医学 AI

TuLaBM: Tumor-Biased Latent Bridge Matching for Contrast-Enhanced MRI Synthesis

TuLaBM：肿瘤偏置潜在桥匹配用于增强MRI合成

Atharva Rege, Adinath Madhavrao Dukre, Numan Balci, Dwarikanath Mahapatra, Imran Razzak

机构 * MBZUAI ； National Institute of Technology Karnataka（国家理工学院卡纳塔） ； Cleveland Clinic Abu Dhabi（克利夫兰诊所阿布扎赫） ； Khalifa University（卡里玛大学） 纠错

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

AI总结 本文提出TuLaBM，通过在学习的潜在空间中将非对比MRI转换为增强MRI视为布朗桥传输，提升效率和肿瘤区域保真度，实验显示在BraTS2023-GLI和克利夫兰诊所肝脏MRI数据集上表现优异。

MedQ-Engine: A Closed-Loop Data Engine for Evolving MLLMs in Medical Image Quality Assessment

MedQ-Engine：一种用于医疗图像质量评估中进化多模态大语言模型的闭环数据引擎

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 医学影像 ：medical image(title,abstract)；clinical AI(abstract)；分类 cs.CV

AI总结 本文提出MedQ-Engine，通过闭环数据引擎迭代评估模型，发现失败原型，利用人类在循环注释提升模型性能，使8B参数模型在医疗图像质量评估中超越GPT-4o 13%并接近人类专家水平。

Characterizing the Radiation Dose to Measurement Accuracy Relationship across Multiple Metrics in Opportunistic Chest CT

表征机会性胸部CT多指标测量精度与辐射剂量关系

Boyuan Li, Carolyn C. Chang, Jake J. Kim, Jia Wang, Justin R Tse, Natalie S. Lui, Haiwei Henry Guo, Adam S. Wang

专题命中 医学影像 ：CT(title,abstract)

AI总结 研究通过模拟低剂量CT图像和真实世界数据，分析机会性CT在不同剂量下多指标测量精度的变化，发现HU偏倚和分割失败对性能影响不同，需针对性优化筛查方案。

Comments 29 pages, 9 figures

Leaky-wave Coil Element with Improved Tx-efficiency for 7 T MRI Using a Non-Uniform Current Design

具有改进发射效率的泄漏波线圈元件用于7T MRI的非均匀电流设计

K. Popova, R. Balafenidev, J. T. Svejda, A. Rennings, A. J. Raaijmakers, C. M. Collins, R. Lattanzi, D. Erni, G. Solomakha

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出利用非共振泄漏波方法优化射频线圈的表面电流分布，以提高7T MRI中目标区域的B1+场强度，相比分段偶极子有显著提升。

A fully open-source framework for streaming and cloud-processing of low-field MRI data

一种完全开源的低场MRI数据流和云处理框架

T. Guallart-Naval, J. Stairs, J. M. Algarín, H. Xue, J. Benlloch, P. Benlloch, J. Borreguero, J. Conejero, F. Galve, P. García-Cristóbal, M. Lacalle, B. Lena, L. Porcar, S. J. Schiff, A. Webb, M. Hansen, J. Alonso

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出一种完全开源的框架，用于低场MRI数据的实时流式传输和云处理，解决便携式MRI系统中高级重建和后处理流程的计算需求。

Comments 10 pages, 7 figures

Factored Levenberg-Marquardt for Diffeomorphic Image Registration: An efficient optimizer for FireANTs

因子化Levenberg-马夸尔特法用于可微同构图像配准：一种高效的优化器用于FireANTs

Rohit Jena, Pratik Chaudhari, James C. Gee

机构 * Department of Computer and Information Science（计算机与信息科学系） ； University of Pennsylvania（宾夕法尼亚大学） ； Department of Electrical and Systems Engineering（电气与系统工程系） ； Department of Radiology & Penn Image Computing and Science Laboratory (PICSL)（放射科及宾夕法尼亚大学图像计算与科学实验室（PICSL）） ； Perelman School of Medicine, University of Pennsylvania（佩尔曼医学学院，宾夕法尼亚大学） 纠错

