医学 AI

A Generalizable Deep Learning System for Cardiac MRI

可泛化的心脏磁共振成像深度学习系统

Rohan Shad, Cyril Zakka, Dhamanpreet Kaur, Mrudang Mathur, Robyn Fong, Joseph Cho, Ross Warren Filice, John Mongan, Kimberly Kalianos, Nishith Khandwala, David Eng, Matthew Leipzig, Walter R. Witschey, Alejandro de Feria, Victor A. Ferrari, Euan A. Ashley, Michael A. Acker, Curtis Langlotz, William Hiesinger

机构 * Division of Cardiovascular Surgery, Department of Surgery, University of Pennsylvania（宾夕法尼亚大学心血管外科 division） ； Department of Cardiothoracic Surgery, Stanford University（斯坦福大学心胸外科 department） ； Department of Radiology, Medstar Georgetown University Hospital（梅奥医疗中心乔治城大学医院放射科 department） ； Department of Radiology and Biomedical Imaging, University of California, San Francisco（加州大学旧金山分校放射科和生物医学成像 department） ； Bunkerhill Health, San Francisco（旧金山布纳克希尔健康机构） ； Department of Radiology, University of Pennsylvania（宾夕法尼亚大学放射科 department） ； Division of Cardiovascular Medicine, Department of Medicine, University of Pennsylvania（宾夕法尼亚大学心血管医学 division） ； Division of Cardiovascular Medicine, Department of Medicine, Genetics, and Biomedical Data Science, Stanford University（斯坦福大学心血管医学 division） ； Department of Radiology, Medicine, and Biomedical Data Science, Stanford University（斯坦福大学放射科、医学和生物医学数据科学 department） 纠错

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

AI总结 本文提出一种可泛化的心脏MRI深度学习系统，通过自监督对比学习从放射科报告文本中学习心脏MRI动态序列中的视觉概念，展示了在多种任务上的卓越性能，包括左心室射血分数回归和39种心脏疾病的诊断。

Comments Published in Nature Biomedical Engineering; Supplementary Appendix available on publisher website. Code: https://github.com/rohanshad/cmr_transformer

Journal ref Nat. Biomed. Eng (2026)

Sparse Autoencoders for Interpretable Medical Image Representation Learning

稀疏自编码器用于可解释的医学图像表示学习

Philipp Wesp, Robbie Holland, Vasiliki Sideri-Lampretsa, Sergios Gatidis

机构 * Stanford Center for Artificial Intelligence in Medicine and Imaging（斯坦福大学人工智能医学与成像中心） ； Department of Radiology, Stanford University（斯坦福大学放射科） ； Chair of AI in Healthcare and Medicine, Technical University of Munich（慕尼黑技术大学人工智能医疗与医学主任） ； TUM University Hospital, Munich, Germany（慕尼黑技术大学医院） 纠错

专题命中 医学影像 ：medical image(title)；MRI(abstract)；CT(abstract)；biomedical(abstract)

AI总结 本文研究使用稀疏自编码器替代抽象特征，通过CT和MRI图像切片生成可解释的稀疏特征，提升医学图像处理的可解释性。

Comments 11 pages, 4 figures

AMIF: Authorizable Medical Image Fusion Model with Built-in Authentication

AMIF：具有内置认证的可授权医学图像融合模型

Jie Song, Jun Jia, Wei Sun, Wangqiu Zhou, Tao Tan, Guangtao Zhai

机构 * Macao Polytechnic University（澳门理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 本文提出AMIF，首个具有内置认证的医学图像融合模型，通过授权访问控制保护知识产权，防止推理泄露。

Bi-CRCL: Bidirectional Conservative-Radical Complementary Learning with Pre-trained Foundation Models for Class-incremental Medical Image Analysis

