医学 AI

CoDA: Exploring Chain-of-Distribution Attacks and Post-Hoc Token-Space Repair for Medical Vision-Language Models

CoDA：探索链式分布攻击及事后令牌空间修复用于医疗视觉-语言模型

Xiang Chen, Fangfang Yang, Chunlei Meng, Yuxian Dong, Ang Li, Yiwei Wei, Jiahuan Long, Jiujiang Guo, Chengyin Hu

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

AI总结 本文提出CoDA框架，通过构建临床合理的流程偏移，评估医疗视觉-语言模型在真实临床工作流中的可靠性，发现零样本性能显著下降，并引入事后修复策略提升准确性。

Few-Shot Distribution-Aligned Flow Matching for Data Synthesis in Medical Image Segmentation

少样本分布对齐流匹配用于医学图像分割的数据合成

Jie Yang, Ziqi Ye, Aihua Ke, Jian Luo, Bo Cai, Xiaosong Wang

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（武汉大学网络空间安全学院、空天信息安全与可信计算教育部重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） 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AlignFlow模型，通过可微奖励微调对齐目标参考图像分布，提升小样本下数据合成效果，实验显示在多个数据集上mDice和mIoU指标提升3.5-5.6%。

Clinical utility of foundation models in musculoskeletal MRI for biomarker fidelity and predictive outcomes

基础模型在骨科MRI中的临床效用：生物标志物准确性与预测结果

Gabrielle Hoyer, Michelle W Tong, Rupsa Bhattacharjee, Valentina Pedoia, Sharmila Majumdar

机构 * Center for Intelligent Imaging, Department of Radiology and Biomedical Imaging, University of California, San Francisco（加利福尼亚大学旧金山分校放射与生物医学影像系智能成像中心） ； Department of Bioengineering, University of California, Berkeley（加利福尼亚大学伯克利分校生物工程系） ； Department of Bioengineering and Therapeutic Sciences, University of California, San Francisco（加利福尼亚大学旧金山分校生物工程与治疗科学系） ； Department of Medical Sciences and Technology, Indian Institute of Technology, Madras（印度理工学院马德拉斯分校医学科学与技术系） ； Bay Area Institute of Computation, Altos Labs（Altos Labs湾区计算研究所） 纠错

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

AI总结 本文提出了一种模块化系统，将常规MRI转化为标准化定量生物标志物，用于临床决策支持。通过微调基础分割模型，实现了自动检测和提示，提高了生物标志物的临床可靠性，并展示了其在膝关节分层和预测膝关节置换及骨关节炎中的应用。

Comments Under review at npj Digital Medicine (revision submitted Jan 2026) | Code: https://github.com/gabbieHoyer/AutoMedLabel | Supplementary data/tables: https://doi.org/10.6084/m9.figshare.29633207

Journal ref npj Digit. Med. (2026)

HyperCT: Low-Rank Hypernet for Unified Chest CT Analysis

HyperCT：用于统一胸部CT分析的低秩超网络

Fengbei Liu, Sunwoo Kwak, Hao Phung, Nusrat Binta Nizam, Ilan Richter, Nir Uriel, Hadar Averbuch-Elor, Daborah Estrin, Mert R. Sabuncu

机构 * Cornell Tech and Cornell University（康奈尔科技校区与康奈尔大学） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心） ； Weill Cornell Medicine（威尔康奈尔医学院） 纠错

专题命中 医学影像 ：CT(title)；分类 cs.CV、eess.IV

AI总结 HyperCT通过动态调整视觉Transformer骨干网络，结合低秩适应技术，实现高效的多任务统一分析，优于现有基线方法。

Comments MIDL 2026

Differential-UMamba: Rethinking Tumor Segmentation Under Limited Data Scenarios

Differential-UMamba：在有限数据场景下重新思考肿瘤分割

Dhruv Jain, Romain Modzelewski, Romain Herault, Clement Chatelain, Eva Torfeh, Sebastien Thureau

机构 * Normandie Univ., UNICAEN, ENSICAEN, CNRS, GREYC（诺曼底大学，卡昂大学，卡昂国立高等工程师学校，法国国家科学研究中心，格雷克实验室） ； Henri Becquerel Cancer Center（亨利·贝克勒尔癌症中心） ； AIMS-Quantif Laboratory（AIMS-Quantif实验室） 纠错

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

AI总结 本文提出Diff-UMamba架构，结合UNet与mamba机制以建模长距离依赖，通过噪声减少模块抑制噪声激活，提升分割准确性与鲁棒性，在低数据场景下实现1-3%的性能提升。

Journal ref Biomedical Signal Processing and Control 120, 110163 (2026)

Extending deep learning U-Net architecture for predicting unsteady fluid flows in textured microchannels

扩展深度学习U-Net架构以预测纹理微通道中不稳定的流体流动

Ganesh Sahadeo Meshram, Partha Pratim Chakrabarti, Suman Chakraborty

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

AI总结 本文提出将U-Net模型应用于预测纹理微通道中不稳定流体流动，通过预处理 lattice Boltzmann 方法生成的数据，利用U-Net的时空层次能力实现高精度预测，实验表明加入注意力机制的U-Net AM模型在速度场预测中表现出更低的误差。

