医学 AI

DeepFAN, a transformer-based deep learning model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multi-reader, multi-case trial

DeepFAN，一种基于transformer的深度学习模型，用于人类-人工智能协作评估CT扫描中的偶发性肺结节：多读者、多病例试验

Zhenchen Zhu, Ge Hu, Weixiong Tan, Kai Gao, Chao Sun, Zhen Zhou, Kepei Xu, Wei Han, Meixia Shang, Xiaoming Qiu, Yiqing Tan, Jinhua Wang, Zhoumeng Ying, Li Peng, Wei Song, Lan Song, Zhengyu Jin, Nan Hong, Yizhou Yu

机构 * Department of Radiology, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院北京协和医院放射科，疑难重症及罕见病国家重点实验室） ； Theranostics and Translational Research Center, National Infrastructures for Translational Medicine, Institute of Clinical Medicine, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院北京协和医院临床医学研究所，国家转化医学基础设施，诊疗与转化研究中心，疑难重症及罕见病国家重点实验室） ； Artificial Intelligence Lab, Deepwise Healthcare（深睿医疗人工智能实验室） ； Department of Epidemiology and Health Statistics, Institute of Basic Medicine Sciences, Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院北京协和医学院基础医学研究所流行病学与卫生统计学系） ； Department of Biostatistics, Peking University First Hospital（北京大学第一医院生物统计室） ； Department of Radiology, Huangshi Central Hospital, Affiliated Hospital of Hubei Polytechnic University（湖北理工学院附属医院黄石市中心医院放射科） ； Department of Radiology, Wuhan Third Hospital, Tongren Hospital of Wuhan University（武汉大学同仁医院武汉市第三医院放射科） ； +4 Medical Doctor Program, Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院北京协和医学院4+4医学博士项目） ； Department of Medicine Imaging, School of Clinical Medicine, Southwest Medical University（西南医科大学临床医学院医学影像系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） 纠错

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

AI总结 本文提出DeepFAN模型，通过多读者多病例试验验证其在辅助初级放射科医生评估肺结节方面的有效性，提升了诊断准确率和一致性。

Comments 28 pages for main text and 37 pages for supplementary information, 7 figures in main text and 9 figures in supplementary information

CardioDiT: Latent Diffusion Transformers for 4D Cardiac MRI Synthesis

CardioDiT：用于4D心脏MRI合成的潜在扩散变换器

Marvin Seyfarth, Sarah Kaye Müller, Arman Ghanaat, Isabelle Ayx, Fabian Fastenrath, Philipp Wild, Alexander Hertel, Theano Papavassiliu, Salman Ul Hassan Dar, Sandy Engelhardt

机构 * Institute for Artificial Intelligence in Cardiovascular Medicine, Medical Faculty of Heidelberg University, Heidelberg University（海德堡大学医学院心血管医学人工智能研究所，海德堡大学） ； Department of Cardiology, Angiology, Pneumology, Heidelberg University Hospital（海德堡大学医院心脏病学、血管学、肺病学系） ； DZHK (German Centre for Cardiovascular Research), Partner Site Heidelberg/Mannheim（德国心血管研究中心（DZHK），海德堡/曼海姆合作站点） ； Department of Radiology and Nuclear Medicine, University Medical Center Mannheim（曼海姆大学医学中心放射学与核医学系） ； Section for Invasive Cardiology and Electrophysiology, I. Medical Department, Cardiology, Hemostasiology and Intensive Care, University Medical Centre Mannheim（曼海姆大学医学中心第一内科（心脏病学、止血学与重症监护）介入心脏病学与电生理学科） ； University Medical Center of the Johannes Gutenberg-University Mainz（美因茨约翰内斯·古腾堡大学医学中心） ； Department of Cardiology, Angiology, Hemostasis, and Medical Intensive Care, University Medical Centre Mannheim, Medical Faculty Mannheim, University of Heidelberg（海德堡大学曼海姆医学院曼海姆大学医学中心心脏病学、血管学、止血学与内科重症监护系） 纠错

