arXiv:2511.01304v2 Announce Type: replace 
Abstract: Multiple instance learning (MIL) has been widely used for representing whole-slide pathology images. However, spatial, semantic, and decision entanglements among instances limit its representation and interpretability. To address these challenges, we propose a latent factor grouping-boosted cluster-reasoning instance disentangled learning framework for whole-slide image (WSI) interpretable representation in three phases. First, we introduce a novel positive semi-definite latent factor grouping that maps instances into a latent subspace, effectively mitigating spatial entanglement in MIL. To alleviate semantic entanglement, we employs instance probability counterfactual inference and optimization via cluster-reasoning instance disentangling. Finally, we employ a generalized linear weighted decision via instance effect re-weighting to address decision entanglement. Extensive experiments on multicentre datasets demonstrate that our model outperforms all state-of-the-art models. Moreover, it attains pathologist-aligned interpretability through disentangled representations and a transparent decision-making process.

تم تقديم إطار جديد لتحسين تمثيل صور علم الأمراض ذات الشريحة الكاملة من خلال معالجة تحديات التعلم القائم على الحالات المتعددة. يركز هذا النهج المبتكر على فصل الحالات لتحسين القابلية للتفسير والتمثيل، مما يحقق تقدمًا في مجال التصوير الطبي.

Se ha introducido un nuevo marco para mejorar la representación de imágenes de patología de gran tamaño al abordar los desafíos del aprendizaje por instancias múltiples. Este enfoque innovador se centra en desenredar instancias para mejorar la interpretabilidad y la representación, logrando avances en el campo de la imagen médica.

Un nouveau cadre a été introduit pour améliorer la représentation des images de pathologie à grande échelle en s'attaquant aux défis de l'apprentissage par instances multiples. Cette approche innovante se concentre sur le désenchevêtrement des instances pour améliorer l'interprétabilité et la représentation, faisant des progrès dans le domaine de l'imagerie médicale.

A new framework has been introduced to enhance the representation of whole-slide pathology images by addressing the challenges of multiple instance learning. This innovative approach focuses on disentangling instances to improve interpretability and representation, making strides in the field of medical imaging.

Positive Semi-definite Latent Factor Grouping-Boosted Cluster-reasoning Instance Disentangled Learning for WSI Representation

<p>With almost all of its citizens’ genes already sequenced in a national database, it’s the test case for an ambitious&mdash;and, to some, concerning&mdash;approach to public health.</p>

تُحقق الإمارات العربية المتحدة تقدمًا كبيرًا في مجال الصحة العامة من خلال تسلسل الحمض النووي تقريبًا لجميع مواطنيها، مما يخلق قاعدة بيانات وطنية يمكن أن تُحدث ثورة في الرعاية الصحية. لا يُظهر هذا المشروع الطموح التزام البلاد بتقدم العلوم الطبية فحسب، بل يثير أيضًا مناقشات مهمة حول الخصوصية والأخلاقيات في استخدام البيانات الجينية. بينما تُحدد الإمارات سابقة، قد تُلهم دولًا أخرى لاستكشاف مبادرات مماثلة، مما قد يؤدي إلى breakthroughs في الطب الشخصي والوقاية من الأمراض.

Los EAU están logrando avances significativos en salud pública al secuenciar el ADN de casi todos sus ciudadanos, creando una base de datos nacional que podría revolucionar la atención médica. Este ambicioso proyecto no solo demuestra el compromiso del país con el avance de la ciencia médica, sino que también plantea importantes discusiones sobre la privacidad y la ética en el uso de datos genéticos. A medida que los EAU establecen un precedente, podrían inspirar a otras naciones a explorar iniciativas similares, lo que podría llevar a avances en medicina personalizada y prevención de enfermedades.

