医学 AI

Constrained Group Relative Policy Optimization

带约束的群体相对策略优化

Roger Girgis, Rodrigue de Schaetzen, Luke Rowe, Azalée Robitaille, Christopher Pal, Liam Paull

机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

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

AI总结 本文提出带约束的GRPO，通过拉格朗日松弛解决受约束策略优化问题，实验验证其在网格世界和机器人任务中的有效性。

Comments 16 pages, 6 figures

Explainable Pathomics Feature Visualization via Correlation-aware Conditional Feature Editing

通过相关性感知的条件特征编辑实现可解释的病理科特征可视化

Yuechen Yang, Junlin Guo, Ruining Deng, Junchao Zhu, Zhengyi Lu, Chongyu Qu, Yanfan Zhu, Xingyi Guo, Yu Wang, Shilin Zhao, Haichun Yang, Yuankai Huo

机构 * Vanderbilt University（范德比尔特大学） ； Weill Cornell Medicine（韦尔医学院） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） 纠错

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

AI总结 本文提出了一种Manifold-Aware Diffusion框架，通过正则化解耦潜在空间中的特征轨迹，实现可控且生物合理的细胞核编辑，提升病理科特征的可解释性与图像生成质量。

Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency

探究病理基础模型对同源重组缺陷的回归预测影响

Alexander Blezinger, Wolfgang Nejdl, Ming Tang

机构 * Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

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

AI总结 本研究探讨了病理基础模型在预测同源重组缺陷评分中的影响，通过实验发现基于基础模型的模型在预测准确性方面优于基线，并提出了缓解数据不平衡的上采样策略。

Comments 9 pages, 7 figures and 5 tables

Active Label Cleaning for Reliable Detection of Electron Dense Deposits in Transmission Electron Microscopy Images

主动标签清洗用于透射电子显微镜图像中电子致密沉积物的可靠检测

Jieyun Tan, Shuo Liu, Guibin Zhang, Ziqi Li, Jian Geng, Lei Zhang, Lei Cao

机构 * School of Biomedical Engineering（生物医学工程学院） ； Southern Medical University（南方医科大学） ； College of Letters and Science（文理学院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； School of Basic Medical Sciences（基础医学学院） ； Department of Nephrology（肾内科） ； Nanfang Hospital, Southern Medical University（南方医科大学南芳医院） 纠错

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

AI总结 本文提出主动标签清洗方法，通过主动学习和专家重新标注，提升透射电子显微镜图像中电子致密沉积物检测的准确性和效率，降低标注成本。

Comments 10 pages, 6 figures

Fast, Unsupervised Framework for Registration Quality Assessment of Multi-stain Histological Whole Slide Pairs

快速、无监督的多染色组织全切片图像配准质量评估框架

Shikha Dubey, Patricia Raciti, Kristopher Standish, Albert Juan Ramon, Erik Ames Burlingame

机构 * Digital Health, Computer Vision, NJ, USA 2 Johnson \& Johnson, Oncology Translational Research, PA, USA 纠错

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

AI总结 本文提出一种快速无监督框架，用于评估多染色全切片图像配准质量，通过结合掩码和变形度量指标，实现高保真度的配准质量评估。

Comments Accepted to IEEE ISBI 2026

PRISM: Deriving a White-Box Transformer as a Signal-Noise Decomposition Operator via Maximum Coding Rate Reduction

PRISM：通过最大编码率减少原理推导出白盒变换器作为信号-噪声分解算子

Dongchen Huang

机构 * Institute of Physics, Chinese Academy of Sciences（中国科学院物理研究所） 纠错

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

AI总结 Prism通过几何构造实现白盒变换器，通过信号-噪声分解提升模型可解释性与性能

Comments 12 pages, 6 figures. Derives Transformer as a signal-noise decomposition operator via Maximizing Coding Rate Reduction. Identifies 'Attention Sink' as spectral resonance (Arnold Tongues) and proposes $π$-RoPE for dynamical stability

To See Far, Look Close: Evolutionary Forecasting for Long-term Time Series

为长远预测而近观：为长期时间序列的进化预测

Jiaming Ma, Siyuan Mu, Ruilin Tang, Haofeng Ma, Qihe Huang, Zhengyang Zhou, Pengkun Wang, Binwu Wang, Yang Wang

机构 * University of Science（科学大学） ； Hunan University（湖南大学） ； The University of Nottingham Ningbo China（诺丁汉 Ningbo 中国大学） ； Sichuan Agricultural University（四川农业大学） 纠错

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

AI总结 本文提出进化预测范式，通过训练短时间范围模型解决长期时间序列预测中的优化问题，实现更稳定的预测性能。

Coordinate-conditioned Deconvolution for Scalable Spatially Varying High-Throughput Imaging

