医学 AI

Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning

通过性别对抗注意力多实例学习实现公平的肺部疾病诊断

Aditya Parikh, Aasa Feragen

机构 * Technical University of Denmark (DTU)（丹麦技术大学（DTU）） 纠错

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

AI总结 本文提出一个公平意识框架，用于从胸部CT体积中多类肺部疾病诊断，通过性别对抗注意力多实例学习模型，解决稀疏病理信号和人口统计学不平衡问题，提升诊断公平性。

Are General-Purpose Vision Models All We Need for 2D Medical Image Segmentation? A Cross-Dataset Empirical Study

通用视觉模型是否足以满足2D医学图像分割需求？一项跨数据集的实证研究

Vanessa Borst, Samuel Kounev

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

AI总结 本文通过跨数据集实证研究，探讨通用视觉模型在2D医学图像分割中的有效性，发现通用模型在多数情况下优于专用模型，并揭示其在临床相关结构捕捉上的优势。

Comments Under review, MICCAI 2026

Accelerating Stroke MRI with Diffusion Probabilistic Models through Large-Scale Pre-training and Target-Specific Fine-Tuning

通过大规模预训练和目标特定微调加速中风MRI

Yamin Arefeen, Sidharth Kumar, Steven Warach, Hamidreza Saber, Jonathan Tamir

机构 * Chandra Family Department of Electrical and Computer Engineering（查克拉家族电气与计算机工程系） ； Department of Imaging Physics（成像物理系） ； Dell Medical School Department of Neurology（德莱尔医学院神经学系） ； Dell Medical School Department of Neurosurgery（德莱尔医学院神经外科系） ； Dell Medical School Department of Diagnostic Medicine（德莱尔医学院诊断医学系） ； Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究院） 纠错

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

AI总结 本文提出一种高效策略，利用扩散概率生成模型在有限数据下加速MRI重建，通过大规模预训练和目标特定微调实现临床中风MRI的快速扫描。

Multiscale Structure-Guided Latent Diffusion for Multimodal MRI Translation

多尺度结构引导的潜在扩散模型用于多模态MRI翻译

Jianqiang Lin, Zhiqiang Shen, Peng Cao, Jinzhu Yang, Osmar R. Zaiane, Xiaoli Liu

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程系，沈阳，中国） ； 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，沈阳，中国） ； 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，沈阳，中国） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学阿米人工智能研究所，埃德蒙顿，阿尔伯塔，加拿大） ； AiShiWeiLai AI Research, Beijing, China（人工智能研究（北京）有限公司，北京，中国） 纠错

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

AI总结 本文提出MSG-LDM框架，通过多尺度特征空间分离风格与结构信息，提升多模态MRI翻译的结构一致性与纹理细节。

Decoding Matters: Efficient Mamba-Based Decoder with Distribution-Aware Deep Supervision for Medical Image Segmentation

解码至关重要：基于Mamba的高效解码器与分布感知深度监督用于医学图像分割

Fares Bougourzi, Fadi Dornaika, Abdenour Hadid

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

AI总结 本文提出基于解码器的通用2D医学图像分割方法，通过改进的解码器结构和分布感知损失提升多尺度上下文表示，实现高效且通用的医学图像分割。

PCA-Enhanced Probabilistic U-Net for Effective Ambiguous Medical Image Segmentation

PCA增强的概率U-Net用于有效的模糊医学图像分割

Xiangyu Li, Chenglin Wang, Qiantong Shen, Fanding Li, Wei Wang, Kuanquan Wang, Yi Shen, Baochun Zhao, Gongning Luo

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

AI总结 本文提出PCA增强的概率U-Net，通过降维和逆PCA操作提升医学图像分割的准确性和变异性，解决传统方法在高维潜在空间冗余和表达能力限制的问题。

Reconstruction of the Complete Vocal Tract Contour Through Acoustic to Articulatory Inversion Using Real-Time MRI Data

