医学 AI

CRISP: Rank-Guided Iterative Squeezing for Robust Medical Image Segmentation under Domain Shift

CRISP：基于排名的迭代压缩以在域移位下实现鲁棒的医学图像分割

Yizhou Fang, Pujin Cheng, Yixiang Liu, Xiaoying Tang, Longxi Zhou

机构 * Southern University of Science and Technology（南方科技大学） ； The University of Hong Kong（香港大学） ； Jiaxing Research Institute, Southern University of Science and Technology（南方科技大学嘉兴研究院） 纠错

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

AI总结 本文提出CRISP框架，通过基于排名而非概率的分割方法，提升医学图像分割在域移位下的鲁棒性，实验显示其在多中心、人群和模态移位上表现优异。

Leveraging Image Editing Foundation Models for Data-Efficient CT Metal Artifact Reduction

利用图像编辑基础模型实现数据高效的CT金属伪影减少

Ahmet Rasim Emirdagi, Süleyman Aslan, Mısra Yavuz, Görkay Aydemir, Yunus Bilge Kurt, Nasrin Rahimi, Burak Can Biner, M. Akın Yılmaz

机构 * Codeway AI Research（Codeway AI 研究院） 纠错

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

AI总结 本文提出利用视觉语言扩散基础模型进行金属伪影减少，通过参数高效低秩适应技术，仅需16-128对训练样本即可实现高效伪影抑制，并证明领域适应对减少幻觉至关重要。

Comments Accepted to CVPRW 2026 Med-Reasoner

Modality-Aware and Anatomical Vector-Quantized Autoencoding for Multimodal Brain MRI

多模态脑MRI的模态感知与解剖矢量量化自编码

Mingjie Li, Edward Kim, Yue Zhao, Ehsan Adeli, Kilian M. Pohl

机构 * Stanford University（斯坦福大学） 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NeuroQuant，一种基于模态感知和解剖学的3D矢量量化自编码器，用于多模态脑MRI重建，通过共享潜在表示和双流编码提升重建精度。

Comments CVPR Fingdings track

Aleatoric Uncertainty Medical Image Segmentation Estimation via Flow Matching

通过流匹配进行医疗图像分割的算法不确定性估计

Phi Van Nguyen, Ngoc Huynh Trinh, Duy Minh Lam Nguyen, Phu Loc Nguyen, Quoc Long Tran

机构 * Institute for Artificial Intelligence, University of Engineering 纠错

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

AI总结 本文提出基于条件流匹配的生成模型，通过模拟-free方法精确建模数据分布，提升分割结果的准确性并可靠量化不确定性，实验表明其在分割精度和不确定性映射方面表现优异。

Journal ref Uncertainty for Safe Utilization of Machine Learning in Medical Imaging. UNSURE 2025

CT Saturation Detection and Compensation: A Hybrid Physical Model- and Data-Driven Method

CT饱和检测与补偿：一种混合物理模型与数据驱动的方法

Songhao Yang, Yubo Zhang, Zhiguo Hao, Zexuan Lin, Baohui Zhang

专题命中 医学影像 ：CT(title,abstract)

AI总结 本文提出一种混合方法检测并补偿CT饱和，结合数据驱动模型和物理模型，避免了传统方法的参数调整问题，提升了泛化能力和可解释性。

Geometrical Cross-Attention and Nonvoid Voxelization for Efficient 3D Medical Image Segmentation

几何交叉注意力与非空体素化用于高效3D医学图像分割

Chenxin Yuan, Shoupeng Chen, Haojiang Ye, Yiming Miao, Limei Peng, Pin-Han Ho

机构 * organization= Shenzhen Institute for Advanced Study , addressline= University of Electronic Science ； organization= School of Electrical ； Electronic Engineering , addressline= Nanyang Technological University , city= Singapore , postcode= 639798 , country= Singapore ； organization= School of Science ； Engineering , addressline= The Chinese University of Hong Kong, Shenzhen , city= Shenzhen , postcode= 518172 , state= Guangdong , country= China ； organization= School of Computer Science ； Engineering , addressline= Kyungpook National University , city= Daegu , postcode= 37224 , country= South Korea ； organization= Department of Electrical ； Computer Engineering , addressline= University of Waterloo , city= Waterloo , postcode= N2L3G1 , state= Ontario , country= Canada 纠错