用于可扩展空间变化高通量成像的坐标条件去卷积

Qianwan Yang, Zhixiong Chen, Jiaqi Zhang, Ruipeng Guo, Guorong Hu, Lei Tian

专题命中 病理影像 ：biomedical(abstract)；分类 eess.IV

AI总结 SV-CoDe通过坐标条件卷积实现空间变化高通量成像的可扩展高分辨率重建，减少模型大小和训练数据需求，适用于多种生物医学成像应用。

Leveraging Multi-Rater Annotations to Calibrate Object Detectors in Microscopy Imaging

利用多评分注释校准显微成像中的目标检测器

Francesco Campi, Lucrezia Tondo, Ekin Karabati, Johannes Betge, Marie Piraud

机构 * Helmholtz AI, Helmholtz Zentrum München（海德堡医学中心） ； Department of Medicine II, University Medical Center Mannheim, Medical Faculty Mannheim（曼海姆大学医学中心） 纠错

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

AI总结 本文提出利用多评分注释校准显微成像目标检测器，通过训练独立模型并集成预测以提高校准性能，同时保持检测准确性。

Comments Accepted as a conference paper at ISBI 2026

Exo-Plore: Exploring Exoskeleton Control Space through Human-aligned Simulation

Exo-Plore：通过与人类对齐的模拟探索外骨骼控制空间

Geonho Leem, Jaedong Lee, Jehee Lee, Seungmoon Song, Jungdam Won

机构 * Seoul National University（首尔国立大学） ； Holiday Robotics（假日机器人） ； Northeastern University（东北大学） 纠错

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

AI总结 Exo-Plore通过神经机械模拟与深度强化学习优化髋部外骨骼辅助，无需真实人类实验，生成逼真步态数据并推广至病理性步态。

Comments 10 pages, 9 figures, ICLR 2026 accepted

Expected Return Causes Outcome-Level Mode Collapse in Reinforcement Learning and How to Fix It with Inverse Probability Scaling

预期回报导致强化学习中的结果层面模式崩溃及如何通过逆概率缩放修复它

Abhijeet Sinha, Sundari Elango, Dianbo Liu

机构 * National University of Singapore, Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出逆概率缩放方法，通过修正预期回报目标来解决强化学习中的结果层面模式崩溃问题，有效提升多模式策略优化的可靠性。

Better without U: Impact of Selective Hubbard U Correction on Foundational MLIPs

无需U：选择性Hubbard U修正对基础MLIPs的影响

Thomas Warford, Fabian L. Thiemann, Gábor Csányi

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

AI总结 本文指出，选择性应用Hubbard U修正导致fMLIPs出现不一致的势能面，从而引起结合不足和排斥，建议未来数据集排除+U以提升模型性能。

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。

Histopath-C: Towards Realistic Domain Shifts for Histopathology Vision-Language Adaptation

Histopath-C: 向 histopathology 视觉-语言适应的现实领域偏移迈进

Mehrdad Noori, Gustavo Adolfo Vargas Hakim, David Osowiechi, Fereshteh Shakeri, Ali Bahri, Moslem Yazdanpanah, Sahar Dastani, Ismail Ben Ayed, Christian Desrosiers

机构 * LIVIA, ÉTS Montreal, Canada International Laboratory on Learning Systems (ILLS)（LIVIA，蒙特利尔工程学院，加拿大国际学习系统实验室） 纠错

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

AI总结 Histopath-C通过引入现实合成损坏的基准和LATTE策略，提升组织病理学图像的视觉-语言适应鲁棒性。

Comments Accepted to WACV 2026

An Innovative Framework for Breast Cancer Detection Using Pyramid Adaptive Atrous Convolution, Transformer Integration, and Multi-Scale Feature Fusion

基于金字塔自适应空洞卷积、Transformer集成和多尺度特征融合的乳腺癌检测创新框架

Ehsan Sadeghi Pour, Mahdi Esmaeili, Morteza Romoozi

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

AI总结 本文提出基于金字塔自适应空洞卷积、Transformer和多尺度特征融合的乳腺癌检测框架，实现高准确率和效率，优于现有方法。

Comments 13 page

SGPMIL: Sparse Gaussian Process Multiple Instance Learning

SGPMIL：稀疏高斯过程多实例学习

Andreas Lolos, Stergios Christodoulidis, Aris L. Moustakas, Jose Dolz, Maria Vakalopoulou

机构 * National and Kapodistrian University of Athens（希腊国家与卡波迪斯蒂亚诺斯大学） ； ÉTS Montréal（蒙特利尔ÉTS） ； Archimedes, Athena Research Center（阿提卡研究中心） ； CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学中央理工-supélec） 纠错

