医学 AI

Tracking Cancer Through Text: Longitudinal Extraction From Radiology Reports Using Open-Source Large Language Models

通过文本追踪癌症：使用开源大语言模型进行放射学报告的纵向提取

Luc Builtjes, Alessa Hering

机构 * Department of Medical Imaging, Radboudumc（放射医学部，拉德堡德大学医学中心） 纠错

专题命中 医学影像 ：radiology(title,abstract)；CT(abstract)

AI总结 本文提出基于开源大语言模型的放射学报告纵向信息提取方法，实现高准确率的肿瘤病变数据提取，适用于隐私敏感的医疗环境。

Comments 6 pages, 2 figures

GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI

GOUHFI 2.0：一种用于超高场MRI脑分割和皮层分区的下一代工具箱

Marc-Antoine Fortin, Anne Louise Kristoffersen, Paal Erik Goa

机构 * Department of Physics, Norwegian University of Science and Technology（挪威科学技术大学物理系） ； Department of Radiology and Nuclear Medicine, St. Olavs Hospital HF（斯托尔奥斯医院HF放射科和核医学部） ； Department of Neurology and Clinical Neurophysiology, St. Olavs Hospital HF（斯托尔奥斯医院HF神经科和临床神经生理学部） ； Department of Neuromedicine and Movement Science, St. Olavs Hospital HF（斯托尔奥斯医院HF神经医学与运动科学部） ； Neuro-SysMed Center for Clinical Treatment Research, Department of Neurology, Haukeland University Hospital（Haukeland大学医院神经科临床治疗研究神经系医学中心） ； Department of Clinical Medicine, University of Bergen（卑尔根大学临床医学系） ； K.G. Jebsen Center for Translational Research in Parkinson’s disease, University of Bergen（帕金森病转化研究Jebsen中心，卑尔根大学） 纠错

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

AI总结 GOUHFI 2.0通过引入两个独立训练的3D U-Net分割任务，实现了对超高场MRI数据的高效脑分割和皮层分区，提升了分割准确性和可靠性。

UltrasoundAgents: Hierarchical Multi-Agent Evidence-Chain Reasoning for Breast Ultrasound Diagnosis

超声波智能体：用于乳腺超声诊断的层次多智能体证据链推理

Yali Zhu, Kang Zhou, Dingbang Wu, Gaofeng Meng

机构 * Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所，北京，中国） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学（大学层面）交叉学科学院，北京，中国） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences, Hong Kong（人工智能与机器人中心，香港创新科学研究院，中国科学院，香港） 纠错

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

AI总结 UltrasoundAgents通过层次多智能体框架实现乳腺超声诊断中的证据链推理，提升诊断准确性和证据可追溯性。

Prompting with the human-touch: evaluating model-sensitivity of foundation models for musculoskeletal CT segmentation

带有人情味的提示：评估基础模型对肌肉骨骼CT分割的敏感性

Caroline Magg, Maaike A. ter Wee, Johannes G. G. Dobbe, Geert J. Streekstra, Leendert Blankevoort, Clara I. Sánchez, Hoel Kervadec

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

AI总结 本研究评估了基础模型在肌肉骨骼CT分割中的敏感性，发现不同模型和提示策略性能差异大，且人类提示影响分割结果。

Visually-Guided Controllable Medical Image Generation via Fine-Grained Semantic Disentanglement

通过细粒度语义解耦实现视觉引导的可控医学图像生成

Xin Huang, Junjie Liang, Qingshan Hou, Peng Cao, Jinzhu Yang, Xiaoli Liu, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程系，中国沈阳） ； Key Laboratory of Intelligent Computing in Medical Image of Ministry of Education, Northeastern University, Shenyang, China（教育部医学图像智能计算重点实验室，东北大学，中国沈阳） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Shenyang, China（工业智能与系统优化国家级前沿科学中心，中国沈阳） ； AiShiWeiLai AI Research, China（艾世维来人工智能研究，中国） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学艾米人工智能研究所，加拿大埃德蒙顿，阿尔伯塔） 纠错

