医学 AI

Halfway to 3D: Ensembling 2.5D and 3D Models for Robust COVID-19 CT Diagnosis

半路3D：融合2.5D和3D模型用于稳健的新冠CT诊断

Tuan-Anh Yang, Bao V. Q. Bui, Chanh-Quang Vo-Van, Truong-Son Hy

机构 * VNUHCM University of Science, Vietnam National University, Vietnam（越南国家大学科学大学） ； Ho Chi Minh University of Technology, Vietnam National University, Vietnam（胡志明技术大学，越南国家大学） ； The University of Alabama at Birmingham, United States（美国伯明翰大学） 纠错

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

AI总结 本文提出融合2.5D和3D表示的深度学习框架，通过多视图CT切片和体积信息提升新冠CT诊断的鲁棒性，实验显示其在二分类和多分类任务中均优于单一模型。

Robust-ComBat: Mitigating Outlier Effects in Diffusion MRI Data Harmonization

Robust-ComBat: 降低扩散磁共振成像数据调和中的异常值影响

Yoan David, Pierre-Marc Jodoin, Alzheimer's Disease Neuroimaging Initiative, The TRACK-TBI Investigators

机构 * VitaLab, Dep of Computer Science, University of Sherbrooke（维塔实验室，计算机科学系，谢布罗什大学） ； Imeka Solutions Inc.（伊梅卡解决方案公司） ； Alzheimer’s Disease Neuroimaging Initiative（阿尔茨海默病影像化验倡议） ； The TRACK-TBI Investigators（TRACK-TBI研究组） 纠错

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

AI总结 本文提出Robust-ComBat方法，通过引入MLP模型有效处理扩散MRI数据中的异常值问题，提升调和精度并保留疾病相关信号。

Comments 20 pages, 8 figures

Domain and Task-Focused Example Selection for Data-Efficient Contrastive Medical Image Segmentation

面向领域和任务的示例选择用于数据高效的对比医学图像分割

Tyler Ward, Aaron Moseley, Abdullah-Al-Zubaer Imran

机构 * Department of Computer Science, University of Kentucky（肯塔基大学计算机科学系） 纠错

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

AI总结 本文提出PolyCL框架，通过对比学习提升医学图像分割效率，无需像素级标注，结合SAM模型提升分割精度与体积分割能力。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://www.melba-journal.org/2026:002

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

Deep Learning-Based Airway Segmentation in Systemic Lupus Erythematosus Patients with Interstitial Lung Disease (SLE-ILD): A Comparative High-Resolution CT Analysis

基于深度学习的系统性红斑狼疮患者间质性肺病（SLE-ILD）气道分割：一种高分辨率CT的比较分析

Sirong Piao, Ying Ming, Ruijie Zhao, Jiaru Wang, Ran Xiao, Rui Zhao, Zicheng Liao, Qiqi Xu, Shaoze Luo, Bing Li, Lin Li, Zhuangfei Ma, Fuling Zheng, Wei Song

机构 * Department of Radiology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（放射科，北京地坛医院，中国医学科学院与北京联合医学院） ； Research and Development Center (RDC), Canon Medical Systems (China)（研发部（RDC），佳能医疗系统（中国）） ； Canon Medical Systems (China)（佳能医疗系统（中国）） 纠错

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

AI总结 本文利用深度学习方法比较SLE患者是否有ILD的气道体积差异，发现SLE-ILD患者在上肺叶和特定段中存在显著气道扩张，揭示了ILD在SLE中的区域特异性表现。

Topology-Guided Biomechanical Profiling: A White-Box Framework for Opportunistic Screening of Spinal Instability on Routine CT

拓扑引导的生物力学分析：一种白盒框架用于常规CT中脊柱不稳定性的机会性筛查

Zanting Ye, Xuanbin Wu, Guoqing Zhong, Shengyuan Liu, Jiashuai Liu, Ge Song, Zhisong Wang, Jing Hao, Xiaolong Niu, Yefeng Zheng, Yu Zhang, Lijun Lu

机构 * Southern Medical University（南方医科大学） ； The Affiliated Cancer Hospital of Zhengzhou University（郑州大学附属肿瘤医院） ； The Chinese University of Hong Kong（香港中文大学） ； Xi'an Jiaotong University（西安交通大学） ； Northwestern Polytechnical University（西北工业大学） ； The University of Hong Kong（香港大学） ； Westlake University（西湖大学） ； Guangdong Provincial People's Hospital（广东省人民医院） 纠错

