医学 AI

Scalable Simulation-Based Model Inference with Test-Time Complexity Control

可扩展的基于模拟的模型推断与测试时间复杂度控制

Manuel Gloeckler, J. P. Manzano-Patrón, Stamatios N. Sotiropoulos, Cornelius Schröder, Jakob H. Macke

机构 * Machine Learning in Science, University of Tübingen ； Tübingen AI Center, Tübingen, Germany ； Max Planck Institute for Intelligent Systems, Department Empirical Inference, Tübingen, Germany ； Sir Peter Mansfield Imaging Centre, School of Medicine, University of Nottingham, UK ； National Institute for Health Research (NIHR) Nottingham Biomedical Research Centre, Queens Medical Centre, Nottingham, United Kingdom 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 PRISM通过模拟基于编码器-解码器结构，在大规模模型家族中推断联合后验，同时通过可调模型先验实现测试时间复杂度控制，适用于符号回归和生物物理建模。

Exemplar Diffusion: Improving Medical Object Detection with Opportunistic Labels

示例扩散：利用机会性标签改进医学目标检测

Victor Wåhlstrand, Jennifer Alvén, Ida Häggström

机构 * Chalmers University of Technology（查尔姆斯理工大学） 纠错

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

AI总结 本文提出一种利用推理时现有标签（示例）提升医学图像目标检测性能的方法，通过无需训练的扩散方法增强已知边界框信息，提高检测精度和鲁棒性，并量化预测不确定性。

Comments Submitted to MICCAI 2026

Benchmarking Semantic Segmentation Models via Appearance and Geometry Attribute Editing

通过外观和几何属性编辑评估语义分割模型

Zijin Yin, Bing Li, Kongming Liang, Hao Sun, Zhongjiang He, Zhanyu Ma, Jun Guo

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

AI总结 本文提出Gen4Seg数据生成管道，通过生成具有不同属性变化的挑战样本来评估语义分割模型，构建了Pascal-EA和COCO-EA两个新基准，发现开放词汇模型在几何变化下不比封闭集方法更鲁棒，数据增强技术在提升外观变化鲁棒性上有限。

Comments Accepted to IEEE TPAMI 2026

EviATTA: Evidential Active Test-Time Adaptation for Medical Segment Anything Models

EviATTA：基于证据的主动测试时间适应用于医学分割任何模型

Jiayi Chen, Yasmeen George, Winston Chong, Jianfei Cai

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

AI总结 本文提出EviATTA框架，通过证据建模和分层采样策略提升医学SAMs在测试时适应的可靠性，结合双重一致性正则化以更有效利用稀疏标注。

Comments 10 pages, 8 figures, 5 tables

TopoCL: Topological Contrastive Learning for Medical Imaging

TopoCL：面向医学影像的拓扑对比学习

Guangyu Meng, Pengfei Gu, Peixian Liang, John P. Lalor, Erin Wolf Chambers, Danny Z. Chen

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

AI总结 本文提出TopoCL框架，通过拓扑结构对比学习提升医学影像分析性能，结合拓扑增强的对比学习方法和层次拓扑编码器，实现视觉与拓扑表征的融合，实验表明在多个数据集上取得显著提升。

Low-Field Magnetic Resonance Image Enhancement using Undersampled k-Space

利用欠采样k空间的低场磁共振图像增强

Daniel Tweneboah Anyimadu, Mohammed Abdalla, Mohammed M. Abdelsamea, Ahmed Karam Eldaly

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出基于U-Net变体的深度学习框架，直接在k空间中进行图像超分辨率处理，提升低场MRI图像质量并量化欠采样影响。

Comments 13 pages, 8 figures

Low-Field Magnetic Resonance Image Quality Enhancement using Undersampled k-Space and Out-of-Distribution Generalisation

利用欠采样k空间和分布外泛化提升低场磁共振图像质量

Daniel Tweneboah Anyimadu, Mohammed M. Abdelsamea, Ahmed Karam Eldaly

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出一种基于k空间双通道U-Net的框架，通过欠采样低场MRI k空间重建高场级图像，评估模型在分布外数据下的泛化能力，实现图像质量提升。

Comments 5 pages, 5 figures

AWDiff: An a trous wavelet diffusion model for lung ultrasound image synthesis

AWDiff：一种用于肺部超声图像合成的a trous小波扩散模型

Maryam Heidari, Nantheera Anantrasirichai, Steven Walker, Rahul Bhatnagar, Alin Achim

