医学 AI

Translating MRI to PET through Conditional Diffusion Models with Enhanced Pathology Awareness

通过增强病理意识的条件扩散模型将MRI翻译为PET

Yitong Li, Igor Yakushev, Dennis M. Hedderich, Christian Wachinger

机构 * Lab for Artificial Intelligence in Medical Imaging, Institute for Diagnostic and Interventional Radiology, School of Medicine and Health, TUM Klinikum, Technical University of Munich (TUM)（人工智能医学成像实验室，诊断与介入放射学研究所，医学院与健康学院，TUM医院，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Nuclear Medicine, School of Medicine and Health（核医学系，医学院与健康学院） ； Department of Neuroradiology, School of Medicine and Health（神经放射学系，医学院与健康学院） 纠错

专题命中 医学影像 ：MRI(title,abstract)；pathology(title,abstract)；medical image(abstract,comments)；diagnosis(abstract)

AI总结 本文提出PASTA框架，利用条件扩散模型生成高质量3D PET图像，通过双臂架构和多模态条件整合提升结构与病理细节的保留，使合成PET在阿尔茨海默病诊断中性能优于MRI，接近真实PET。

Comments Accepted by Medical Image Analysis

ITKIT: Feasible CT Image Analysis based on SimpleITK and MMEngine

ITKIT：基于SimpleITK和MMEngine的可行CT图像分析

Yiqin Zhang, Meiling Chen

机构 * Lingang Laboratory（临港实验室） 纠错

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

AI总结 本文提出ITKIT，基于SimpleITK和MMEngine实现从DICOM到3D分割的完整流程，提供简单易用的CLI和灵活的模型配置，通过12个实验验证其在基本场景中的有效性。

A Novel Framework using Intuitionistic Fuzzy Logic with U-Net and U-Net++ Architecture: A case Study of MRI Bain Image Segmentation

一种利用直觉模糊逻辑与U-Net和U-Net++架构的新型框架：MRI脑图像分割的案例研究

Hanuman Verma, Kiho Im, Akshansh Gupta, M. Tanveer

机构 * Department of Mathematics, Bareilly College, Bareilly (MJP Rohilkhand University), Uttar Pradesh, 243005, India（巴里利学院数学系，巴里利（MJP罗希兰德大学），乌塔尔普拉德什，243005，印度） ； Fetal Neonatal Neuroimaging and Developmental Science Center, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA and Division of Newborn Medicine, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA also with Department of Pediatrics, Harvard Medical School, Boston, MA, USA（波士顿儿童医院胎儿和新生儿神经影像与发育科学中心，哈佛医学院，波士顿，马萨诸塞州02115，美国；波士顿儿童医院新生儿医学科，哈佛医学院，波士顿，马萨诸塞州02115，美国；也与哈佛医学院儿科系，波士顿，马萨诸塞州，美国） ； National Institute of Science Communication and Policy Research, New Delhi, 110012, India（国家科学传播与政策研究所，新德里，110012，印度） ； Department of Mathematics, Indian Institute of Technology Indore, Indore (M.P.)-453552, India（印度理工学院印度尔数学系，印度尔（马哈拉施特拉邦）-453552，印度） 纠错

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

AI总结 本文提出一种结合直觉模糊逻辑的U-Net和U-Net++框架，用于提高MRI脑图像分割的准确性，通过处理图像中的不确定性提升分割性能。

Comments 13 pages, 8 figures

LGESynthNet: Controlled Scar Synthesis for Improved Scar Segmentation in Cardiac LGE-MRI Imaging

LGESynthNet：用于改进心脏LGE-MRI成像瘢痕分割的受控瘢痕合成

Athira J. Jacob, Puneet Sharma, Daniel Rueckert

机构 * Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字化技术与创新部） ； Al in Healthcare and Medicine, Klinikum rechts der Isar, Technical University of Munich（医疗与医学AI，慕尼黑工业大学右侧医院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） 纠错

专题命中 医学影像 ：MRI(title,abstract)；biomedical(abstract)

AI总结 本文提出LGESynthNet，一种基于潜在扩散模型的可控合成框架，通过奖励模型、提示模块和生物医学文本编码器，利用少量标注数据生成高质量瘢痕图像，提升后续分割和检测性能。

