医学 AI

Prototype-Based Knowledge Guidance for Fine-Grained Structured Radiology Reporting

基于原型的知识引导的细粒度结构化放射科报告

Chantal Pellegrini, Adrian Delchev, Ege Özsoy, Nassir Navab, Matthias Keicher

机构 * Computer Aided Medical Procedures, Technische Universität München, Germany（计算机辅助医疗程序，慕尼黑技术大学，德国） ； Munich Center for Machine Learning, Germany（慕尼黑机器学习中心，德国） 纠错

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

AI总结 ProtoSR通过整合自由文本信息提升细粒度结构化放射科报告的自动化水平，利用多模态知识库和原型条件残差增强模型预测，有效改进了对罕见发现和属性的识别能力。

MRI2Qmap: multi-parametric quantitative mapping with MRI-driven denoising priors

MRI2Qmap: 多参数定量成像与MRI驱动去噪先验

Mohammad Golbabaee, Matteo Cencini, Carolin Pirkl, Marion Menzel, Michela Tosetti, Bjoern Menze

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

AI总结 MRI2Qmap通过整合物理模型与深度学习先验，实现无需地面真实数据的高效定量MRI重建，提升高加速成像性能。

SDUM: A Scalable Deep Unrolled Model for Universal MRI Reconstruction

SDUM：一种可扩展的深度展开模型用于通用MRI重建

Puyang Wang, Pengfei Guo, Keyi Chai, Jinyuan Zhou, Daguang Xu, Shanshan Jiang

机构 * Johns Hopkins University（约翰霍普金斯大学） ； NVIDIA 纠错

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

AI总结 SDUM是一种结合Restormer、CSME、SWDC和UC的通用MRI重建框架，通过级联扩展训练实现可扩展性，无需微调即可在多个挑战赛道上取得最佳性能。

Comments https://github.com/NVIDIA-Medtech/NV-Raw2insights-MRI

SPEGC: Continual Test-Time Adaptation via Semantic-Prompt-Enhanced Graph Clustering for Medical Image Segmentation

SPEGC：通过语义提示增强图聚类实现持续测试时间适应用于医学图像分割

Xiaogang Du, Jiawei Zhang, Tongfei Liu, Tao Lei, Yingbo Wang

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

AI总结 SPEGC通过语义提示增强图聚类方法，提升医学图像分割中持续测试时间适应的鲁棒性和性能。

Comments Accepted to CVPR 2026. 16 pages, 7 figures

Complete reconstruction of the tongue contour through acoustic to articulatory inversion using real-time MRI data

通过实时MRI数据实现舌轮廓的完整重建：利用声音到发声器官的逆向处理

Sofiane Azzouz, Pierre-André Vuissoz, Yves Laprie

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文通过实时MRI数据和深度学习方法实现舌头轮廓的高精度重建，利用Bi-MSTM架构和MFCC特征提升逆向处理的准确性。

Evidential learning driven Breast Tumor Segmentation with Stage-divided Vision-Language Interaction

证据学习驱动的乳腺肿瘤分割与阶段划分的视觉-语言交互

Jingxing Zhong, Qingtao Pan, Xuchang Zhou, Jiazhen Lin, Xinguo Zhuang

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

AI总结 本文提出TextBCS模型，结合阶段划分的视觉-语言交互和证据学习，以提升乳腺肿瘤分割在低对比度和模糊边界情况下的准确性。

Multi-objective optimization determines when, which and how to fuse deep networks: an application to predict COVID-19 outcomes

多目标优化确定何时、何种及如何融合深度网络：应用于预测新冠结局的应用

Valerio Guarrasi, Paolo Soda

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

AI总结 本文提出一种多目标优化方法，用于确定何时、何种及如何融合深度网络，以提升新冠预测的准确性和鲁棒性。

Journal ref Computers in Biology and Medicine 154 (2023) 106625

Nyxus: A Next Generation Image Feature Extraction Library for the Big Data and AI Era

Nyxus：面向大数据和人工智能时代的下一代图像特征提取库

Nicholas Schaub, Andriy Kharchenko, Hamdah Abbasi, Sameeul Samee, Hythem Sidky, Nathan Hotaling

机构 * DSBU ； Axle Research ； NovaGen Research Fund ； NCATS 纠错

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

AI总结 Nyxus是一个专为大数据和人工智能时代设计的图像特征提取库，通过高效的离核处理和多领域支持，提升图像分析的计算效率和准确性。

Comments 29 pages, 9 figures, 6 supplemental tables

SemiTooth: a Generalizable Semi-supervised Framework for Multi-Source Tooth Segmentation

SemiTooth: 一种通用的半监督框架用于多源牙齿分割

Muyi Sun, Yifan Gao, Ziang Jia, Xingqun Qi, Qianli Zhang, Qian Liu, Tianzheng Deng