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

AI总结 本文提出AWDiff模型，通过a trous小波变换与BioMedCLIP语义条件，提升肺部超声图像生成的结构精度与临床相关性。

Comments 5 pages5 pages, 4 figures. Accepted to ICASSP 2026

Deterministic Policy Gradient for Reinforcement Learning with Continuous Time and State

连续时间和状态强化学习中的确定性策略梯度

Ziheng Cheng, Xin Guo, Yufei Zhang

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文提出连续时间强化学习的确定性策略梯度方法，通过理论推导和算法设计，实现稳定学习和快速收敛，优于传统随机策略方法。

Exemplar Med-DETR: Toward Generalized and Robust Lesion Detection in Mammogram Images and beyond

示例医学DETR：迈向乳腺X线图像及其他图像中的通用和稳健病变检测

Sheethal Bhat, Bogdan Georgescu, Adarsh Bhandary Panambur, Mathias Zinnen, Tri-Thien Nguyen, Awais Mansoor, Karim Khalifa Elbarbary, Siming Bayer, Florin-Cristian Ghesu, Sasa Grbic, Andreas Maier

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

AI总结 本文提出Exemplar Med-DETR，一种多模态对比检测器，通过交叉注意力和内在衍生的类特定示例特征实现基于特征的检测，展示了在多种影像模态上的卓越性能。

Comments I am asking for a withdrawal of the paper as I did not have institutional approval to release this paper right now

Investigation of Laser Plasma Instabilities driven by Coupled High-Power Laser Beams in Magnetized Underdense Plasmas

高功率激光束耦合驱动下磁化稀疏等离子体中激光等离子体不稳定性研究

C. L. C. Lacoste, D. Oportus, J. Béard, S. N. Chen, I. Cohen, R. Lelievre, T. Waltenspiel, W. Yao, M. Bardon, F. P. Condamine, P. Antici, J. Fuchs, E. D'Humières

专题命中 医学影像 ：CT(abstract)

AI总结 本文研究了多束高功率激光在磁化稀疏等离子体中传播时的受激布里渊和拉曼散射不稳定性，探讨了交叉干扰效应对其的影响，并提出新的理论模型以评估其对惯性约束聚变的潜在益处。

A hybrid statistical sampling and iterative regularization method in sparse-view computed tomography

一种结合统计采样与迭代正则化的稀疏视图计算断层摄影方法

Huiying Li, Yizhuang Song

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出结合统计采样与迭代正则化的稀疏视图CT方法，旨在缩短采样时间并提升重建质量，通过三个数据集验证了该方法的有效性。

A Design Space for Visualization Transitions of 3D Spatial Data in Hybrid AR-Desktop Environments

混合AR-桌面环境中3D空间数据可视化过渡的设计空间

Yucheng Lu, Tobias Rau, Benjamin Lee, Andreas Köhn, Michael Sedlmair, Christian Sandor, Tobias Isenberg

专题命中 医学影像 ：radiology(abstract)

AI总结 本文提出了一种混合AR-桌面环境中3D空间数据可视化过渡的设计空间，通过过渡动画连接不同维度的数据表示，降低用户认知负担，并通过三个案例研究展示其应用。

Comments 14 pages, 6 figures

Journal ref Computer Graphics Forum, vol. 45, article no. e70305, 14 pages, 2026

Mixing and enhanced dissipation in a time-translating shear flow

混合与增强耗散在时间平移剪切流中的研究

Johannes Benthaus, Giuseppe Maria Coclite, Camilla Nobili

专题命中 医学影像 ：CT(abstract)

AI总结 研究时间平移剪切流中混合与增强耗散的机制，通过分析无粘运输问题和改进的耗散理论，揭示扩散率与平移速度的关系，以及临界点对耗散的影响。

SeqTG: Scalable Combinatorial Test Generation via Sequential Integer Linear Programming

SeqTG：通过顺序整数线性规划实现可扩展的组合测试生成

Sitong Yang, Wanying Bao, Yinyin Song, Yueting Cheng, Qian Li, Chao Wei

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出SeqTG框架，通过顺序整数线性规划解决组合测试中的NP难问题，有效减少测试套件冗余，提升测试紧凑性与约束满足度。

Tau-induced atrophy drives functional connectivity disruption in Alzheimer's disease

tau诱导的萎缩驱动阿尔茨海默病的功能连接破坏

Kun Jiang, Can Liao, Sujin Jiang, Haidong Lin, Jixin Hou, Tianming Liu, Gang Li, Taotao Wu, Yiqi Mao, Ellen Kuhl, Xianqiao Wang, Xianyan Chen

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出一个整合tau反应扩散、有限变形生物力学和网络建模的多物理框架，揭示tau驱动的萎缩如何导致功能连接破坏，并通过纵向MRI验证了区域萎缩率与功能连接变化的线性关系。

