医学 AI

OkanNet: A Lightweight Deep Learning Architecture for Classification of Brain Tumor from MRI Images

OkanNet：一种轻量级深度学习架构用于从MRI图像中分类脑肿瘤

Okan Uçar, Murat Kurt

机构 * Graduate School of Natural ； Applied Sciences Department of Computer Engineering Ege University Izmir, Turkey ； International Computer Institute Ege University Izmir, Turkey 纠错

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

AI总结 本文提出OkanNet和基于ResNet-50的迁移学习方法，用于自动检测和分类脑肿瘤，OkanNet在计算效率上表现优异，训练时间较ResNet-50快3.2倍，准确率88.10%。

Comments 7 pages, 3 figures, 1 table

Curia-2: Scaling Self-Supervised Learning for Radiology Foundation Models

Curia-2：用于放射学基础模型的自监督学习扩展

Antoine Saporta, Baptiste Callard, Corentin Dancette, Julien Khlaut, Charles Corbière, Leo Butsanets, Amaury Prat, Pierre Manceron

机构 * Raidium ； Department of Vascular and Oncological Interventional Radiology, Hôpital Européen Georges Pompidou, AP-HP, Paris, France（巴黎欧洲乔治·蓬皮杜医院血管与肿瘤介入放射科，AP-HP） ； Faculté de Santé, Université Paris-Cité, Paris, France（巴黎西岱大学健康学院） 纠错

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

AI总结 Curia-2通过改进预训练策略和表征质量，提升了放射学数据的捕捉能力，首次实现了多模态CT和MRI基础模型的亿参数视觉变换器架构，并在两个新评估轨道中验证了其性能。

Blinded Radiologist and LLM-Based Evaluation of LLM-Generated Japanese Translations of Chest CT Reports: Comparative Study

盲评放射科医生和基于LLM的评估：LLM生成的日语胸CT报告翻译的比较研究

Yosuke Yamagishi, Atsushi Takamatsu, Yasunori Hamaguchi, Tomohiro Kikuchi, Shouhei Hanaoka, Takeharu Yoshikawa, Osamu Abe

机构 * Division of Radiology and Biomedical Engineering, Graduate School of Medicine, The University of Tokyo（东京大学医学研究生院放射学与生物医学工程系） ； Department of Radiology, The University of Tokyo Hospital（东京大学医院放射科） ； Department of Radiology, Kanazawa University Graduate School of Medical Sciences（金泽大学医学研究生院放射科） ； Department of Computational Diagnostic Radiology and Preventive Medicine, The University of Tokyo Hospital（东京大学医院计算诊断放射学与预防医学系） ； Department of Radiology, School of Medicine, Jichi Medical University（自治医科大学医学院放射科） 纠错

专题命中 医学影像 ：CT(title,abstract)；radiology(abstract)

AI总结 研究比较了放射科医生和LLM评估对LLM生成的日语胸CT报告翻译的教育适用性，发现LLM生成的翻译在自然流畅性上被普遍认可，但放射科医生之间存在显著差异，LLM评估偏好LLM输出，与放射科医生无显著一致。

Comments 25 pages, 4 figures

SA-CycleGAN-2.5D: Self-Attention CycleGAN with Tri-Planar Context for Multi-Site MRI Harmonization

SA-CycleGAN-2.5D：基于三平面上下文的自注意力CycleGAN用于多中心MRI和谐化

Ishrith Gowda, Chunwei Liu

机构 * University of California, Berkeley（加州大学伯克利分校） ； Purdue University（普渡大学） 纠错

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

AI总结 本文提出SA-CycleGAN-2.5D框架，通过三平面流形注入、密集自注意力生成器和频谱归一化判别器，解决多中心MRI数据中的扫描器偏移问题，显著降低MMD并提升和谐化效果。

Comments 12 pages, 5 figures, 5 tables. Submitted to MICCAI 2026

Structure is Supervision: Multiview Masked Autoencoders for Radiology

结构是监督：用于放射学的多视图掩码自编码器

Sonia Laguna, Andrea Agostini, Alain Ryser, Samuel Ruiperez-Campillo, Irene Cannistraci, Moritz Vandenhirtz, Stephan Mandt, Nicolas Deperrois, Farhad Nooralahzadeh, Michael Krauthammer, Thomas M. Sutter, Julia E. Vogt

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Computer Science, UC Irvine（加州大学尔湾分校计算机科学系） ； Department of Quantitative Biomedicine, University of Zurich（苏黎世大学定量生物医学系） 纠错