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

AI总结 本文提出视觉引导的文本解耦框架，通过细粒度语义解耦提升医学图像生成的可控性和生成质量。

Comments 10 pages, 7 figures. Currently under review

An Automated Radiomics Framework for Postoperative Survival Prediction in Colorectal Liver Metastases using Preoperative MRI

一种用于结直肠肝转移术后生存预测的自动化放射组学框架，利用术前MRI

Muhammad Alberb, Jianan Chen, Hossam El-rewaidy, Paul Karanicolas, Arun Seth, Yutaka Amemiya, Anne Martel, Helen Cheung

机构 * Department of Medical Biophysics, University of Toronto（多伦多大学医学生物物理学系） ； Physical Sciences Platform, Sunnybrook Research Institute（阳光医疗研究学院物理科学平台） ； UCL Cancer Institute, University College London（伦敦大学学院癌症研究所） ； Systems and Biomedical Engineering Department, Cairo University（开罗大学系统与生物医学工程系） ； Department of Surgery, University of Toronto（多伦多大学外科医学系） ； Department of Laboratory Medicine and Pathobiology, University of Toronto（多伦多大学实验室医学与病理学系） ； Sunnybrook Health Sciences Centre（阳光健康科学中心） ； Department of Medical Imaging, University of Toronto（多伦多大学医学影像学系） 纠错

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

AI总结 本研究提出了一种基于AI的自动化框架，利用术前MRI预测结直肠肝转移术后生存，结合分割算法和放射组学分析提高预测准确性。

VIVID-Med: LLM-Supervised Structured Pretraining for Deployable Medical ViTs

VIVID-Med: 基于LLM监督的结构化预训练用于可部署的医学ViT

Xiyao Wang, Xiaoyu Tan, Yang Dai, Yuxuan Fu, Shuo Li, Xihe Qiu

机构 * Shanghai University of Engineering Science（上海工程技术大学） ； National University of Singapore（新加坡国立大学） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 VIVID-Med通过LLM监督的结构化预训练方法，实现轻量级可部署的医学ViT模型，在医学图像分析中表现出高效和强泛化能力。

Comments 10 pages, 4 figures

X-WIN: Building Chest Radiograph World Model via Predictive Sensing

X-WIN：通过预测感知构建胸片世界模型

Zefan Yang, Ge Wang, James Hendler, Mannudeep K. Kalra, Pingkun Yan

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

AI总结 X-WIN通过预测感知构建胸片世界模型，利用体积数据提炼3D解剖知识，提升CXR的表示学习和诊断能力。

Comments Accepted by CVPR 2026

Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning

使用深度学习对视网膜低成本光学相干断层扫描图像进行分割

Timo Kepp, Helge Sudkamp, Claus von der Burchard, Hendrik Schenke, Peter Koch, Gereon Hüttmann, Johann Roider, Mattias P. Heinrich, Heinz Handels

机构 * Institute of Medical Informatics, University of Lübeck（吕贝克大学医学信息学研究所） ； University of Lübeck（吕贝克大学） ； Graduate School for Computing in Medicine and Life Sciences, University of Lübeck（医学与生命科学计算研究生学院，吕贝克大学） ； Medical Laser Center Lübeck（吕贝克医疗激光中心） ； Department of Ophthalmology, University of Kiel（基尔大学眼科部门） ； Institute of Biomedical Optics, University of Lübeck（吕贝克大学生物医学光学研究所） 纠错

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

AI总结 本文提出使用深度学习方法对视网膜低成本OCT图像进行分割，通过CNN和CDAE提高分割精度并纠正伪影影响。

Comments Accepted for SPIE Medical Imaging 2020: Computer-Aided Diagnosis

Class Incremental Learning with Task-Specific Batch Normalization and Out-of-Distribution Detection

具有任务特定批量规范化和分布外检测的增量学习

Zhiping Zhou, Xuchen Xie, Yiqiao Qiu, Run Lin, Weishi Zheng, Ruixuan Wang

机构 * Amazon（亚马逊） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV、cs.LG

AI总结 本研究提出一种基于任务特定批量规范化和分布外检测的增量学习框架，有效提升模型在新任务中的可塑性与旧任务的稳定性。

Comments accepted by Neurocomputing Journal, camera ready version

Regularizing INR with diffusion prior self-supervised 3D reconstruction of neutron computed tomography data