Comments Accepted at MICCAI STACOM workshop 2025

UEPS: Robust and Efficient MRI Reconstruction

UEPS：鲁棒且高效的MRI重建

Xiang Zhou, Hong Shang, Zijian Zhan, Tianyu He, Jintao Meng, Dong Liang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, China（深圳先进技术研究院，中国科学院，中国） ； School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University, China（生物医学工程学院，深圳大学医学院，深圳大学，中国） ； University of Chinese Academy of Sciences, China（中国科学院大学，中国） ； Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology, China（计算机科学与人工智能学院，深圳先进技术大学，中国） ； State Key Laboratory of Biomedical Imaging Science and System, Chinese Academy of Sciences, China（生物医学成像科学与系统国家重点实验室，中国科学院，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UEPS框架，通过消除CSM依赖、渐进分辨率和稀疏注意力机制，提升MRI重建的鲁棒性和效率，在多种临床转移测试中表现优异。

Comments The document contains the main paper and additional experimental details in the supplementary material. Open-source code can be found at: https://github.com/HongShangGroup/UEPS

Dual Agreement Consistency Learning with Foundation Models for Semi-Supervised Fetal Heart Ultrasound Segmentation and Diagnosis

双同意见一致性学习与基础模型在半监督胎儿心脏超声分割与诊断中的应用

Fangyijie Wang, Guénolé Silvestre, Kathleen M. Curran

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

AI总结 本文提出FM-DACL框架，结合预训练超声基础模型与卷积网络，通过异质协同训练和指数移动平均教师，提升低标注胎儿心脏超声分析的可行性，实验显示Dice分数达59.66，NSD为42.82。

Comments Accepted to the ISBI 2026 Fetal HearT UltraSound Segmentation and Diagnosis (FETUS) Challenge

Interpretable Prostate Cancer Detection using a Small Cohort of MRI Images

利用少量MRI图像进行可解释的前列腺癌检测

Vahid Monfared, Mohammad Hadi Gharib, Ali Sabri, Maryam Shahali, Farid Rashidi, Amit Mehta, Reza Rawassizadeh

机构 * Department of Computer Science, Boston University Metropolitan College（波士顿大学计算机科学系） ； Department of Radiology, McMaster University（麦斯特大学放射科） ； Department of Radiology, School of Medicine, 5th Azar Hospital, Golestan University of Medical Sciences（戈兰大学医学学院放射科，第五阿扎尔医院） ； Department of Medical Imaging, Niagara Health System（尼亚加拉健康系统医学影像科） ； Center of Excellence in Precision Medicine and Digital Health, Department of Physiology, Chulalongkorn University（朱拉隆梭大学精准医学与数字健康中心，生理学系） 纠错

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

AI总结 本文提出了一种基于小数据集的可解释前列腺癌检测框架，通过迁移学习和数据增强解决数据稀缺问题，比较了多种模型性能，展示了手工特征在小数据集中的有效性，并验证了方法在减少MRI采集复杂度和计算成本方面的优势。

Comments 26 pages, 5 figures, 7 tables

Unrolled Reconstruction with Integrated Super-Resolution for Accelerated 3D LGE MRI

展开重建与集成超分辨率用于加速3D晚期钆增强MRI

Md Hasibul Husain Hisham, Shireen Elhabian, Ganesh Adluru, Jason Mendes, Andrew Arai, Eugene Kholmovski, Ravi Ranjan, Edward DiBella

机构 * Kahlert School of Computing, University of Utah, Salt Lake City, UT, USA Radiology \& Imaging Sciences, University of Utah, Salt Lake City, UT, USA Cardiology, University of Utah, Salt Lake City, UT, USA 纠错

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

AI总结 本文提出一种混合展开重建框架，通过增强深度超分辨率网络提升超分辨率和数据一致性，改进3D晚期钆增强MRI的重建效果和左心房分割性能。

Latent Causal Modeling for 3D Brain MRI Counterfactuals

潜在因果建模用于3D脑MRI反事实

Wei Peng, Tian Xia, Fabio De Sousa Ribeiro, Tomas Bosschieter, Ehsan Adeli, Qingyu Zhao, Ben Glocker, Kilian M. Pohl