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

AI总结 本文提出一种白盒框架，通过拓扑引导的生物力学分析，解决常规CT中脊柱不稳定性的筛查问题，通过几何创新和可解释的AI方法提高诊断准确性。

Comments 11 pages, 3 tables, 2 figures

Concept-to-Pixel: Prompt-Free Universal Medical Image Segmentation

概念到像素：无提示通用医学图像分割

Haoyun Chen, Fenghe Tang, Wenxin Ma, Shaohua Kevin Zhou

机构 * School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advanced Research, USTC, Suzhou, Jiangsu 215123, China Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology, Suzhou Jiangsu, 215123, China State Key Laboratory of Precision 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C2P框架，通过分离解剖学知识为几何和语义表示，利用多模态大语言模型生成语义令牌，并引入几何令牌约束，实现无提示的通用医学图像分割，实验表明其在多种模态和数据集上表现优异。

Comments 32 pages, code is available at: https://github.com/Yundi218/Concept-to-Pixel

DiffVP: Differential Visual Semantic Prompting for LLM-Based CT Report Generation

DiffVP：基于LLM的CT报告生成的微分视觉语义提示

Yuhe Tian, Kun Zhang, Haoran Ma, Rui Yan, Yingtai Li, Rongsheng Wang, Shaohua Kevin Zhou

机构 * Department of Electronic Engineering ； Information Science, School of Information Science ； Technology, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Technology of China (USTC), Hefei, Anhui 230026, China Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advanced Research, University of Science ； Technology of China (USTC), Suzhou, Jiangsu 215123, China Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology, University of Science ； Technology of China (USTC), Suzhou, Jiangsu 215123, China State Key Laboratory of Precision ； Intelligent Chemistry, University of Science 纠错

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

AI总结 DiffVP通过微分视觉提示方法，利用扫描与参考之间的高阶语义差异指导LLM生成CT报告，提升报告准确性，实验表明其在BLEU和临床效果上均优于现有方法。

Compton-thick AGN in the NuSTAR Era. XI. Analyzing 11 CT-AGN Candidates Selected with Machine Learning

NuSTAR时代Compton厚AGN的分析。XI.基于机器学习选出的11个CT-AGN候选人的分析

Ross Silver, Nuria Torres-Alba, Stefano Marchesi, Vittoria Gianolli, Isaiah Cox, Dhrubojyoti Sengupta, Indrani Pal, Marco Ajello, Xiurui Zhao, Kouser Imam, Anuvab Banerjee

专题命中 医学影像 ：CT(title,abstract)

AI总结 本文利用UXClumpy和RXTorusD模型分析11个CT-AGN候选人的X射线光谱，发现其中部分天体具有高柱密度，并比较了两种模型在光子指数和柱密度上的一致性。

Pixel-level Counterfactual Contrastive Learning for Medical Image Segmentation

像素级反事实对比学习用于医学图像分割

Marceau Lafargue-Hauret, Raghav Mehta, Fabio De Sousa Ribeiro, Mélanie Roschewitz, Ben Glocker

机构 * Department of Computing, Imperial College London, UK（帝国理工学院伦敦分校计算机系） 纠错

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

AI总结 本文提出结合反事实生成与密集对比学习的DVD-CL和MVD-CL方法，利用银标准标注提升医学图像分割的鲁棒性，实验表明无标注DVD-CL在挑战性数据上达到94%的DSC。

Comments Accepted at ISBI-2026 (oral presentation)

On the Degrees of Freedom of Gridded Control Points in Learning-Based Medical Image Registration

关于格点控制点在基于学习的医学图像配准中的自由度

Wen Yan, Qianye Yang, Yipei Wang, Shonit Punwani, Mark Emberton, Vasilis Stavrinides, Yipeng Hu, Dean Barratt