通过扩散先验正则化INR实现中子计算机断层扫描数据的自监督3D重建

Maliha Hossain, Haley Duba-Sullivan, Amirkoushyar Ziabari

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 本文提出DINR方法，通过扩散先验正则化INR，实现中子CT数据的高质量3D重建，提升稀疏视图下的重建性能和图像质量。

TractoRC: A Unified Probabilistic Learning Framework for Joint Tractography Registration and Clustering

TractoRC：一种联合束取样注册与聚类的统一概率学习框架

Yijie Li, Xi Zhu, Junyi Wang, Ye Wu, Lauren J. O'Donnell, Fan Zhang

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 TractoRC通过统一的概率学习框架联合执行束图注册与流线聚类，提升白质组织分析的性能。

Comments 11 pages, 3 figures

An Updated Assessment of Reinforcement Learning for Macro Placement

宏观布线强化学习的最新评估

Chung-Kuan Cheng, Andrew B. Kahng, Sayak Kundu, Yucheng Wang, Zhiang Wang

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文评估了Google Brain在宏观布线中的深度强化学习方法，展示了更新的CT实现，并分析了预训练指导和基准测试结果。

Comments There are total sixteen pages and two pages for the appendix. It includes six figures and eleven tables. This paper has been accepted and published in IEEE Transactions on CAD

DT-BEHRT: Disease Trajectory-aware Transformer for Interpretable Patient Representation Learning

DT-BEHRT：面向疾病轨迹的Transformer用于可解释的患者表示学习

Deyi Li, Zijun Yao, Qi Xu, Muxuan Liang, Lingyao Li, Zijian Xu, Mei Liu

机构 * University of Florida（佛罗里达大学） ； University of Kansas（堪萨斯大学） ； MD Anderson Cancer Center（MD安德森癌症中心） ； University of South Florida（佛罗里达州立大学） 纠错

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

AI总结 DT-BEHRT通过建模疾病轨迹和异步进展模式，提升EHR中患者表示的可解释性和预测性能。

Don't Disregard the Data for Lack of a Likelihood: Bayesian Synthetic Likelihood for Enhanced Multilevel Network Meta-Regression

不要因缺乏似然而忽视数据：用于增强多级网络元回归的贝叶斯合成似然

Harlan Campbell, Charles C. Margossian, Jeroen P. Jansen, Paul Gustafson

专题命中 临床大模型 ：pathology(abstract)

AI总结 本文提出利用贝叶斯合成似然方法解决多级网络元回归中缺失数据问题，通过合成似然提升模型性能，展示其在银屑病试验网络中的应用效果。

PD-Diag-Net: Clinical-Priors guided Network on Brain MRI for Auxiliary Diagnosis of Parkinson's Disease

PD-Diag-Net：基于临床先验知识的脑MRI辅助帕金森病诊断网络

Shuai Shao, Yan Wang, Shu Jiang, Shiyuan Zhao, Di Yang, Jiangtao Wang, Yutong Bai, Jianguo Zhang

机构 * Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州市先进研究院） ； School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子与信息工程学院） ； College of Control Science and Engineering, China University of Petroleum (East China)（中国石油大学（华东）控制科学与工程学院） ； School of Automation, Northwestern Polytechnical University（西北工业大学自动化学院） ； Beijing Tiantan Hospital（北京天坛医院） 纠错

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

AI总结 PD-Diag-Net通过结合临床先验知识和MRI预处理，实现了基于脑MRI的帕金森病辅助诊断，准确率超过96%

In-Situ Timing Diagnosis of PDN and Configuration-Upset-Induced Routing Delay Degradation in SRAM-based FPGAs

SRAM基FPGA中PDN的原地定时诊断及配置扰动引起的路由延迟退化

Mostafa Darvishi

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

AI总结 本文提出了一种SRAM基FPGA中PDN和配置扰动引起路由延迟退化的原地定时诊断方法，通过非侵入式延迟探针和分布式监控元件实现细粒度定时行为表征，支持空间相关分析和热图区分不同退化机制。