PR3DICTR: A modular AI framework for medical 3D image-based detection and outcome prediction

PR3DICTR：一种用于医疗3D图像检测与预后预测的模块化AI框架

Daniel C. MacRae, Luuk van der Hoek, Robert van der Wal, Suzanne P. M. de Vette, Hendrike Neh, Baoqiang Ma, Peter M. A. van Ooijen, Lisanne V. van Dijk

机构 * University Medical Center Groningen（格罗宁根大学医学中心） ； University of Groningen（格罗宁根大学） 纠错

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

AI总结 PR3DICTR是一种模块化AI框架，旨在通过3D医疗图像数据进行检测和预后预测，提供灵活且方便的预测模型开发环境，支持二分类或事件基任务，仅需两行代码即可实现。

Comments 16 pages, 6 figures and 1 table

Explainable Machine Learning Reveals 12-Fold Ucp1 Upregulation and Thermogenic Reprogramming in Female Mouse White Adipose Tissue After 37 Days of Microgravity: First AI/ML Analysis of NASA OSD-970

可解释机器学习揭示了37天微重力后雌性小鼠白色脂肪组织中Ucp1上调12倍及产热重编程：首次AI/ML分析NASA OSD-970

Md. Rashadul Islam

机构 * Daffodil International University（达芙妮国际大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文首次利用机器学习分析NASA OSD-970数据集，发现微重力导致雌性小鼠白色脂肪组织中Ucp1上调12倍，揭示了产热重编程机制，对航天医学和地球肥胖研究有重要启示。

Comments 11 pages, 9 figures, 5 tables. First AI/ML analysis of NASA OSD-970 (GLDS-790). Code available at https://github.com/Rashadul22/NASA_OSD970_Complete_Output

Evolution With Purpose: Hierarchy-Informed Optimization of Whole-Brain Models

为目的而进化：基于层次结构的全脑模型优化

Hormoz Shahrzad, Niharika Gajawelli, Kaitlin Maile, Manish Saggar, Risto Miikkulainen

专题命中 医学影像 ：MRI(abstract)

AI总结 本文探讨利用生物知识指导进化优化，通过比较同质与异质全脑模型，发现基于脑区层次结构的优化方法能提升模型预测能力。

An Explainable Vision-Language Model Framework with Adaptive PID-Tversky Loss for Lumbar Spinal Stenosis Diagnosis

具有自适应PID-Tversky损失的可解释视觉-语言模型框架用于腰椎管狭窄症诊断

Md. Sajeebul Islam Sk., Md. Mehedi Hasan Shawon, Md. Golam Rabiul Alam

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出一种可解释视觉-语言模型框架，通过空间补丁交叉注意模块和自适应PID-Tversky损失，提升腰椎管狭窄症诊断的准确性与解释性，实现高分割Dice分数和CIDEr评分。

XrayClaw: Cooperative-Competitive Multi-Agent Alignment for Trustworthy Chest X-ray Diagnosis

XrayClaw：协作-竞争多智能体对齐用于可信的胸部X光诊断

Shawn Young, Lijian Xu

机构 * Shenzhen University of Advanced Technology, Shenzhen, China（深圳理工大学，深圳，中国） 纠错

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

AI总结 本文提出XrayClaw框架，通过协作-竞争架构提升胸部X光诊断的可靠性，实现高准确性和临床推理一致性。

Comments 14 pages

Breakdowns in Conversational AI: Interactional Failures in Emotionally and Ethically Sensitive Contexts

对话AI中的崩溃：情感与伦理敏感情境中的互动失败

Jiawen Deng, Wentao Zhang, Ziyun Jiao, Fuji Ren

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究探讨对话代理在情感和伦理敏感行为中出现的崩溃现象，分析其对对话质量的影响，并提出维护伦理一致性和情感敏感性的设计改进。

Comments 22 pages, ACM CHI 2026

Recovering Sub-threshold S-wave Arrivals in Deep Learning Phase Pickers via Shape-Aware Loss

通过形状感知损失恢复深度学习相位拾取中的亚阈值S波到达

Chun-Ming Huang, Li-Heng Chang, I-Hsin Chang, An-Sheng Lee, Hao Kuo-Chen

机构 * National Taiwan University（国立台湾大学） ； Kochi University（高知大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文研究深度学习相位拾取中亚阈值S波到达的识别问题，提出形状感知策略，通过条件GAN验证，提升S相检测效果64%。

Analysis of Invasive Breast Cancer in Mammograms Using YOLO, Explainability, and Domain Adaptation

利用YOLO、可解释性与领域适应分析乳腺癌侵袭性

Jayan Adhikari, Prativa Joshi, Sushish Baral

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

AI总结 本文通过结合ResNet50的领域过滤与YOLOv8/v11/v12架构，提升乳腺癌检测的领域适应性与可解释性，实现高准确率的检测性能。

Simultaneous plane illumination and detection in confocal microscopy using a mode-selective photonic lantern