机构 * Stanford University（斯坦福大学） ； Weill Cornell Medicine（韦尔·科恩医学中心） ； Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 本文提出一种两阶段方法，在潜在空间中构建结构因果模型，利用VQ-VAE学习MRI体积的紧凑嵌入，并通过闭式广义线性模型生成高质量3D脑MRI反事实。

Benchmarking CNN-based Models against Transformer-based Models for Abdominal Multi-Organ Segmentation on the RATIC Dataset

在RATIC数据集上对基于CNN和基于Transformer的模型进行基准测试用于腹部多器官分割

Lukas Bayer, Sheethal Bhat, Andreas Maier

机构 * Pattern Recognition Lab Friedrich-Alexander-Universität Erlangen-Nürnberg（艾尔朗根-纽伦堡弗里德里希-亚历山大大学模式识别实验室） 纠错

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

AI总结 本文比较了基于CNN的SegResNet与三种混合Transformer模型在RATIC数据集上的多器官分割性能，发现CNN在整体表现上更优，而UNETR++表现最佳，UNETR收敛更快。

WeNLEX: Weakly Supervised Natural Language Explanations for Multilabel Chest X-ray Classification

WeNLEX：弱监督的多标签胸片分类自然语言解释

Isabel Rio-Torto, Jaime S. Cardoso, Luís F. Teixeira

机构 * INESC TEC ； Universidade do Porto（葡萄牙波尔图大学） 纠错

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

AI总结 本文提出WeNLEX，一种弱监督生成多标签胸片分类自然语言解释的方法，通过图像匹配和分布对齐确保解释的可信度和合理性，仅需少量真实解释即可生成高质量解释，并提升分类性能。

A Hybrid Physical--Digital Framework for Annotated Fracture Reduction Data Evaluated using Clinically Relevant 3D metrics

一种混合物理-数字框架用于注释骨折复位数据的评估，采用临床相关的3D指标

Basile Longo, Paul-Emmanuel Edeline, Hoel Letissier, Marc-Olivier Gauci, Aziliz Guezou-Philippe, Valérie Burdin, Guillaume Dardenne

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 本文提出混合物理-数字框架生成注释骨折复位数据，通过3D打印和CT扫描实现精确复位评估，引入临床相关3D指标提升复位质量。

Towards Efficient and Stable Ocean State Forecasting: A Continuous-Time Koopman Approach

迈向高效且稳定的海洋状态预测：一种连续时间Koopman方法

Rares Grozavescu, Pengyu Zhang, Mark Girolami, Etienne Meunier

机构 * Department of Engineering University of Cambridge（工程系剑桥大学） ； Alan Turing Institute（艾伦·图灵研究所） ； INRIA Paris（巴黎国家信息与自动化研究所） 纠错

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Koopman自编码器用于高效稳定的海洋状态预测，通过线性微分方程建模非线性动力学，实现时间不变预测并优于Transformer基线。

On the algebraic lower bound for the radius of spatial analyticity for the Zakharov-Kuznetsov and modified Zakharov-Kuznetsov equations

关于Zakharov-Kuznetsov和修正Zakharov-Kuznetsov方程空间解析性的代数下界

Mikaela Baldasso, Mahendra Panthee

专题命中 医学影像 ：CT(abstract)

AI总结 本文研究了二维广义Zakharov-Kuznetsov方程的初值问题，证明了在时间区间内解的空间解析性半径保持不变，并给出了在不同情况下解析性半径衰减的代数下界。

Comments 34 pages. arXiv admin note: text overlap with arXiv:2308.08541

From Detection to Diagnosis: Advancing Hallucination Analysis with Automated Data Synthesis

从检测到诊断：通过自动化数据合成推进幻觉分析

Yanyi Liu, Qingwen Yang, Tiezheng Guo, Feiyu Qu, Jun Liu, Yingyou Wen

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出从检测到诊断的新范式，通过自动化数据合成生成高质量训练样本，训练出HDM-4B-RL模型，在幻觉诊断任务中超越现有检测模型，实现更可靠的生成式AI系统。