Les Émirats arabes unis font des progrès significatifs en matière de santé publique en séquençant l'ADN de presque tous leurs citoyens, créant une base de données nationale qui pourrait révolutionner les soins de santé. Ce projet ambitieux démontre non seulement l'engagement du pays envers l'avancement de la science médicale, mais soulève également d'importantes discussions sur la vie privée et l'éthique dans l'utilisation des données génétiques. Alors que les Émirats établissent un précédent, cela pourrait inspirer d'autres nations à explorer des initiatives similaires, menant potentiellement à des percées dans la médecine personnalisée et la prévention des maladies.

The UAE is making significant strides in public health by sequencing the DNA of nearly all its citizens, creating a national database that could revolutionize healthcare. This ambitious project not only showcases the country's commitment to advancing medical science but also raises important discussions about privacy and ethics in genetic data usage. As the UAE sets a precedent, it could inspire other nations to explore similar initiatives, potentially leading to breakthroughs in personalized medicine and disease prevention.

The UAE Is Winning the Race to Sequence an Entire Country’s DNA

السؤال عما إذا كان إيلون ماسك سيبذل جهدًا أكبر من أجل مكافأة بقيمة تريليون دولار مقارنة بمليار دولار أثار مناقشات مثيرة حول الدافع والطموح في عالم الأعمال. يسلط هذا النقاش الضوء على كيفية تأثير الحوافز المالية على أخلاقيات العمل لدى رواد الأعمال البارزين وقد يوفر رؤى حول كيفية رؤيتنا للنجاح والدافع في مسيرتنا المهنية.

La pregunta de si Elon Musk trabajaría más duro por una recompensa de un billón de dólares en comparación con mil millones ha generado discusiones interesantes sobre la motivación y la ambición en el mundo empresarial. Este debate resalta cómo los incentivos financieros pueden influir en la ética laboral de los emprendedores de alto perfil y podría ofrecer perspectivas sobre cómo vemos el éxito y la motivación en nuestras propias carreras.

La question de savoir si Elon Musk travaillerait plus dur pour une récompense d'un trillion de dollars par rapport à un milliard a suscité des discussions intéressantes sur la motivation et l'ambition dans le monde des affaires. Ce débat met en lumière la manière dont les incitations financières peuvent influencer l'éthique de travail des entrepreneurs de haut niveau et pourrait fournir des aperçus sur notre propre vision du succès et de la motivation dans nos carrières.

The question of whether Elon Musk would exert more effort for a $1 trillion reward compared to a $1 billion one has sparked interesting discussions about motivation and ambition in the business world. This debate highlights how financial incentives can influence the work ethic of high-profile entrepreneurs and could provide insights into how we view success and drive in our own careers.

Would Elon Musk Work Harder for $1 Trillion Than $1 Billion?

arXiv:2508.03159v2 Announce Type: replace 
Abstract: Drug toxicity remains a major challenge in pharmaceutical development. Recent machine learning models have improved in silico toxicity prediction, but their reliance on annotated data and lack of interpretability limit their applicability. This limits their ability to capture organ-specific toxicities driven by complex biological mechanisms. Large language models (LLMs) offer a promising alternative through step-by-step reasoning and integration of textual data, yet prior approaches lack biological context and transparent rationale. To address this issue, we propose CoTox, a novel framework that integrates LLM with chain-of-thought (CoT) reasoning for multi-toxicity prediction. CoTox combines chemical structure data, biological pathways, and gene ontology (GO) terms to generate interpretable toxicity predictions through step-by-step reasoning. Using GPT-4o, we show that CoTox outperforms both traditional machine learning and deep learning model. We further examine its performance across various LLMs to identify where CoTox is most effective. Additionally, we find that representing chemical structures with IUPAC names, which are easier for LLMs to understand than SMILES, enhances the model's reasoning ability and improves predictive performance. To demonstrate its practical utility in drug development, we simulate the treatment of relevant cell types with drug and incorporated the resulting biological context into the CoTox framework. This approach allow CoTox to generate toxicity predictions aligned with physiological responses, as shown in case study. This result highlights the potential of LLM-based frameworks to improve interpretability and support early-stage drug safety assessment. The code and prompt used in this work are available at https://github.com/dmis-lab/CoTox.

