包括病理图像和基因谱的多模式数据的整合被广泛应用于精确的生存预测中。尽管多模式生存模型最近取得了进步，但收集多模式融合的完整方式仍然构成了重大挑战，从而阻碍了其在临床环境中的应用。当前应对不完整方式的方法通常不足，因为它们通常仅补偿缺失方式的有限部分 ...

很少有学习为计算病理学（CPATH）中癌症诊断的关键解决方案，解决了数据可用性的基本限制，尤其是专家注释和患者隐私限制的稀缺性。该范式中的一个关键挑战源于整个幻灯片图像（WSIS）的有限训练集（WSIS）与大量包含的斑块之间的固有差异，在这些斑块中，这些斑块中的很大一部分缺乏诊断相关的信息，潜在地稀释了该模型的学习能力并专注于关键诊断功能。尽管最近的作品试图通过合并其他知识来解决这一问题，但几个关 ...

有效地对大型2D上下文进行建模对于包括GIGA像素整体幻灯片成像（WSI）和遥感的各个字段至关重要。基于 Transformer 的模型提供了很高的并行性，但由于其二次处理长序列而面临挑战。最近，曼巴（Mamba）引入了具有线性复杂性和高平行性的选择性状态空间模型（SSM），从而在1D序列中实现了宽上下文的有效建模 ...

绑架推理是做出有根据的猜测来提供观察解释的过程。尽管许多应用需要将知识用于解释，但与结构化知识（例如知识图）结合使用绑架推理的利用仍然很大程度上没有探索。为了填补这一空白，本文介绍了复杂的逻辑假设生成的任务，这是迈向与KG绑架逻辑推理的第一步 ...

Metadesigner引入了艺术版式合成的变革框架，该框架由大型语言模型（LLMS）提供动力，并以用户为中心的设计范式接地。它的基础是一个由管道，字形和纹理代理组成的多机构系统，该系统共同协调了可自定义的WordArt的创建，从语义增强到复杂的纹理元素。中央反馈机制利用了多模式模型和用户评估的见解，从而可以迭代设计参数 ...

大多数现有的对象检测方法都取决于在批处理模式下每个课程和离线模型培训的大量标记培训样本的可用性。这些要求将其可扩展性大大限制为具有有限标记的培训数据的新型课程的开放式适应。我们提出了一项研究，旨在通过考虑增量的几杆检测（IFSD）问题设置，必须逐步注册新的类（不重新审视基础类），并且很少有示例，旨在超越这些限制 ...

通过可学习数据增强的对比图节点聚类是无监督图学习领域的热门研究点。现有方法了解预定义的增强的采样分布，以自动生成数据驱动的增强。尽管已经实现了有希望的聚类性能，但我们观察到这些策略仍然依赖于预定的增强，但增强图的语义很容易漂移 ...

反向传播是在神经网络培训中实现最新准确性的标准方法，但通常会施加高度的记忆成本，并且缺乏生物学上的合理性。在本文中，我们介绍了一单向算法，这是一种纯粹的局部层次学习方法，灵感来自Hinton的前向框架。与反向传播不同，单声道仅通过本地可用的信息来优化每个层，从而消除了对全局错误信号的依赖 ...