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

AI总结 本文提出多视图掩码自编码器（MVMAE），通过利用放射学研究的多视图结构学习视图不变和疾病相关表征，并在三个公开数据集上验证了其在疾病分类任务中的优越性能。

Journal ref Transactions on Machine Learning Research (TMLR) 2026

Automated Prostate Gland Segmentation in MRI Using nnU-Net

使用nnU-Net进行MRI中前列腺的自动分割

Pablo Rodriguez-Belenguer, Gloria Ribas, Javier Aquerreta Escribano, Rafael Moreno-Calatayud, Leonor Cerda-Alberich, Luis Marti-Bonmati

机构 * Biomedical Imaging Research Group (GIBI230), Instituto de Investigación Sanitaria La Fe, Valencia, Spain（生物医学影像研究组（GIBI230），拉菲健康研究所，巴伦西亚，西班牙） 纠错

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

AI总结 本文提出基于nnU-Net的深度学习方法，利用多模态MRI数据实现前列腺自动分割，通过交叉验证和外部验证显示其高精度和泛化能力，优于通用工具。

Comments 9 pages, 2 tables, 1 figure

FaCT-GS: Fast and Scalable CT Reconstruction with Gaussian Splatting

FaCT-GS：基于高斯点撒的快速可扩展CT重建

Pawel Tomasz Pieta, Rasmus Juul Pedersen, Sina Borgi, Jakob Sauer Jørgensen, Jens Wenzel Andreasen, Vedrana Andersen Dahl

机构 * Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 本文提出FaCT-GS框架，通过优化体素化和光栅化流程，实现快速且可扩展的CT重建，比现有方法快4-13倍，适用于不同投影尺寸。

Enhancing the Reliability of Medical AI through Expert-guided Uncertainty Modeling

通过专家引导的不确定性建模增强医疗AI的可靠性

Aleksei Khalin, Ekaterina Zaychenkova, Aleksandr Yugay, Andrey Goncharov, Sergey Korchagin, Alexey Zaytsev, Egor Ershov

机构 * Kharkevich Institute for Information Transmission Problems of Russian Academy of Sciences（俄罗斯科学院哈克维奇信息传输问题研究所） ； Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院） ； Sber（俄罗斯联邦储蓄银行） ； Artificial Intelligence Research Institute（人工智能研究院） 纠错

专题命中 医学影像 ：medical AI(title)；分类 cs.LG

AI总结 本文提出利用专家意见分歧生成训练目标，改进不确定性估计，提升医疗AI在风险感知中的可靠性，实验表明在不同任务中提升9%-50%。

GCond: Gradient Conflict Resolution via Accumulation-based Stabilization for Large-Scale Multi-Task Learning

GCond：基于累积稳定化的梯度冲突解决方法用于大规模多任务学习

Evgeny Alves Limarenko, Anastasiia Studenikina, Svetlana Illarionova, Maxim Sharaev

机构 * Moscow Institute of Physics and Technology（莫斯科物理技术学院） ； Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院） ； Biomedically Informed Artificial Intelligence Laboratory (BIMAI-Lab), University of Sharjah（沙迦大学生物医学人工智能实验室（BIMAI-Lab）） 纠错

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

AI总结 GCond通过结合梯度累积与自适应仲裁机制，在大规模多任务学习中有效解决梯度冲突问题，提升了计算效率和模型泛化能力。

Comments Published in IEEE Access. This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License (CC BY-NC-ND 4.0)

Journal ref IEEE Access, vol. 14, pp. 42086-42104, 2026

Enhancing Medical Visual Grounding via Knowledge-guided Spatial Prompts

通过知识引导的空间提示增强医学视觉 grounding

Yifan Gao, Tao Zhou, Yi Zhou, Ke Zou, Yizhe Zhang, Huazhu Fu

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Yong Yoo Lin School of Medicine, National University of Singapore（新加坡国立大学杨潞龄医学院） ； Institute of High-Performance Computing, Agency for Science, Technology and Research（新加坡科技研究局高性能计算研究所） 纠错

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

AI总结 本文提出KnowMVG框架，通过知识增强提示和全局局部注意力机制提升医学视觉 grounding的精度，实验显示在四个基准上优于现有方法。

Comments 10 pages, 6 figures

NEMESIS: Noise-suppressed Efficient MAE with Enhanced Superpatch Integration Strategy