يعد التطور الأخير لنموذج CoTox، الذي يعتمد على سلسلة من الأفكار في تحليل وتوقع سمية الجزيئات، تقدمًا كبيرًا في مواجهة تحديات سمية الأدوية في تطوير الأدوية. على عكس نماذج التعلم الآلي التقليدية التي تعاني من صعوبة في التفسير والاعتماد على البيانات، يستخدم CoTox نماذج اللغة الكبيرة لتقديم تحليل خطوة بخطوة، مما يعزز قدرته على توقع السميات الخاصة بالأعضاء. هذه الابتكار مهم لأنه قد يؤدي إلى عمليات تطوير أدوية أكثر أمانًا ونتائج أفضل للمرضى.

El reciente desarrollo de CoTox, un modelo de razonamiento y predicción de toxicidad molecular basado en una cadena de pensamiento, marca un avance significativo en la resolución de los desafíos de toxicidad de medicamentos en el desarrollo farmacéutico. A diferencia de los modelos de aprendizaje automático tradicionales que luchan con la interpretabilidad y la dependencia de datos, CoTox aprovecha los grandes modelos de lenguaje para proporcionar un razonamiento paso a paso, mejorando su capacidad para predecir toxicidades específicas de órganos. Esta innovación es crucial, ya que podría conducir a procesos de desarrollo de medicamentos más seguros y mejores resultados para los pacientes.

Le développement récent de CoTox, un modèle de raisonnement et de prédiction de toxicité moléculaire basé sur une chaîne de pensée, marque une avancée significative dans la lutte contre les défis de la toxicité des médicaments dans le développement pharmaceutique. Contrairement aux modèles d'apprentissage automatique traditionnels qui ont du mal avec l'interprétabilité et la dépendance aux données, CoTox utilise de grands modèles de langage pour fournir un raisonnement étape par étape, améliorant ainsi sa capacité à prédire les toxicités spécifiques aux organes. Cette innovation est cruciale car elle pourrait conduire à des processus de développement de médicaments plus sûrs et à de meilleurs résultats pour les patients.

The recent development of CoTox, a chain-of-thought-based molecular toxicity reasoning and prediction model, marks a significant advancement in addressing drug toxicity challenges in pharmaceutical development. Unlike traditional machine learning models that struggle with interpretability and data reliance, CoTox leverages large language models to provide step-by-step reasoning, enhancing its ability to predict organ-specific toxicities. This innovation is crucial as it could lead to safer drug development processes and better patient outcomes.

CoTox: Chain-of-Thought-Based Molecular Toxicity Reasoning and Prediction

arXiv:2511.00064v2 Announce Type: replace 
Abstract: Clustering algorithms often rely on restrictive assumptions: K-Means and Gaussian Mixtures presuppose convex, Gaussian-like clusters, while DBSCAN and HDBSCAN capture non-convexity but can be highly sensitive. I introduce EVINGCA (Evolving Variance-Informed Nonparametric Graph Construction Algorithm), a density-variance based clustering algorithm that treats cluster formation as an adaptive, evolving process on a nearest-neighbor graph. EVINGCA expands rooted graphs via breadth-first search, guided by continuously updated local distance and shape statistics, replacing fixed density thresholds with local statistical feedback. With spatial indexing, EVINGCA features log-linear complexity in the average case and exhibits competitive performance against baselines across a variety of synthetic, real-world, low-d, and high-d datasets.