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

AI总结 本文提出CardioDiT，一种基于扩散变换器的4D潜在扩散模型，用于合成短轴 cine CMR，通过联合建模空间和时间实现连续心脏动态生成。

Synthetic Cardiac MRI Image Generation using Deep Generative Models

利用深度生成模型合成心脏MRI图像

Ishan Kumarasinghe, Dasuni Kawya, Madhura Edirisooriya, Isuri Devindi, Isuru Nawinne, Vajira Thambawita

机构 * Department of Computer Engineering（计算机工程系） ； University of Peradeniya（珀德尼亚大学） ； University of Maryland（马里兰大学） ； Department of Holistic Systems（整体系统系） ； SimulaMet ； Oslo, Norway（挪威奥斯陆） 纠错

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

AI总结 本文综述了通过深度生成模型生成合成心脏MRI图像的方法，探讨了在保真度、实用性和隐私方面现有技术的局限性，并强调了需要集成评估驱动框架以确保临床工作流程的可靠性。

Comments 12 pages, 2 figures, Preprint

VolDiT: Controllable Volumetric Medical Image Synthesis with Diffusion Transformers

VolDiT：基于扩散变换器的可控体积医学图像合成

Marvin Seyfarth, Salman Ul Hassan Dar, Yannik Frisch, Philipp Wild, Norbert Frey, Florian André, Sandy Engelhardt

机构 * Institute for Artificial Intelligence in Cardiovascular Medicine, Medical Faculty of Heidelberg University, Heidelberg University（海德堡大学医学院心血管医学人工智能研究所） ； Department of Cardiology, Angiology, Pneumology, Heidelberg University Hospital（海德堡大学医院心脏病学、血管学、肺病学系） ； DZHK (German Centre for Cardiovascular Research), Partner Site Heidelberg/Mannheim（德国心血管研究中心（DZHK）海德堡/曼海姆合作站点） ； University Medical Center of the Johannes Gutenberg-University Mainz（美因茨约翰内斯·古腾堡大学医学中心） 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VolDiT，首个纯变压器架构的3D扩散模型，通过体积块嵌入和全局自注意力实现3D数据处理，引入时间步门控控制适配器提升生成可控性，实验证明其在医学图像合成中具有更高的全局一致性与生成保真度。

Hyper-Connections for Adaptive Multi-Modal MRI Brain Tumor Segmentation

超连接用于自适应多模态MRI脑肿瘤分割

Lokendra Kumar, Shubham Aggarwal

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

AI总结 本文提出超连接用于体积多模态脑肿瘤分割，通过在五个架构中替代固定残差连接，提升BraTS 2021数据集上模型性能，尤其在增强肿瘤区域表现突出。

Comments 29 pages,6 tables,17 figures

CARE: Training-Free Controllable Restoration for Medical Images via Dual-Latent Steering

CARE：通过双潜在引导实现无需训练的医学图像可控修复

Xu Liu

机构 * University of Washington（华盛顿大学） 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CARE框架，通过双潜在策略在推理过程中平衡结构保持与先验引导，实现无需训练的可控医学图像修复，提升修复质量并减少不合理的重建风险。

Subject-Specific Low-Field MRI Synthesis via a Neural Operator

针对特定主体的低场MRI合成通过神经算子

Ziqi Gao, Nicha Dvornek, Xiaoran Zhang, Gigi Galiana, Hemant Tagare, Todd Constable

机构 * Departments of Biomedical Engineering, Yale University（耶鲁大学生物医学工程系） 纠错

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

AI总结 本文提出一种端到端的低场MRI合成框架，通过学习高场到低场的图像退化过程，提升低场MRI的模拟精度和诊断能力。

Comments 11 pages, 2 figures, 2 tables

Coronary artery calcification assessment in National Lung Screening Trial CT images (DeepCAC2)

在国家肺癌筛查试验CT图像中评估冠状动脉钙化（DeepCAC2）

Leonard Nürnberg, Simon Bernatz, Borek Foldyna, Michael T. Lu, Andrey Fedorov, Hugo JWL Aerts

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

AI总结 本文提出DeepCAC2数据集，利用深度学习自动处理NLST的CT扫描，生成标准化的冠状动脉钙化分割和风险评估，为心血管风险评估和影像生物标志物开发提供公开资源。