Comments Accepted at The 40th Annual AAAI Conference on Artificial Intelligence

AndroTMem: From Interaction Trajectories to Anchored Memory in Long-Horizon GUI Agents

AndroTMem: 从交互轨迹到长周期GUI代理的锚定记忆

Yibo Shi, Jungang Li, Linghao Zhang, Zihao Dongfang, Biao Wu, Sicheng Tao, Yibo Yan, Chenxi Qin, Weiting Liu, Zhixin Lin, Hanqian Li, Yu Huang, Song Dai, Yonghua Hei, Yue Ding, Xiang Li, Shikang Wang, Chengdong Xu, Jingqi Liu, Xueying Ma, Zhiwen Zheng, Xiaofei Zhang, Bincheng Wang, Nichen Yang, Jie Wu, Lihua Tian, Chen Li, Xuming Hu

机构 * XJTU（西安交通大学） ； HKUST(GZ)（香港科技大学(广州)） ； HKUST（香港科技大学） ； CityU（城市大学） ； UTS（新南威尔士大学） ； TJU（天津大学） ； FDU（福建师范大学） ； SDU（山东大学） ； CASIA（中国科学院自动化所） ； SYSU（南方科技大学） ； NWPU（西北工业大学） 纠错

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

AI总结 本文提出AndroTMem框架，通过锚定状态记忆提升长周期GUI代理性能，实验显示其在任务完成率和动作成功率上优于传统方法。

TeachingCoach: A Fine-Tuned Scaffolding Chatbot for Instructional Guidance to Instructors

TeachingCoach：一种经过微调的支架聊天机器人，用于指导教师的教学指导

Isabel Molnar, Peiyu Li, Si Chen, Sugana Chawla, James Lang, Ronald Metoyer, Ting Hua, Nitesh V. Chawla

机构 * University of Notre Dame（诺特丹大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 TeachingCoach通过基于教育资源提取教学规则和合成对话生成，为教师提供实时对话指导，提升教学支持效率。

STRATUS: A Multi-agent System for Autonomous Reliability Engineering of Modern Clouds

STRATUS：一种用于现代云服务自主可靠性工程的多智能体系统

Yinfang Chen, Jiaqi Pan, Jackson Clark, Yiming Su, Noah Zheutlin, Bhavya Bhavya, Rohan Arora, Yu Deng, Saurabh Jha, Tianyin Xu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出STRATUS，一种基于LLM的多智能体系统，用于实现云服务的自主SRE。系统通过状态机组织多个专用智能体，提升故障检测、诊断和缓解的效率，并通过Transactional No-Regression规范提高自主故障缓解的成功率。

Comments 10 pages for main text

Multimodal Model for Computational Pathology:Representation Learning and Image Compression

多模态模型用于计算病理学：表示学习与图像压缩

Peihang Wu, Zehong Chen, Lijian Xu

机构 * Shenzhen University of Advanced Technology（深圳大学先进技术学院） 纠错

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

AI总结 本文探讨了多模态计算病理学中的表示学习和图像压缩技术，分析了自监督学习、多模态数据生成、参数高效适应及多代理协作推理等方向，旨在提升病理诊断的准确性和可解释性。

Cell-Type Prototype-Informed Neural Network for Gene Expression Estimation from Pathology Images

基于细胞类型原型的神经网络用于从病理图像估计基因表达

Kazuya Nishimura, Ryoma Bise, Shinnosuke Matsuo, Haruka Hirose, Yasuhiro Kojima

机构 * The University of Osaka, Japan（大阪大学） ； Kyushu University（九州大学） ； National Cancer Center Japan（日本国立癌症中心） 纠错

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

AI总结 本文提出CPNN模型，利用单细胞RNA测序数据估计病理图像中基因表达，通过细胞类型原型指导提升预测精度和可解释性。

Comments Accepted by CVPR 2026

VISTA: Validation-Guided Integration of Spatial and Temporal Foundation Models with Anatomical Decoding for Rare-Pathology VCE Event Detection

VISTA：基于解剖解码的时空基础模型验证引导整合用于罕见病理VCE事件检测

Bo-Cheng Qiu, Yu-Fan Lin, Yu-Zhe Pien, Chia-Ming Lee, Fu-En Yang, Yu-Chiang Frank Wang, Chih-Chung Hsu