تقديم EVINGCA، وهو خوارزمية جديدة للتجميع، يمثل تقدمًا كبيرًا في تحليل البيانات. على عكس الطرق التقليدية التي تعتمد على افتراضات صارمة حول توزيع البيانات، يتكيف EVINGCA مع الطبيعة المتطورة للبيانات، مما يجعله أكثر فعالية لمجموعات البيانات المعقدة. هذه الابتكار مهم لأنه يعزز القدرة على تحديد الأنماط في مجالات متنوعة، من التعلم الآلي إلى العلوم الاجتماعية، مما يؤدي في النهاية إلى رؤى وقرارات أكثر دقة.

La introducción de EVINGCA, un nuevo algoritmo de agrupamiento, marca un avance significativo en el análisis de datos. A diferencia de los métodos tradicionales que dependen de suposiciones rígidas sobre la distribución de datos, EVINGCA se adapta a la naturaleza evolutiva de los datos, lo que lo hace más efectivo para conjuntos de datos complejos. Esta innovación es crucial, ya que mejora la capacidad de identificar patrones en diversos campos, desde el aprendizaje automático hasta las ciencias sociales, lo que lleva a percepciones y decisiones más precisas.

L'introduction d'EVINGCA, un nouvel algorithme de clustering, représente une avancée significative dans l'analyse des données. Contrairement aux méthodes traditionnelles qui reposent sur des hypothèses rigides concernant la distribution des données, EVINGCA s'adapte à la nature évolutive des données, ce qui le rend plus efficace pour des ensembles de données complexes. Cette innovation est cruciale car elle améliore la capacité à identifier des motifs dans divers domaines, de l'apprentissage automatique aux sciences sociales, conduisant finalement à des insights et des décisions plus précis.

The introduction of EVINGCA, a new clustering algorithm, marks a significant advancement in data analysis. Unlike traditional methods that rely on rigid assumptions about data distribution, EVINGCA adapts to the evolving nature of data, making it more effective for complex datasets. This innovation is crucial as it enhances the ability to identify patterns in diverse fields, from machine learning to social sciences, ultimately leading to more accurate insights and decisions.

EVINGCA: Adaptive Graph Clustering with Evolving Neighborhood Statistics

arXiv:2511.03620v1 Announce Type: cross 
Abstract: CLAX is a JAX-based library that implements classic click models using modern gradient-based optimization. While neural click models have emerged over the past decade, complex click models based on probabilistic graphical models (PGMs) have not systematically adopted gradient-based optimization, preventing practitioners from leveraging modern deep learning frameworks while preserving the interpretability of classic models. CLAX addresses this gap by replacing EM-based optimization with direct gradient-based optimization in a numerically stable manner. The framework's modular design enables the integration of any component, from embeddings and deep networks to custom modules, into classic click models for end-to-end optimization. We demonstrate CLAX's efficiency by running experiments on the full Baidu-ULTR dataset comprising over a billion user sessions in $\approx$ 2 hours on a single GPU, orders of magnitude faster than traditional EM approaches. CLAX implements ten classic click models, serving both industry practitioners seeking to understand user behavior and improve ranking performance at scale and researchers developing new click models. CLAX is available at: https://github.com/philipphager/clax

CLAX هي مكتبة مبتكرة تجمع بين نماذج النقر الكلاسيكية والتحسين الحديث القائم على التدرج في JAX. هذا التطور مهم لأنه يسمح للممارسين باستخدام تقنيات التعلم العميق المتقدمة مع الحفاظ على قابلية تفسير النماذج التقليدية. من خلال سد هذه الفجوة، تفتح CLAX آفاقًا جديدة للباحثين والمطورين في هذا المجال، مما يسهل تنفيذ نماذج النقر المعقدة بشكل فعال.

CLAX es una biblioteca innovadora que une modelos de clic clásicos y optimización moderna basada en gradientes en JAX. Este desarrollo es significativo porque permite a los profesionales utilizar técnicas avanzadas de aprendizaje profundo mientras mantienen la interpretabilidad de los modelos tradicionales. Al cerrar esta brecha, CLAX abre nuevas posibilidades para investigadores y desarrolladores en el campo, facilitando la implementación efectiva de modelos de clic complejos.

