7月24日
09:44
09:44官方账号arXiv cs.AI@Nooshin Maghsoodi, Amoon Jamzad, Robert Policelli, Mohammad Farahmand, Dilakshan Srikanthan, Martin Kaufmann, Kevin Y. M. Ren, Shaila Merchant, Sonal Varma, Ross Walker, Doug McKay, John Rudan, Gabor Fichtinger, Parvin Mousavi
本研究提出Agent-Guided Concept Discovery框架,用于从REIMS质谱数据中学习可解释概念以辅助手术切缘评估。该框架无需预定义概念标签,通过推理代理优化语义描述并利用生化知识图谱确保一致性。在皮肤癌和乳腺癌数据集上,该方法相较于基线提高了平衡准确率和灵敏度。在术中案例中,假阳性更少,表明更好的泛化能力。
推荐理由:这篇论文用智能体自动发现概念,让REIMS数据的手术切缘评估更可解释、更准确,真实术中场景也表现更好。