医学 AI

WristMIR: Coarse-to-Fine Region-Aware Retrieval of Pediatric Wrist Radiographs with Radiology Report-Driven Learning

WristMIR: 儿童手腕X光片的粗到细区域感知检索框架，基于放射科报告驱动学习

Mert Sonmezer, Serge Vasylechko, Duygu Atasoy, Seyda Ertekin, Sila Kurugol

机构 * Middle East Technical University（中东部技术大学） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） ； METU-DTX Research Center（METU-DTX研究中心） 纠错

专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 WristMIR通过结合放射科报告和骨特定定位，实现儿童手腕X光片的粗到细区域感知检索，提升骨折诊断的准确性和临床相关性。

Comments Accepted to Medical Imaging with Deep Learning (MIDL) 2026

Leveraging Foundation Models for Content-Based Image Retrieval in Radiology

利用基础模型进行放射学中的基于内容的图像检索

Stefan Denner, David Zimmerer, Dimitrios Bounias, Markus Bujotzek, Shuhan Xiao, Raphael Stock, Lisa Kausch, Philipp Schader, Tobias Penzkofer, Paul F. Jäger, Klaus Maier-Hein

机构 * German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing（德国癌症研究中心（DKFZ）海德堡分部医学影像计算部门） ； Faculty of Mathematics and Computer Science, Heidelberg University（海德堡大学数学与计算机科学学院） ； Medical Faculty Heidelberg, University of Heidelberg（海德堡大学医学学院） ； Department of Radiology, Charité - Universitätsmedizin Berlin（柏林夏里特医学院放射科） ； German Cancer Research Center (DKFZ) Heidelberg, Interactive Machine Learning Group（德国癌症研究中心（DKFZ）海德堡交互式机器学习小组） 纠错

专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)；分类 cs.CV

AI总结 本文提出利用视觉基础模型进行放射学中的基于内容的图像检索，通过基准测试和深入分析，展示了其在无需额外训练下的有效性与通用性。

ReCo-Diff: Residual-Conditioned Deterministic Sampling for Cold Diffusion in Sparse-View CT

ReCo-Diff：基于残差的确定性采样用于稀疏视角CT中的冷扩散

Yong Eun Choi, Hyoung Suk Park, Kiwan Jeon, Hyun-Cheol Park, Sung Ho Kang

机构 * National Institute for Mathematical Sciences, Daejeon, 34047, Republic of Korea（韩国全南数学研究所） ； Department of Computer Engineering, Korea National University of Transportation, Chungju, 27469, Republic of Korea（韩国交通国立大学计算机工程系） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 ReCo-Diff通过残差条件化的确定性采样提升稀疏视角CT重建的精度与稳定性。

Comments 10 pages, 4 figures. Submitted to MICCAI 2026

3D Modality-Aware Pre-training for Vision-Language Model in MRI Multi-organ Abnormality Detection

面向MRI多器官异常检测的3D模态感知预训练

Haowen Zhu, Ning Yin, Xiaogen Zhou

机构 * School of Electronic, Electrical Engineering and Physics, Fujian University of Technology（福建工程学院电子电气工程学院） ； School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院） ； Department of Medical Imaging, Suzhou Traditional Chinese Medicine Hospital, China（苏州中医医院影像科） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文提出MedMAP框架，通过3D MRI的模态感知预训练提升多器官异常检测性能，实验表明其优于现有视觉-语言模型。

End-to-End Differentiable Photon Counting CT

端到端可微的光子计数CT

Sen Wang, Yirong Yang, Jooho Lee, Grant M. Stevens, Adam S. Wang

专题命中 医学影像 ：CT(title,abstract)；分类 eess.IV

AI总结 本文提出端到端可微的光子计数CT框架，通过可微材料分解实现跨域学习和优化，提升定量成像性能。

Unsupervised Deformable Image Registration with Local-Global Attention and Image Decomposition

无监督可变形图像配准与局部-全局注意力及图像分解

Zhengyong Huang, Xingwen Sun, Xuting Chang, Ning Jiang, Yao Wang, Jianfei Sun, Hongbin Han, Yao Sui

