科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
少即是多？选择性关注高重要性区域用于多模态放射学摘要
机构 * Bangladesh University of Engineering and Technology（孟加拉国工程技术大学） ； BRAC University（布拉克大学） ； Curtin University（科廷大学）
专题命中 医学影像 ：radiology(title,abstract)；pathology(abstract)；分类 cs.CV
AI总结 本文通过MIMIC-CXR基准测试表明，选择性关注病理相关视觉区域比全图更有效，提出ViTAS模型在多模态放射学摘要中取得SOTA结果。
FOSCU：通过双扩散模型生成合成MRI的可行性，以增强肝部分割的3D U-Net
机构 * Seoul National University（首尔国立大学） ； Sangmyung University（祥明大学） ； Ewha Womans University（梨花女子大学） ； Chung-Ang University（中央大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医学中心，成均馆大学医学院） ； NVIDIA（英伟达）
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FOSCU，通过双扩散模型生成高分辨率合成MRI数据及分割标签，结合改进的3D U-Net训练流程，提升肝部分割的鲁棒性与图像真实性。
Comments 10 pages, 5 figures. Accepted at IEEE APCCAS 2025
从多对比MRI深度分割婴儿大脑
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文提出BabySeg框架，通过深度学习实现婴儿和幼儿大脑的分割，支持多种MRI协议，提升分割准确性和效率。
Comments 8 pages, 8 figures, 1 table, website at https://w3id.org/babyseg, presented at the 2025 IEEE Asilomar Conference on Signals, Systems, and Computers
Journal ref Asilomar Conf Signals Syst Comput, 2025, 974-981
超越基准：一种用于CT肺结节检测AI部署后验证的框架
专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV、eess.IV
AI总结 本文提出了一种基于物理的框架，用于评估部署的肺结节检测模型对CT采集参数系统性变化的敏感性，发现切片厚度对AI性能的影响比图像噪声更根本。
三模态深度学习在胶质瘤生存预测中的应用：整合组织病理学、基因表达和MRI的可行性研究
机构 * Munster Technological University（芒斯特理工大学）
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV
AI总结 本文探讨了三模态深度学习在胶质瘤生存预测中的可行性，通过整合组织病理学、基因表达和MRI数据，评估了不同融合策略的效果，发现三模态早期融合在小样本下有初步的预测价值。
Comments 6 pages, 1 figure, submitted to the IEEE CBMS 2026 conference, still waiting for notification
从有限数量的动态2D MRI切片中实现时间分辨的三维主动脉形状重建
专题命中 医学影像 ：MRI(title,abstract)；分类 eess.IV
AI总结 本文提出利用统计形状模型与可微体积网格优化算法，从有限数量的动态2D MRI切片中重建时间分辨的主动脉三维几何，验证了其准确性和可行性。
LatentFM: 一种用于生成医学图像分割的潜在流匹配方法
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 本文提出LatentFM，通过在潜在空间中使用流匹配方法，实现高精度且具有不确定性的医学图像分割，通过生成置信图和多样化的分割输出提升预测可靠性。
NeoNet：一种端到端的3D MRI基于深度学习框架，用于通过生成驱动分类非侵袭性预测神经浸润
机构 * Seoul National University（首尔大学） ； OUTTA ； Chung-Ang University（中央大学） ； Sookmyung Women's University（淑明女子大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，成均馆大学医学院） ； Samsung Changwon Hospital, Sungkyunkwan University School of Medicine（三星昌原医院，成均馆大学医学院） ； NVIDIA AI Technology Center（英伟达人工智能技术中心）
专题命中 医学影像 ：MRI(title)；diagnosis(abstract)；分类 cs.CV
AI总结 本文提出NeoNet框架，通过生成驱动分类方法预测胆管癌神经浸润，解决缺乏明确影像学标准的问题，实现最高AUC 0.7903的性能。
Comments 15 pages, 5 figures. Accepted for oral presentation at W3PHIAI Workshop, AAAI 2026
Rich-U-Net：一种用于融合空间深度特征和捕捉细微结构细节的医学图像分割模型
专题命中 医学影像 ：medical image(title,abstract)；分类 eess.IV
AI总结 本文提出Rich-U-Net模型，通过多级多维特征融合与优化策略，提升医学图像中细结构定位与分割精度，实验表明其在Dice、IoU和HD95指标上优于现有方法。