Six Interventions for the Responsible and Ethical Implementation of Medical AI Agents

为医疗AI代理的负责任和伦理实施提出的六种干预措施

Tom Bisson, Henriette Voelker, Sanddhya Jayabalan, A John Iafrate, Jakob N Kather, Jochen K Lennerz

专题命中 临床大模型 ：medical AI(title,abstract)；clinical AI(abstract)

AI总结 本文提出六种干预措施，旨在通过伦理设计框架确保医疗AI代理在自主系统中维持医疗伦理核心原则。

Comments 7 pages, 1 figure

Unlocking Electronic Health Records: A Hybrid Graph RAG Approach to Safe Clinical AI for Patient QA

解锁电子健康记录：一种混合图RAG方法用于安全临床AI的患者问答

Samuel Thio, Matthew Lewis, Spiros Denaxas, Richard JB Dobson

专题命中 临床大模型 ：clinical AI(title)

AI总结 本文提出MediGRAF，一种结合图检索与向量嵌入的混合RAG系统，通过整合结构化数据与非结构化文本，提升临床AI在患者问答中的安全性和准确性。

Comments 26 pages, 5 figures, 2 tables

Journal ref Frontiers in Digital Health, vol. 8, 2026

Selective Fine-Tuning of GPT Architectures for Parameter-Efficient Clinical Text Classification

针对参数高效临床文本分类的GPT架构选择性微调

Fariba Afrin Irany, Sampson Akwafuo

专题命中 临床大模型 ：radiology(abstract)

AI总结 本文提出一种参数高效的GPT-2选择性微调框架，通过冻结大部分参数仅更新关键模块，实现高效临床文本分类，在5万份放射报告上达到91%的准确率，兼顾性能与效率。

A Hybrid AI and Rule-Based Decision Support System for Disease Diagnosis and Management Using Labs

一种结合人工智能与规则的决策支持系统用于疾病诊断与管理

Muhammad Hammad Maqsood, Mubashir Sajid, Khubaib Ahmed, Muhammad Usamah Shahid, Muddassar Farooq

机构 * CureMD Research（CureMD研究） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出一种融合AI预测模型与医学知识库的临床决策支持系统，利用实验室数据推断可能诊断并建议进一步检查，通过规则和数据驱动预测结合，为医生提供诊断支持，减少误诊。

MultiTask Learning AI system to assist BCC diagnosis with dual explanation

多任务学习AI系统辅助BCC诊断的双解释

Iván Matas, Carmen Serrano, Francisca Silva, Amalia Serrano, Tomás Toledo-Pastrana, Begoña Acha

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

AI总结 本文提出一种多任务学习AI系统，用于从皮肤镜图像中检测基底细胞癌，结合皮肤科医生的诊断标准和Grad-CAM解释，实现高准确率和透明性。

Comments 23 pages, 4 figures, 5 tables, under review in Scientific Reports

Scalable Text-Embedding-informed Cognitive Diagnosis of Large Language Models

可扩展的基于文本嵌入的认知诊断用于大语言模型

Jia Liu, Zhiyu Xu, Yuqi Gu

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出将心理测量学中的认知诊断模型(CDM)适应于大语言模型评估，通过多维离散能力配置文件实现细粒度诊断，并利用文本嵌入信息构建先验，提高高维估计的稳定性。

Comments 34 pages of main text, 12 pages of appendix, 7 figures

Do Mixed-Vendor Multi-Agent LLMs Improve Clinical Diagnosis?

多供应商多智能体大语言模型是否能改善临床诊断？

Grace Chang Yuan, Xiaoman Zhang, Sung Eun Kim, Pranav Rajpurkar

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文研究了多供应商多智能体系统在临床诊断中的表现，发现混合供应商配置在召回率和准确性上优于单一供应商配置，揭示了供应商多样性对诊断系统鲁棒性的重要性。

Comments Accepted as Oral at the EACL 2026 Workshop on Healthcare and Language Learning (HeaLing)

Accounting for Heavy Censoring in Evaluating the Risk Stratification Abilities of Existing Models for Time to Diagnosis of Huntington Disease

在评估现有模型对亨廷顿病诊断时间的风险分层能力时考虑重删

Kyle F. Grosser, Abigail G. Foes, Stellen Li, Vraj Parikh, Tanya P. Garcia, Sarah C. Lotspeich

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文探讨了现有模型在亨廷顿病诊断时间预测中的性能，通过外部验证和适当的删失指标比较，发现MRS模型在考虑更多协变量后表现最佳，但PIN模型在更少变量下同样有效。