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Department of Radiology, Peking University Third Hospital（北京大学第三医院放射科） ； Department of Pediatrics, Peking University First Hospital（北京大学第一医院儿科） ； Pediatric Epilepsy Center, Peking University First Hospital（北京大学第一医院儿童癫痫中心） ； School of Biological Science and Medical Engineering, Southeast University（东南大学生物科学与医学工程学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

专题命中 医学影像 ：medical image(abstract)；CT(abstract)；diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出LGANet++，通过局部-全局注意力机制和图像分解技术，实现更准确、鲁棒的无监督可变形图像配准。

Influence of stacking, coordination, and surface chemistry on Al intercalation in V$_2$CT$_2$ and Ti$_3$C$_2$T$_2$ MXenes for Al-ion batteries

堆叠、配位和表面化学对V₂CT₂和Ti₃C₂T₂ MXenes中Al插层在Al离子电池中的影响

Amal Raj Veluthedath Nair, Nuala M. Caffrey

专题命中 医学影像 ：CT(title)

AI总结 研究通过密度泛函理论分析MXenes堆叠、配位和表面化学对Al离子电池中Al插层的影响，发现O终止层具有优异稳定性及高比容量，而F终止层则不稳定且容量低。

GloPath: An Entity-Centric Foundation Model for Glomerular Lesion Assessment and Clinicopathological Insights

GloPath: 一种以实体为中心的肾小球病变评估与临床病理学洞察基础模型

Qiming He, Jing Li, Tian Guan, Yifei Ma, Zimo Zhao, Yanxia Wang, Hongjing Chen, Yingming Xu, Shuang Ge, Yexing Zhang, Yizhi Wang, Xinrui Chen, Lianghui Zhu, Yiqing Liu, Qingxia Hou, Shuyan Zhao, Xiaoqin Wang, Lili Ma, Peizhen Hu, Qiang Huang, Zihan Wang, Zhiyuan Shen, Junru Cheng, Siqi Zeng, Jiurun Chen, Zhen Song, Chao He, Zhe Wang, Yonghong He

专题命中 医学影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 GloPath是一种以实体为中心的基础模型，通过多尺度和多视角自监督学习，在大规模肾活检数据上训练，实现了肾小球病变的高精度评估和临床病理学洞察发现。

Proceedings for the Inaugural Meeting of the International Society for Tractography -- IST 2025 Bordeaux

国际束状图学会首届会议 proceedings -- IST 2025 波尔多

Flavio Dell Acqua, Maxime Descoteaux, Graham Little, Laurent Petit, Dogu Baran Aydogan, Stephanie Forkel, Alexander Leemans, Simona Schiavi, Michel Thiebaut de Schotten

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV、q-bio、eess.IV

AI总结 IST 2025会议汇集全球顶尖专家，探讨束状图、扩散磁共振成像及相关领域的新进展与未来发展方向。

Comments Proceedings of the Inaugural Conference of the International Society for Tractography (IST Conference 2025). Held at the Institut des Maladies Neurodégénératives in Bordeaux, France, October 13-16, 2025. Society website: https://www.tractography.io

GLIDE-Reg: Global-to-Local Deformable Registration Using Co-Optimized Foundation and Handcrafted Features

GLIDE-Reg：基于协同优化基础和手工特征的全局到局部可变形配准

Yunzheng Zhu, Aichi Chien, Kimaya kulkarni, Luoting Zhuang, Stephen Park, Ricky Savjani, Daniel Low, William Hsu

机构 * 1 Medical \& Imaging Informatics, Department of Radiological Sciences, David Geffen School of Medicine at UCLA, USA 2 Magnetic Resonance Research Labs, Department of Radiological Sciences, David Geffen School of Medicine at UCLA, USA 3 Department of Radiation Oncology, David Geffen School of Medicine at UCLA, Los Angeles, USA 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 GLIDE-Reg通过协同优化基础和手工特征，实现全局到局部的可变形配准，提升空间分辨率和解剖覆盖差异下的鲁棒性与泛化能力。

CASR-Net: An Image Processing-focused Deep Learning-based Coronary Artery Segmentation and Refinement Network for X-ray Coronary Angiogram