机构 * UCL Hawkes Institute（UCL霍克斯研究所；医学物理与生物医学工程系，伦敦大学学院） ； Department of Medical Physics and Biomedical Engineering, University College London（医学成像中心，医学系，伦敦大学学院） ； Centre for Medical Imaging, Division of Medicine, University College London（外科与介入科学系，伦敦大学学院） ； Division of Surgery and Interventional Science, University College London（癌症研究所，泌尿科，UCL医院，伦敦大学学院） ； Cancer Institute, Urology Department, UCL Hospital, University College London（放射科，帝国理工医疗） ； Radiology Department, Imperial College Healthcare 纠错

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

AI总结 本文提出GridReg框架，通过稀疏格点预测位移场，减少参数和内存消耗，同时保持配准精度，实验表明在前列腺、盆腔器官和神经结构配准中效果显著。

Comments 27 pages; 8 figures

Trust the Unreliability: Inward Backward Dynamic Unreliability Driven Coreset Selection for Medical Image Classification

信任不可靠性：向内 backward 动态不可靠性驱动的 coreset 选择用于医学图像分类

Yan Liang, Ziyuan Yang, Zhuxin Lei, Mengyu Sun, Yingyu Chen, Yi Zhang

机构 * Sichuan University（四川大学） 纠错

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

AI总结 本文提出动态不可靠性驱动的 coreset 选择策略，通过分析训练过程中样本的不可靠性，选择靠近决策边界的样本以提升医学图像分类性能。

MedSAD-CLIP: Supervised CLIP with Token-Patch Cross-Attention for Medical Anomaly Detection and Segmentation

MedSAD-CLIP：基于Token-Patch交叉注意力的监督CLIP用于医学异常检测和分割

Thuy Truong Tran, Minh Kha Do, Phuc Nguyen Duy, Min Hun Lee

机构 * Singapore Management University（新加坡管理大学） ； La Trobe University（拉特罗布大学） ； Vietnam National University, Hanoi（越南国家大学河内分校） 纠错

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

AI总结 本文提出MedSAD-CLIP，通过Token-Patch交叉注意力提升医学图像中病变定位，结合轻量级图像适配器和可学习提示词，实现CLIP在医学领域的有效监督适应，实验表明其在分割和分类任务中优于现有方法。

Multi-modal 3D Pose and Shape Estimation with Computed Tomography

基于计算机断层扫描的多模态3D姿态和形状估计

Mingxiao Tu, Hoijoon Jung, Alireza Moghadam, Jineel Raythatha, Lachlan Allan, Jeremy Hsu, Andre Kyme, Jinman Kim

机构 * School of Computer Science, The University of Sydney, Sydney, NSW 2006, Australia（悉尼大学计算机科学学院） ； School of Biomedical Engineering, The University of Sydney, Sydney, NSW 2006, Australia（悉尼大学生物医学工程学院） ； Trauma Service, Westmead Hospital, Australia（西墨迪医院创伤服务） 纠错

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

AI总结 本文提出一种多模态在床患者3D姿态和形状估计网络，融合CT扫描的几何特征和深度图，有效重建遮挡区域并提升估计精度，实验表明其在姿态和形状估计上分别优于现有方法23%和49.16%。

A practical artificial intelligence framework for legal age estimation using clavicle computed tomography scans

一种用于法律年龄估计的实用人工智能框架，使用锁骨计算机断层扫描

Javier Venema, Stefano De Luca, Pablo Mesejo, Óscar Ibáñez

机构 * Panacea Cooperative Research S.Coop. ； Department of Computer Science and Artificial Intelligence, University of Granada（计算机科学与人工智能系，格拉纳达大学） ； Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI Institute)（数据科学与计算智能安达卢西亚研究所（DaSCI研究所）） ； Department of Organisms and Systems Biology, Faculty of Biology, University of Oviedo（生物系，奥维耶多大学 organisms and Systems Biology 系） ； Faculty of Computer Science, CITIC, University of A Coruña（计算机科学系，阿拉斯加州立大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出一种基于锁骨CT扫描的可解释多阶段框架，结合自动检测、切片选择策略和置信区间预测，实现高精度法律年龄估计，优于人类专家和现有方法。

Comments 15 pages, 8 figures, submitted to Engineering Applications of Artificial Intelligence