NEMESIS：噪声抑制的高效MAE与增强的超块整合策略

Kyeonghun Kim, Hyeonseok Jung, Youngung Han, Hyunsu Go, Eunseob Choi, Seongbin Park, Junsu Lim, Jiwon Yang, Sumin Lee, Insung Hwang, Ken Ying-Kai Liao, Nam-Joon Kim

机构 * OUTTA ； Chung-Ang University（中央大学） ； Seoul National University（首尔大学） ； GIST（光州科学技术院） ； Sangmyung University（祥明大学） ； NVIDIA（英伟达） 纠错

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

AI总结 NEMESIS通过局部超块处理实现高效MAE，结合噪声增强重建和改进的Transformer块，提升3D CT图像分类性能，降低计算成本。

Comments 5 pages, 5 figures, 5 tables

Estimating Head Motion from MR-Images

从磁共振图像估计头部运动

Clemens Pollak, David Kügler, Martin Reuter

机构 * AI in Medical Imaging, German Center for Neurodegenerative Diseases (DZNE), Bonn, Germany（德国神经退行性疾病中心(DZNE)医学影像人工智能部门，波恩，德国） ； A.A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Boston, MA, USA（麻省总医院A.A. Martinos生物医学影像中心，波士顿，马萨诸塞州，美国） ； Department of Radiology, Harvard Medical School, Boston, MA, USA（哈佛医学院放射学系，波士顿，马萨诸塞州，美国） 纠错

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

AI总结 本文提出一种深度学习方法，通过T1加权、T2加权和FLAIR图像及扫描仪深度相机的运动估计预测头部运动，改进了现有方法的性能，并能独立量化漂移和呼吸运动。

Regularizing Attention Scores with Bootstrapping

通过自助法正则化注意力分数

Neo Christopher Chung, Maxim Laletin

机构 * University of Warsaw（华沙大学） ； Samsung AI Center, Warsaw（三星人工智能中心（华沙）） 纠错

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

AI总结 本文通过自助法正则化注意力分数，提高视觉Transformer的可解释性，通过统计学习方法去除噪声引起的虚假注意力，提升稀疏性和收缩性。

Journal ref Artificial Intelligence and Statistics (AISTATS) 2026

A Self supervised learning framework for imbalanced medical imaging datasets

一种用于不平衡医学影像数据集的自监督学习框架

Yash Kumar Sharma, Charan Ramtej Kodi, Vineet Padmanabhan

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

AI总结 本文提出AMIMV方法，通过新的增强策略解决医学影像分类中的数据稀缺和类别不平衡问题，并评估了八种SSL方法在长尾分布和有限监督下的性能。

Ranking-Guided Semi-Supervised Domain Adaptation for Severity Classification

基于排名的半监督领域适应用于严重程度分类

Shota Harada, Ryoma Bise, Kiyohito Tanaka, Seiichi Uchida

机构 * Kyushu University（九州大学） ； Kyoto Second Red Cross Hospital（京都第二红十字医院） 纠错

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

AI总结 本文提出利用排名得分对源域和目标域进行对齐，以解决严重程度分类中类间边界不明确的问题，通过跨域排名和连续分布对齐方法提升领域适应效果。

Ultrasound-CLIP: Semantic-Aware Contrastive Pre-training for Ultrasound Image-Text Understanding

超声-CLIP：面向超声图像-文本理解的语义感知对比预训练

Jiayun Jin, Haolong Chai, Xueying Huang, Xiaoqing Guo, Zengwei Zheng, Zhan Zhou, Junmei Wang, Xinyu Wang, Jie Liu, Binbin Zhou

机构 * Hangzhou City University（杭州城市大学） ； Hong Kong Baptist University（香港浸会大学） ； Zhejiang University（浙江大学） ； The First Affiliated Hospital, Zhejiang University School of Medicine（浙江大学医学院附属第一医院） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出超声-CLIP，通过构建US-365K数据集和UDT知识框架，引入语义软标签和损失函数，提升超声图像与文本的语义对比学习效果，实现分类和检索的SOTA性能。

Comments Accepted by CVPR 2026

Cross-Domain Vessel Segmentation via Latent Similarity Mining and Iterative Co-Optimization