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

AI总结 SGPMIL通过引入稀疏高斯过程，提升多实例学习中实例级预测的可靠性与可解释性。

Comments 8 pages, 4 figures, 2 tables. Accepted to IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026

Radiomics-Integrated Deep Learning with Hierarchical Loss for Osteosarcoma Histology Classification

融合放射组学的深度学习与分层损失用于骨肉瘤组织学分类

Yaxi Chen, Zi Ye, Shaheer U. Saeed, Oliver Yu, Simin Ni, Jie Huang, Yipeng Hu

机构 * University College London（伦敦大学） ； UCL Hawkes Institute（UCL霍克斯研究所） ； Queen Mary University of London（伦敦女王学院） ； Royal National Orthopaedic Hospital（国家骨科医院） 纠错

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

AI总结 本文提出融合放射组学的深度学习与分层损失方法，用于提高骨肉瘤组织学分类的准确性与可解释性。

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

MiCo: Multiple Instance Learning with Context-Aware Clustering for Whole Slide Image Analysis

MiCo：基于上下文感知聚类的多实例学习用于整张滑动图像分析

Junjian Li, Jin Liu, Hulin Kuang, Hailin Yue, Mengshen He, Jianxin Wang

机构 * Hunan Provincial Key Lab on Bioinformatics, School of Computer Science and Engineering, Central South University（湖南生物信息省重点实验室，计算机科学与工程学院，中南大学） ； Xinjiang Engineering Research Center of Big Data and Intelligent Software, School of Software, Xinjiang University（新疆大数据与智能软件工程研究中心，软件学院，新疆大学） 纠错

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

AI总结 MiCo通过上下文感知聚类提升整张滑动图像分析中跨区域组织相关性和语义关联。

Comments MICCAI 2025

Quantifying Quanvolutional Neural Networks Robustness for Speech in Healthcare Applications

量化用于医疗应用的语音的卷积神经网络鲁棒性

Ha Tran, Bipasha Kashyap, Pubudu N. Pathirana

机构 * Networked Sensing & Biomedical Engineering (NSBE) Research lab, School of Engineering, Deakin University（网络感知与生物医学工程（NSBE）研究实验室，工程学院，德肯大学） 纠错

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

AI总结 本文研究了QNN在医疗语音应用中的鲁棒性，发现其在音高、时间及速度变化下表现优于CNN，但对高斯噪声仍较敏感，且收敛速度更快。

Data-Augmented Multimodal Feature Fusion for Multiclass Visual Recognition of Oral Cancer Lesions

数据增强多模态特征融合用于口腔癌病变的多类视觉识别

Joy Naoum, Revana Salama, Ali Hamdi

机构 * MSA University（MSA大学） 纠错

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

AI总结 本文提出一种数据增强驱动的多模态特征融合框架，用于提升口腔癌病变的多类视觉识别性能。

Conditional Diffusion Model with Anatomical-Dose Dual Constraints for End-to-End Multi-Tumor Dose Prediction

具有解剖剂量双约束的条件扩散模型用于端到端多肿瘤剂量预测

Hui Xie, Haiqin Hu, Lijuan Ding, Qing Li, Yue Sun, Tao Tan

机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工大学应用科学学院） ； Affiliated Hospital of Xiangnan University（湘南大学附属医院） ； Jiangxi Cancer Hospital（江西省肿瘤医院） ； Chenzhou Third People's Hospital（郴州第三人民医院） 纠错

专题命中 病理影像 ：CT(abstract)；分类 cs.CV

AI总结 ADDiff-Dose通过条件扩散模型实现多肿瘤剂量预测，结合解剖和剂量约束，提升预测精度与临床适用性。

TICON: A Slide-Level Tile Contextualizer for Histopathology Representation Learning

TICON：用于病理学表示学习的滑片级上下文化器

Varun Belagali, Saarthak Kapse, Pierre Marza, Srijan Das, Zilinghan Li, Sofiène Boutaj, Pushpak Pati, Srikar Yellapragada, Tarak Nath Nandi, Ravi K Madduri, Joel Saltz, Prateek Prasanna, Stergios Christodoulidis, Maria Vakalopoulou, Dimitris Samaras

机构 * Stony Brook University（石溪大学） ； MICS, CentraleSupélec, Université Paris-Saclay（MICS、CentraleSupélec、巴黎-萨克雷大学） ； UNC Charlotte（北卡罗来纳大学夏洛特分校） ； Argonne National Laboratory（阿贡国家实验室） ； University of Chicago（芝加哥大学） ； Archimedes/Athena RC ； Independent Researcher（独立研究者） 纠错