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

AI总结 本文提出一种改进的Levenberg-马夸尔特优化器，通过信任区域方法自适应调整单个标量阻尼参数，减少内存消耗并保持性能，适用于大体积图像和跨模态配准。

A Unified Platform and Quality Assurance Framework for 3D Ultrasound Reconstruction with Robotic, Optical, and Electromagnetic Tracking

一种用于具有机器人、光学和电磁追踪的3D超声重建的统一平台和质量保证框架

Lewis Howell, Manisha Waterston, Tze Min Wah, James H. Chandler, James R. McLaughlan

机构 * School of Computer Science, University of Leeds（利兹大学计算机科学学院） ； School of Electronic and Electrical Engineering, University of Leeds（利兹大学电子与电气工程学院） ； St James’s University Hospital, Leeds Teaching Hospitals NHS Trust（利兹教学医院，利兹教学医院国家健康服务信托基金） ； Leeds Institute of Medical Research, University of Leeds（利兹医学研究所，利兹大学） 纠错

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

AI总结 本文提出了一种统一平台和质量保证框架，用于评估机器人、光学和电磁追踪的3D超声重建的体积准确性和可重复性，通过定制的仿生体评估不同扫描速度和入射角下的追踪性能，实现了高精度的3D重建和验证。

Comments This work has been submitted to the IEEE for possible publication

Deterministic Mode Proposals: An Efficient Alternative to Generative Sampling for Ambiguous Segmentation

确定性模式提案：一种生成采样在模糊分割中的高效替代方法

Sebastian Gerard, Josephine Sullivan

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出确定性模式提案模型，通过单次前向传递生成固定数量的提案掩码，减少推理时间并提高真实覆盖度，同时无需完整分布信息即可训练。

Wildfire Spread Scenarios: Increasing Sample Diversity of Segmentation Diffusion Models with Training-Free Methods

野火蔓延场景：通过无训练方法增加分割扩散模型的样本多样性

Sebastian Gerard, Josephine Sullivan

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出通过无训练方法提升分割扩散模型样本多样性，验证了粒子引导和SPELL等技术在野火蔓延场景中的有效性，提升了HM IoU指标。

Comments Accepted at NLDL 2026. This version contains small corrections compared to the initial publication, see appendix for details

Journal ref Proceedings of the 7th Northern Lights Deep Learning Conference (NLDL), PMLR, Jan. 2026

In situ Learning-Based Spin Engineering of Pulsed Dynamic Nuclear Polarization

原位学习驱动的脉冲动态核极化 spin 工程

Filip V. Jensen, José P. Carvalho, Nino Wili, Asbjorn Holk Thomsen, David L. Goodwin, Lukas Trottner, Claudia Strauch, Anders Bodholt Nielsen, Niels Chr. Nielsen

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出利用贝叶斯机器学习和约束随机游走方法，原位设计高效宽带DNP脉冲序列，提升核磁共振和磁共振成像的灵敏度。

Comments 15 pages, 5 figures, and 35 pages supplementary information (including 16 figures and 17 tables)

CFCML: A Coarse-to-Fine Crossmodal Learning Framework For Disease Diagnosis Using Multimodal Images and Tabular Data

CFCML：一种用于多模态图像和表格数据疾病诊断的粗到细跨模态学习框架

Tianling Liu, Hongying Liu, Fanhua Shang, Lequan Yu, Tong Han, Liang Wan

机构 * College of Intelligence and Computing（智能与计算学院） ； Tianjin University（天津大学） ； Medical School of Tianjin University（天津大学医学院） ； Peng Cheng Lab（鹏城实验室） ； Department of Statistics and Actuarial Science, School of Computing and Data Science, The University of Hong Kong（统计与精算系，计算与数据科学学院，香港大学） ； Department of Radiology, Tianjin Huanhu Hospital（天津华医院放射科） ； Tianjin Key Laboratory of Cerebral Vascular and Neurodegenerative Diseases（天津脑血管与神经退行性疾病重点实验室） 纠错