基于HII星系哈勃图的$R_h=ct$与$Λ$CDM的贝叶斯模型比较
专题命中 医学影像 ：CT(title,abstract)
AI总结 本文通过贝叶斯模型比较，分析$R_h=ct$与$Λ$CDM/$w$CDM在HII星系和巨外星系HII区域数据集中的优劣，发现基于普朗克宇宙学的正态先验下，$R_h=ct$对$Λ$CDM有显著优势，对$w$CDM则边缘优势。
Comments 9 pages, 3 figures. Accepted for publication in Physics Letters A
优于平均：基于空间的分割不确定性聚合改进下游性能
机构 * Max-Delbrück-Center (MDC)（马克斯·德尔布吕克中心） ； Helmholtz Imaging（亥姆霍兹成像） ； Charité Universitätsmedizin（柏林夏里特医学院） ； Humboldt-Universität zu Berlin（柏林洪堡大学） ； University of Potsdam（波茨坦大学） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Heidelberg University（海德堡大学）
专题命中 医学影像 ：medical image(abstract)；biomedical(abstract)；分类 cs.CV、cs.LG
AI总结 研究通过空间感知的不确定性聚合方法提升下游任务性能，分析现有聚合策略的优劣，提出新策略并验证其在不同数据集上的有效性。
Comments 27 pages, 13 figures, 6 tables. Accepted at CVPR 2026 (The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026)
在宽场光学相干断层扫描中稳健检测视网膜新生血管
机构 * Casey Eye Institute, Oregon Health & Science University（俄勒冈健康与科学大学凯西眼科研究所） ； Department of Biomedical Engineering, Oregon Health & Science University（俄勒冈健康与科学大学生物医学工程系） ； Department of Ophthalmology, Mackay Memorial Hospital（马偕纪念医院眼科） ； Department of Ophthalmology, Aichi Medical University（爱知医科大学眼科）
专题命中 医学影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV、eess.IV
AI总结 本文提出了一种基于宽场OCT/OCTA的新型方法，用于视网膜新生血管的诊断和分期，通过直接二分类定位任务实现自动化检测，提高了诊断准确率和分割精度。
Comments 21 pages, 12 figures. Submitted to Optica. Corresponding author: Yali Jia
Journal ref Optica 13(4), 628-641 (2026)
对齐你的查询：多模态医学目标检测中的表示对齐
机构 * KAIST AI（韩国科学技术院人工智能学院） ； EverEx
专题命中 医学影像 ：MRI(abstract)；CT(abstract)；分类 cs.CV、cs.LG
AI总结 本文提出通过表示对齐提升多模态医学目标检测性能，引入模态令牌和QueryREPA预训练阶段，使查询表示更适应模态特征，提升检测精度。
Comments Project page: https://araseo.github.io/alignyourquery/
PRS-Med: 医学影像中的位置推理分割
机构 * Aalto University（阿尔托大学） ； Northwestern University（西北大学） ； Technical University of Denmark（丹麦技术大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； University of South Dakota（南达科他大学）
专题命中 医学影像 ：medical image(abstract)；diagnosis(abstract)；分类 cs.CV
AI总结 PRS-Med提出一种基于位置推理的医学影像分割框架，通过整合视觉-语言模型与分割解码器，提升临床诊断的准确性与可解释性。
循环约束对抗去噪卷积网络用于PET图像去噪：在大规模数据集上的多维验证，包含读者研究和真实低剂量数据
专题命中 医学影像 ：CT(abstract)；分类 cs.CV、eess.IV
AI总结 本文提出Cycle-DCN网络，通过整合噪声预测器、两个判别器和一致性网络，利用多种损失函数优化，有效提升低剂量PET图像的PSNR、SSIM和NRMSE，且在读者研究中获得高评分，具有临床相关性。
Comments This work has been submitted to the IEEE for possible publication
Journal ref Med Image Anal. 107(Pt B) (2026) 103826
通过多尺度自适应图注意力学习结构-功能脑表示以获得认知洞察
机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（三机构神经影像与数据科学转化研究中心 (TReNDS)）
专题命中 医学影像 ：MRI(abstract)；分类 cs.CV
AI总结 本文提出MAGNet框架，通过多尺度自适应图注意力机制融合结构和功能脑网络，提升认知功能理解。
Comments Preprint version of the paper accepted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026). This is the author's accepted manuscript. The final published version will appear in IEEE Xplore