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

AI总结 TICON通过统一的Transformer模型提升病理学滑片和全滑片表示学习的性能，实现多个基准的新状态-of-the-art结果。

HistoKernel: Whole Slide Image Level Maximum Mean Discrepancy Kernels for Pan-Cancer Predictive Modelling

HistoKernel：全切片图像层面的最大均值差异核用于跨癌症预测建模

Piotr Keller, Muhammad Dawood, Brinder Singh Chohan, Fayyaz ul Amir Afsar Minhas

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

AI总结 HistoKernel通过最大均值差异核提升全切片图像层面的跨癌症预测性能，实现多模态数据整合与斑块级可解释性。

Comments 28 pages, 5 figures, 1 Table. Preprint for article in review at Nature Machine Intelligence

WSD-MIL: Window Scale Decay Multiple Instance Learning for Whole Slide Image Classification

WSD-MIL：窗口尺度衰减多实例学习用于整张滑动图像分类

Le Feng, Li Xiao

机构 * School of Artificial Intelligence Beijing University of Posts（人工智能学院 北京邮电大学） 纠错

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

AI总结 WSD-MIL通过引入窗口尺度衰减机制，提升整张滑动图像分类中对不同尺度肿瘤区域的建模能力，同时提高计算效率。

Breast Cancer Recurrence Risk Prediction Based on Multiple Instance Learning

基于多实例学习的乳腺癌复发风险预测

Jinqiu Chen, Huyan Xu

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

AI总结 本研究基于多实例学习方法，利用深度学习对乳腺癌复发风险进行预测，提出改进的CLAM-SB模型在5折交叉验证中表现出最佳性能。

MambaMIL+: Modeling Long-Term Contextual Patterns for Gigapixel Whole Slide Image

MambaMIL+: 模型长期上下文模式以处理吉像素全切片图像

Qian Zeng, Yihui Wang, Shu Yang, Yingxue Xu, Fengtao Zhou, Jiabo Ma, Dejia Cai, Zhengyu Zhang, Lijuan Qu, Yu Wang, Li Liang, Hao Chen

机构 * Department of Computer Science and Engineering, Hong Kong University of Science and Technology（计算机科学与工程系，香港科学与技术大学） ； Department of Pathology, Nanfang Hospital, School of Basic Medical Sciences, Southern Medical University（病理学系，南方医科大学） ； th Hospital of Joint Logistic Support Force, PLA（联合后勤保障部队900医院） ； Department of Pathology, Zhujiang Hospital, Southern Medical University（病理学系，南方医科大学） ； Department of Computer Science and Engineering, the Department of Chemical and Biological Engineering, the Division of Life Science, the State Key Laboratory of Nervous System Disorders, Hong Kong University of Science and Technology（计算机科学与工程系、化学与生物工程系、生命科学 division、神经系统紊乱国家重点实验室，香港科学与技术大学） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港协同创新研究院） 纠错

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

AI总结 MambaMIL+通过整合空间上下文和长距离依赖建模，提升全切片图像分析的效率和鲁棒性。

Comments 18 pages, 11 figures, 10 tables

ModalSurv: Investigating opportunities and limitations of multimodal deep survival learning in prostate and bladder cancer

ModalSurv: 探索多模态深度生存学习在前列腺和膀胱癌中的机会与局限

Noorul Wahab, Ethar Alzaid, Jiaqi Lv, Fayyaz Minhas, Adam Shephard, Shan E Ahmed Raza

机构 * TIA Centre, Department of Computer Science, University of Warwick, UK（沃里克大学计算机科学系TIA中心，英国） 纠错

专题命中 病理影像 ：MRI(abstract)；分类 cs.LG

AI总结 ModalSurv通过多模态数据整合提升生存预测，但在外部测试中临床特征表现更优，揭示了多模态对齐的挑战和泛化能力的限制。

Comments 4 pages, 1 figure, 2 tables

MUSE: Multi-Scale Dense Self-Distillation for Nucleus Detection and Classification

MUSE：多尺度密集自蒸馏用于核检测与分类

Zijiang Yang, Hanqing Chao, Bokai Zhao, Yelin Yang, Yunshuo Zhang, Dongmei Fu, Junping Zhang, Le Lu, Ke Yan, Dakai Jin, Minfeng Xu, Yun Bian, Hui Jiang

机构 * DAMO Academy, Alibaba Group（阿里集团 DAMO 院） 纠错

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

AI总结 MUSE通过多尺度密集自蒸馏方法，有效解决组织病理学中核检测与分类的核心挑战，提升细粒度核级表示能力。

Comments 12 pages, 7 figures