跨域血管分割：通过潜在相似性挖掘和迭代联合优化

Zhanqiang Guo, Jianjiang Feng, Jie Zhou

机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） 纠错

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

AI总结 本文提出一种跨域血管分割框架，通过挖掘潜在血管相似性并迭代联合优化生成与分割网络，提升跨域图像合成质量和分割精度，实验显示在临床场景中表现优异。

Balancing Morality and Economics: Population Games with Herding and Inertia

平衡道德与经济：包含从众和惯性的群体博弈

Raghupati Vyas, Harsitha Devaraj, Veeraruna Kavitha

专题命中 医学影像 ：CT(abstract)

AI总结 本文研究消费者在异质行为倾向下的清洁技术采纳，通过多类型均值场博弈模型分析，探讨道德与经济因素在清洁技术采纳中的作用，发现群体构成、价格劣势和从众效应影响采纳水平。

Spatially-informed Image Harmonization Results in Improved Scanner Effect Removal and Prediction

空间信息引导的图像和谐化在改进扫描效应去除与预测中取得成效

Alec Reinhardt, Yajie Liu, Suprateek Kundu

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出Tensor-ComBat方法，通过低秩PARAFAC分解和后处理ComBat步骤，提升结构神经影像数据中扫描效应去除与生物预测的准确性。

Comments 31 Pages, 5 fifures

Difference-of-Convex Elastic Net for Compressed Sensing

差异凸弹性网用于压缩感知

Lang Yu, Nanjing Huang

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出了一种新的稀疏恢复框架DCEN，通过平衡强稀疏性和解的稳定性，适用于高维变量选择中的高度相关特征。该框架结合了DC结构，并通过两个可调参数统一了LASSO、弹性网等模型，理论分析和算法优化均表现出色。

SkinGenBench: Generative Model and Preprocessing Effects for Synthetic Dermoscopic Augmentation in Melanoma Diagnosis

SkinGenBench: 生成模型与预处理对合成皮肤镜增强在黑色素瘤诊断中的影响

N. A. Adarsh Pritam, Jeba Shiney O, Sanyam Jain

机构 * Alliance School of Advanced Computing, Alliance University, India（印度联盟大学高级计算学院） ； Department of Computer Science and Communication, Østfold University College, 1783 Halden, Norway（挪威东福尔大学学院计算机科学与传播系） ； Department of Dentistry and Oral Health, Aarhus University, 8000 Aarhus, Denmark（丹麦奥胡斯大学牙科与口腔健康系） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；biomedical(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 本文提出SkinGenBench，研究预处理复杂性与生成模型选择对合成皮肤镜图像增强及黑色素瘤诊断的影响，通过评估StyleGAN2-ADA和DDPMs生成模型在不同预处理下的性能，发现生成模型架构对图像质量和诊断效果影响更大。

LiteInception: A Lightweight and Interpretable Deep Learning Framework for General Aviation Fault Diagnosis

LiteInception: 一种轻量且可解释的深度学习框架用于通用航空故障诊断

Zhihuan Wei, Xinhang Chen, Danyang Han, Yang Hu, Jie Liu, Xuewen Miao, Guijiang Li

机构 * Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Science and Technology on Complex Aviation System Simulation Laboratory（复杂航空系统仿真重点实验室） ； The First Aircraft Institute of Aviation Industry Corporation of China（中国航空工业集团公司第一飞机设计研究院） ； School of Reliability and Systems Engineering, Beihang University（北京航空航天大学可靠性与系统工程学院） 纠错

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

AI总结 本文提出LiteInception框架，通过两阶段架构实现高效故障诊断，采用多方法融合压缩模型参数，提升推理速度与可解释性，验证了其在效率、精度和可解释性上的平衡。

Ontology-Aware Design Patterns for Clinical AI Systems: Translating Reification Theory into Software Architecture

面向本体的临床AI系统设计模式：将重现实理论转化为软件架构

Florian Odi Stummer

机构 * Institute of General Medicine, University Clinics Halle, Martin Luther University Halle-Wittenberg（哈勒大学医院全科医学研究所，马丁·路德·哈勒-维滕贝格大学） ； Apsley Business School（阿普斯利商学院） 纠错

专题命中 诊断辅助 ：clinical AI(title,abstract)

AI总结 本文提出七种面向本体的设计模式，用于构建抗本体扭曲的临床AI管道，通过理论分析提供设计词汇，涵盖数据验证、信号保留、漂移监控等核心方法。

Comments 7 design patterns, 3 tables, 1 figure, arXiv cs.AI preprint

Semantic Compensation via Adversarial Removal for Robust Zero-Shot ECG Diagnosis

通过对抗性移除实现语义补偿的鲁棒零样本ECG诊断

Hongjun Liu, Rujun Han, Leyu Zhou, Chao Yao

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出SCAR框架，通过对抗性移除提升ECG与语言预训练的鲁棒性，解决部分缺失情况下语义对齐问题，并引入CMRS评估指标。

