Plug-and-Play blind super-resolution of real MRI images for improved multiple sclerosis diagnosis
即插即用的盲超分辨率处理真实MRI图像以提高多发性硬化症诊断
专题命中 医学影像 ：MRI(title,abstract)；diagnosis(title,abstract)
AI总结 本文提出了一种即插即用的盲超分辨率方法，用于提升1.5 T MRI图像质量，以改善多发性硬化症的诊断。
科学与医疗
医学 AI
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
1. 医学影像 15 篇
Balancing Fidelity, Utility, and Privacy in Synthetic Cardiac MRI Generation: A Comparative Study
在合成心脏磁共振成像生成中平衡保真度、实用性与隐私：一项比较研究
机构 * University of Peradeniya, Sri Lanka（斯里兰卡大学） ； University of Maryland, College Park, USA（美国马里兰大学 College Park 分校） ； Tulane University School of Medicine, USA（美国 Tulane 大学医学院） ； Simula Research Laboratory, Norway（挪威 Simula 研究实验室） ； SimulaMet, Norway（挪威 SimulaMet）
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、cs.LG
AI总结 本研究比较了三种生成模型在合成心脏MRI中的性能，发现DDPM在保真度、实用性和隐私保护之间达到最佳平衡，而FM在隐私方面表现突出但性能略低。
Comments 7 pages, 4 figures, Preprint
Intelligent Diagnosis Using Dual-Branch Attention Network for Rare Thyroid Carcinoma Recognition with Ultrasound Imaging
基于双分支注意力网络的智能诊断：用于超声成像中罕见甲状腺癌识别
机构 * Shanghai Key Laboratory of Multidimensional Information Processing, East China Normal University（上海多维信息处理重点实验室，华东师范大学） ； School of Mathematics and Physics, Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学数学与物理学院） ； Department of Ultrasound, Shanghai Tenth People's Hospital（上海第十人民医院超声科） ； Shanghai Engineering Research Center of Ultrasound Diagnosis and Treatment, Tongji University School of Medicine（上海超声诊断与治疗工程研究中心，同济大学医学院） ； Department of Mathematical Sciences, University of Liverpool（利物浦大学数学科学系）
专题命中 医学影像 ：diagnosis(title,abstract)；分类 cs.CV、eess.IV
AI总结 本文提出基于双分支注意力网络的CSASN框架，通过整合EfficientNet和ViT实现罕见甲状腺癌的高效识别与分类。
Rethinking the Efficiency and Effectiveness of Reinforcement Learning for Radiology Report Generation
重新思考强化学习在放射学报告生成中的效率和有效性
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Ningbo No.2 Hospital（宁波第二医院） ； Zhejiang University（浙江大学） ； Hupan Lab（华研实验室） ； Fudan University（复旦大学）
专题命中 医学影像 ：radiology(title,abstract)；分类 cs.CV
AI总结 本文提出DiTPO方法，通过优化诊断F1分数提升放射学报告生成的临床准确性，实现更高效的数据利用和更优的性能表现。
Implicit U-KAN2.0: Dynamic, Efficient and Interpretable Medical Image Segmentation
隐式U-KAN2.0：动态、高效且可解释的医学图像分割
机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign, USA（计算与数据科学学院，伊利诺伊大学厄巴纳-香槟分校） ； Zurich University of Applied Sciences, Switzerland（苏黎世应用科学大学） ； Lucerne Cantonal Hospital, Switzerland（卢塞恩州立医院） ； Lucerne University of Applied Sciences and Arts, Switzerland（卢塞恩应用科学与艺术大学） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤太数学科学中心，清华大学）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG、eess.IV
AI总结 隐式U-KAN2.0通过结合MultiKAN和二次NODEs，提升了医学图像分割的可解释性和效率，同时降低了计算成本。
Comments Accepted in MICCAI 2025
Mask-Guided Attention Regulation for Anatomically Consistent Counterfactual CXR Synthesis
基于解剖一致性的反事实胸部X光合成中的掩码引导注意力调节
机构 * Tianjin University（天津大学）
专题命中 医学影像 ：pathology(abstract)；分类 cs.CV
AI总结 本文提出一种基于掩码引导的注意力调节框架，用于实现解剖一致的反事实CXR合成，通过解剖感知正则化和病理引导模块提升生成质量与可控性。
ProFound: A moderate-sized vision foundation model for multi-task prostate imaging
ProFound：一种中等规模的视觉基础模型用于多任务前列腺成像