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

AI总结 本文提出CFCML框架，通过粗到细的跨模态学习逐步缩小多模态数据间的模态差距，提升诊断准确性。

Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis

具有人口统计学意识的自监督异常检测预训练用于公平的罕见心脏诊断

Chaoqin Huang, Zi Zeng, Aofan Jiang, Yuchen Xu, Qing Cao, Kang Chen, Chenfei Chi, Yanfeng Wang, Ya Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； National University of Defense Technology（国防科技大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（瑞金医院，上海交通大学医学院） ； Renji Hospital, Shanghai Jiao Tong University School of Medicine（仁济医院，上海交通大学医学院） 纠错

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

AI总结 本文提出一种两阶段ECG框架，结合自监督异常检测与人口统计学意识表征学习，提升罕见心脏异常检测的灵敏度并确保公平性，实验显示在超过一百万临床ECG数据上，方法在罕见异常检测中达到94.7%的AUROC，并缩小了常见-罕见性能差距。

BrainSCL: Subtype-Guided Contrastive Learning for Brain Disorder Diagnosis

BrainSCL: 亚型引导的对比学习用于脑部疾病诊断

Xiaolong Li, Guiliang Guo, Guangqi Wen, Peng Cao, Jinzhu Yang, Honglin Wu, Xiaoli Liu, Fei Wang, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院） ； School of Computer Science and Artificial Intelligence, Shandong Normal University, Jinan, China（山东师范大学计算机科学与人工智能学院） ； AiShiWeiLai AI Research, Beijing, China（艾世维来人工智能研究所） ； Early Intervention Unit, Department of Psychiatry, Affiliated Nanjing Brain Hospital, Nanjing Medical University, Nanjing, China（南京医科大学附属南京脑科医院早期干预科） ； Amii, University of Alberta, Edmonton, AB, Canada（阿尔伯塔大学Amii） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本文提出一种亚型引导的对比学习框架，通过建模患者异质性为潜在亚型并将其作为结构先验，引导判别表示学习。在MDD、BD和ASD数据集上验证了该方法的有效性。

Alzheimer's Disease Brain Network Mining

阿尔茨海默病脑网络挖掘

Alireza Moayedikia, Sara Fin

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

AI总结 本文提出MATCH-AD框架，结合深度学习、图传播和最优传输理论，解决AD诊断中标签稀缺问题，实现高准确率诊断，理论保证稳定性和实用性。

Comments We found bugs in the code that affected the results. The results are no longer valid. so we decided to no longer pursue publishing this paper

Exploring Subnetwork Interactions in Heterogeneous Brain Network via Prior-Informed Graph Learning

通过先验知识引导的图学习探索异质脑网络中的子网络交互

Siyu Liu, Guangqi Wen, Peng Cao, Jinzhu Yang, Xiaoli Liu, Fei Wang, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University（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（教育部医学图像智能计算重点实验室） ； College of Artificial Intelligence, Shandong Normal University（山东师范大学人工智能学院） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization（工业智能与系统优化国家级前沿科学中心） ； AiShiWeiLai AI Research（AiShiWeiLai人工智能研究） ； Early Intervention Unit, Department of Psychiatry, Affiliated Nanjing Brain Hospital, Nanjing Medical University（南京医科大学附属南京脑科医院精神科早期干预单元） ； Amii, University of Alberta（阿尔伯塔大学Amii） 纠错

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

AI总结 本文提出KD-Brain框架，通过注入语义先验和临床先验，改进子网络交互建模，提升精神疾病诊断性能并发现可解释生物标志物。

EvidenceRL: Reinforcing Evidence Consistency for Trustworthy Language Models

EvidenceRL: 为可信语言模型强化证据一致性

J. Ben Tamo, Yuxing Lu, Benoit L. Marteau, Micky C. Nnamdi, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Pekin University（培根大学） 纠错

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

AI总结 EvidenceRL通过强化学习框架在训练中强制证据遵循，提升语言模型在医疗诊断和法律推理中的证据接地和可信度，同时保持任务准确性。

KAN-Koopman Based Rapid Detection Of Battery Thermal Anomalies With Diagnostics Guarantees