注意力头数对变换器近似效果的影响
专题命中 医学影像 ：CT(abstract)；分类 cs.LG
AI总结 本文研究了变换器中注意力头数对近似性质的影响，推导了参数复杂度的上下界，并通过实验验证了理论结果。
Comments Accepted by ICLR 2026
通过李群进行模型降阶
专题命中 医学影像 ：MRI(abstract)
AI总结 本文提出基于李群的模型降阶框架MORLie，用于近似高维流形动力系统，能处理非等变动力学并提供新的非侵入性方法，实验显示其误差界低于Kolmogorov N-宽度，适用于多种应用。
Comments 25 pages, 22 figures
Journal ref Communications in Nonlinear Science and Numerical Simulation, Volume 160, 2026, 109973, ISSN 1007-5704
超越理想化患者：在医疗咨询中评估LLM在挑战性患者行为下的表现
机构 * University of Southern California（南加州大学）
专题命中 临床大模型 ：diagnosis(abstract)
AI总结 本文研究了医疗咨询中常见的挑战性患者行为，定义了四种行为类别，并提出了CPB-Bench基准测试集，评估了多种LLM在处理这些行为时的表现，发现模型在处理矛盾或医学上不合理的患者信息时存在困难。
通过SNNDeep改进肝病诊断：一种使用多样化学习算法的定制脉冲神经网络
机构 * Institute of Fundamental Technological Research, Polish Academy of Sciences（波兰科学院基础技术研究所）
专题命中 诊断辅助 ：diagnosis(title)；CT(abstract)；biomedical(abstract)；分类 cs.CV、q-bio
AI总结 本文提出SNNDeep，一种专为从CT特征二分类肝健康状态优化的脉冲神经网络，通过三种不同学习算法在不同架构上验证，展示了定制SNN在医疗影像中的优越性能。
REN：基于解剖学的专家混合模型用于间质性肺病诊断
机构 * Department of Computer Science, Northwestern University McCormick School of Engineering and Applied Science（西北大学麦考密克工程与应用科学学院计算机科学系） ； Division of Pulmonary and Critical Care Medicine, Northwestern University Feinberg School of Medicine（西北大学范伯格医学院肺与危重症医学科） ； Division of Rheumatology, Northwestern University Feinberg School of Medicine（西北大学范伯格医学院风湿病科） ； Simpson Querrey Lung Institute for Translational Science, Northwestern University Feinberg School of Medicine（西北大学范伯格医学院辛普森·奎雷转化科学肺研究所） ； Department of Electrical and Computer Engineering, Northwestern University McCormick School of Engineering and Applied Science（西北大学麦考密克工程与应用科学学院电气与计算机工程系） ； Machine & Hybrid Intelligence Lab, Department of Radiology, Northwestern University Feinberg School of Medicine（西北大学范伯格医学院放射科机器与混合智能实验室）
专题命中 诊断辅助 ：diagnosis(title)；medical image(abstract)；分类 cs.CV
AI总结 本文提出REN模型，通过解剖学指导的专家混合框架提升间质性肺病诊断性能，结合多模态门控机制和深度学习特征，实现更精确的病理变化建模。
Comments 13 pages, 4 figures, 5 tables
SysOM-AI：面向生产AI训练的持续跨层性能诊断
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 本文提出SysOM-AI系统，通过跨层观测和持续监控，解决大规模AI训练中由操作系统级问题引发的GPU延迟和网络拥堵问题，将诊断时间从数天缩短至约10分钟。
Comments 9 pages, 8 figures. Equal contribution by Wenan Mao and Yusheng Zheng
AgentFixer: 从LLM代理系统中故障检测到修复建议
机构 * IBM Research（IBM研究院）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出一个综合验证框架，通过系统诊断和改进可靠性故障，结合轻量规则检查与LLM评估，提升代理系统性能，通过实验展示改进效果。
SteelDB：云OLTP数据库中内核空间瓶颈的诊断
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文通过分析云数据库中内核空间I/O行为，发现传统架构中归因于网络或存储的瓶颈实为内核空间所致。SteelDB通过零补丁架构优化I/O，实现性能提升与成本降低。
互补性在社会测量中的应用：一种分区逻辑方法
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文通过六个社会科学研究案例，展示了分区逻辑在描述社会互补性中的作用，揭示了不同观察模式的不相容性及逻辑与概率结构的分离。
Comments 15 pages, 5 figures, invited book contribution