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

AI总结 本文提出GCNV-Net框架，结合3DNVT、GCA和非空体素化模块，通过动态体素划分和几何位置信息融合，提升3D医学图像分割的精度与效率，实现56.13%的FLOPs和68.49%的推理延迟降低。

Comments 20 pages, 13 figures, supplementary material included, submitted to Medical Image Analysis

IBISAgent: Reinforcing Pixel-Level Visual Reasoning in MLLMs for Universal Biomedical Object Referring and Segmentation

IBISAgent: 通过MLLMs增强像素级视觉推理以实现通用生物医学对象指称与分割

Yankai Jiang, Qiaoru Li, Binlu Xu, Haoran Sun, Chao Ding, Junting Dong, Yuxiang Cai, Xuhong Zhang, Jianwei Yin

机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Ningbo Global Innovation Center, Zhejiang University（浙江大学宁波全球创新中心） ； Zhejiang Key Laboratory of Digital-Intelligence Service Technology（浙江省数字智能服务技术重点实验室） 纠错

专题命中 医学影像 ：biomedical(title)；分类 cs.CV

AI总结 本文提出IBISAgent，通过多步决策过程增强MLLMs的像素级视觉推理能力，解决现有分割方法在隐式分割标记和迭代优化方面的不足，提升生物医学分割任务的性能。

MedGemma Technical Report

MedGemma 技术报告

Andrew Sellergren, Sahar Kazemzadeh, Tiam Jaroensri, Atilla Kiraly, Madeleine Traverse, Timo Kohlberger, Shawn Xu, Fayaz Jamil, Cían Hughes, Charles Lau, Justin Chen, Fereshteh Mahvar, Liron Yatziv, Tiffany Chen, Bram Sterling, Stefanie Anna Baby, Susanna Maria Baby, Jeremy Lai, Samuel Schmidgall, Lu Yang, Kejia Chen, Per Bjornsson, Shashir Reddy, Ryan Brush, Kenneth Philbrick, Mercy Asiedu, Ines Mezerreg, Howard Hu, Howard Yang, Richa Tiwari, Sunny Jansen, Preeti Singh, Yun Liu, Shekoofeh Azizi, Aishwarya Kamath, Johan Ferret, Shreya Pathak, Nino Vieillard, Ramona Merhej, Sarah Perrin, Tatiana Matejovicova, Alexandre Ramé, Morgane Riviere, Louis Rouillard, Thomas Mesnard, Geoffrey Cideron, Jean-bastien Grill, Sabela Ramos, Edouard Yvinec, Michelle Casbon, Elena Buchatskaya, Jean-Baptiste Alayrac, Dmitry Lepikhin, Vlad Feinberg, Sebastian Borgeaud, Alek Andreev, Cassidy Hardin, Robert Dadashi, Léonard Hussenot, Armand Joulin, Olivier Bachem, Yossi Matias, Katherine Chou, Avinatan Hassidim, Kavi Goel, Clement Farabet, Joelle Barral, Tris Warkentin, Jonathon Shlens, David Fleet, Victor Cotruta, Omar Sanseviero, Gus Martins, Phoebe Kirk, Anand Rao, Shravya Shetty, David F. Steiner, Can Kirmizibayrak, Rory Pilgrim, Daniel Golden, Lin Yang

机构 * Google Research（谷歌研究） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 MedGemma 是基于 Gemma 3 的医学视觉-语言基础模型，具备强大的医学理解和推理能力，在医疗多模态问答、胸部X光分类等任务中表现优异，同时保持通用能力，为医疗AI发展提供基础。

Comments Fix references

In search of truth: Evaluating concordance of AI-based anatomy segmentation models

寻找真理：评估基于AI的解剖分割模型的一致性

Lena Giebeler, Deepa Krishnaswamy, David Clunie, Jakob Wasserthal, Lalith Kumar Shiyam Sundar, Andres Diaz-Pinto, Klaus H. Maier-Hein, Murong Xu, Bjoern Menze, Steve Pieper, Ron Kikinis, Andrey Fedorov

机构 * RWTH Aachen University（亚琛工业大学） ； Brigham and Women’s Hospital（布里格姆妇女医院） ； PixelMed Publishing ； University Hospital of Basel（巴塞尔大学医院） ； Ludwig Maximilian University Munich（慕尼黑路德维希-马克西米利安大学） ； NVIDIA（英伟达） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； University of Zurich（苏黎世大学） ； Isomics Inc（Isomics公司） 纠错