机构 * UCL Hawkes Institute, University College London, London, UK（伦敦大学霍克斯研究所，大学学院伦敦） ； University College London, London, UK（大学学院伦敦） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China（北京邮电大学人工智能学院） ； Centre for Bioengineering, Queen Mary University of London, London, UK（伦敦女王学院生物工程中心） ； School of Engineering and Materials Science, Queen Mary University of London, London, UK（伦敦女王学院工程与材料科学学院） ； Digital Environment Research Institute, Queen Mary University of London, London, UK（伦敦女王学院数字环境研究所） ； Centre for Medical Imaging, University College London, London, UK（伦敦大学医学成像中心） ； Department of Radiology, University College London Hospital NHS Foundation Trust, London, UK（大学学院伦敦医院 NHS 基础信托放射科） ； Centre for Urology Imaging, Prostate, AI and Surgical Studies (COMPASS) Research Group, Division of Surgery and Interventional Science, University College London, London, UK（泌尿科成像中心、前列腺、AI 和手术研究组，手术与介入科学系，大学学院伦敦） ； Institute of Ophthalmology, University College London, London, UK（伦敦大学眼科研究所） ； Department of Urology, University College London Hospital, London, UK（大学学院伦敦医院泌尿科） ； Division of Surgery and Interventional Science, University College London, London, UK（手术与介入科学系，大学学院伦敦） ； Department of Urology, Comprehensive Cancer Center, Medical University of Vienna, Vienna, Austria（维也纳医学大学综合癌症中心泌尿科） ； Department of Computer Science, University College London, London, UK（计算机科学系，大学学院伦敦）
专题命中 医学影像 ：MRI(abstract)；分类 cs.CV
AI总结 ProFound是一种专门用于前列腺多任务成像的视觉基础模型，通过预训练在大量数据上实现了对多种临床任务的高效性能。
Slice-wise quality assessment of high b-value breast DWI via deep learning-based artifact detection
基于深度学习的高b值乳腺扩散加权成像切片质量评估
专题命中 医学影像 ：MRI(abstract)；分类 cs.CV
AI总结 本研究利用深度学习，特别是DenseNet121，对高b值乳腺扩散加权成像中的高信号和低信号伪影进行检测，以提高诊断准确性。
WSI-INR: Implicit Neural Representations for Lesion Segmentation in Whole-Slide Images
WSI-INR：基于隐式神经表示的全切片图像病变分割
机构 * Graduate School of Informatics, Nagoya University（名古屋大学信息科学研究生院） ； Technical University of Munich (TUM)（慕尼黑技术大学） ； TUM University Hospital（慕尼黑技术大学医院） ； School of Computation and Information Technology（计算与信息科技学院） ； Technical University of Munich（慕尼黑技术大学） ； Information Technology Center, Nagoya University（名古屋大学信息技术中心） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Research Center for Medical Bigdata（医学大数据研究中心）
专题命中 医学影像 ：pathology(abstract)；分类 cs.CV
AI总结 WSI-INR通过隐式神经表示实现全切片图像病变分割，提升跨分辨率的鲁棒性，优于现有方法。
Comments 11 page, 4 figures
ProSMA-UNet: Decoder Conditioning for Proximal-Sparse Skip Feature Selection
ProSMA-UNet：解码器条件下的近邻稀疏跳连特征选择
机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； School of Engineering, Zurich University of Applied Sciences, CH（工程学院，应用科学大学 Zurich） ； Bioengineering Department and ImperialX, Imperial College London, UK（生物工程系和ImperialX，伦敦帝国学院） ； Lucerne University Teaching and Research Hospital, CH（卢塞恩大学教学与研究医院） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤金数学科学中心，清华大学）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV
AI总结 ProSMA-UNet通过解码器条件稀疏跳连特征选择提升医学图像分割性能，尤其在3D任务中表现突出。
Improving Medical Visual Reinforcement Fine-Tuning via Perception and Reasoning Augmentation
通过感知与推理增强改进医疗视觉强化微调
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Emory University（埃默里大学） ； Sichuan University（四川大学） ； Peking University（北京大学）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV
AI总结 本研究提出VRFT-Aug框架，通过增强感知与推理能力，改进医疗影像领域的强化微调效果，提升模型在医学应用中的可靠性与推理能力。
Comments CPAL 2026
Journal ref 2026 Conference on Parsimony and Learning (CPAL)
