正文翻译排队

该来源正文已进入翻译队列，中文正文生成前先展示摘要和原始出处入口。

摘要

Atlas H&E-TME 基于 Atlas 病理基础模型，可在多癌种 H&E 全玻片图像中预测组织质量、区域和细胞类型。

计算机科学 > 计算机视觉与模式识别

[提交于 2026 年 6 月 10 日]

标题：Atlas H&E-TME：具专家病理学家级准确性的可扩展 AI 组织分析

作者：Kai Standvoss, Miriam Hägele, Rosemarie Krupar, Julika Ribbat-Idel, Jennifer Altschüler, Gerrit Erdmann, Hans Pinckaers, Evelyn Ramberger, Madleen Drinkwitz, Ádám Nárai, Alexander Möllers, Katja Lingelbach, Sebastian Kons, Lukas Hönig, Recepcan Adigüzel, Joana Baião, Alberto Megina Gonzalo, Marius Teodorescu, Marie-Lisa Eich, Paolo Chetta, Shakil Merchant, Verena Aumiller, Simon Schallenberg, Andrew Norgan, Klaus-Robert Müller, Lukas Ruff, Maximilian Alber, Frederick Klauschen

View PDF HTML (experimental)

摘要：苏木精-伊红（H&E）染色是组织病理学的基石，但对 H&E 全玻片图像（WSI）进行可扩展、定量分析仍是计算病理学的核心挑战。我们提出 Atlas H&E-TME，这是一个基于 Atlas 病理基础模型家族构建的 AI 系统，可在多种癌症类型中预测组织质量、组织区域和细胞类型标签，并以细胞级分辨率为每张玻片生成 4,500 多项定量读数。验证此类系统的一个关键挑战，是克服仅基于 H&E 的真值所固有的形态学歧义，以及利用免疫组织化学（IHC）等模态构建的更充分参考标准在可扩展性上的局限。我们通过一种双重验证框架应对这一问题，该框架结合了具有生物学基础的深度，以及技术和形态学层面的广度。为实现深度验证，我们提出一种由 IHC 提供信息的多病理学家

Subjects: 计算机视觉与模式识别（cs.CV）; Artificial Intelligence (cs.AI); Machine Learning (cs.LG) Cite as: arXiv:2606.12346 [cs.CV] (or arXiv:2606.12346v1 [cs.CV] for this version) https://doi.org/10.48550/arXiv.2606.12346

聚焦以了解更多

arXiv-issued DOI via DataCite (pending registration)

提交历史

From: Lukas Ruff [view email]
[v1] Wed, 10 Jun 2026 17:17:52 UTC (5,841 KB)

全文链接：

访问论文：

查看许可

当前浏览上下文：

正文：cs.CV

< prev | next >

new | recent | 2026-06

Change to browse by:

cs
cs.AI
cs.LG

参考文献与引用

正文：NASA ADS
正文：Google Scholar
正文：Semantic Scholar

export BibTeX citation 加载中...

BibTeX 格式引用

加载中...

数据提供方：

书签

Bibliographic Tools

书目与引用工具

书目浏览器开关

书目浏览器 (What is the Explorer?)

Connected Papers 开关

正文：Connected Papers (What is Connected Papers?)

Litmaps 开关

正文：Litmaps (What is Litmaps?)

scite.ai 开关

正文：scite Smart Citations (What are Smart Citations?)

Code, Data, Media

与本文相关的代码、数据和媒体

alphaXiv 开关

正文：alphaXiv (What is alphaXiv?)

代码链接开关

CatalyzeX 论文代码查找器 (What is CatalyzeX?)

DagsHub 开关

正文：DagsHub (What is DagsHub?)

GotitPub 开关

正文：Gotit.pub (What is GotitPub?)

Huggingface 开关

正文：Hugging Face (What is Huggingface?)

ScienceCast 开关

正文：ScienceCast (What is ScienceCast?)

Demos

演示

Replicate 开关

正文：Replicate (What is Replicate?)

Spaces 开关

正文：Hugging Face Spaces (What is Spaces?)

Spaces 开关

正文：TXYZ.AI (What is TXYZ.AI?)

arXivLabs：与社区合作者共同开展的实验性项目

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发并分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织均已认同并接受我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观，并且只与遵循这些价值观的合作伙伴合作。

有一个能为 arXiv 社区增加价值的项目想法？了解更多关于 arXivLabs 的信息。