通过实时MRI数据实现完整声带轮廓的重建

Sofiane Azzouz, Pierre-André Vuissoz, Yves Laprie

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出了一种基于实时MRI数据的完整发音器官逆向建模方法，实现了从声带到嘴唇的整个发音器官轮廓重建，测试精度达到1.65毫米。

HyDA: Hypernetworks for Test Time Domain Adaptation in Medical Imaging Analysis

HyDA：用于医学影像分析的超网络在测试时间域适应

Doron Serebro, Tammy Riklin-Raviv

机构 * Ben-Gurion University of The Negev（贝内杰尔大学） 纠错

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

AI总结 HyDA通过动态调整模型参数实现测试时间域适应，适用于MRI脑龄预测和胸部X光病理分类，展示了跨任务和模态的泛化能力。

Comments submitted to MICCAI 2025

Journal ref MICCAI 2025

Reinforcing the Weakest Links: Modernizing SIENA with Targeted Deep Learning Integration

强化薄弱环节：通过定向深度学习整合现代SIENA

Riccardo Raciti, Lemuel Puglisi, Francesco Guarnera, Daniele Ravì, Sebastiano Battiato

机构 * Dept. of Math and Computer Science, University of Catania（卡塔尼亚大学数学与计算机科学系） ； MIFT Department, University of Messina（梅斯ina大学MIFT系） 纠错

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

AI总结 本文通过整合SynthStrip和SynthSeg改进SIENA，提升其对脑萎缩的估计精度，同时保持原有框架的可解释性，实验显示深度学习能显著增强纵向分析流程的鲁棒性与一致性。

Marker-Based 3D Reconstruction of Aggregates with a Comparative Analysis of 2D and 3D Morphologies

基于标记的聚合物3D重建及其2D和3D形态的比较分析

Haohang Huang, Jiayi Luo, Issam Qamhia, Erol Tutumluer, John M. Hart, Andrew J. Stolba

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

AI总结 本文提出一种基于摄影测量的低成本3D重建方法，通过标记设计实现背景抑制和点云拼接，用于获取聚合物的3D形态信息，对比2D和3D形态特性，验证了重建精度。

Prompt-Driven Lightweight Foundation Model for Instance Segmentation-Based Fault Detection in Freight Trains

基于提示的轻量级基础模型用于基于实例分割的货运列车故障检测

Guodong Sun, Qihang Liang, Xingyu Pan, Moyun Liu, Yang Zhang

机构 * School of Mechanical Engineering, Hubei University of Technology（湖北工业大学机械工程学院） ； Hubei Key Laboratory of Modern Manufacturing Quality Engineering, Hubei University of Technology（湖北工业大学现代制造质量工程重点实验室） ； School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院） 纠错

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

AI总结 本文提出一种轻量级自提示实例分割框架，用于货运列车故障检测，通过自提示生成模块实现基础模型到领域任务的知识迁移，并采用轻量级视觉Transformer backbone，实现低计算成本的高效部署。

Comments 14 pages, 9 figures

FusionNet: a frame interpolation network for 4D heart models

FusionNet：一种用于4D心脏模型的帧插值网络

Chujie Chang, Shoko Miyauchi, Ken'ichi Morooka, Ryo Kurazume, Oscar Martinez Mozos

机构 * Kyushu University（九州大学） ； Okayama University（冈山大学） ； Örebro University（欧雷布罗大学） 纠错

专题命中 临床大模型 ：medical image(comments,journal_ref)；分类 cs.CV、cs.LG

AI总结 本文提出FusionNet网络，通过短时间CMR图像获取高时间分辨率的4D心脏运动，实验表明其Dice系数超过0.897，优于现有方法。

Comments This is the authors' version. The final authenticated version is available online at https://doi.org/10.1007/978-3-031-47425-5_4. Published in Medical Image Computing and Computer Assisted Intervention - MICCAI 2023 Workshops

Journal ref Medical Image Computing and Computer Assisted Intervention - MICCAI 2023 Workshops. MICCAI 2023. Lecture Notes in Computer Science, vol 14394. Springer

HOI-Brain: a novel multi-channel transformers framework for brain disorder diagnosis by accurately extracting signed higher-order interactions from fMRI