机构 * National Cheng Kung University（国立成功大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； NVIDIA 纠错

专题命中 病理影像 ：pathology(title)；分类 cs.CV

AI总结 本文提出VISTA方法，通过整合时空基础模型与解剖解码，提升罕见病理事件检测的准确性，实验显示其在隐藏测试集上达到较高的mAP指标。

MIPHEI-ViT: Multiplex Immunofluorescence Prediction from H&E Images using ViT Foundation Models

MIPHEI-ViT：基于H&E图像的多重免疫荧光预测方法

Guillaume Balezo, Roger Trullo, Albert Pla Planas, Etienne Decenciere, Thomas Walter

机构 * Digital R&D, Sanofi（桑福数字研发部） ； Center for Computational Biology (CBIO) Mines Paris - PSL（计算生物学中心（CBIO）巴黎 Mines-PSL） ； Center for Statistics and Images (STIM) Mines Paris - PSL（统计与图像中心（STIM）巴黎 Mines-PSL） ； Institut Curie, INSERM, U1331（curie研究所，INSERM，U1331） ； InstaDeep 纠错

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV、q-bio

AI总结 本文提出MIPHEI-ViT模型，利用预训练的ViT基础模型从H&E图像预测多重免疫荧光信号，通过丰富的预训练表示实现细胞类型分类，验证结果在多个数据集上均优于基线模型。

Comments Accepted manuscript, 24 pages, 9 figures, 5 tables. Published in Computers in Biology and Medicine (DOI: https://doi.org/10.1016/j.compbiomed.2026.111564)

Journal ref Computers in Biology and Medicine, vol. 206, 2026, 111564

A Multicenter Benchmark of Multiple Instance Learning Models for Lymphoma Subtyping from HE-stained Whole Slide Images

多中心淋巴瘤亚型分类的多实例学习模型基准测试

Rao Muhammad Umer, Daniel Sens, Jonathan Noll, Sohom Dey, Christian Matek, Lukas Wolfseher, Rainer Spang, Ralf Huss, Johannes Raffler, Sarah Reinke, Ario Sadafi, Wolfram Klapper, Katja Steiger, Kristina Schwamborn, Carsten Marr

机构 * Institute of AI for Health, Helmholtz Munich（人工智能健康研究所，海德堡-慕尼黑研究中心） ； Department of Medicine III, Ludwig-Maximilian-University Hospital（第三医学部，路德维希-马克西米利安大学医院） ； Computational Health Center & Helmholtz AI, Helmholtz Munich（计算健康中心及海德堡-慕尼黑人工智能，海德堡-慕尼黑研究中心） ； German Cancer Consortium (DKTK), Partner Site Munich（德国癌症研究中心（DKTK），慕尼黑合作伙伴站点） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Technical University of Munich（慕尼黑技术大学） ； Institute of Pathology, Erlangen, Germany（埃朗根病理研究所） ； University of Regensburg（雷根斯堡大学） ； Institute for Digital Medicine, University Hospital, Augsburg, Germany（数字医学研究所，奥格斯堡大学医院） 纠错

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

AI总结 本文提出首个多中心淋巴瘤基准，评估五种病理基础模型与多实例学习聚合器在不同放大倍数下的性能，发现40x分辨率足够，但泛化能力有限。

Comments 19 pages

CytoSyn: a Foundation Diffusion Model for Histopathology -- Tech Report

CytoSyn：一种用于病理学的基准扩散模型——技术报告

Thomas Duboudin, Xavier Fontaine, Etienne Andrier, Lionel Guillou, Alexandre Filiot, Thalyssa Baiocco-Rodrigues, Antoine Olivier, Alberto Romagnoni, John Klein, Jean-Baptiste Schiratti

机构 * Owkin, Inc（Owkin公司） 纠错

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

AI总结 本文提出CytoSyn，一种先进的潜在扩散模型，用于生成高真实性和多样性的病理H&E染色图像，通过改进方法和训练策略，对比PixCell模型，展示了对预处理细节的敏感性。

Comments 21 pages, 5 figures, tech report, model page: https://huggingface.co/Owkin-Bioptimus/CytoSyn