Bi-CRCL：基于预训练基础模型的双向保守-激进互补学习用于类别增量医疗图像分析

Xinyao Wu, Zhe Xu, Cheng Chen, Jiawei Ma, Yefeng Zheng, Raymond Kai-yu Tong

机构 * Department of Biomedical Engineering, The Chinese University of Hong Kong（生物医学工程系，香港中文大学） ； Department of Radiation Oncology, Columbia University Irving Medical Center and Data Science Institute, Columbia University（放射肿瘤学系，哥伦比亚大学伊万杰琳医学中心及数据科学研究院，哥伦比亚大学） ； Department of Electrical and Electronic Engineering and School of Biomedical Engineering, The University of Hong Kong（电气电子工程系和生物医学工程学院，香港大学） ； Department of Computer Science, City University of Hong Kong（计算机科学系，城市大学） ； Department of Artificial Intelligence, Westlake University（人工智能系，西湖大学） 纠错

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

AI总结 本文提出Bi-CRCL框架，通过保守和激进学习者结合双向交互机制，解决医疗图像类别增量学习中的异构数据与隐私约束问题，提升模型持续学习能力。

Comments preprint; under review

MedAugment: Universal Automatic Data Augmentation Plug-in for Medical Image Analysis

MedAugment: 用于医学图像分析的通用自动数据增强插件

Zhaoshan Liu, Qiujie Lv, Yifan Li, Ziduo Yang, Lei Shen

机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） ； Department of Electronic Engineering, Jinan University（济南大学电子工程系） 纠错

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

AI总结 本文提出MedAugment，一种通用自动数据增强方法，通过像素和空间增强空间及超参数映射关系，实现医学图像的高效增强，减少计算开销并避免颜色失真。

Comments Knowledge-Based Systems Accepted

VocSegMRI: Multimodal Learning for Precise Vocal Tract Segmentation in Real-time MRI

VocSegMRI：多模态学习在实时MRI中的精确声带段分割

Daiqi Liu, Johannes Enk, Maureen Stone, Fangxu Xing, Tomás Arias-Vergara, Jerry L. Prince, Jana Hutter, Jonghye Woo, Andreas Maier, Paula Andrea Pérez-Toro

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃朗根-纽伦堡大学） ； University of Maryland School of Dentistry（马里兰大学牙科学院） ； Harvard Medical School/Massachusetts General Hospital（哈佛医学院/麻省总医院） ； Universidad de Antioquia UdeA（安蒂奥基亚大学 UdeA） ； Johns Hopkins University（约翰霍普金斯大学） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

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

AI总结 本文提出VocSegMRI，通过跨注意力融合和对比学习目标，整合视频、音频和语音学输入，实现实时MRI中声带结构的精确分割，实验表明其优于单模态和多模态基线方法。

Comments Preprint submitted to MIDL short paper 2026

UNGT: Ultrasound Nasogastric Tube Dataset for Medical Image Analysis

UNGT：用于医学图像分析的超声胃管数据集

Zhaoshan Liu, Chau Hung Lee, Qiujie Lv, Nicole Kessa Wee, Lei Shen

专题命中 医学影像 ：medical image(title)；分类 q-bio

AI总结 本文提出UNGT数据集，包含110名患者493张图像，用于解决胃管数据不足问题，提出半监督自适应加权聚合分割器，提升小结构分割性能。

Comments Knowledge-based Systems Accepted

Retinal Layer Segmentation in OCT Images With 2.5D Cross-slice Feature Fusion Module for Glaucoma Assessment

OCT图像中视网膜层分割的2.5D跨切片特征融合模块用于青光眼评估

Hyunwoo Kim, Heesuk Kim, Wungrak Choi, Jae-Sang Hyun

机构 * Department of Mechanical Engineering, Yonsei University, Seoul, 03722, South Korea（延世大学机械工程系） ； Institute of Vision Research, Department of Ophthalmology, Severance Hospital, Yonsei University, Seoul, 03722, South Korea（视觉研究所眼科部, 顺化医院, 延世大学, 首尔, 03722, 韩国） ； Yonsei University College of Medicine, Seoul, 03722, South Korea（延世大学医学院） 纠错

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

AI总结 本文提出一种2.5D分割框架，通过引入跨切片特征融合模块提升OCT图像中视网膜层分割的准确性与鲁棒性，实验表明在临床数据集和DUKE DME数据集上均取得显著改进。