Grounded Token Initialization for New Vocabulary in LMs for Generative Recommendation

为生成推荐系统中的新词汇提供基础性词 token 初始化

Daiwei Chen, Zhoutong Fu, Chengming Jiang, Haichao Zhang, Ran Zhou, Tan Wang, Chunnan Yao, Guoyao Li, Rui Cai, Yihan Cao, Ruijie Jiang, Fedor Borisyuk, Jianqiang Shen, Jingwei Wu, Ramya Korlakai Vinayak

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； LinkedIn Corporation（领英公司） ； Northeastern University（东北大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 本文提出GTI方法，通过在预训练嵌入空间中语义地初始化新词汇，提升生成推荐系统性能，优于传统均值初始化和辅助任务适应方法。

Fragility-aware Classification for Understanding Risk and Improving Generalization

面向脆弱性的分类：理解风险与提升泛化能力

Chen Yang, Zheng Cui, Daniel Zhuoyu Long, Jin Qi, Ruohan Zhan

机构 * School of Management, Zhejiang University（浙江大学管理学院） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong（香港中文大学系统工程与工程管理系） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系） ； Department of Marketing and Analytics, University College London（伦敦大学学院市场营销与分析系） 纠错

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

AI总结 本文提出Fragility Index作为新型性能指标，从风险规避角度评估分类器，通过鲁棒满足框架确保在分布不确定性下的鲁棒性，并开发可训练框架以直接优化FI，实验证明其能揭示误差尾部风险并提升决策质量。

Prognostics for Autonomous Deep-Space Habitat Health Management under Multiple Unknown Failure Modes

自主深空栖息地健康管理系统在多种未知故障模式下的预测维护

Benjamin Peters, Ayush Mohanty, Xiaolei Fang, Stephen K. Robinson, Nagi Gebraeel

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

AI总结 本文提出一种无监督预测框架，用于在未知故障模式下预测剩余使用寿命，通过聚类退化轨迹和选择模式特定传感器提高预测准确性和可解释性。

Comments Manuscript under review

Label Shift Estimation With Incremental Prior Update

带增量先验更新的标签偏移估计

Yunrui Zhang, Gustavo Batista, Salil S. Kanhere

机构 * University of New South Wales, School of Computer Science and Engineering, Australia（新南威尔士大学计算机科学与工程学院，澳大利亚） 纠错

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

AI总结 本文提出一种后验标签偏移估计方法，通过逐步更新每个样本的先验，改进后验以更准确估计测试集标签分布变化，实验表明其在不同标签偏移强度下优于现有最大似然方法。

Comments SIAM SDM 2025

Journal ref Proceedings of the 2025 SIAM International Conference on Data Mining (SDM) Pages 134 - 142

PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics

PUNCH：一种融合物理信息的不确定性感知网络用于冠状动脉血流动力学

Sukirt Thakur, Marcus Roper, Yang Zhou, Dmitry Yu. Isaev, Reza Akbarian Bafghi, Brahmajee K. Nallamothu, C. Alberto Figueroa, Srinivas Paruchuri, Scott Burger, Carlos Collet, Maziar Raissi

机构 * AngioInsight Inc.（AngioInsight公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Michigan（密歇根大学） ； Cardiovascular Research Foundation（心血管研究基金会） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 PUNCH利用物理信息神经网络和变分推断，从标准冠状动脉造影直接估计血流储备，无需侵入性工具或群体训练，提供准确的冠状动脉微血管功能障碍诊断。

CARE: Confidence-aware Ratio Estimation for Medical Biomarkers

CARE：面向医学生物标志物的置信度感知比率估计

Jiameng Li, Teodora Popordanoska, Aleksei Tiulpin, Sebastian G. Gruber, Frederik Maes, Matthew B. Blaschko

机构 * KU Leuven（鲁汶大学） ； University of Oulu（奥卢大学） ； Weill Cornell Medicine（威尔康奈尔医学院） 纠错

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

AI总结 本文提出CARE框架，用于估计基于比率的医学生物标志物，通过分析分割到生物标志物流程中的误差传播，识别模型不校准为主要不确定性来源，生成可调节置信水平的统计可靠置信区间。

Comments 12 pages