CLAX est une bibliothèque innovante qui combine des modèles de clic classiques et une optimisation moderne basée sur le gradient dans JAX. Ce développement est important car il permet aux praticiens d'utiliser des techniques avancées d'apprentissage profond tout en préservant l'interprétabilité des modèles traditionnels. En comblant cette lacune, CLAX ouvre de nouvelles possibilités pour les chercheurs et les développeurs dans le domaine, facilitant ainsi la mise en œuvre efficace de modèles de clic complexes.

CLAX is an innovative library that brings together classic click models and modern gradient-based optimization in JAX. This development is significant because it allows practitioners to utilize advanced deep learning techniques while maintaining the interpretability of traditional models. By bridging this gap, CLAX opens up new possibilities for researchers and developers in the field, making it easier to implement complex click models effectively.

CLAX: Fast and Flexible Neural Click Models in JAX

arXiv:2511.03107v1 Announce Type: new 
Abstract: The uprising of deep learning methodology and practice in recent years has brought about a severe consequence of increasing carbon footprint due to the insatiable demand for computational resources and power. The field of text analytics also experienced a massive transformation in this trend of monopolizing methodology. In this paper, the original TF-IDF algorithm has been modified, and Clement Term Frequency-Inverse Document Frequency (CTF-IDF) has been proposed for data preprocessing. This paper primarily discusses the effectiveness of classical machine learning techniques in text analytics with CTF-IDF and a faster IRLBA algorithm for dimensionality reduction. The introduction of both of these techniques in the conventional text analytics pipeline ensures a more efficient, faster, and less computationally intensive application when compared with deep learning methodology regarding carbon footprint, with minor compromise in accuracy. The experimental results also exhibit a manifold of reduction in time complexity and improvement of model accuracy for the classical machine learning methods discussed further in this paper.

تقدم دراسة جديدة نموذج تصنيف مبتكر للنصوص السيبرانية يعدل خوارزمية TF-IDF التقليدية لمعالجة البصمة الكربونية المتزايدة المرتبطة بالتعلم العميق. هذه الخطوة مهمة لأنها تعزز تحليل النصوص وتروج لممارسات أكثر استدامة في استخدام الموارد الحاسوبية، مما يجعلها مساهمة في الوقت المناسب في هذا المجال.

Un nuevo estudio presenta un modelo de clasificación innovador para texto cibernético que modifica el algoritmo TF-IDF tradicional para abordar la creciente huella de carbono asociada con el aprendizaje profundo. Este avance es significativo ya que no solo mejora el análisis de texto, sino que también promueve prácticas más sostenibles en el uso de recursos computacionales, convirtiéndolo en una contribución oportuna al campo.

Une nouvelle étude présente un modèle de classification innovant pour le texte cybernétique qui modifie l'algorithme TF-IDF traditionnel afin de répondre à l'empreinte carbone croissante associée à l'apprentissage profond. Cette avancée est significative car elle améliore l'analyse de texte tout en promouvant des pratiques plus durables dans l'utilisation des ressources informatiques, ce qui en fait une contribution opportune au domaine.

A new study introduces an innovative classification model for cyber text that modifies the traditional TF-IDF algorithm to address the growing carbon footprint associated with deep learning. This advancement is significant as it not only enhances text analytics but also promotes more sustainable practices in computational resource usage, making it a timely contribution to the field.