CASR-Net：一种基于深度学习的冠状动脉分割与精修网络，专为X射线冠状动脉造影图像处理

Alvee Hassan, Rusab Sarmun, Muhammad E. H. Chowdhury, M Murugappan, Abdulrahman Alqahtani, Balamurugan Balusamy, Sohaib Bassam Zoghoul

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 CASR-Net通过多通道预处理和改进的分割网络，实现高精度冠状动脉分割与精修，提升诊断效率。

Retrieving Patient-Specific Radiomic Feature Sets for Transparent Knee MRI Assessment

为透明膝关节MRI评估检索患者特异性放射组学特征集

Yaxi Chen, Simin Ni, Jingjing Zhang, Shaheer U. Saeed, Yipei Wang, Aleksandra Ivanova, Rikin Hargunani, Chaozong Liu, Jie Huang, Yipeng Hu

机构 * Mechanical Engineering Department, University College London, London, UK Hawkes Institute, University College London, London, UK Institute of Orthopaedic \& Musculoskeletal Science, University College London, Royal National Orthopaedic Hospital, Stanmore, UK School of Engineering ； Materials Science, Queen Mary University of London, London, UK Centre for Bioengineering, Queen Mary University of London, London, UK Department of Medical Physics ； Biomedical Engineering, University College London, London, UK Royal National Orthopaedic Hospital, Stanmore, UK 纠错

专题命中 临床大模型 ：MRI(title)；diagnosis(abstract)；分类 cs.CV

AI总结 本文提出了一种患者特异性特征集选择框架，通过两阶段检索策略提升膝关节MRI评估的透明性和诊断性能。

MIRAGE: Knowledge Graph-Guided Cross-Cohort MRI Synthesis for Alzheimer's Disease Prediction

MIRAGE：基于知识图谱的跨群体MRI合成用于阿尔茨海默病预测

Guanchen Wu, Zhe Huang, Yuzhang Xie, Runze Yan, Akul Chopra, Deqiang Qiu, Xiao Hu, Fei Wang, Carl Yang

机构 * Emory University, Atlanta, USA（埃默里大学） ； Cornell University, New York, USA（康奈尔大学） 纠错

专题命中 诊断辅助 ：MRI(title,abstract)；diagnosis(abstract)；biomedical(abstract)；分类 cs.CV

AI总结 MIRAGE通过知识图谱引导的跨群体MRI合成，提升无真实MRI群体中阿尔茨海默病的诊断准确率。

Intelligent Pathological Diagnosis of Gestational Trophoblastic Diseases via Visual-Language Deep Learning Model

通过视觉-语言深度学习模型实现妊娠滋养细胞疾病的智能病理诊断

Yuhang Liu, Yueyang Cang, Wenge Que, Xinru Bai, Xingtong Wang, Kuisheng Chen, Jingya Li, Xiaoteng Zhang, Xinmin Li, Lixia Zhang, Pingge Hu, Qiaoting Xie, Peiyu Xu, Xianxu Zeng, Li Shi

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 本文提出基于视觉-语言深度学习模型的GTDoctor系统，实现妊娠滋养细胞疾病的智能病理诊断，显著提升诊断精度与效率。

Comments 29 pages, 3 figures

Conversational Learning Diagnosis via Reasoning Multi-Turn Interactive Learning

通过推理的多轮交互学习诊断

Fangzhou Yao, Sheng Chang, Weibo Gao, Qi Liu

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出ParLD框架，通过多智能体协作实现对话学习中的认知诊断，提升诊断的可靠性和洞察力。

Comments AAAI 2026

PRISM: Exploring Heterogeneous Pretrained EEG Foundation Model Transfer to Clinical Differential Diagnosis

PRISM：探索异构预训练EEG基础模型迁移至临床鉴别诊断

Jeet Bandhu Lahiri, Parshva Runwal, Arvasu Kulkarni, Mahir Jain, Aditya Ray Mishra, Siddharth Panwar, Sandeep Singh

机构 * Indian Institute of Technology Mandi, India（印度理工学院曼迪分校） ； NeuroDx, India（NeuroDx） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 PRISM通过异构预训练EEG模型在临床鉴别诊断中表现优异，证明多样性优于规模，揭示评估因素对模型排名的影响。

Comments 14 pages, 1 figure, 5 tables

Bias and Fairness in Self-Supervised Acoustic Representations for Cognitive Impairment Detection