Comments 10 figures, 3 tables

HeartAgent: An Autonomous Agent System for Explainable Differential Diagnosis in Cardiology

HeartAgent：一种用于心血管疾病可解释性差分诊断的自主代理系统

Shuang Zhou, Kai Yu, Song Wang, Wenya Xie, Zaifu Zhan, Meng-Han Tsai, Yuen-Hei Chung, Shutong Hou, Huixue Zhou, Min Zeng, Bhavadharini Ramu, Lin Yee Chen, Feng Xie, Rui Zhang

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 HeartAgent通过整合定制工具和数据资源，提供可解释的差分诊断支持，显著提升心血管疾病诊断的准确性和解释质量。

Comments 26 pages, 7 figures

Emulating Clinician Cognition via Self-Evolving Deep Clinical Research

通过自演化深度临床研究模拟医生认知

Ruiyang Ren, Yuhao Wang, Yunsen Liang, Lan Luo, Jing Liu, Haifeng Wang, Cong Feng, Yinan Zhang, Chunyan Miao, Ji-Rong Wen, Wayne Xin Zhao

机构 * Gaoling School of Artificial Intelligence（首都经济贸易大学人工智能学院） ； Renmin University of China（中国人民大学） ； Peking University Third Hospital（北京大学第三医院） ； Baidu Inc.（百度公司） ； Chinese PLA General Hospital（中国人民解放军总医院） ； Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly（联合NTU-UBC老年积极生活方式卓越研究中心） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 诊断辅助 ：clinical AI(abstract)；diagnosis(abstract)

AI总结 DxEvolve通过自演化深度临床研究工作流，提升临床诊断准确性，实现可追溯的AI持续改进

Reason and Verify: A Framework for Faithful Retrieval-Augmented Generation

推理与验证：一种忠实检索增强生成的框架

Eeham Khan, Luis Rodriguez, Marc Queudot

专题命中 诊断辅助 ：diagnosis(abstract)；biomedical(abstract)

AI总结 本文提出了一种领域特定的RAG框架，通过显式推理和验证机制提升检索增强生成的准确性与透明性，在生物医学问答任务中取得显著性能提升。

Comments Accepted to Canadian AI 2026

CUPID: A Plug-in Framework for Joint Aleatoric and Epistemic Uncertainty Estimation with a Single Model

CUPID：一种联合估计自然不确定性和本质不确定性的插件框架

Xinran Xu, Xiuyi Fan

机构 * Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore（南洋理工大学李科钦医学院，新加坡） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院，新加坡） ； Centre for Medical Technologies & Innovations, National Health Group, Singapore（国家健康集团医学技术与创新中心，新加坡） 纠错

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

AI总结 CUPID是一种无需修改基础模型即可联合估计自然和本质不确定性的插件框架，适用于多种任务，提供透明且可解释的不确定性分析。

Risk time splitting for improved estimation of screening programs effect on later mortality

风险时间分割以提高对筛查计划对后期死亡率影响的估计

Harald Weedon-Fekjær, Elsebeth Lynge, Niels Keiding

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种基于风险时间分割的方法，通过精细化死亡率分析提高筛查计划对后期死亡率影响的估计精度，并通过挪威和丹麦数据验证其有效性。

PathoScribe: Transforming Pathology Data into a Living Library with a Unified LLM-Driven Framework for Semantic Retrieval and Clinical Integration

PathoScribe: 将病理数据转化为一个活的图书馆：一种统一的LLM驱动框架，用于语义检索和临床整合

Abdul Rehman Akbar, Samuel Wales-McGrath, Alejadro Levya, Lina Gokhale, Rajendra Singh, Wei Chen, Anil Parwani, Muhammad Khalid Khan Niazi

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 PathoScribe通过统一的LLM框架实现病理数据的语义检索与临床整合，提升病理档案的活用价值。

Alignment as Iatrogenesis: Pastoral Power, Collective Pathology, and the Structural Limits of Monolingual Safety Evaluation