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

AI总结 本文提出SemiTooth框架，通过多教师多学生结构和更严格的加权置信度约束，实现多源牙齿分割的高精度与高效性。

Comments 5 pages, 5 figures. Accepted to IEEE ICASSP 2026

ActiveFreq: Integrating Active Learning and Frequency Domain Analysis for Interactive Segmentation

ActiveFreq: 将主动学习与频域分析相结合用于交互分割

Lijun Guo, Qian Zhou, Zidi Shi, Hua Zou, Gang Ke

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

AI总结 ActiveFreq结合主动学习与频域分析，通过AcSelect和FreqFormer提升交互分割的精度与效率，实现更少用户交互下的高质量标注。

Comments 16 pages, 8 figures, published in Knowledge-Based Systems

Journal ref Knowledge-Based Systems 327 (2025) 114091

Domain Feature Collapse: Implications for Out-of-Distribution Detection and Solutions

领域特征坍塌：对分布外检测的影响及解决方案

Hong Yang, Devroop Kar, Qi Yu, Alex Ororbia, Travis Desell

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

AI总结 本文通过信息论解释了单一领域训练导致分布外检测失败的机制，提出领域特征坍塌是根本原因，并通过领域过滤方法验证了理论，为迁移学习和模型微调提供了新视角。

Comments Error in theoretical assumptions

SegAnyPET: Universal Promptable Segmentation from Positron Emission Tomography Images

SegAnyPET：从正电子发射断层扫描图像中进行通用可提示分割

Yichi Zhang, Le Xue, Wenbo Zhang, Lanlan Li, Yuchen Liu, Chen Jiang, Yuan Cheng, Yuan Qi

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

AI总结 SegAnyPET通过构建PETS-5k数据集，提出跨提示自信学习策略，实现从PET图像中高效分割多种器官，提升分割任务的通用性和准确性。

Comments Accept for ICCV 2025

Few-Shot Neuromorphic Vision in a Nonlinear Photonic Network Laser

在非线性光子网络激光中实现少样本神经形态视觉

Wai Kit Ng, Jakub Dranczewski, Anna Fischer, T V Raziman, Dhruv Saxena, Tobias Farchy, Kilian Stenning, Jonathan Peters, Heinz Schmid, Will R Branford, Mauricio Barahona, Kirsten Moselund, Riccardo Sapienza, Jack C. Gartside

专题命中 医学影像 ：diagnosis(abstract)

AI总结 该研究提出了一种基于非线性光子网络激光的视网膜启发计算系统，实现了特征检测、少样本分类和分割，展示了在低数据环境下优于传统CNN的性能。

MedEyes: Learning Dynamic Visual Focus for Medical Progressive Diagnosis

MedEyes: 学习动态视觉聚焦以进行医学逐步诊断

Chunzheng Zhu, Yangfang Lin, Shen Chen, Yijun Wang, Jianxin Lin

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

AI总结 MedEyes通过动态视觉聚焦和双模式探索策略，提升医学逐步诊断的准确性与临床相关性。

Comments AAAI 2026, Medical Chain-of-Thought (CoT), Reinforcement Learning with Verifiable Rewards (RLVR), Multimodal Grounded Reasoning

IDRL: An Individual-Aware Multimodal Depression-Related Representation Learning Framework for Depression Diagnosis

IDRL: 一种面向抑郁症诊断的个体感知多模态抑郁症相关表示学习框架

Chongxiao Wang, Junjie Liang, Peng Cao, Jinzhu Yang, Osmar R. Zaiane

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院） ； 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） ； 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） ； Alberta Machine Intelligence Institute, University of Alberta, Edmonton, Canada（阿尔伯塔机器智能研究所，阿尔伯塔大学，加拿大爱德蒙顿） 纠错

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

AI总结 IDRL框架通过分解多模态表示并引入个体感知的模态融合模块，提升抑郁症诊断的鲁棒性和适应性。

Multi-Period Sparse Optimization for Proactive Grid Blackout Diagnosis

多周期稀疏优化用于前瞻性电网黑启动诊断

Qinghua Ma, Reetam Sen Biswas, Denis Osipov, Guannan Qu, Soummya Kar, Shimiao Li

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出多周期稀疏优化方法，用于识别电网黑启动中的持续性脆弱性，提升系统韧性。

A Single-Particle Diagnosis of an Interacting Topological Insulator

相互作用拓扑绝缘体的单粒子诊断

Theo N. Dionne, Maia G. Vergniory

专题命中 诊断辅助 ：diagnosis(title)

AI总结 该研究提出通过单粒子格林函数表征相互作用拓扑相，利用有效 winding 数和量子体积区分三种绝缘相，为诊断相关系统中的拓扑相提供直观方法。

RefTr: Recurrent Refinement of Confluent Trajectories for 3D Vascular Tree Centerlines