自监督声学表示中偏差与公平性研究：用于认知障碍检测

Kashaf Gulzar, Korbinian Riedhammer, Elmar Nöth, Andreas K. Maier, Paula Andrea Pérez-Toro

机构 * Zentrum für Künstliche Intelligenz (KIZ), Technische Hochschule Nürnberg（人工智能中心（KIZ），图林根技术大学纽伦堡分校） ； Pattern Recognition Lab, Friedrich-Alexander Universität Erlangen-Nürnberg（模式识别实验室，弗赖堡-艾尔兰根-纽伦堡大学） ； GITA Lab, University of Antioquia（GITA实验室，安蒂奎亚大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本研究分析了自监督声学表示中认知障碍检测的偏差问题，发现女性和年轻参与者表现较差，强调了在临床语音应用中需考虑公平性和亚组差异。

Comments 12 pages, 4 figures, 6 tables, Journal paper

ATPO: Adaptive Tree Policy Optimization for Multi-Turn Medical Dialogue

ATPO：多轮医疗对话中的自适应树策略优化

Ruike Cao, Shaojie Bai, Fugen Yao, Liang Dong, Jian Xu, Li Xiao

机构 * University of Science and Technology of China（中国科学技术大学） ； Qwen Applications Business Group, Alibaba Group（阿里云应用业务部） ； Zhejiang University（浙江大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 ATPO通过自适应树策略优化提升多轮医疗对话中的信息获取效率，有效解决不确定性问题，实验表明其在医疗对话任务中表现优异。

Comments Accepted to ICLR 2026

Guideline-Grounded Evidence Accumulation for High-Stakes Agent Verification

基于指南的证据积累用于高风险代理验证

Yichi Zhang, Nabeel Seedat, Yinpeng Dong, Peng Cui, Jun Zhu, Mihaela van de Schaar

机构 * Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Thomson Reuters Foundational Research（汤姆森路透基础研究） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 GLEAN通过基于指南的证据积累框架，提升高风险代理决策的验证可靠性，实验显示其在AUROC和Brier分数减少方面均优于基线方法。

QIME: Constructing Interpretable Medical Text Embeddings via Ontology-Grounded Questions

QIME: 通过本体论引导的问题构建可解释的医学文本嵌入

Yixuan Tang, Zhenghong Lin, Yandong Sun, Wynne Hsu, Mong Li Lee, Anthony K. H. Tung

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 QIME通过本体论引导的问题构建可解释的医学文本嵌入，生成具有临床意义的yes/no问题，提升生物医学文本的解释性和性能。

Cycle-Consistent Multi-Graph Matching for Self-Supervised Annotation of C.Elegans

循环一致性多图匹配用于C.Elegans的自监督标注

Christoph Karg, Sebastian Stricker, Lisa Hutschenreiter, Bogdan Savchynskyy, Dagmar Kainmueller

机构 * Max-Delbrueck-Center for Molecular Medicine in the Helmholtz Association（马克斯·德尔布鲁克医学研究中心（马克斯·德尔布鲁克医学研究中心隶属于马克斯·德尔布鲁克协会）） ； Helmholtz Imaging（海德堡影像中心） ； University of Potsdam（波茨坦大学） ； Heidelberg University（海德堡大学） 纠错

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

AI总结 该研究提出了一种基于循环一致性的无监督多图匹配方法，用于C.Elegans的自监督细胞标注，实现了无需地面真实数据的高精度细胞图谱构建。

From Shallow to Deep: Pinning Semantic Intent via Causal GRPO

从浅层到深层：通过因果GRPO固定语义意图

Shuyi Zhou, Zeen Song, Wenwen Qiang, Jiyan Sun, Yao Zhou, Yinlong Liu, Wei Ma

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

AI总结 通过因果GRPO框架，解决大型语言模型对对抗性前缀攻击的脆弱性问题，实现意图固定以提升安全性和鲁棒性。

Topology of Multi-species Localization

多物种定位的拓扑学

Abhinav Natarajan, Thomas Chaplin, Joshua A. Bull, Eoghan J. Mulholland-Illingworth, Simon J. Leedham, Helen M. Byrne, Maria-Jose Jimenez, Heather A. Harrington