利用模式选择性光子天线实现共聚焦显微镜的同时平面照明与检测

Rodrigo Itzamná Becerra-Deana, Simon Desrochers, Raphaël Maltais-Tariant, Simon Brais-Brunet, Guillaume Ramadier, Stéphane Virally, Lucien E. Weiss, Caroline Boudoux

专题命中 病理影像 ：biomedical(abstract)

AI总结 本文提出利用模式选择性光子天线实现共聚焦显微镜的同时平面照明与检测，通过多模式空间分割复用实现多平面高通量成像，同时牺牲部分分辨率和视野。

Comments 7 pages, 4 figures, 1 table, letters paper

Visual Instruction-Finetuned Language Model for Versatile Brain MR Image Tasks

面向多样化脑部MRI任务的视觉指令微调语言模型

Jonghun Kim, Sinyoung Ra, Hyunjin Park

机构 * Sungkyunkwan University（成均馆大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Artificial Intelligence（人工智能系） 纠错

专题命中 医疗多模态 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出LLaBIT模型，通过视觉指令微调提升语言模型在脑部MRI任务中的表现，通过特征图重用和文本数据生成提升性能，验证了其在报告生成、视觉问答、图像分割和图像翻译中的有效性。

Comments ICPR 2026 accepted

Differential Mental Disorder Detection with Psychology-Inspired Multimodal Stimuli

基于心理学启发的多模态刺激的差异性精神障碍检测

Zhiyuan Zhou, Jingjing Wu, Zhibo Lei, Junyu Guo, Zhongcheng Yu, Yuqi Chu, Xiaowei Zhang, Qiqi Zhao, Qi Wang, Shijie Hao, Yanrong Guo, Richang Hong

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 本文提出基于心理学启发的多模态刺激方法，通过收集大规模多模态心理健康数据集，设计出能捕捉不同精神障碍特征的框架，实验表明该方法在差异性精神障碍检测中优于现有基线。

AutoPCR: Automated Phenotype Concept Recognition by Prompting

AutoPCR: 通过提示实现自动表型概念识别

Yicheng Tao, Yuanhao Huang, Yiqun Wang, Xin Luo, Jie Liu

机构 * University of Michigan（密歇根大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出AutoPCR，一种基于提示的表型概念识别方法，无需领域特定训练即可自动泛化至新本体和未见数据，实验显示其在多个数据集上表现最佳。

Comments Accepted at ISMB 2026 (Proceedings)

ECG Foundation Models and Medical LLMs for Agentic Cardiovascular Intelligence at the Edge: A Review and Outlook

ECG基础模型与医疗大语言模型用于边缘端心血管智能：综述与展望

Mudassir Hasan Khan, Ahmad Nayfeh, Mudassir Masood, Ali Ahmad Al-Shaikhi, Muhammad Mahboob Ur Rahman, Tareq Y. Al-Naffouri

专题命中 健康监测 ：diagnosis(abstract)；biomedical(abstract)；分类 eess.SP

AI总结 本文综述了用于心血管疾病诊断、监测和临床决策支持的ECG基础模型和医疗大语言模型，探讨了其在边缘计算中的应用及未来发展方向。

Comments 18 pages, 4 figures, 4 tables, under review with a journal

AlphaDent: A dataset for automated tooth pathology detection

AlphaDent：用于自动牙科病理检测的数据集

Evgeniy I. Sosnin, Yuriy L. Vasilev, Roman A. Solovyev, Aleksandr L. Stempkovskiy, Dmitry V. Telpukhov, Artem A. Vasilev, Aleksandr A. Amerikanov, Aleksandr Y. Romanov

机构 * Sechenov University（谢切诺夫大学） ； AlphaChip LLC（AlphaChip有限责任公司） ； HSE University（高等经济学院） 纠错

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

AI总结 本文提出AlphaDent数据集，包含295名患者牙齿的DSLR相机照片，共1200多张图像，用于实例分割任务，分为9类，提供详细标注和实验细节，展示高预测质量。

BioUNER: A Benchmark Dataset for Clinical Urdu Named Entity Recognition

BioUNER：临床乌尔都语命名实体识别基准数据集

Wazir Ali, Adeeb Noor, Sanaullah Mahar, Alia, Muhammad Mazhar Younas

机构 * Department of Artificial Intelligence, Aror University（阿罗尔大学人工智能系） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本文提出一个用于生物医学乌尔都语命名实体识别的基准数据集，通过爬取健康相关文章、医疗处方和医院健康博客等资料，经过预处理后由三名熟悉医学领域的标注者使用Doccano工具标注了153,000个词元，验证了数据集的金标准质量，并评估了多种机器学习和深度学习模型。

ClinicalReTrial: Clinical Trial Redesign with Self-Evolving Agents

临床试验重设计：具有自进化代理的临床试验重设计

Sixue Xing, Kerui Wu, Xuanye Xia, Meng Jiang, Jintai Chen, Tianfan Fu

机构 * University of Notre Dame（圣母大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University（南京大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出ClinicalReTrial系统，通过自进化代理对临床试验协议进行迭代重设计，提升成功率并降低成本。