HOI-Brain: 一种新型多通道变换器框架，通过准确提取fMRI中的带符号高阶相互作用进行脑部疾病诊断

Dengyi Zhao, Zhiheng Zhou, Guiying Yan, Dongxiao Yu, Xingqin Qi

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 q-bio；medical image(comments)

AI总结 HOI-Brain通过提取fMRI中带符号高阶相互作用，提出多通道Transformer框架，有效诊断脑部疾病并提供生物学见解。

Comments accepted by Medical Image Analysis

AeroGPT: Leveraging Large-Scale Audio Model for Aero-Engine Bearing Fault Diagnosis

AeroGPT：利用大规模音频模型进行航空发动机轴承故障诊断

Jiale Liu, Dandan Peng, Huan Wang, Chenyu Liu, Yan-Fu Li, Min Xie

机构 * School of Physics and Astronomy, The University of Edinburgh（爱丁堡大学物理与天文学学院） ； Glasgow College, University of Electronic Science and Technology of China（电子科技大学格拉斯哥学院） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； School of Mechanical Engineering, Northwestern Polytechnical University（西北工业大学机械工程学院） ； Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； City University of Hong Kong Shenzhen Research Institute（香港城市大学深圳研究院） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出AeroGPT框架，通过迁移通用音频知识到航空发动机轴承故障诊断，结合振动信号对齐和生成故障分类，实现无需后处理的可解释故障诊断，实验验证其在航空发动机轴承数据集上的高准确率。

Deconstructing the Failure of Ideal Noise Correction: A Three-Pillar Diagnosis

解构理想噪声校正的失败：三支柱诊断

Chen Feng, Zhuo Zhi, Zhao Huang, Jiawei Ge, Ling Xiao, Nicu Sebe, Georgios Tzimiropoulos, Ioannis Patras

机构 * Queen’s University Belfast（女王大学贝尔法斯特分校） ； University College London（伦敦大学学院） ； University of Aberdeen（阿伯丁大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； Hokkaido University（北海道大学） ； University of Trento（特伦托大学） 纠错

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

AI总结 研究揭示理想噪声校正方法在理想条件下仍失效，指出其根本问题在于优化动态和信息理论限制，而非过渡矩阵估计。

Comments Accepted to CVPR2026

SLICE: Semantic Latent Injection via Compartmentalized Embedding for Image Watermarking

SLICE: 通过 compartmentalized 编码的语义潜在注入实现图像水印

Zheng Gao, Yifan Yang, Xiaoyu Li, Xiaoyan Feng, Haoran Fan, Yang Song, Jiaojiao Jiang

机构 * University of New South Wales（新南威尔士大学） ； Griffith University（格里菲斯大学） 纠错

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

AI总结 SLICE通过将图像语义分解为四个因素并精确锚定到初始高斯噪声区域，实现鲁棒的语义水印验证，有效检测和定位语义篡改，实验表明其在对抗攻击中表现优异。

Prediction of Cellular Malignancy Using Electrical Impedance Signatures and Supervised Machine Learning

利用电阻抗特征和监督机器学习预测细胞恶性程度

Shadeeb Hossain

专题命中 诊断辅助 ：biomedical(abstract)；分类 cs.LG、eess.SP

AI总结 研究通过整合20篇文献中的535组生物电参数数据，利用随机森林、SVM和KNN算法评估电阻抗特征在细胞恶性预测中的应用，并结合物理信息框架提升模型可解释性。

From Video to EEG: Adapting Joint Embedding Predictive Architecture to Uncover Saptiotemporal Dynamics in Brain Signal Analysis

从视频到EEG：适应联合嵌入预测架构以揭示脑信号分析中的空间时间动态

Amirabbas Hojjati, Lu Li, Ibrahim Hameed, Anis Yazidi, Pedro G. Lind, Rabindra Khadka