Patch2Loc: Learning to Localize Patches for Unsupervised Brain Lesion Detection

Patch2Loc: 通过学习定位片段进行无监督脑部病变检测

Hassan Baker, Austin J. Brockmeier

机构 * University of Delaware（德雷塞尔大学） 纠错

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

AI总结 本文提出Patch2Loc方法，利用无监督学习从结构MRI中提取正常片段，通过神经网络映射片段到其在脑体积切片中的位置，利用预测误差检测异常区域，实现更精细的分割。

Comments Accepted at AISTATS 2026 (Proceedings of Machine Learning Research)

Performance of a GPU- and Time-Efficient Pseudo 3D Network for Magnetic Resonance Image Super-Resolution and Motion Artifact Reduction

GPU和时间高效的伪3D网络在磁共振图像超分辨率和运动伪影减少中的性能

Hao Li, Jianan Liu, Marianne Schell, Tao Huang, Arne Lauer, Katharina Schregel, Jessica Jesser, Dominik F Vollherbst, Martin Bendszus, Sabine Heiland, Tim Hilgenfeld

机构 * Department of Neuroradiology, University Hospital Heidelberg（海德堡大学神经放射科） ； College of Science and Engineering, James Cook University（詹姆斯库克大学科学与工程学院） 纠错

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

AI总结 本文提出了一种高效的伪3D网络，用于磁共振图像超分辨率和运动伪影减少，通过优化采样率和减少GPU负载，提升了图像质量和处理效率。

Comments 16 pages, 9 figures

CIV-DG: Conditional Instrumental Variables for Domain Generalization in Medical Imaging

CIV-DG：用于医学影像领域泛化的条件工具变量

Shaojin Bai, Yuting Su, Weizhi Nie

机构 * School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） 纠错

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

AI总结 本文提出CIV-DG方法，通过条件工具变量分离病理语义与扫描器伪影，解决医疗AI中跨站点泛化受选择偏差影响的问题，实验表明其在Camelyon17和胸部X光数据集上优于现有方法。

Comments 10 pages, 2 figures

Structure Causal Models and LLMs Integration in Medical Visual Question Answering

结构因果模型与大语言模型在医学视觉问答中的整合

Zibo Xu, Qiang Li, Weizhi Nie, Weijie Wang, Anan Liu

机构 * School of Microelectronics, Tianjin University（天津大学微电子学院） ； School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系） 纠错

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

AI总结 本文提出一种因果推理框架，通过消除图像与问题间的混杂效应，提升医学视觉问答的准确性，并引入因果图结构和多变量重采样方法以增强模型对复杂医疗数据的理解能力。

Comments Accepted by IEEE TMI 2025

Evolution of the radius of analyticity for mKdV-type equations

mKdV型方程解的解析半径的演化

Renata O. Figueira, Mahendra Panthee

专题命中 医学影像 ：CT(abstract)

AI总结 本文研究了两种初始值问题中解的解析半径演化的下界，针对修正的Korteweg-de Vries方程和具有广义色散与阻尼项的mKdVm方程，得出了新的下界结果。

Comments 24 pages

Cavitation by phase shift of focused shock waves inside a droplet

聚焦冲击波在液滴内通过相位移产生空化

Samuele Fiorini, Guillaume T. Bokman, Anunay Prasanna, Stefanos Nikolaou, Sayaka Ichihara, Bratislav Lukić, Alexander Rack, Yoshiyuki Tagawa, Outi Supponen

专题命中 医学影像 ：biomedical(abstract)

AI总结 研究通过冲击波相位移在液滴内产生负压空化，无需外部稀疏波，揭示了冲击波传播的物理机制，为生物医学治疗的安全性和精度提升提供新思路。

SaNDi-SHoP: Searching for Satellites'N'Disks with a Star-Hopping Program I. Analysis of the close surroundings of DI companions