RefTr: 基于连通轨迹的3D血管树中心线递归细化

Roman Naeem, David Hagerman, Jennifer Alvén, Fredrik Kahl

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

AI总结 RefTr通过递归细化连通轨迹生成3D血管树中心线，采用Transformer架构提升精度并减少参数，实验显示其在性能、速度和参数数量上均优于现有方法。

A Deep Learning Approach for Virtual Contrast Enhancement in Contrast Enhanced Spectral Mammography

一种用于增强对比度的深度学习方法在增强型光谱乳腺摄影中的应用

Aurora Rofena, Valerio Guarrasi, Marina Sarli, Claudia Lucia Piccolo, Matteo Sammarra, Bruno Beomonte Zobel, Paolo Soda

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出利用深度生成模型进行虚拟对比度增强，以减少造影剂使用和辐射剂量，通过自编码器和CycleGAN生成合成图像，提升CESM诊断效果。

Journal ref Computerized Medical Imaging and Graphics 116 (2024) 102398

Automated Detection of Malignant Lesions in the Ovary Using Deep Learning Models and XAI

利用深度学习模型和XAI自动检测卵巢恶性病变

Md. Hasin Sarwar Ifty, Nisharga Nirjan, Labib Islam, M. A. Diganta, Reeyad Ahmed Ornate, Anika Tasnim, Md. Saiful Islam

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

AI总结 本文利用深度学习模型和XAI技术，开发了15种变体模型以准确检测卵巢癌，最终选择InceptionV3模型在性能指标上达到94%的平均得分，通过XAI方法解释模型结果，旨在提升卵巢癌的检测效率。

Comments Accepted and published at ICAIC 2025. Accepted version

Journal ref 2025 IEEE 4th International Conference on AI in Cybersecurity (ICAIC), Houston, TX, USA, 2025, pp. 1-8

FBCIR: Balancing Cross-Modal Focuses in Composed Image Retrieval

FBCIR: 在组合图像检索中平衡跨模态聚焦

Chenchen Zhao, Jianhuan Zhuo, Muxi Chen, Zhaohua Zhang, Wenyu Jiang, Tianwen Jiang, Qiuyong Xiao, Jihong Zhang, Qiang Xu

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

AI总结 本文提出FBCIR方法，通过分析CIR模型中的聚焦不平衡问题，提出数据增强工作流程以提升模型在挑战性场景下的性能。

Comments 20 pages, 5 figures, 15 tables

Deployment-Time Reliability of Learned Robot Policies

部署时学习机器人策略的可靠性

Christopher Agia

机构 * STANFORD UNIVERSITY（斯坦福大学） 纠错

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

AI总结 本文研究了如何通过部署时机制提升学习机器人策略的可靠性，提出运行时监控、数据驱动的可解释性框架及长周期任务执行方法，以应对部署中的分布偏移、误差叠加和复杂依赖性问题。

Comments Stanford University PhD dissertation, 2026. 182 pages, 37 figures. Available from Stanford Digital Repository

AI Knows What's Wrong But Cannot Fix It: Helicoid Dynamics in Frontier LLMs Under High-Stakes Decisions

AI知错却无法修复：前沿大语言模型在高风险决策中的螺旋动态

Alejandro R Jadad

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 前沿大语言模型在高风险决策中表现出螺旋动态，即在错误中自我识别却无法修复，导致可靠性下降，需通过识别该模式以提升AI信任度。

Comments 22 pages, 2 tables, 1 appendix

VarParser: Unleashing the Neglected Power of Variables for LLM-based Log Parsing

VarParser: 解锁变量在基于大语言模型的日志解析中的被忽视的力量

Jinrui Sun, Tong Jia, Minghua He, Ying Li

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 VarParser通过变量中心策略提升日志解析效率，减少LLM调用成本，保留变量信息增强结果完整性。

Comments Published as a conference paper in WWW 2026

Performance Evaluation of Open-Source Large Language Models for Assisting Pathology Report Writing in Japanese

开源大语言模型在协助日文病历报告写作中的性能评估

Masataka Kawai, Singo Sakashita, Shumpei Ishikawa, Shogo Watanabe, Anna Matsuoka, Mikio Sakurai, Yasuto Fujimoto, Yoshiyuki Takahara, Atsushi Ohara, Hirohiko Miyake, Genichiro Ishii

机构 * Department of Pathology, University of Yamanashi, Chuo, Japan（山梨大学病理科） ； Division of Pathology, Exploratory Oncology Research & Clinical Trial Center, National Cancer Center, Kashiwa, Japan（国立癌症中心探索肿瘤研究与临床试验中心病理科） ； Department of Preventive Medicine, Graduate School of Medicine, The University of Tokyo, Tokyo, Japan（东京大学医学部预防医学科） ； Department of Medical Oncology, National Cancer Center Hospital East, Kashiwa, Japan（国立癌症中心东医院医学肿瘤科） ； Department of Thoracic Surgery, National Cancer Center Hospital East, Kashiwa, Japan（国立癌症中心东医院胸外科） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)