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

AI总结 本文提出EEG-VJEPA，通过将EEG视为视频序列，利用联合嵌入和自适应掩码学习空间时间表示，提升分类准确率并提供可解释的嵌入，适用于实际临床场景。

Artificial intelligence applications in Parkinson's disease via retinal imaging

通过视网膜成像在帕金森病中的人工智能应用

Ali Jafarizadeh, Hamidreza Ashayeri, Hadi Vahedi, Parsa Khalafi, Mirsaeed Abdollahi, Navid Sobhi, Ru-San Tan, Roohallah Alizadehsani, U. Rajendra Acharya

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio、eess.IV

AI总结 本文研究了人工智能在视网膜成像中用于早期检测帕金森病及其严重程度预测的应用，展示了AI在视网膜血管结构分析中的高效性能。

Comments 41 pages, 6 figures, 2 tables, 72 references

The Coherence Trap: When MLLM-Crafted Narratives Exploit Manipulated Visual Contexts

一致性陷阱：当MLLM编写的叙述利用被篡改的视觉上下文

Yuchen Zhang, Yaxiong Wang, Yujiao Wu, Lianwei Wu, Li Zhu, Zhedong Zheng

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； Northwestern Polytechnical University（西北工业大学） ； University of Macau（澳门大学） 纠错

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

AI总结 本文提出AMD框架，通过Artifact Pre-perception Encoding策略和Manipulation-Oriented Reasoning，解决MLLM生成的多模态欺骗检测问题，验证了其在跨领域测试中的优越性能。

Comments Accepted to CVPR 2026 main track

Nested Deep Learning Model Towards A Foundation Model for Brain Signal Data

嵌套深度学习模型：面向脑信号数据的基础模型

Fangyi Wei, Jiajie Mo, Kai Zhang, Haipeng Shen, Srikantan Nagarajan, Fei Jiang

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

AI总结 本文提出嵌套深度学习框架，解决脑电信号中棘波检测中通道配置变化和棘波来源识别的问题，提升预测精度并支持跨模态数据整合。

Comments 56 pages; paper structure updated

Unmasking Biases and Reliability Concerns in Convolutional Neural Networks Analysis of Cancer Pathology Images

揭示卷积神经网络在癌症病理图像分析中的偏见与可靠性问题

Michael Okonoda, Eder Martinez, Abhilekha Dalal, Lior Shamir

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

AI总结 研究通过分析13个常用癌症数据集，发现CNN在无临床信息的裁剪图像上仍能保持高准确率，揭示了评估方法可能存在的偏见问题。

Comments Electronics, published

Journal ref Electronics, 15(6), 1182, 2026

Stuck on Suggestions: Automation Bias, the Anchoring Effect, and the Factors That Shape Them in Computational Pathology

陷入建议：自动化偏见、锚定效应及影响它们的因素在计算病理学中的研究

Emely Rosbach, Jonas Ammeling, Jonathan Ganz, Christof Albert Bertram, Thomas Conrad, Andreas Riener, Marc Aubreville

专题命中 病理影像 ：pathology(title,abstract)；biomedical(comments,journal_ref)

AI总结 研究探讨了AI在计算病理学中的应用，发现虽然AI提升了诊断性能，但引入了自动化偏见和锚定效应，时间压力和用户特征影响这些偏见的严重程度。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:007

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

A protocol for evaluating robustness to H&E staining variation in computational pathology models

评估计算病理学模型对苏木精-伊红染色变异鲁棒性的协议

Lydia A. Schönpflug, Nikki van den Berg, Sonali Andani, Nanda Horeweg, Jurriaan Barkey Wolf, Tjalling Bosse, Viktor H. Koelzer, Maxime W. Lafarge

机构 * Department of Biomedical Engineering, University of Basel（巴塞尔大学生物医学工程系） ； Institute of Medical Genetics and Pathology, University Hospital Basel（巴塞尔大学医学遗传学与病理学研究所） ； Department of Pathology, Leiden University Medical Center（莱顿大学医学中心病理学系） ； Department of Radiation Oncology, Leiden University Medical Center（莱顿大学医学中心放射肿瘤学系） 纠错