SaNDi-SHoP：通过恒星跳跃程序寻找卫星的N'Disks I. 对DI伴星附近环境的分析

Cecilia Lazzoni, Alice Zurlo, Silvano Desidera, Andrea Bernardi, Sebastian Pérez, Dino Mesa, Domenico Barbato, Pedro Henrique Nogueira, Anuroop Dasgupta

专题命中 医学影像 ：CT(abstract)

AI总结 本文利用恒星跳跃技术对十二个行星和棕矮星进行调查，通过PSF参考库和NEGFC方法分析其周围环境，得出卫星和盘形成条件的约束，发现三个系统可能存在卫星或盘。

On uniqueness of coefficient identification in the Bloch-Torrey equation for magnetic resonance imaging

关于Bloch-Torrey方程中系数识别唯一性的研究

Barbara Kaltenbacher

专题命中 医学影像 ：MRI(abstract)

AI总结 本文研究了在磁共振成像中通过Bloch-Torrey方程重建空间变化的自旋密度及自旋-晶格、自旋-自旋弛豫时间及局部磁场不均匀性的唯一性问题，采用k空间采样和扩散特性两种方法进行分析。

AD-CARE: A Guideline-grounded, Modality-agnostic LLM Agent for Real-world Alzheimer's Disease Diagnosis with Multi-cohort Assessment, Fairness Analysis, and Reader Study

AD-CARE：一种基于指南、模态无关的LLM代理，用于多队列评估、公平性分析和读者研究的阿尔茨海默病诊断

Wenlong Hou, Sheng Bi, Guangqian Yang, Lihao Liu, Ye Du, Hanxiao Xue, Juncheng Wang, Yuxiang Feng, Yue Xun, Nanxi Yu, Ning Mao, Mo Yang, Yi Wah Eva Cheung, Ling Long, Kay Chen Tan, Lequan Yu, Xiaomeng Ma, Shaozhen Yan, Shujun Wang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Xuanwu Hospital, Capital Medical University（首都医科大学宣武医院） ； Amazon（亚马逊） ； Zhejiang University（浙江大学） ； Sany AI（三一人工智能） ； Yantai Yuhuangding Hospital, Qingdao University（青岛大学烟台毓璜顶医院） ； The University of Hong Kong（香港大学） ； The Third Affiliated Hospital of Sun Yat-sen University（中山大学附属第三医院） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 AD-CARE通过整合临床指南和多模态数据，实现了多队列中84.9%的诊断准确率，显著提升诊断效率和公平性，适用于阿尔茨海默病的临床决策支持。

Analysing Environmental Efficiency in AI for X-Ray Diagnosis

分析AI在X光诊断中的环境效率

Liam Kearns

机构 * AuraQ Malvern Worcestershire（AuraQ 莫尔文伍斯特郡） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文研究了AI在X光诊断中的环境效率，通过比较不同模型配置，发现小判别模型在碳足迹上更高效，但存在诊断偏差，而LLM在性能和碳足迹上均表现不佳。

Comments Accepted for publication in Journal of AI. The final published version is available at https://doi.org/10.61969/jai.1838517

Journal ref Journal of AI 10 (2026) 37-55

Reaching Beyond the Mode: RL for Distributional Reasoning in Language Models

超越模式：语言模型中的分布推理强化学习

Isha Puri, Mehul Damani, Idan Shenfeld, Marzyeh Ghassemi, Jacob Andreas, Yoon Kim

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出一种多答案强化学习方法，使语言模型在推理时能生成多个可能的假设并评估其置信度，提升多样性和准确性。

TAAC: A gate into Trustable Audio Affective Computing

TAAC: 可信音频情感计算的入口

Xintao Hu, Feng-Qi Cui

机构 * Hefei University of Technology（合肥工业大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出TAAC框架，通过对抗损失基于的子空间分解，解决音频抑郁诊断中敏感信息泄露问题，实现可信环境下的自动抑郁检测。

Plasmonic Mediated Atomically Engineered 2D Aluminium Quasicrystals for Dopamine Biosensing

等离子体介导的原子级工程化二维铝准晶体用于多巴胺生物传感

Saswata Goswami, Guilherme S. L. Fabris, Diganta Mondal, Raphael B. de Oliveira, Anyesha Chakraborty, Thakur Prasad Yadav, Nilay Krishna Mukhopadhyay, Samit K. Ray, Douglas S. Galvão, Chandra Sekhar Tiwary