Establishing Stochastic Object Models from Noisy Data via Ambient Measurement-Integrated Diffusion

通过环境测量整合扩散建立随机物体模型

Xiaoning Lei, Jianwei Sun, Wenhao Cai, Xichen Xu, Yanshu Wang, Hu Gao

机构 * Contemporary Amperex Technology Co.Limited（当代爱普科技术有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出AMID方法，通过整合环境测量噪声与扩散轨迹，建立清洁的随机物体模型，提升医学影像生成质量和任务基于的图像质量评估。

Collective Electronic Polarization Drives Charge Asymmetry at Oil-Water Interfaces

集体电子极化驱动油水界面电荷不对称性

Gabriele Amante, Klaudia Mrazikova, Gabriele Centi, Sylvie Roke, Ali Hassanali, Giuseppe Cassone

专题命中 医学影像 ：CT(abstract)

AI总结 研究揭示油水界面电荷转移机制，通过深度学习方法发现集体极化主导界面电子响应，揭示了相间电荷转移的微观起源。

AD-Reasoning: Multimodal Guideline-Guided Reasoning for Alzheimer's Disease Diagnosis

AD-Reasoning：多模态指南引导推理用于阿尔茨海默病诊断

Qiuhui Chen, Yushan Deng, Xuancheng Yao, Yi Hong

机构 * School of Information Science and Engineering（信息科学与工程学院） 纠错

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

AI总结 本文提出AD-Reasoning框架，结合结构MRI和六种临床模态，生成符合NIA-AA标准的诊断，通过强化学习提升透明度和指南一致性。

Comments ICME 2026

MetaKube: An Experience-Aware LLM Framework for Kubernetes Failure Diagnosis

MetaKube：一种面向Kubernetes故障诊断的经验感知大语言模型框架

Wei Sun, Ting Wang, Xinran Tian, Wanshun Lan, Xuhan Feng, Haoyue Li, Fangxin Wang

机构 * School of Science（科学学院） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Future Network of Intelligence Institute（深圳未来网络智能研究院） ； China Mobile Communications Group Guangdong Co., Ltd.（中国移动通信集团广东有限公司） 纠错

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

AI总结 MetaKube通过三个创新提出经验感知的大语言模型框架，提升Kubernetes故障诊断效率与准确性，实现从Qwen3-8B到接近GPT-4.1的性能提升。

Learning Actionable Manipulation Recovery via Counterfactual Failure Synthesis

通过反事实失败合成学习可操作的操纵恢复

Dayou Li, Jiuzhou Lei, Hao Wang, Lulin Liu, Yunhao Yang, Zihan Wang, Bangya Liu, Minghui Zheng, Zhiwen Fan

机构 * Texas A&M University（德克萨斯A&M大学） ； University of Minnesota（明尼苏达大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Abaka AI（Abaka人工智能） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出Dream2Fix框架，通过生成反事实失败场景数据提升机器人故障恢复能力，实现高精度的故障诊断与轨迹修正。

AnalogAgent: Self-Improving Analog Circuit Design Automation with LLM Agents

AnalogAgent: 基于LLM代理的自改进模拟电路设计自动化

Zhixuan Bao, Zhuoyi Lin, Jiageng Wang, Jinhai Hu, Yuan Gao, Yaoxin Wu, Xiaoli Li, Xun Xu

机构 * Nanyang Technological University（南洋理工大学） ； Institute for Infocomm Research（信息通信研究所） ； Institute of Microelectronics（微电子研究所） ； Eindhoven University of Technology（埃因霍温理工大学） ； Singapore University of Technology（新加坡科技学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出AnalogAgent，通过集成多代理系统与自演化记忆，实现模拟电路设计自动化，无需额外反馈，在多个基准测试中取得高通过率。

Comments 16 pages, 6 figures

From Physician Expertise to Clinical Agents: Preserving, Standardizing, and Scaling Physicians' Medical Expertise with Lightweight LLM