对齐作为医源性：牧师权力、集体病理学以及单语安全评估的结构性限制

Hiroki Fukui

机构 * Research Institute of Criminal Psychiatry（刑事精神病研究所以） ； Sex Offender Medical Center（性犯罪医疗中心） ； Department of Neuropsychiatry, Graduate School of Medicine, Kyoto University（京都大学医学研究生院神经精神病学系） 纠错

专题命中 病理影像 ：pathology(title,abstract)

AI总结 本文通过多语言实验揭示，单语安全评估无法捕捉对齐设计导致的集体病理效应，指出语言切换影响病理模式的定性与幅度。

Comments 30 pages, 1 figure, 24-page supplementary. Preprint v3. Companion paper: arXiv:2603.04904. Previous versions: Zenodo DOI 10.5281/zenodo.18646998

Inferring Clinically Relevant Molecular Subtypes of Pancreatic Cancer from Routine Histopathology Using Deep Learning

通过深度学习从常规组织病理学切片推断胰腺癌的临床相关分子亚型

Abdul Rehman Akbar, Alejandro Levya, Ashwini Esnakula, Elshad Hasanov, Anne Noonan, Lingbin Meng, Susan Tsai, Vaibhav Sahai, Midhun Malla, Sarbajit Mukherjee, Upender Manne, Anil Parwani, Wei Chen, Ashish Manne, Muhammad Khalid Khan Niazi

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

AI总结 PanSubNet通过深度学习从常规H&E染色切片预测胰腺癌分子亚型，提供可解释的临床应用工具。

Novel Architecture of RPA In Oral Cancer Lesion Detection

口腔癌病变检测中RPA的新架构

Revana Magdy, Joy Naoum, Ali Hamdi

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

AI总结 本研究提出了一种新的RPA架构，通过设计模式和批量处理显著提升了口腔癌病变检测的效率，将预测时间缩短了60-100倍。

Sparse Task Vector Mixup with Hypernetworks for Efficient Knowledge Transfer in Whole-Slide Image Prognosis

通过超网络实现的稀疏任务向量混合用于全滑片图像预后中的高效知识转移

Pei Liu, Xiangxiang Zeng, Tengfei Ma, Yucheng Xing, Xuanbai Ren, Yiping Liu

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

AI总结 STEPH通过超网络实现稀疏任务向量混合，提升全滑片图像预后中的知识转移效率

Comments Accepted to CVPR 2026

Leveraging Spatial Context for Positive Pair Sampling in Histopathology Image Representation Learning

利用空间上下文进行组织病理图像表示学习中的正对采样

Willmer Rafell Quinones Robles, Sakonporn Noree, Jongwoo Kim, Young Sin Ko, Bryan Wong, Mun Yong Yi

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Seegene Medical Foundation（Seegene医学基金会） 纠错

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

AI总结 本文提出一种利用空间上下文提升组织病理图像自监督学习性能的方法，通过改进正对采样策略，在多个数据集上实现了5%-10%的准确率提升。

Early-Stage Cancer Biomarker Detection via Intravascular Nanomachines: Modeling and Analysis

早期癌症生物标志物检测 via 血管纳米机器：建模与分析

Abdollah Rezagholi, Sergi Abadal, Filip Lemic, Eduard Alarcon, Ethungshan Shitiri

专题命中 病理影像 ：diagnosis(abstract)

AI总结 本研究提出了一种基于血管纳米机器的早期癌症生物标志物检测方法，通过建模和分析血管环境中的非均匀流体结构和粒子运动，提高生物标志物的检测效率。

Characterizing Healthy & Post-Stroke Neuromotor Behavior During 6D Upper-Limb Isometric Gaming: Implications for Design of End-Effector Rehabilitation Robot Interfaces

表征健康及中风后神经运动行为在6D上肢等张游戏中的特性：对末端执行器康复机器人接口设计的启示

Ajay Anand, Gabriel Parra, Chad A. Berghoff, Laura A. Hallock

机构 * University of Utah（犹他大学） 纠错

专题命中 病理影像 ：pathology(abstract)

AI总结 本研究通过分析健康及中风后用户在等张任务中的神经运动行为，提出了一种基于sEMG信号的HMM分类方法，探讨了接口设计对行为的影响及康复机器人设计的启示。

Comments This work has been submitted to the IEEE for possible publication