Enhancing Feature Fusion of U-like Networks with Dynamic Skip Connections
通过动态跳接增强U型网络的特征融合
机构 * College of Computer Science, Sichuan University, Chengdu, 610065, China（计算机科学学院，四川大学，成都，610065，中国）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV
AI总结 本文提出动态跳接模块，通过自适应机制解决传统U型网络中特征融合的静态约束和多尺度交互不足问题，提升医学图像分割性能。
Inhibitory Cross-Talk Enables Functional Lateralization in Attention-Coupled Latent Memory
抑制性交叉通信使注意力耦合潜在记忆实现功能化横向化
专题命中 医学影像 ：CT(abstract)；分类 q-bio
AI总结 抑制性交叉通信通过实现注意力耦合潜在记忆的功能化横向化，提高了事件性回忆的性能。
Comments 10 pages, 3 figures, conference style
Modeling and Control of a Pneumatic Soft Robotic Catheter Using Neural Koopman Operators
基于神经Koopman算子的气动软机器人导管建模与控制
机构 * Laboratory for Computational Sensing and Robotics（计算感知与机器人实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Department of Mechanical Engineering（机械工程系） ； University of Maryland（马里兰大学）
专题命中 医学影像 ：diagnosis(abstract)
AI总结 本文提出基于神经Koopman算子的框架，用于提升软机器人导管的建模与控制精度，实现高精度定位与姿态控制。
Comments 8 pages, 6 figures. Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026
ArthroCut: Autonomous Policy Learning for Robotic Bone Resection in Knee Arthroplasty
ArthroCut：膝关节置换术中机器人骨切除的自主策略学习
机构 * School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Longwood Valley MedTech
专题命中 医学影像 ：CT(abstract)
AI总结 ArthroCut通过结合术前和术中数据，实现膝关节置换术中骨切除的自主策略学习，提升机器人手术的自主性和可解释性。
Comments Accepted for publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA)
2. 临床大模型 3 篇
Bridging the Reproducibility Divide: Open Source Software's Role in Standardizing Healthcare AI
弥合可重复性鸿沟：开源软件在标准化医疗AI中的作用
专题命中 临床大模型 ：healthcare AI(title)
AI总结 本文探讨了开源软件在提升医疗AI可重复性中的作用，指出通过公开数据集和代码共享可显著提高论文影响力，并提出标准化数据预处理和开放科学实践的必要性。
Comments Old Preprint. Will update in a later revision
A review of ventral hernia biomechanics
腹股沟疝生物力学综述
专题命中 临床大模型 ：pathology(abstract)；diagnosis(abstract)；biomedical(comments)
AI总结 本文综述探讨了腹疝的生物力学机制，强调生物力学在手术决策中的重要性，提出通过优化手术技术和材料选择以降低复发率。
Comments Journal of the mechanical behavior of biomedical materials, In press, pp.107159
From Beam to Bedside: Reinforcing Domestic Supply of $^{99}$Mo/$^{99m}$Tc using Novel High-Current D+ Cyclotrons for Compact Neutron Generation and $^{99}$Mo Production
从束流到床边：利用新型高流强D+回旋加速器强化国内$^{99}$Mo/$^{99m}$Tc供应
专题命中 临床大模型 ：biomedical(abstract)
AI总结 利用新型高流强D+回旋加速器实现国内$^{99}$Mo/$^{99m}$Tc供应，减少对外国反应堆和高浓缩铀的依赖。
3. 诊断辅助 10 篇
LISTA-Transformer Model Based on Sparse Coding and Attention Mechanism and Its Application in Fault Diagnosis
基于稀疏编码和注意力机制的LISTA-Transformer模型及其在故障诊断中的应用
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV
AI总结 本文提出基于LISTA和Transformer的稀疏编码模型，通过时频转换提升故障诊断性能，在CWRU数据集上达到98.5%的识别率。
Comments 14 pages, 14 figures, conference paper
MIND: Unified Inquiry and Diagnosis RL with Criteria Grounded Clinical Supports for Psychiatric Consultation
MIND: 一种基于临床标准的统一探究与诊断强化学习框架用于精神病咨询
机构 * EverMind AI Inc.（EverMind AI公司） ； EverMind AI Inc., Tianqiao and Chrissy Chen Institute（EverMind AI公司、田桥与克里斯西·陈研究所） ； Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine（上海精神卫生中心、上海交通大学医学院）
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 MIND通过基于临床标准的推理框架提升精神病咨询的诊断准确性和互动质量。
Leveraging Imperfection with MEDLEY A Multi-Model Approach Harnessing Bias in Medical AI