An Efficient Classification Model for Cyber Text

arXiv:2511.03571v1 Announce Type: cross 
Abstract: Robust 3D semantic occupancy is crucial for legged/humanoid robots, yet most semantic scene completion (SSC) systems target wheeled platforms with forward-facing sensors. We present OneOcc, a vision-only panoramic SSC framework designed for gait-introduced body jitter and 360{\deg} continuity. OneOcc combines: (i) Dual-Projection fusion (DP-ER) to exploit the annular panorama and its equirectangular unfolding, preserving 360{\deg} continuity and grid alignment; (ii) Bi-Grid Voxelization (BGV) to reason in Cartesian and cylindrical-polar spaces, reducing discretization bias and sharpening free/occupied boundaries; (iii) a lightweight decoder with Hierarchical AMoE-3D for dynamic multi-scale fusion and better long-range/occlusion reasoning; and (iv) plug-and-play Gait Displacement Compensation (GDC) learning feature-level motion correction without extra sensors. We also release two panoramic occupancy benchmarks: QuadOcc (real quadruped, first-person 360{\deg}) and Human360Occ (H3O) (CARLA human-ego 360{\deg} with RGB, Depth, semantic occupancy; standardized within-/cross-city splits). OneOcc sets new state-of-the-art (SOTA): on QuadOcc it beats strong vision baselines and popular LiDAR ones; on H3O it gains +3.83 mIoU (within-city) and +8.08 (cross-city). Modules are lightweight, enabling deployable full-surround perception for legged/humanoid robots. Datasets and code will be publicly available at https://github.com/MasterHow/OneOcc.

OneOcc هو إطار مبتكر يعزز قدرات الروبوتات ذات الأرجل من خلال تمكين التنبؤ القوي بالاحتلال الدلالي ثلاثي الأبعاد باستخدام كاميرا بانورامية واحدة فقط. هذه الابتكار مهم لأنه يعالج قيود الأنظمة الحالية التي تستهدف بشكل أساسي الروبوتات ذات العجلات، مما يوسع التطبيقات المحتملة لتكنولوجيا الروبوتات في بيئات متنوعة. من خلال إدارة اهتزاز الجسم بشكل فعال وضمان استمرارية بزاوية 360 درجة، يمكن أن يحدث OneOcc ثورة في كيفية تنقل الروبوتات وتفاعلها مع محيطها.

OneOcc es un marco innovador que mejora las capacidades de los robots con patas al permitir la predicción robusta de ocupación semántica 3D utilizando solo una cámara panorámica. Esta innovación es significativa porque aborda las limitaciones de los sistemas existentes que se centran principalmente en robots con ruedas, ampliando así las aplicaciones potenciales de la tecnología robótica en diversos entornos. Al gestionar eficazmente el movimiento del cuerpo y garantizar continuidad de 360 grados, OneOcc podría revolucionar la forma en que los robots navegan e interactúan con su entorno.

OneOcc est un cadre révolutionnaire qui améliore les capacités des robots à pattes en permettant une prédiction robuste de l'occupation sémantique 3D à l'aide d'une seule caméra panoramique. Cette innovation est importante car elle répond aux limites des systèmes existants qui s'adressent principalement aux robots à roues, élargissant ainsi les applications potentielles de la technologie robotique dans divers environnements. En gérant efficacement le tremblement du corps et en garantissant une continuité à 360 degrés, OneOcc pourrait révolutionner la façon dont les robots naviguent et interagissent avec leur environnement.

OneOcc is a groundbreaking framework that enhances the capabilities of legged robots by enabling robust 3D semantic occupancy prediction using just a single panoramic camera. This innovation is significant because it addresses the limitations of existing systems that primarily cater to wheeled robots, thus broadening the potential applications of robotic technology in various environments. By effectively managing body jitter and ensuring 360-degree continuity, OneOcc could revolutionize how robots navigate and interact with their surroundings.

OneOcc: Semantic Occupancy Prediction for Legged Robots with a Single Panoramic Camera

arXiv:2511.03194v1 Announce Type: new 
Abstract: Publicly available, large-scale medical imaging datasets are crucial for developing and validating artificial intelligence models and conducting retrospective clinical research. However, datasets that combine functional and anatomical imaging with detailed clinical reports across multiple cancer types remain scarce. Here, we present PETWB-REP, a curated dataset comprising whole-body 18F-Fluorodeoxyglucose (FDG) Positron Emission Tomography/Computed Tomography (PET/CT) scans and corresponding radiology reports from 490 patients diagnosed with various malignancies. The dataset primarily includes common cancers such as lung cancer, liver cancer, breast cancer, prostate cancer, and ovarian cancer. This dataset includes paired PET and CT images, de-identified textual reports, and structured clinical metadata. It is designed to support research in medical imaging, radiomics, artificial intelligence, and multi-modal learning.