Comments 16 pages, 4 tables, 2 figures

TheraAgent: Multi-Agent Framework with Self-Evolving Memory and Evidence-Calibrated Reasoning for PET Theranostics

TheraAgent：具有自我进化记忆和证据校准推理的多智能体框架用于PET治疗诊断

Zhihao Chen, Jiahui Wang, Yizhou Chen, Xiaozhong Ji, Xiaobin Hu, Jimin Hong, Wolfram Andreas Bosbach, Axel Rominger, Ali Afshar-Oromieh, Hongming Shan, Kuangyu Shi

机构 * Fudan University（复旦大学） ； University of Bern（伯尔尼大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 TheraAgent通过自我进化记忆和证据校准推理，解决PET治疗诊断中数据稀缺、信息异构和证据推理的问题，实现75.7%的准确率。

EchoLVFM: One-Step Video Generation via Latent Flow Matching for Echocardiogram Synthesis

EchoLVFM: 通过潜在流匹配实现单步视频生成用于超声心动图合成

Emmanuel Oladokun, Sarina Thomas, Jurica Šprem, Vicente Grau

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

AI总结 本文提出EchoLVFM框架，通过潜在空间单步生成可控的超声心动图视频，提升效率并保持视觉质量，实验证明其在单帧条件下的视频质量与专家判断准确率。

Comments Submitted to MICCAI 2026; Under Review

A prospective clinical feasibility study of a conversational diagnostic AI in an ambulatory primary care clinic

前瞻性临床可行性研究：一种对话式诊断AI在门诊初级保健诊所中的应用

Peter Brodeur, Jacob M. Koshy, Anil Palepu, Khaled Saab, Ava Homiar, Roma Ruparel, Charles Wu, Ryutaro Tanno, Joseph Xu, Amy Wang, David Stutz, Wei-Hung Weng, Hannah M. Ferrera, David Barrett, Lindsey Crowley, Jihyeon Lee, Spencer E. Rittner, Ellery Wulczyn, Selena K. Zhang, Elahe Vedadi, Christine G. Kohn, Kavita Kulkarni, Vinay Kadiyala, Sara Mahdavi, Wendy Du, Jessica M. Williams, David Feinbloom, Renee Wong, Tao Tu, Petar Sirkovic, Alessio Orlandi, Christopher Semturs, Yun Liu, Juraj Gottweis, Dale R. Webster, Joëlle Barral, Katherine Chou, Pushmeet Kohli, Avinatan Hassidim, Yossi Matias, James Manyika, Rob Fields, Jonathan X. Li, Marc L. Cohen, Vivek Natarajan, Mike Schaekermann, Alan Karthikesalingam, Adam Rodman

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

AI总结 本文探讨了基于大语言模型的对话式AI在真实临床环境中的可行性，评估了其安全性、质量和临床推理能力，并展示了AI在初级保健中的初步应用效果。

Eliciting Chain-of-Thought Reasoning for Time Series Analysis using Reinforcement Learning

通过强化学习激发时间序列分析的链式推理

Felix Parker, Nimeesha Chan, Chi Zhang, Kimia Ghobadi

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

AI总结 本文提出COUNTS框架，通过强化学习训练LLM进行时间序列任务的链式推理，提升复杂时间数据处理能力。

Every Error has Its Magnitude: Asymmetric Mistake Severity Training for Multiclass Multiple Instance Learning

每种错误都有其严重性：面向多类多实例学习的不对称错误严重性训练

Sungrae Hong, Jiwon Jeong, Jisu Shin, Donghee Han, Sol Lee, Kyungeun Kim, Mun Yong Yi

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

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

AI总结 本文提出一种考虑错误严重性的训练策略，通过层次结构优化和概率对齐提升多类多实例学习的诊断准确性，减少临床关键错误。

Comments Accepted by CVPR 2026

LUMINA: Laplacian-Unifying Mechanism for Interpretable Neurodevelopmental Analysis via Quad-Stream GCN

LUMINA：基于拉普拉斯统一机制的可解释神经发育分析四流图卷积网络

Minkyung Cha, Jooyoung Bae, Jaewon Jung, Ping Shu Ho, Ka Chun Cheung, Namjoon Kim

机构 * Seoul National University, Seoul, Republic of Korea（首尔国立大学，韩国首尔） ； NVIDIA AI Technology Center HK, Hong Kong（NVIDIA香港人工智能技术中心，香港） 纠错

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

AI总结 LUMINA通过四流图卷积网络和双频谱图拉普拉斯过滤机制，提升fMRI数据中神经连接动态的可解释性，在ADHD和ASD诊断中表现优异。