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种基于空间自相位调制的液态传感方法，利用二维铝准晶体结构实现多巴胺的高灵敏度检测，并通过实验与模拟验证其在神经退行性疾病诊断中的应用潜力。

S4CMDR: a metadata repository for electronic health records

S4CMDR：电子健康记录的元数据存储库

Jiawei Zhao, Md Shamim Ahmed, Nicolai Dinh Khang Truong, Verena Schuster, Rudolf Mayer, Richard Röttger

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出S4CMDR，一种基于ISO 11179-3标准的开源元数据存储库，通过中间向外的标准化方法，实现电子健康记录数据元素的自动分类和兼容性发现，支持临床研究中的数据整合与可视化。

Comments 16 pages, 7 figures, source code will be available upon publication

Calibrating Resident Surveys with Operational Data in Community Planning

通过运营数据校准居民调查用于社区规划

Irene S. Gabashvili

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文通过校准居民调查结果与运营数据，揭示了社区中感知拥堵与实际容量的关系，提出更准确的系统诊断方法。

Comments 13 pages, 2 figures, 1 table

Multimodal classification of Radiation-Induced Contrast Enhancements and tumor recurrence using deep learning

基于深度学习的多模态放射性对比增强和肿瘤复发分类

Robin Peretzke, Marlin Hanstein, Maximilian Fischer, Lars Badhi Wessel, Obada Alhalabi, Sebastian Regnery, Andreas Kudak, Maximilian Deng, Tanja Eichkorn, Philipp Hoegen Saßmannshausen, Fabian Allmendinger, Jan-Hendrik Bolten, Philipp Schröter, Christine Jungk, Jürgen Peter Debus, Peter Neher, Laila König, Klaus Maier-Hein

机构 * Deutsches Krebsforschungszentrum (DKFZ)（德国癌症研究中心） ； Heidelberg University（海德堡大学） ； Heidelberg University Hospital（海德堡大学医院） ； Research Campus M2OLIE（M2OLIE研究园区） ； German Cancer Consortium (DKTK)（德国癌症联盟） ； Universitätsklinikum Heidelberg（海德堡大学医院） ； Heidelberger Institut für Radioonkologie (HIRO)（海德堡放射肿瘤学研究所） ； National Center for Tumor Diseases (NCT)（国家肿瘤疾病中心） ； Heidelberger Ionenstrahl-Therapiezentrum (HIT)（海德堡离子束治疗中心） ； Universitätsklinikum Heidelberg, Neurochirurgie（海德堡大学医院神经外科） 纠错

专题命中 病理影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出RICE-NET模型，利用纵向MRI数据与放疗剂量分布，通过常规T1加权MRI实现自动病变分类，实验显示在92名患者中达到0.92的F1分数，证明多模态深度学习在神经肿瘤学中的诊断潜力。

Improving Fine-Grained Rice Leaf Disease Detection via Angular-Compactness Dual Loss Learning

通过角度-紧致双损失学习提升水稻叶片疾病细粒度检测

Md. Rokon Mia, Rakib Hossain Sajib, Abdullah Al Noman, Abir Ahmed, B M Taslimul Haque

机构 * Begum Rokeya University, Rangpur（贝古姆·罗基亚大学，朗布尔） ； Wilmington University（威尔明顿大学） ； Washington University of Science and Technology（华盛顿科学与技术大学） ； Central Michigan University（中密歇根大学） 纠错

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

AI总结 本文提出结合中心损失与ArcFace损失的双损失框架，提升水稻叶片疾病细粒度分类性能，采用三种先进主干网络在公开数据集上取得高准确率。

A Bayesian Gamma-power-mixture survival regression model: predicting the recurrence of prostate cancer post-prostatectomy

