置实现高效且通用的散焦检测，适用于多种成像模式，显著扩展景深范围。