从医生专业能力到临床代理：通过轻量级大语言模型保留、标准化和扩展医生的医学专业知识

Chanyong Luo, Jirui Dai, Zhendong Wang, Kui Chen, Jiaxi Yang, Bingjie Lu, Jing Wang, Jiaxin Hao, Bing Li, Ruiyang He, Yiyu Qiao, Chenkai Zhang, Kaiyu Wang, Zhi Liu, Zeyu Zheng, Yan Li, Xiaohong Gu

机构 * the School of Chinese Medicine, the Beijing University of Chinese Medicine, Beijing, China（中国中医药大学中医学院，北京中医药大学，北京，中国） ； the School of Pharmacy, Nanjing University of Chinese Medicine, Nanjing, China（南京中医药大学药学院，南京，中国） ； the Infectious disease department, Dongfang Hospital, Beijing University of Chinese Medicine, Beijing, China（北京中医药大学东四医院感染科，北京，中国） ； the Gulou Hospital of Traditional Chinese Medicine of Beijing，Beijing, China（北京中医药大学附属鼓楼中医医院，北京，中国） ； the Department of Computer Science, Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学计算机科学系，美国马里兰州巴尔的摩市） ； the Department of Education, Dongzhimen Hospital, Beijing University of Chinese Medicine, Beijing, China（北京中医药大学东直门医院教育部，北京，中国） ； the Department of Pediatrics, Wangjing Hospital, China Academy of Chinese Medical Sciences, Beijing, China（中国医学科学院北京协和医院儿科部，北京，中国） ； the School of Information Engineering, Huzhou University, Huzhou, China（湖州大学信息工程学院，湖州，中国） ； Research Center for Scientific Data Hub, Zhejiang Lab, Hangzhou, China（浙江省实验室科学数据中心研究中心，杭州，中国） ； the Frontier Basic Research Center, Zhejiang Lab, Hangzhou, China（浙江省实验室前沿基础研究中心，杭州，中国） ； the Research Center for High Efficiency Computing Infrastructure, Zhejiang Lab, Hangzhou, China（浙江省实验室高效计算基础设施研究中心，杭州，中国） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出Med-Shicheng框架，通过轻量级大语言模型系统学习并转移知名中医的辨证论治理念及案例依赖适应规则，实现医学知识的标准化和规模化应用。

Rotor-Failure-Aware Quadrotors Flight in Unknown Environments

具有旋转故障意识的四旋翼在未知环境中的飞行

Xiaobin Zhou, Miao Wang, Chengao Li, Can Cui, Ruibin Zhang, Yongchao Wang, Chao Xu, Fei Gao

机构 * School of Robotics and Automation, Nanjing University（南京大学机器人与自动化学院） ； Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制系统研究所） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空工程系） ； School of Aeronautic Science and Engineering, Beihang University（北航航空科学与工程学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种具有旋转故障意识的四旋翼导航系统，通过复合故障检测与诊断非线性模型预测控制器和LiDAR平台，在未知复杂环境中实现旋转故障的快速检测与飞行稳定。

Resolving gradient pathology in physics-informed epidemiological models

在流行病学模型中解决梯度病态

Nickson Golooba, Woldegebriel Assefa Woldegerima

机构 * Disease-informed Modeling, Methods & Systems (DIMMS) Lab, Department of Mathematics and Statistics, York University, Toronto, Canada（疾病导向建模、方法与系统实验室，数学与统计学系，约克大学，多伦多，加拿大） 纠错

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

AI总结 本文提出冲突门控梯度缩放方法，用于解决物理信息神经网络中的梯度冲突问题，确保训练稳定高效，并在流行病学建模中提升参数估计性能。

Comments 16 pages, 4 figures. Submitted to Neural Networks

MLLM-HWSI: A Multimodal Large Language Model for Hierarchical Whole Slide Image Understanding

MLLM-HWSI: 一种用于分层全滑动图像理解的多模态大语言模型

Basit Alawode, Arif Mahmood, Muaz Khalifa Al-Radi, Shahad Albastaki, Asim Khan, Muhammad Bilal, Moshira Ali Abdalla, Mohammed Bennamoun, Sajid Javed

机构 * Department of Computer Science, Khalifa University of Science and Technology（卡利法科技大学计算机科学系） ； Information Technology University（信息技术大学） ； KAU（卡乌大学） ； University of the Western Australia（西澳大学） 纠错