专题命中 病理影像 ：pathology(abstract)；分类 q-bio

AI总结 本文提出了一种可扩展的方法，用于量化多物种数据中的高阶相互作用，通过拓扑数据分析揭示物种间空间关系的变化。

Comments Main manuscript: 16 pages, 4 figures, 1 table; SI Appendix: 13 pages, 5 figures

Seeing Clearly without Training: Mitigating Hallucinations in Multimodal LLMs for Remote Sensing

无需训练即可清晰感知：减轻多模态大语言模型在遥感中的幻觉

Yi Liu, Jing Zhang, Di Wang, Xiaoyu Tian, Haonan Guo, Bo Du

机构 * School of Computer Science, Wuhan University, China（武汉大学计算机学院） ； Zhongguancun Academy, China（中关村学院） ； School of Computer Science, Chongqing University, China（重庆大学计算机学院） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV

AI总结 RADAR通过利用多模态大语言模型的内在注意力，无需训练即可减少遥感视觉问答中的事实性和逻辑性幻觉。

Supersonic jet dynamics from two-cavitation-bubble interactions: acceleration, tip fragmentation and penetration

超音速喷射动力学：双空化气泡相互作用：加速、尖端碎裂与穿透

Shuai Yan, A-Man Zhang, Tianyuan Zhang, Pu Cui, Rui Han, Shuai Li

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究通过实验和数值方法探讨了双空化气泡相互作用产生的喷射动力学，揭示了不同喷射模式的形成机制及其在生物医学中的应用潜力。

Comments 34 pages, 21 figures

Journal ref J. Fluid Mech. 1030 (2026) A17

Designing UNICORN: a Unified Benchmark for Imaging in Computational Pathology, Radiology, and Natural Language

设计UNICORN：面向医学成像的统一基准测试

Michelle Stegeman, Lena Philipp, Fennie van der Graaf, Marina D'Amato, Clément Grisi, Luc Builtjes, Joeran S. Bosma, Judith Lefkes, Rianne A. Weber, James A. Meakin, Thomas Koopman, Anne Mickan, Mathias Prokop, Ewoud J. Smit, Geert Litjens, Jeroen van der Laak, Bram van Ginneken, Maarten de Rooij, Henkjan Huisman, Colin Jacobs, Francesco Ciompi, Alessa Hering

专题命中 医学数据与评测 ：pathology(title)；radiology(title)；分类 cs.CV

AI总结 UNICORN是一个面向医学成像的统一基准测试，旨在通过标准化评估框架系统评估医学基础模型的跨模态和多任务泛化能力。

Comments This paper describes the dataset and design of the UNICORN challenge and provides the link to Grand Challenge

Understanding the Resource Cost of Fully Homomorphic Encryption in Quantum Federated Learning

理解量子联邦学习中全同态加密的资源成本

Lukas Böhm, Arjhun Swaminathan, Anika Hannemann, Erik Buchmann

专题命中 医学数据与评测 ：MRI(abstract)

AI总结 本研究评估了全同态加密在量子联邦学习中带来的资源开销，发现其在现实应用中面临内存和通信开销大的挑战，需在隐私与模型复杂性间做出权衡。

Comments Experiments with Quantum Federated Learning using Homomorphic Encryption to encrypt the gradients

LLM-MLFFN: Multi-Level Autonomous Driving Behavior Feature Fusion via Large Language Model

LLM-MLFFN: 通过大语言模型的多级自动驾驶行为特征融合

Xiangyu Li, Tianyi Wang, Xi Cheng, Rakesh Chowdary Machineni, Zhaomiao Guo, Sikai Chen, Junfeng Jiao, Christian Claudel

机构 * Department of Civil, Architectural, and Environmental Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校土木、建筑与环境工程系） ； Systems Engineering Program, Cornell University（康奈尔大学系统工程项目） ； Department of Electrical and Computer Engineering, University of Michigan（密歇根大学电气与计算机工程系） ； Department of Civil and Environmental Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校土木与环境工程系） ； School of Architecture, The University of Texas at Austin（德克萨斯大学奥斯汀分校建筑学院） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 LLM-MLFFN通过大语言模型的多级特征融合提升自动驾驶行为分类的准确性和鲁棒性。