Score Distillation Beyond Acceleration: Generative Modeling from Corrupted Data

生成模型从损坏数据中学习：超越加速的分数蒸馏

Yasi Zhang, Tianyu Chen, Zhendong Wang, Ying Nian Wu, Mingyuan Zhou, Oscar Leong

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft AI Superintelligence（微软人工智能超级智能） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 本文提出RSD框架，通过预训练腐蚀感知扩散教师模型并蒸馏出高效单步生成器，实现高保真生成模型，适用于图像修复、超分辨率等任务，实验显示在多个数据集上FID均优于传统方法。

Comments This paper merges DSD(Denoising Score Distillation) and RSD(Restoration Score Distillation)v1. Tianyu Chen and Yasi Zhang contributed equally; Oscar Leong and Mingyuan Zhou advised equally

A Single-Fiber Optical Frequency Domain Reflectometry (OFDR)-Based Shape Sensing of Concentric Tube Steerable Drilling Robots

基于单光纤光频域反射计（OFDR）的同心管可操控钻探机器人形状感知

Yash Kulkarni, Mobina Tavangarifard, Daniyal Maroufi, Mohsen Khadem, Justin E. Bird, Jeffrey H. Siewerdsen, Farshid Alambeigi

机构 * Walker Department of Mechanical Engineering and Texas Robotics at The University of Texas at Austin（德克萨斯大学机械工程系与德克萨斯机器人系） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Orthopedic Oncology, Division of Surgery, The University of Texas M.D. Anderson Cancer Center（德克萨斯大学MD安德森癌症中心骨肉瘤科） ； Department of Imaging Physics, Division of Diagnostic Imaging, The University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心影像物理科） 纠错

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出一种基于OFDR的新型形状感知方法，用于同心管可操控钻探机器人（CT-SDR）。该方法通过集成单根OFDR光纤与扁平NiTi线制作传感组件，实现连续应变测量，提升空间分辨率，并在合成Sawbones仿生体中验证了其准确性和可靠性。

Comments 8 pages, 7 figures

Mechanistic Insights into Enhanced Alkaline Oxygen Evolution on Zn-Al Alloy Electrodes

深入探讨Zn-Al合金电极在碱性条件下的氧析出增强机制

Abdul Ahad Mamun, Rokon Uddin Mahmud, Shahin Aziz, Muhammad Shahriar Bashar, Ahmed Sharif, Muhammad Anisuzzaman Talukder

专题命中 医学影像 ：CT(abstract)

AI总结 研究通过实验和理论计算揭示Zn-Al合金电极在碱性环境中的氧析出反应性能，发现Al含量20%以上导致相不稳定，而10%-15%Al含量提升催化效率，降低过电位。

Does Local Urban Governance Status Matter? Evidence from India

地方城市治理状态是否重要？来自印度的证据

Saannidhya Rawat

专题命中 医学影像 ：CT(abstract)

AI总结 本文利用印度人口普查城镇分类标准的准随机变化，研究了2001年符合条件对2011年法定认可概率的影响，并发现地方政府的治理状态提升了公共物品提供。

Comments Title changed from "Does Urban Local Governance Matter? Evidence from India" to "Does Local Urban Governance Status Matter? Evidence from India". Revised introduction, updated estimates, and added appendix material

Pathology-Aware Multi-View Contrastive Learning for Patient-Independent ECG Reconstruction

考虑病理的多视图对比学习用于患者无关的ECG重建

Youssef Youssef, Jitin Singla

机构 * Department of Computer Science and Engineering, Indian Institute of Technology Roorkee（计算机科学与工程系，印度理工学院Roorkee） ； Department of Biosciences and Bioengineering, Indian Institute of Technology Roorkee（生物科学与生物工程系，印度理工学院Roorkee） 纠错

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

AI总结 本文提出考虑病理的多视图对比学习框架，通过病理 manifold 正则化潜在空间，结合高保真时间域波形与病理感知嵌入，减少解剖噪声，实现患者无关的ECG重建。

Tabular LLMs for Interpretable Few-Shot Alzheimer's Disease Prediction with Multimodal Biomedical Data

用于多模态生物医学数据的可解释少样本阿尔茨海默病预测的表格LLMs

Sophie Kearney, Shu Yang, Zixuan Wen, Weimin Lyu, Bojian Hou, Duy Duong-Tran, Tianlong Chen, Jason H. Moore, Marylyn D. Ritchie, Chao Chen, Li Shen