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

AI总结 本文提出MLLM-HWSI，一种分层全滑动图像级多模态大语言模型，通过四级尺度对齐视觉特征与病理语言，提升解释性证据接地推理能力，在六个CPath任务上取得新SOTA结果。

Agentic Automation of BT-RADS Scoring: End-to-End Multi-Agent System for Standardized Brain Tumor Follow-up Assessment

脑肿瘤报告与数据系统自动化：端到端多智能体系统用于标准化脑肿瘤随访评估

Mohamed Sobhi Jabal, Jikai Zhang, Dominic LaBella, Jessica L. Houk, Dylan Zhang, Jeffrey D. Rudie, Kirti Magudia, Maciej A. Mazurowski, Evan Calabrese

专题命中 病理影像 ：MRI(abstract)

AI总结 本文提出一种端到端多智能体系统，结合大语言模型和卷积神经网络，用于自动化脑肿瘤BT-RADS评分，提高了与专家标准的一致性和准确性。

Comments 17 pages, 5 figures, 4 tables, 2 supplementary figures, 3 supplementary tables

RVLM: Recursive Vision-Language Models with Adaptive Depth

具有自适应深度的递归视觉-语言模型

Nicanor Mayumu, Zeenath Khan, Melodena Stephens, Patrick Mukala, Farhad Oroumchian

机构 * Department of Computer Science（计算机科学系） ； University of Wollongong in Dubai（迪拜沃林戈大学） ； Dubai Knowledge Park（迪拜知识园区） ； Mohammed Bin Rashid School of Government（穆罕默德·本·拉希德政府学院） 纠错

专题命中 医疗多模态 ：medical AI(abstract)；clinical AI(abstract)；MRI(abstract)；分类 cs.CV

AI总结 本文提出RVLM，通过迭代生成-执行循环和自适应迭代深度控制器，解决医学AI系统在可解释性和推理深度上的限制，实验证明其在脑部MRI和胸部X光中的有效性。

Geometry-Guided Camera Motion Understanding in VideoLLMs

基于几何的视频LLMs中相机运动理解

Haoan Feng, Sri Harsha Musunuri, Guan-Ming Su

机构 * University of Maryland, College Park（马里兰大学College Park分校） ； Dolby Laboratories Inc.（杜比实验室） 纠错

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

AI总结 本文提出通过基准测试、诊断和注入框架，解决视频LLMs中相机运动表示不足的问题，通过CameraMotionDataset和CameraMotionVQA基准，提升模型对相机运动的识别能力。

Comments 10 pages, 7 figures, supplementary included CVPR2026 PVUW

Learning To Guide Human Decision Makers With Vision-Language Models

通过视觉-语言模型引导人类决策者

Debodeep Banerjee, Stefano Teso, Burcu Sayin, Andrea Passerini

机构 * DI, University of Pisa（比萨大学DI） ； DISI, University of Trento（特伦托大学DISI） ； CIMEC, University of Trento（特伦托大学CIMEC） ； Rajib Pal Bankura Sammilani Medical College（拉吉布·帕尔班克尔医学学院） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 本文提出LTG框架，通过视觉-语言模型生成可解释的决策指导，使人类负责最终决策，提升高风险场景下的决策质量与可靠性。

From Panel to Pixel: Zoom-In Vision-Language Pretraining from Biomedical Scientific Literature

从面板到像素：从生物医学科学文献中进行缩放视觉-语言预训练

Kun Yuan, Min Woo Sun, Zhen Chen, Alejandro Lozano, Xiangteng He, Shi Li, Nassir Navab, Xiaoxiao Sun, Nicolas Padoy, Serena Yeung-Levy

机构 * University of Strasbourg, CNRS, INSERM, ICube, UMR7357, Strasbourg, France（斯特拉斯堡大学、法国国家科学研究中心、法国国家医学研究院、ICube、UMR7357、斯特拉斯堡，法国） ； Technical University of Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） ； DSAI, The Hong Kong Polytechnic University（香港理工大学DSAI实验室） ； University of British Columbia（不列颠哥伦比亚大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； IHU Strasbourg, Strasbourg（斯特拉斯堡IHU医院，斯特拉斯堡） ； Vector Institute for AI（人工智能向量研究所） ； Yale University（耶鲁大学） 纠错