基于KAN-Koopman的电池热异常快速检测与诊断保证

Sanchita Ghosh, Tanushree Roy

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出结合KAN和Koopman方法的电池热异常检测算法，通过轻量级KAN估计核心温度实现快速检测，利用Koopman算子实时学习提升诊断准确性，并推导出诊断保证条件。

Comments 9 pages, 1 figure, Accepted to The 2026 American Control Conference

Beyond the Tumor: Recurrence-Prone Radiomics for Prognostication in Negative PSMA PET/CT scans of Prostate Cancer

超越肿瘤：用于前列腺癌阴性PSMA PET/CT扫描的复发倾向放射组学在预后评估中的应用

Fereshteh Yousefirizi, Sara Harsini, Mobin Mohebi, Ian Alberts, Tahir Yusufaly, Monica Luo, Hamid Abdollahi, Elmira Yazdani, Soheila Mirabedin, Maziar Sabouri, Parham Geramifar, Peyman Sheikhzadeh, Patrick Martineau, Don Wilson, Francois Benard, Carlos Uribe, Arman Rahmim

专题命中 病理影像 ：CT(title,abstract)

AI总结 研究利用放射组学特征预测前列腺癌生物复发患者阴性PSMA PET/CT扫描的临床进展，结合PET/CT放射组学与临床变量显著提升了预后评估性能。

Cancer Survival Rates Are Misleading

癌症生存率具有误导性

Allen B. Downey

专题命中 病理影像 ：diagnosis(abstract)

AI总结 文章指出五年的癌症生存率不能单独证明早期筛查有效，通过马尔可夫模型展示即使治疗无效，生存率提升也可能出现，强调需通过随机试验和死亡率数据验证筛查和治疗效果。

Comments 10 pages, 1 PDF figure. Companion analysis notebook: https://colab.research.google.com/github/AllenDowney/ThinkBayes2/blob/master/examples/cancer.ipynb

Structural Controllability of Large-Scale Hypergraphs

大规模超图的结构可控性

Joshua Pickard, Xin Mao, Can Chen

机构 * Eric and Wendy Schmidt Center at the Broad Institute of MIT and Harvard（MIT和哈佛大学布罗德研究所的埃里克和wendy Schmidt中心） ； School of Data Science and Society, University of North Carolina at Chapel Hill（夏洛特希尔大学数据科学与社会学院） ； Department of Biostatistics, University of North Carolina at Chapel Hill（夏洛特希尔大学生物统计学系） 纠错

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

AI总结 本文提出超图结构可控性框架，通过多项式动力系统建模，建立拓扑判定准则并设计可扩展的驱动节点选择算法，验证了方法在大规模超图中的有效性。

Comments 14 pages, 4 figures, 1 table

Experimental Analysis of Microbubble Propagation for In-Body Data Transmission

微泡传播的实验分析用于体内数据传输

Annika Tjabben, Lea Bergkemper, Carolin Conrad, Michael Gundall, Hans D. Schotten

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

AI总结 本文通过实验分析探讨微泡作为通信载体的可行性，重点研究其检测方法及调制方案，验证微泡在体内通信中的有效性，并为未来生物医学应用提供基础。

Comments Submitted to IEEE MeditCom 2026

Can Large Multimodal Models Inspect Buildings? A Hierarchical Benchmark for Structural Pathology Reasoning

大型多模态模型能否检查建筑？一种用于结构病理推理的分层基准

Hui Zhong, Yichun Gao, Luyan Liu, Hai Yang, Wang Wang, Haowei Zhang, Xinhu Zheng

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong University（香港大学） 纠错

专题命中 医学数据与评测 ：pathology(title)；分类 cs.CV

AI总结 本文提出DefectBench基准，评估大型多模态模型在建筑表面检测中的能力，发现其在拓扑理解和语义理解方面表现优异，但在精确定位方面存在不足，并验证了零样本生成分割的可行性。