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Stony Brook University（石溪大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Medical University of South Carolina（南卡罗来纳医科大学） ； Cedars-Sinai Medical Center（西格拉姆山医疗中心） 纠错

专题命中 诊断辅助 ：biomedical(title)；MRI(abstract)；diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 本文提出TAP-GPT框架，利用预训练的大语言模型进行少样本阿尔茨海默病分类，展示了其在多模态生物医学数据中的优越性能和可解释性。

Towards Clinical Practice in CT-Based Pulmonary Disease Screening: An Efficient and Reliable Framework

迈向基于CT的肺部疾病筛查的临床实践：一种高效且可靠的框架

Qian Shao, Bang Du, Yixuan Wu, Zepeng Li, Qiyuan Chen, Qianqian Tang, Jian Wu, Jintai Chen, Hongxia Xu

机构 * Zhejiang University（浙江大学） ； Shaoxing Tangtang Technology Co., Ltd.（绍兴唐唐科技有限公司） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 本文提出一种高效可靠的框架，通过簇基于采样和模糊性感知不确定性量化方法，在减少计算成本的同时保持诊断性能，实现快速准确的肺部疾病筛查。

Human-AI Co-reasoning for Clinical Diagnosis with Evidence-Integrated Language Agent

人机协同推理用于临床诊断：证据整合语言代理

Zhongzhen Huang, Yan Ling, Hong Chen, Ye Feng, Li Wu, Linjie Mu, Shaoting Zhang, Xiaofan Zhang, Kun Qian, Xiaomu Li

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出PULSE，结合领域调优的大语言模型与文献检索，支持复杂病例的诊断决策。实验显示PULSE在专家级准确度上表现优异，且在罕见病病例中保持稳定性能，揭示了语言模型在临床诊断中的潜力与局限。

Comments After further evaluation, we have decided to withdraw the current version of this manuscript for further revision. We plan to add new experiments, improve the writing and overall presentation for greater clarity and coherence, and re-examine the dataset and related descriptions to ensure rigor and reliability before submitting an updated version

A statistical framework for dynamic cognitive diagnosis in digital learning environments

基于统计学的动态认知诊断框架用于数字学习环境

Yawen Ma, Anastasia Ushakova, Kate Cain, Gabriel Wallin

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出一种基于受限潜在类模型的动态认知诊断模型，用于分析数字学习环境中学生随时间变化的技能掌握情况，通过日志数据联合估计Q矩阵和潜在技能特征，提高教育实践中的个体化诊断能力。

EEG-SeeGraph: Interpreting functional connectivity disruptions in dementias via sparse-explanatory dynamic EEG-graph learning

EEG-SeeGraph: 通过稀疏解释性动态EEG图学习解读痴呆症的功能连接紊乱

Fengcheng Wu, Zhenxi Song, Guoyang Xu, Kaisong Hu, Zirui Wang, Yi Guo, Zhiguo Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Institute of Neurological Diseases, Shenzhen Bay Laboratory, Shenzhen, China（深圳湾实验室神经疾病研究院） 纠错

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

AI总结 本文提出EEG-SeeGraph，通过稀疏解释性动态EEG图学习方法，解析痴呆症中功能连接紊乱，具备噪声鲁棒性和可解释性。

ROPE: A Novel Method for Real-Time Phase Estimation of Complex Biological Rhythms

ROPE：一种用于复杂生物节律实时相位估计的新方法

Antonio Spallone, Marco Coraggio, Francesco De Lellis, Mario di Bernardo

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

AI总结 ROPE是一种能处理任意维度信号并实现实时相位估计的算法，通过高效搜索先前信号段来分割信号为伪周期，并在多种信号类型上验证其鲁棒性和性能优势。

Theoretical Foundations of Latent Posterior Factors: Formal Guarantees for Multi-Evidence Reasoning

潜在后验因子的理论基础：多证据推理的正式保证

Aliyu Agboola Alege

机构 * Epalea 纠错

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

AI总结 本文提出了一种理论框架，通过变分自编码器将多异质证据转换为高斯潜在后验，并利用Sum-Product网络或神经聚合器进行聚合，提供多证据推理的正式保证。

Comments 30 pages, 8 figures, 10 tables. Theoretical characterization of the Latent Posterior Factors (LPF) framework for multi-evidence probabilistic reasoning, with formal guarantees and empirical validation