一种贝叶斯伽马幂混合生存回归模型：根治前列腺癌术后复发的预测

Tommy Walker Mackay, Mingtong Xu, Shahrokh F. Shariat, Roger Sewell

专题命中 病理影像 ：MRI(abstract)；分类 q-bio

AI总结 本文提出一种贝叶斯伽马幂混合生存回归模型，用于预测前列腺癌根治术后复发，通过比较不同预手术变量子集的ASI，发现血清学指标比影像学指标更有效，且TGFbeta1等生物标志物具有较高重要性。

Comments 19 pages, 13 figures, 3 tables

Gastric-X: A Multimodal Multi-Phase Benchmark Dataset for Advancing Vision-Language Models in Gastric Cancer Analysis

Gastric-X：一种多模态多阶段基准数据集，用于推进胃癌分析中的视觉-语言模型

Sheng Lu, Hao Chen, Rui Yin, Juyan Ba, Yu Zhang, Yuanzhe Li

机构 * Ruijin Hospital（瑞金医院） ； University of Cambridge（剑桥大学） ； Nanjing First Hospital（南京市第一医院） ； Shenzhen University（深圳大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 Gastric-X通过1700例胃癌病例数据，评估视觉-语言模型在胃癌诊断中的多阶段任务能力，推动医疗领域VLM发展。

Comments Computer Vision and Pattern Recognition 2026

VOLMO: Versatile and Open Large Models for Ophthalmology

VOLMO：面向眼科学的多功能和开放型大模型

Zhenyue Qin, Younjoon Chung, Elijah Lee, Wanyue Feng, Xuguang Ai, Serina Applebaum, Minjie Zou, Yang Liu, Pan Xiao, Mac Singer, Amisha Dave, Aidan Gilson, Tiarnan D. L. Keenan, Emily Y. Chew, Zhiyong Lu, Yih-Chung Tham, Ron Adelman, Luciano V. Del Priore, Qingyu Chen

机构 * Department of Biomedical Informatics & Data Science, Yale University（耶鲁大学生物医学信息学与数据科学系） ； Ray and Stephanie Lane Computational Biology Department, Carnegie Mellon University（卡内基梅隆大学雷和斯蒂芬妮·兰德计算生物学系） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学杨洛林医学院） ； Department of Radiology, Washington University in Saint Louis（圣路易斯华盛顿大学放射科） ； National Eye Institute, National Institutes of Health（国家卫生研究院眼科研究所） ； National Library of Medicine, National Institutes of Health（国家卫生研究院国家医学图书馆） 纠错

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

AI总结 VOLMO提出了一种通用框架，用于开发专门的眼科多模态大语言模型，通过预训练、微调和临床推理三个阶段，提升了眼科疾病筛查和诊断的性能。

One Dimensional CNN ECG Mamba for Multilabel Abnormality Classification in 12 Lead ECG

一维CNN心电图Mamba用于12导联心电图多标签异常分类

Huawei Jiang, Husna Mutahira, Gan Huang, Mannan Saeed Muhammad

机构 * Sungkyunkwan University（成均馆大学） ； Sogang University（西江大学） ； Nusa Putra University（努沙普特拉大学） ； Queen Mary University of London（伦敦玛丽女王大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出了一种结合卷积特征提取与Mamba的1D CNN心电图Mamba框架，通过改进的Vision Mamba提升时间依赖性表示，在2020和2021年PhysioNet挑战赛中取得优于现有方法的性能，特别是在AUPRC和AUROC指标上。

Comments 6 Pages, 2 figures

NeuroVLM-Bench: Evaluation of Vision-Enabled Large Language Models for Clinical Reasoning in Neurological Disorders

NeuroVLM-Bench：评估用于神经系统疾病临床推理的视觉增强大语言模型

Katarina Trojachanec Dineva, Stefan Andonov, Ilinka Ivanoska, Ivan Kitanovski, Sasho Gramatikov, Tamara Kostova, Monika Simjanoska Misheva, Kostadin Mishev

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

AI总结 本文评估了视觉增强大语言模型在神经疾病临床推理中的性能，通过多模态模型在MRI和CT数据集上进行基准测试，发现影像属性基本解决，但诊断推理仍具挑战性。

Comments 53 pages, 12 figures. Manuscript submitted to the BMC Medical Informatics and Decision Making journal