تُعدّ مقدمة مجموعة بيانات PETWB-REP تقدمًا كبيرًا في أبحاث التصوير الطبي. هذه المجموعة الشاملة من مسحات PET/CT للجسم بالكامل مع FDG، جنبًا إلى جنب مع تقارير سريرية مفصلة، تهدف إلى تحسين تطوير نماذج الذكاء الاصطناعي والتحقق منها في مجال الرعاية الصحية. من خلال توفير مورد يجمع بين التصوير الوظيفي والتشريحي عبر أنواع مختلفة من السرطان، يمكن للباحثين إجراء دراسات أكثر شمولاً، مما يؤدي في النهاية إلى تحسين استراتيجيات التشخيص والعلاج. هذه المبادرة مهمة لأنها تعالج النقص الحالي في مثل هذه المجموعات من البيانات، مما يمهد الطريق لحلول مبتكرة في رعاية السرطان.

La introducción del conjunto de datos PETWB-REP marca un avance significativo en la investigación de imágenes médicas. Esta colección integral de escaneos de PET/CT con FDG de cuerpo entero, junto con informes clínicos detallados, está destinada a mejorar el desarrollo y la validación de modelos de IA en el cuidado de la salud. Al proporcionar un recurso que combina tanto la imagen funcional como la anatómica a través de varios tipos de cáncer, los investigadores pueden realizar estudios más exhaustivos, lo que lleva a mejores estrategias de diagnóstico y tratamiento. Esta iniciativa es crucial, ya que aborda la escasez actual de tales conjuntos de datos, allanando el camino para soluciones innovadoras en el cuidado del cáncer.

L'introduction du jeu de données PETWB-REP marque une avancée significative dans la recherche en imagerie médicale. Cette collection complète de scans FDG PET/CT du corps entier, associée à des rapports cliniques détaillés, est destinée à améliorer le développement et la validation des modèles d'IA dans le domaine de la santé. En fournissant une ressource qui combine à la fois l'imagerie fonctionnelle et anatomique à travers divers types de cancer, les chercheurs peuvent mener des études plus approfondies, menant finalement à de meilleures stratégies de diagnostic et de traitement. Cette initiative est cruciale car elle répond à la rareté actuelle de tels ensembles de données, ouvrant la voie à des solutions innovantes dans les soins du cancer.

The introduction of the PETWB-REP dataset marks a significant advancement in medical imaging research. This comprehensive collection of whole-body FDG PET/CT scans, paired with detailed clinical reports, is set to enhance the development and validation of AI models in healthcare. By providing a resource that combines both functional and anatomical imaging across various cancer types, researchers can conduct more thorough studies, ultimately leading to improved diagnostic and treatment strategies. This initiative is crucial as it addresses the current scarcity of such datasets, paving the way for innovative solutions in cancer care.

PETWB-REP: A Multi-Cancer Whole-Body FDG PET/CT and Radiology Report Dataset for Medical Imaging Research