利用不完美性：MEDLEY：一种多模型方法，利用医学AI中的偏差
专题命中 诊断辅助 ：medical AI(title,abstract)
AI总结 MEDLEY提出了一种多模型框架，通过保留模型多样性而非压缩共识，利用医学AI中的偏差提升诊断准确性与透明度。
Journal ref Front. Artif. Intell., Volume 9 (2026)
Weakly Supervised Concept Learning with Class-Level Priors for Interpretable Medical Diagnosis
弱监督概念学习：基于类级先验的可解释医疗诊断
机构 * School of Computing Technologies（计算技术学院） ； RMIT University（皇家墨尔本理工大学） ； School of Engineering（工程学院）
专题命中 诊断辅助 ：diagnosis(title)；分类 cs.CV；biomedical(comments)
AI总结 本文提出了一种弱监督框架PCP，通过类级先验和正则化机制提升医疗诊断中的概念预测性能，实现比零样本基线更高的F1分数和与全监督模型相当的分类效果。
Comments Accepted to IEEE International Symposium on Biomedical Imaging (ISBI) 2026
RAG-X: Systematic Diagnosis of Retrieval-Augmented Generation for Medical Question Answering
RAG-X: 用于医疗问答的检索增强生成系统系统性诊断
机构 * Oakland University（奥克兰大学）
专题命中 诊断辅助 ：diagnosis(title)
AI总结 RAG-X通过系统性诊断框架，评估检索和生成过程，揭示问答系统中的隐藏失败模式，提升医疗问答的准确性和可靠性。
Comments 7 pages, 1 figure
DCENWCNet: A Deep CNN Ensemble Network for White Blood Cell Classification with LIME-Based Explainability
DCENWCNet: 一种用于白血细胞分类的深度CNN集成网络及其基于LIME的可解释性
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、q-bio
AI总结 DCENWCNet通过集成三种不同配置的CNN架构，结合LIME可解释性技术，提升了白血细胞分类的准确性和可解释性。
Weakly Supervised Patch Annotation for Improved Screening of Diabetic Retinopathy
弱监督补丁标注以提高糖尿病视网膜病变的筛查
专题命中 诊断辅助 ：pathology(abstract)；分类 cs.CV
AI总结 SAFE通过弱监督和对比学习方法，系统扩展病理学中的稀疏标注，提升糖尿病视网膜病变筛查的准确性与性能。
Characterization of Phase Transitions in a Lipkin-Meshkov-Glick Quantum Brain Model
脂质体-梅斯科夫-格里克量子脑模型中相变特征的分析
专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio
AI总结 该研究分析了受生物启发的量子脑模型中突触反馈对相变结构的影响，揭示了反馈机制如何改变临界边界并重塑集体临界性。
Comments 20 pages, 9 figures
When AI Fails, What Works? A Data-Driven Taxonomy of Real-World AI Risk Mitigation Strategies
当AI失效时，什么有效？基于数据的现实世界AI风险缓解策略分类
机构 * Faculty of Computer Science and Engineering（计算机科学与工程系） ； Ss. Cyril and Methodius University（西里尔和方法ius大学） ； Department of Computer Science（计算机科学系） ； Metropolitan College（Metropolitan学院）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文基于数据提出现实世界AI风险缓解策略的分类体系，通过分析9705篇媒体报道的AI事件，提取并分类了6893篇文本中的缓解措施，引入四个新类别，提升分类体系的适用性与实用性。
From Feedback to Failure: Automated Android Performance Issue Reproduction
从反馈到失败：自动化Android性能问题重现
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 RevPerf通过整合应用评论信息，自动化重现移动应用性能问题，实现72.73%的成功率。
Comments 22page, 8 figures
4. 病理影像 3 篇
CoRe-BT: A Multimodal Radiology-Pathology-Text Benchmark for Robust Brain Tumor Typing
CoRe-BT：一种多模态放射科-病理科-文本基准，用于鲁棒性脑肿瘤分类
机构 * University of Washington（华盛顿大学） ； University of Washington School of Medicine（华盛顿大学医学院） ； Microsoft Health AI（微软健康人工智能）
专题命中 病理影像 ：pathology(title,abstract)；radiology(title,abstract)；MRI(abstract)；diagnosis(abstract)
AI总结 CoRe-BT提出一个多模态基准，用于在缺失模态条件下提升脑肿瘤分类的鲁棒性，通过整合MRI、病理图像和报告，推动多模态学习与表示学习的发展。
Comments Under review, MICCAI 2026
DeNuC: Decoupling Nuclei Detection and Classification in Histopathology
DeNuC：解耦组织病理学中的核检测与分类
机构 * School of Automation and Electrical Engineering, University of Science and Technology Beijing（自动化与电气工程学院，北京科技大学） ； University of Science and Technology Beijing（北京科技大学） ； Beijing Engineering Research Center of Industrial Spectrum Imaging（工业光谱成像工程研究中心）
专题命中 病理影像 ：pathology(abstract)；分类 cs.CV
AI总结 DeNuC通过解耦核检测与分类，提升病理图像中核检测与分类的性能，显著优于现有方法。
Comments 10 pages