Causal Learning in Biomedical Applications: Krebs Cycle as a Benchmark

生物医学应用中的因果学习：柠檬酸循环作为基准

Xiaoyu He, Petr Ryšavý, Jakub Mareček

机构 * AI Center（人工智能中心） ； Department of Computer Science（计算机科学系） ； Czech Technical University in Prague（布拉格捷克技术大学） 纠错

专题命中 医学数据与评测 ：biomedical(title)；分类 cs.LG

AI总结 本文提出基于柠檬酸循环模拟的新基准数据集，用于评估因果发现方法在时间序列数据上的性能，包含真实因果图和多种评估指标。

ReXInTheWild: A Unified Benchmark for Medical Photograph Understanding

ReXInTheWild：医疗照片理解的统一基准

Oishi Banerjee, Sung Eun Kim, Alexandra N. Willauer, Julius M. Kernbach, Abeer Rihan Alomaish, Reema Abdulwahab S. Alghamdi, Hassan Rayhan Alomaish, Mohammed Baharoon, Xiaoman Zhang, Julian Nicolas Acosta, Christine Zhou, Pranav Rajpurkar

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； National Strategic Technology Research Institute, Seoul National University Hospital（首尔国立大学医院国家战略技术研究所） ； Department of Medicine, Division of Gastroenterology, Massachusetts General Hospital（麻省总医院内科与消化内科部门） ； Department of Neuroradiology, Heidelberg University Hospital（海德堡大学医院神经放射科部门） ； King Abdulaziz Medical City, National Guard Health Affairs（国王阿卜杜勒-阿齐兹医疗城，国民守卫健康事务局） ； Division of Pulmonary, Critical Care, and Sleep Medicine, University of Cincinnati（辛辛那提大学肺科、重症医学及睡眠医学部门） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出ReXInTheWild基准，通过484张医学文献来源的照片和7个临床主题的955个多项选择问题，评估视觉-语言模型对医疗照片内容的理解能力，揭示不同模型在细粒度图像理解和医学推理上的性能差异。

Comments 11 pages, 4 figures

MedSPOT: A Workflow-Aware Sequential Grounding Benchmark for Clinical GUI

MedSPOT: 一种面向临床GUI的流程感知序列接地基准

Rozain Shakeel, Abdul Rahman Mohammad Ali, Muneeb Mushtaq, Tausifa Jan Saleem, Tajamul Ashraf

机构 * Gaash Research Lab, National Institute of Technology Srinagar, India（加什研究实验室，印度锡里纳杰尔国家理工学院） ； e\& Group, UAE（e&集团，阿联酋） ； Mohammad Bin Zayed University of Artificial Intelligence (MBZUAI), UAE（穆罕默德·本·扎耶德人工智能大学（MBZUAI），阿联酋） ； King Abdullah University of Science and Technology (KAUST), Saudi Arabia（国王 Abdullah 科学技术大学（KAUST），沙特阿拉伯） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV

AI总结 MedSPOT针对临床GUI中需流程驱动的序列推理问题，通过216个任务驱动视频和597个标注关键帧，评估多模态模型在医疗软件中的可靠性与安全性。

Comments Project page: https://rozainmalik.github.io/MedSPOT_web/

Memory-Driven Role-Playing: Evaluation and Enhancement of Persona Knowledge Utilization in LLMs

基于记忆的角色扮演：评估和增强LLM中人设知识的利用

Kai Wang, Haoyang You, Yang Zhang, Zhongjie Wang

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Macquarie University（麦考瑞大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出Memory-Driven Role-Playing框架，通过MREval、MRPrompt和MRBench评估LLM在角色扮演中的记忆能力，验证了小模型能效媲美大模型，并证明上游记忆提升下游响应质量。

Comments 34 pages

CURE: A Multimodal Benchmark for Clinical Understanding and Retrieval Evaluation

CURE：临床理解和检索评估的多模态基准

Yannian Gu, Zhongzhen Huang, Linjie Mu, Xizhuo Zhang, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； SenseTime Research, China（商汤研究院） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 CURE基准通过控制证据环境评估多模态模型的推理与检索能力，揭示模型在依赖权威文献时性能显著下降，强调整合临床证据与精确检索的挑战。