Where MLLMs Attend and What They Rely On: Explaining Autoregressive Token Generation

MLLMs关注什么以及依赖什么：解释自回归标记生成

Ruoyu Chen, Xiaoqing Guo, Kangwei Liu, Siyuan Liang, Shiming Liu, Qunli Zhang, Laiyuan Wang, Hua Zhang, Xiaochun Cao

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） ； College of Computing and Data Science, NTU（NTU 计算与数据科学学院） ； Huawei（华为） ； School of Flexible Electronics, SYSU（SYSU 灵活电子学院） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（Sun Yat-sen 大学深圳校区计算机科学与技术学院） 纠错

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

AI总结 本文提出EAGLE框架，通过轻量级黑盒方法解释MLLMs的自回归标记生成，量化语言先验和感知证据的影响，提升模型可解释性。

Comments Accepted to CVPR 2026

A Comprehensive Benchmark of Histopathology Foundation Models for Kidney Digital Pathology Images

一种针对肾数字病理图像的病理基础模型综合基准测试

Harishwar Reddy Kasireddy, Patricio S. La Rosa, Akshita Gupta, Anindya S. Paul, Jamie L. Fermin, William L. Clapp, Meryl A. Waldman, Tarek M. El-Ashkar, Sanjay Jain, Luis Rodrigues, Kuang Yu Jen, Avi Z. Rosenberg, Michael T. Eadon, Jeffrey B. Hodgin, Pinaki Sarder

机构 * Department of Electrical and Computer Engineering, University of Florida（佛罗里达大学电气与计算机工程系） ； Seed Production Innovation, Crop Science Division, Bayer Company（拜耳公司种子生产创新部） ； Division of Medicine – Quantitative Health, University of Florida（佛罗里达大学医学部-定量健康分部） ； Department of Health Outcomes and Biomedical Informatics, University of Florida（佛罗里达大学健康结果与生物医学信息学系） ； Department of Pathology, Immunology and Laboratory Medicine, University of Florida College of Medicine（佛罗里达大学医学院病理学、免疫学与实验室医学系） ； Kidney Disease Branch, National Institute of Diabetes and Digestive and Kidney Diseases, National Institutes of Health（美国国立卫生研究院糖尿病、消化系统与肾病研究所肾病分支） ； Indiana University School of Medicine（印第安纳大学医学院） ； Departments of Medicine, Washington University School of Medicine（华盛顿大学医学院医学部） ； Universidade de Coimbra（科英布拉大学） ； Department of Pathology and Laboratory Medicine, University of California at Davis School of Medicine（加州大学戴维斯分校医学院病理学与实验室医学系） ； Department of Pathology, Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院病理学系） 纠错

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

AI总结 本文评估了11种公开的病理基础模型在11个肾脏特定下游任务中的表现，揭示了其在肾病诊断中的适用性及改进方向。

Comments 31 Pages, 14 Tables, 12 figures, Co-correspondence to jhodgin@med.umich.edu and pinaki.sarder@ufl.edu

A mechanism design overview of Sedna

Sedna共识机制概述

Benjamin Marsh, Alejandro Ranchal-Pedrosa

专题命中 病理影像 ：pathology(abstract)

AI总结 本文研究了Sedna共识机制中的一种尖锐激励失败问题，提出PIVOT-K机制以集中奖励触发解码的捆绑，并通过适应性发送者ratchet减少多槽 withholding的影响，降低MEV成本至0.04%。

MLlm-DR: Towards Explainable Depression Recognition with MultiModal Large Language Models

MLlm-DR: 向多模态大语言模型的可解释性抑郁识别迈进

Wei Zhang, Juan Chen, En Zhu, Wenhong Cheng, YunPeng Li, Yanbo J. Wang

机构 * National University of Defense Technology（国防科技大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； 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） ； Nanjing Industria Tenebris Information Technology Co., Ltd.（南京Industria Tenebris信息技术有限公司） ； National University of Uzbekistan named after Mirzo Ulugbek（乌兹别克斯坦Mirzo Ulugbek命名的国立大学） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 本文提出MLlm-DR模型，通过多模态大语言模型实现可解释的抑郁识别，结合小型LLM和轻量级查询模块，提升诊断性能。