CAFlow: Adaptive-Depth Single-Step Flow Matching for Efficient Histopathology Super-Resolution

CAFlow：自适应深度单步流匹配用于高效组织病理学超分辨率

Elad Yoshai, Ariel D. Yoshai, Natan T. Shaked

机构 * School of Biomedical Engineering, Tel Aviv University, Tel Aviv, Israel（生物医学工程学院，特拉维夫大学，特拉维夫，以色列） 纠错

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

AI总结 CAFlow通过自适应路由机制实现高效组织病理学超分辨率，利用单步流匹配框架在减少计算量的同时提升重建质量，实验显示其在不同放大倍数下均优于现有方法。

ELM: A Hybrid Ensemble of Language Models for Automated Tumor Group Classification in Population-Based Cancer Registries

ELM：一种语言模型的混合集成，用于人口基于癌症登记处的肿瘤分组自动分类

Lovedeep Gondara, Jonathan Simkin, Shebnum Devji, Gregory Arbour, Raymond Ng

机构 * British Columbia Cancer Registry, Provincial Health Services Authority（不列颠哥伦比亚省癌症登记处、省级卫生服务局） ； The Data Science Institute, University of British Columbia（数据科学研究院、不列颠哥伦比亚大学） 纠错

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

AI总结 ELM结合小型编码器-only模型和大型语言模型，通过集成六个微调模型提高肿瘤分组分类的准确性和效率，显著优于传统方法。

Time delays and stationarity in quasar light curves

准星光变曲线中的时间延迟与平稳性

Namu Kroupa, David Yallup, Will Handley

专题命中 病理影像 ：pathology(abstract)

AI总结 本文提出基于边缘高斯过程的贝叶斯框架，用于准星光变曲线中的时间延迟推断和平稳性检验，发现部分准星存在非平稳性，且识别并解决了似然病态问题。

Comments 18 pages, 4 figures

Journal ref Phys. Rev. D 113, 063549 (2026)

MedQ-UNI: Toward Unified Medical Image Quality Assessment and Restoration via Vision-Language Modeling

MedQ-UNI: 向通过视觉-语言建模实现医学图像质量评估与修复的统一迈进

Jiyao Liu, Junzhi Ning, Wanying Qu, Lihao Liu, Chenglong Ma, Junjun He, Ningsheng Xu

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） 纠错

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

AI总结 本文提出MedQ-UNI，一种统一的视觉-语言模型，通过先评估再修复的范式，利用医学图像质量评估指导医学图像修复，实现了跨模态和降质类型的统一处理。

Sheaf Neural Networks and biomedical applications

Sheaf神经网络与生物医学应用

Aneeqa Mehrab, Jan Willem Van Looy, Pietro Demurtas, Stefano Iotti, Emil Malucelli, Francesca Rossi, Ferdinando Zanchetta, Rita Fioresi

机构 * University of Ferrara（费拉拉大学） ； University of Bologna（博洛尼亚大学） 纠错

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

AI总结 本文阐述了sheaf神经网络的理论与数学建模，并通过具体案例展示其在生物医学问题中的有效性，优于主流图神经网络。

Comments Bibliography updated

Hallucination Detection in Virtually-Stained Histology: A Latent Space Baseline

虚拟染色组织学中的幻觉检测：潜在空间基准

Ji-Hun Oh, Kianoush Falahkheirkhah, John Cheville, Rohit Bhargava

机构 * Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校机械科学与工程系） ； Beckman Institute for Advanced Science and Technology, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校贝克曼先进科学与技术研究所） ； Mayo Clinic, Rochester, MN, US（罗切斯特梅奥诊所） ； Department of Bioengineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校生物工程系） ； Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系） ； Department of Chemical and Biomolecular Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校化学与生物分子工程系） ； Department of Chemistry, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校化学系） ； Cancer Center at Illinois, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校癌症中心） ； CZ Biohub Chicago, LLC, Chicago, IL, US（芝加哥CZ Biohub LLC） 纠错

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

AI总结 本文提出神经幻觉先驱(NHP)方法，通过生成器的潜在空间提前检测虚拟染色中的幻觉，实验表明其有效且稳健，并揭示当前虚拟染色评估中的不足。