可解释的基于组织形态学的胶质母细胞瘤、IDH野生型生存预测
机构 * Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学研究所） ； Hannover Medical School（汉诺威医学院） ； Institute of Neuropathology, RWTH Aachen University Hospital（亚琛工业大学医院神经病理学研究所） ； Department of Neuropathology, Center for Pathology, Klinikum Bremen-Mitte（不来梅米特医院病理中心神经病理科） ； Bremen Cancer Registry, Leibniz Institute for Prevention Research and Epidemiology - BIPS（不来梅癌症登记处，莱布尼茨预防研究与流行病学研究所 - BIPS） ； Leibniz Institute for Prevention Research and Epidemiology - BIPS（莱布尼茨预防研究与流行病学研究所 - BIPS） ； Fraunhofer Institute of Optronics, System Technologies and Image Exploitation IOSB（弗劳恩霍夫光学、系统技术与图像 exploitation 研究所 IOSB） ； Robert Koch Institute（罗伯特·科赫研究所） ； Department of Neurosurgery, RWTH Aachen University Hospital（亚琛工业大学医院神经外科） ； Institute of Pathology, RWTH Aachen University Hospital（亚琛工业大学医院病理学研究所） ； Institute of Neuropathology, Medical Center - University of Freiburg（弗莱堡大学医学中心神经病理学研究所） ； Center for Integrated Oncology Aachen Bonn Cologne Duesseldorf (CIO ABCD)（亚琛-波恩-科隆-杜塞尔多夫综合肿瘤中心 (CIO ABCD)）
专题命中 病理影像 ：diagnosis(abstract)；分类 cs.LG、q-bio、eess.IV
AI总结 本文提出一个可解释的AI框架，通过结合可解释的多实例学习和稀疏自编码器，利用组织形态学特征预测胶质母细胞瘤IDH野生型患者的生存情况，发现了一些显著的生存差异。
多模态机器学习在瑞典多癌队列中早期预测转移的应用
机构 * Karolinska University Hospital（卡罗林斯卡大学医院） ； Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系）
专题命中 病理影像 ：diagnosis(abstract)；分类 cs.LG、q-bio
AI总结 本文提出利用多模态机器学习在诊断前一个月预测转移风险，通过整合电子健康记录数据，比较单模态与多模态模型的性能，展示中间融合策略在多种癌症中的优越表现。
放射报告生成中的校准置信度表达
机构 * Computer Aided Medical Procedures, Technical University of Munich, Germany（德国慕尼黑工业大学计算机辅助医疗程序） ； Munich Center for Machine Learning (MCML), Germany（德国慕尼黑机器学习中心） ； Department of Diagnostic and Interventional Radiology, TUM Klinikum rechts der Isar, Germany（德国慕尼黑工业大学伊萨尔河右岸医院诊断与介入放射科） ； Department of Diagnostic and Interventional Neuroradiology, TUM Klinikum rechts der Isar, Germany（德国慕尼黑工业大学伊萨尔河右岸医院诊断与介入神经放射科） ； Department of Diagnostic and Interventional Radiology and Nuclear Medicine, University Medical Center Hamburg-Eppendorf, Germany（德国汉堡-埃彭多夫大学医学中心诊断与介入放射学及核医学科） ； AI for Image-Guided Diagnosis and Therapy, Technical University of Munich, Germany（德国慕尼黑工业大学人工智能图像引导诊断与治疗）
专题命中 医疗多模态 ：radiology(title,abstract)
AI总结 本文提出ConRad框架，通过强化学习提升医学大视觉-语言模型的置信度校准，以生成更可靠的放射报告。
多模态高阶脑网络：拓扑信号处理视角
专题命中 医疗多模态 ：MRI(abstract)；分类 q-bio、eess.SP
AI总结 本文提出基于拓扑信号处理的多模态框架，通过高阶拓扑域建模脑部，利用扩散MRI和静息态fMRI学习个体化脑细胞复合体，揭示高阶相互作用的拓扑特征及其与行为的关联。
Comments This paper has been sumbmitted to IEEE Transactions on Medical Imaging (TMI), March 2026
EcoScratch: 低成本多模态修复用于刮痕使用执行反馈
专题命中 医疗多模态 ：diagnosis(abstract)
AI总结 EcoScratch通过轻量级运行时信号决定是否保持纯文本修复或升级到多模态提示，结合JSON补丁预算和验证努力，提升Scratch修复效率与效果。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