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

AI总结 本文提出Panel2Patch方法，通过挖掘生物医学文献中的层次结构，生成多粒度监督，提升视觉-语言预训练效果。

Trends in Equal-Contribution Authorship: A Large-Scale Bibliometric Analysis of Biomedical Literature

同等贡献作者制的趋势：生物医学文献的大规模文献计量分析

Binbin Xu

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 研究生物医学文献中同等贡献作者制的时间趋势、期刊分布及地域差异，揭示其增长及作者位置集中现象，强调透明贡献信息的重要性。

Journal ref Quantitative Science Studies, 1-15 (2026)

Minimal Sufficient Representations for Self-interpretable Deep Neural Networks

深度神经网络的最小充分表示

Zhiyao Tan, Liu Li, Huazhen Lin

机构 * Center of Statistical Research, School of Statistics（统计研究中心，统计学院） ； New Cornerstone Science Laboratory（新基石科学实验室） ； Southwestern University of Finance and Economics（西南财经大学） ； School of Mathematics and Statistics（数学与统计学院） 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DeepIn框架，通过自适应识别和学习最小表示，提升深度神经网络的可解释性与泛化能力，实验证明其在生物医学和视觉任务中提高了预测精度和可解释性。

Ultrawide Bandwidth Optomechanical Magnetometry Using Flux Concentration

利用磁通集中效应的超宽带光学机械磁力计

Benjamin J. Carey, Nathaniel Bawden, Fernando Gottardo, James S. Bennett, Douglas Bulla, Scott Foster, Warwick P. Bowen

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出利用磁通集中器提升光学机械磁力计的灵敏度和带宽，将低频磁信号转换为高频信号以提高检测性能，实现亚赫兹范围内的高灵敏度测量。

Spatial Sampling of Hemispherical Arrays for Three-Dimensional Photoacoustic Computed Tomography

半球阵列的空间采样用于三维光声计算断层成像

Wanqing Zhang, Hengyue Zhu, Yide Zhang

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文研究了半球阵列空间采样对三维光声断层成像性能的影响，提出统一采样准则生成三种阵列分布，并通过定量指标评估其在不同采集场景下的性能，发现斐波那契分布具有更优的结构鲁棒性和全局平衡的重建质量。

Comments 18 pages, 11 figures

Computing the Skyscraper Invariant

计算天体 invariant

Marc Fersztand, Jan Jendrysiak

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出首个计算天体 invariant 的算法，利用 HN 分解和特殊中心电荷，通过近似方法在多项式时间内处理多参数持久模块。

Comments to be published partially in the proceedings of the SoCG 2026

MedMT-Bench: Can LLMs Memorize and Understand Long Multi-Turn Conversations in Medical Scenarios?

MedMT-Bench: LLMs能否在医学场景中记忆并理解长多轮对话？

Lin Yang, Yuancheng Yang, Xu Wang, Changkun Liu, Haihua Yang

机构 * ByteDance（字节跳动） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)；diagnosis(abstract)

AI总结 MedMT-Bench通过模拟诊断治疗流程，测试LLM在长上下文记忆、干扰鲁棒性和安全防御方面的表现，发现17种前沿模型均无法达到60%以上的准确率。

PLACID: Privacy-preserving Large language models for Acronym Clinical Inference and Disambiguation

PLACID：隐私保护的大语言模型用于缩写临床推断和消歧

Manjushree B. Aithal, Ph. D., Alexander Kotz, James Mitchell, Ph. D

机构 * Department of Biomedical Informatics, University of Colorado Anschutz（科罗拉多大学安舒茨分校生物医学信息学系） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文提出PLACID模型，通过本地部署的小参数模型实现隐私保护的临床缩写消歧，利用通用本地模型检测缩写并路由至领域特定的生物医学模型以提高扩展准确性。

Comments 10 pages, 2 figures, Under review AMIA Symposium