arXiv:2511.03099v1 Announce Type: new 
Abstract: In orthodontic treatment, particularly within telemedicine contexts, observing patients' dental occlusion from multiple viewpoints facilitates timely clinical decision-making. Recent advances in 3D Gaussian Splatting (3DGS) have shown strong potential in 3D reconstruction and novel view synthesis. However, conventional 3DGS pipelines typically rely on densely captured multi-view inputs and precisely initialized camera poses, limiting their practicality. Orthodontic cases, in contrast, often comprise only three sparse images, specifically, the anterior view and bilateral buccal views, rendering the reconstruction task especially challenging. The extreme sparsity of input views severely degrades reconstruction quality, while the absence of camera pose information further complicates the process. To overcome these limitations, we propose DentalSplat, an effective framework for 3D reconstruction from sparse orthodontic imagery. Our method leverages a prior-guided dense stereo reconstruction model to initialize the point cloud, followed by a scale-adaptive pruning strategy to improve the training efficiency and reconstruction quality of 3DGS. In scenarios with extremely sparse viewpoints, we further incorporate optical flow as a geometric constraint, coupled with gradient regularization, to enhance rendering fidelity. We validate our approach on a large-scale dataset comprising 950 clinical cases and an additional video-based test set of 195 cases designed to simulate real-world remote orthodontic imaging conditions. Experimental results demonstrate that our method effectively handles sparse input scenarios and achieves superior novel view synthesis quality for dental occlusion visualization, outperforming state-of-the-art techniques.

DentalSplat يحدث ثورة في مجال تقويم الأسنان من خلال تحسين كيفية ملاحظة الإطباق السني من خلال صور داخل الفم النادرة. هذه الطريقة المبتكرة تستخدم تقنية 3D Gaussian Splatting لإنشاء إعادة بناء ثلاثية الأبعاد مفصلة، وهو ما يعد مفيدًا بشكل خاص في سياقات الطب عن بُعد. من خلال السماح للأطباء برؤية حالات الأسنان للمرضى من زوايا متعددة، فإنه يدعم اتخاذ قرارات أسرع وأكثر استنارة. هذه التطورات لا تعمل فقط على تسريع علاج تقويم الأسنان، بل تبرز أيضًا التقاطع المتزايد بين التكنولوجيا والرعاية الصحية، مما يجعلها تطورًا مهمًا في هذا المجال.

DentalSplat está revolucionando la ortodoncia al mejorar la observación de la oclusión dental a través de fotografías intraorales escasas. Este enfoque innovador utiliza el 3D Gaussian Splatting para crear reconstrucciones 3D detalladas, lo que es especialmente beneficioso en entornos de telemedicina. Al permitir que los clínicos vean las condiciones dentales de los pacientes desde múltiples ángulos, apoya una toma de decisiones más rápida y fundamentada. Este avance no solo optimiza el tratamiento de ortodoncia, sino que también destaca la creciente intersección entre la tecnología y la atención médica, convirtiéndolo en un desarrollo significativo en el campo.

DentalSplat fait sensation dans le domaine de l'orthodontie en améliorant l'observation de l'occlusion dentaire grâce à des photographies intra-orales rares. Cette approche innovante utilise le 3D Gaussian Splatting pour créer des reconstructions 3D détaillées, ce qui est particulièrement bénéfique dans les contextes de télémédecine. En permettant aux cliniciens de visualiser les conditions dentaires des patients sous plusieurs angles, cela soutient une prise de décision plus rapide et mieux informée. Cette avancée rationalise non seulement le traitement orthodontique, mais souligne également l'intersection croissante de la technologie et des soins de santé, ce qui en fait un développement significatif dans le domaine.

DentalSplat is making waves in orthodontics by enhancing how dental occlusion is observed through sparse intra-oral photographs. This innovative approach leverages 3D Gaussian Splatting to create detailed 3D reconstructions, which is particularly beneficial in telemedicine settings. By allowing clinicians to view patients' dental conditions from multiple angles, it supports quicker and more informed decision-making. This advancement not only streamlines orthodontic treatment but also highlights the growing intersection of technology and healthcare, making it a significant development in the field.

Positive Semi-definite Latent Factor Grouping-Boosted Cluster-reasoning Instance Disentangled Learning for WSI Representation

Positive Semi-definite Latent Factor Grouping-Boosted Cluster-reasoning Instance Disentangled Learning for WSI Representation

Was this article worth reading? Share it