AI总结 本文评估了开源大语言模型在协助日文病历报告写作中的性能，发现思维模型和医学专用模型在结构化报告和拼写纠正中表现优异，但解释性输出的偏好存在较大差异。

Comments 9 pages (including bibliography), 2 figures, 6 tables

Computational Pathology in the Era of Emerging Foundation and Agentic AI -- International Expert Perspectives on Clinical Integration and Translational Readiness

在新兴基础和代理AI时代 computational pathology 的发展——国际专家对临床整合与转化准备的视角

Qian Da, Yijiang Chen, Min Ju, Zheyi Ji, Albert Zhou, Wenwen Wang, Matthew A Abikenari, Philip Chikontwe, Guillaume Larghero, Bowen Chen, Peter Neidlinger, Dingrong Zhong, Shuhao Wang, Wei Xu, Drew Williamson, German Corredor, Sen Yang, Le Lu, Xiao Han, Kun-Hsing Yu, Jun-zhou Huang, Laura Barisoni, Geert Litjens, Anant Madabhushi, Lifeng Zhu, Chaofu Wang, Junhan Zhao, Weiguo Hu

机构 * Department of Pathology, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China（复旦大学附属中山医院病理科，上海交通大学医学院，上海，中国） ； Department of Radiation Oncology, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院放射肿瘤科，斯坦福，加利福尼亚州，美国） ； Department of Basic Education, Qingdao City University, Qingdao, Shandong, China（青岛城市大学基础教育系，青岛，山东省，中国） ； Department of Human Genetics, the University of Chicago, Chicago, IL, USA（芝加哥大学人类遗传学系，芝加哥，伊利诺伊州，美国） ； Department of Computer Science, University of Warwick, Coventry UK（沃里克大学计算机科学系，科文特里，英国） ； Department of Electrical and Computer Engineering, Carnegie Mellon University, Pittsburgh, Pennsylvania, USA（卡内基梅隆大学电气与计算机工程系，匹兹堡，宾夕法尼亚州，美国） ； Department of Neurosurgery, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院神经外科，斯坦福，加利福尼亚州，美国） ； Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA（哈佛医学院生物医学信息学系，波士顿，马萨诸塞州，美国） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)

AI总结 本文探讨新兴基础和代理AI在计算病理学中的临床整合与转化准备，分析技术成熟度、经济监管及实际应用挑战，提供国际专家对当前能力与障碍的评估。

LoC-Path: Learning to Compress for Pathology Multimodal Large Language Models

LoC-Path：学习压缩用于病理多模态大语言模型

Qingqiao Hu, Weimin Lyu, Meilong Xu, Kehan Qi, Xiaoling Hu, Saumya Gupta, Jiawei Zhou, Chao Chen

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

AI总结 LoC-Path通过压缩滑片图像特征，降低多模态模型的训练和推理成本，使在有限资源下实现高效病理大语言模型成为可能。

Comments Code will be released soon

Streamline pathology foundation model by cross-magnification distillation

通过跨放大蒸馏流线病理基础模型

Ziyu Su, Abdul Rehman Akbar, Usama Sajjad, Anil V. Parwani, Muhammad Khalid Khan Niazi

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

AI总结 XMAG通过跨放大蒸馏方法开发出轻量级基础模型，在5倍放大下实现高效病理分析，达到与大模型相当的诊断准确率并提升30倍处理速度。

DeepHistoViT: An Interpretable Vision Transformer Framework for Histopathological Cancer Classification

DeepHistoViT: 一种用于病理癌症分类的可解释视觉Transformer框架

Ravi Mosalpuri, Mohammed Abdelsamea, Ahmed Karam Eldaly

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

AI总结 DeepHistoViT通过定制的Transformer架构和注意力机制，实现了对组织病理学图像的高精度分类，展现出在癌症诊断中的卓越性能和可解释性。

SOTA: Self-adaptive Optimal Transport for Zero-Shot Classification with Multiple Foundation Models

SOTA: 自适应最优传输用于多基础模型的零样本分类

Zhanxuan Hu, Qiyu Xu, Yu Duan, Yonghang Tai, Huafeng Li

机构 * Yunnan Normal University（云南师范大学） ； Xidian University（西安电子科技大学） ； Xi’an University of Posts and Telecommunications（西安邮电大学） ； Kunming University of Science and Technology（昆明理工大学） 纠错

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

AI总结 SOTA通过自适应最优传输方法整合多基础模型，提升零样本分类性能。