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

AI总结 本文提出评估计算病理学模型对H&E染色变异鲁棒性的三步协议，通过模拟染色条件评估模型性能变化，揭示鲁棒性与分类性能的弱负相关，支持模型可靠部署的范围识别。

UNIStainNet: Foundation-Model-Guided Virtual Staining of H&E to IHC

UNIStainNet：基于基础模型的虚拟染色：H&E到IHC

Jillur Rahman Saurav, Thuong Le Hoai Pham, Pritam Mukherjee, Paul Yi, Brent A. Orr, Jacob M. Luber

机构 * University of Texas at Arlington（德克萨斯理工大学） ； St. Jude Children’s Research Hospital（圣 Jude 儿童研究医院） 纠错

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

AI总结 UNIStainNet通过结合基础模型生成的密集空间标记，提升H&E到IHC的虚拟染色效果，实现多标记同时处理，并在MIST和BCI数据集上取得最佳分布度指标。

Scaling Laws and Pathologies of Single-Layer PINNs: Network Width and PDE Nonlinearity

单层PINN的缩放规律与病态：网络宽度与PDE非线性性

Faris Chaudhry

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 研究单层PINN在非线性PDE中的缩放规律与病态，发现网络宽度与非线性性对解精度的影响，提出通过实验测量复杂缩放效应的方法。

Comments Accepted at the Machine Learning and Physical Sciences Workshop (NeurIPS 2025)

Visual Alignment of Medical Vision-Language Models for Grounded Radiology Report Generation

医学视觉-语言模型的视觉对齐以实现基于基础的放射学报告生成

Sarosij Bose, Ravi K. Rajendran, Biplob Debnath, Konstantinos Karydis, Amit K. Roy-Chowdhury, Srimat Chakradhar

机构 * NEC Laboratories America（NEC美洲实验室） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文提出VALOR方法，通过临床指导文本推理和自监督视觉推理解决医学报告生成中的视觉幻觉问题，提升生成质量与临床准确性。

A Statistical Approach for Modeling Irregular Multivariate Time Series with Missing Observations

一种用于具有缺失观测的不规则多变量时间序列的统计方法

Dingyi Nie, Yixing Wu, C. -C. Jay Kuo

机构 * University of Southern California（南加州大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出通过提取时间无关的汇总统计量来处理不规则多变量时间序列中的缺失值，通过计算四个关键特征并结合标准分类器，在四个生物医学数据集上取得最佳性能，同时降低计算复杂度。

Comments Accepted for publication in APSIPA Transactions on Signal and Information Processing

Journal ref APSIPA Transactions on Signal and Information Processing, 15(1): 61-75, 2026

MetaHQ: Harmonized, high-quality metadata annotations of public omics samples and studies

MetaHQ：公共组学样本和研究的统一、高质量元数据标注

Parker Hicks, Lydia E Valtadoros, Christopher A Mancuso, Faisal Alquadoomi, Kayla A Johnson, Sneha Sundar, Arjun Krishnan

专题命中 生物医学文本 ：biomedical(abstract)；分类 q-bio

AI总结 MetaHQ通过统一标准元数据标注，为公共组学样本和研究提供高质量注释，解决了现有注释碎片化和格式不一的问题。

Comments 7 pages main text, 4 pages Supplemental Figures, 1 page Supplemental Table, 1 page Supplemental File. The replacement added three references that were missing in the original submission and made minor formatting changes

Laser-pumped drilling carbon nanotube vortex shock waves in optical fibers

激光泵浦钻孔碳纳米管涡旋冲击波在光纤中的实验

Ricardo E. da Silva, Marcos A. R. Franco

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究通过激光诱导碳纳米管钻孔光纤产生涡旋冲击波，首次实现高速冲击波生成，揭示了纤维内部碳硅层混合及斐波那契螺旋结构的形成机制。

Journal ref R. E. da Silva and M. A. R. Franco, "Laser-Pumped Drilling Carbon Nanotube Vortex Shock Waves in Optical Fibers," in IEEE Access, vol. 14, pp. 28320-28336, 2026