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

AI总结 本文提出了一种框架，用于在无地面真实标注的数据集上评估基于AI的解剖分割模型，通过标准化表示和可视化工具提高模型比较的效率和一致性。

Imaging-Derived Coronary Fractional Flow Reserve: Advances in Physics-Based, Machine Learning, and Physics-Informed Methods

基于影像的冠状动脉分数流量储备：物理基础、机器学习和物理引导方法的进展

Tanxin Zhu, Emran Hossen, Chen Zhao, Jingfeng Jiang, Michele Esposito, Jiguang Sun, Weihua Zhou

机构 * Department of Applied Computing, Michigan Technological University（密歇根理工大学应用计算系） ； Department of Computer Science, Kennesaw State University（肯尼索州立大学计算机科学系） ； Department of Biomedical Engineering, Michigan Technological University（密歇根理工大学生物医学工程系） ； Department of Cardiology, Medical University of South Carolina（南卡罗来纳医科大学心脏病学系） ； Department of Mathematical Sciences, Michigan Technological University（密歇根理工大学数学科学系） ； Center for Biocomputing and Digital Health, Institute of Computing and Cyber-systems, and Health Research Institute, Michigan Technological University（密歇根理工大学计算与网络系统研究所生物计算与数字健康中心及健康研究院） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文综述了基于CT和血管造影的FFR测量最新进展，强调了新兴的物理引导神经网络和神经运算符，以及其临床转化的关键考虑。

Comments 32 pages 4 tables

Learning to Look Closer: A New Instance-Wise Loss for Small Cerebral Lesion Segmentation

学习更细致的观察：一种新的实例级损失用于小脑卒中病变分割

Luc Bouteille, Alexander Jaus, Jens Kleesiek, Rainer Stiefelhagen, Lukas Heine

机构 * Institute for Anthropomatics and Robotics (IAR), Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院人机交互与机器人研究所 (IAR)） 纠错

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

AI总结 本文提出CC-DiceCE损失函数，通过实例级评估提升小病变分割检测率，同时保持分割性能，多数据集实验显示其优于现有blob损失。

Comments Accepted to IEEE ISBI 2026. 5 pages, 2 figures, 2 tables

Ultrasound-based detection and malignancy prediction of breast lesions eligible for biopsy: A multi-center clinical-scenario study using nomograms, large language models, and radiologist evaluation

基于超声的乳腺病变 biopsy 推荐和恶性预测：一种结合 BIRADS 特征和定量形态学特征的多中心临床场景研究，使用 nomograms、大型语言模型和放射科医生评估

Ali Abbasian Ardakani, Afshin Mohammadi, Taha Yusuf Kuzan, Beyza Nur Kuzan, Hamid Khorshidi, Ashkan Ghorbani, Alisa Mohebbi, Fariborz Faeghi, Sepideh Hatamikia, U Rajendra Acharya

机构 * Shahid Beheshti University of Medical Sciences（沙希德·贝赫什提医科大学） ； Urmia University of Medical Science（乌尔米耶医科大学） ； University of Health Sciences（健康科学大学） ； Kartal Dr. Lütfi Kırdar City Hospital（卡尔塔尔·吕特菲·克尔达尔市医院） ； University of Padova（帕多瓦大学） ； Universal Scientific Education and Research Network (USERN)（全球科学教育与研究网络（USERN）） ； Tehran University of Medical Sciences（德黑兰医科大学） ； Danube Private University（多瑙河私立大学） ； Austrian Center for Medical Innovation and Technology (ACMIT)（奥地利医学创新与技术中心（ACMIT）） ； University of Southern Queensland（南昆士兰大学） 纠错

专题命中 医学影像 ：radiology(comments,journal_ref)；分类 cs.CV、eess.IV

AI总结 本文研究了结合 BIRADS 特征和定量形态学特征的 nomogram 在乳腺病变 biopsy 推荐和恶性预测中的性能，对比了放射科医生和大型语言模型的诊断效果，展示了 nomogram 的优越性。

Comments Academic Radiology (2026)

Journal ref "Ultrasound-based detection and malignancy prediction of breast lesions eligible for biopsy: A multi-center clinical-scenario study using nomograms, large language models, and radiologist evaluation." Academic Radiology (2026)

Optimizing IMPULSED Acquisition Protocols for Clinical 3T Scanners Through Bayesian Experimental Design

通过贝叶斯实验设计优化IMPULSED获取协议用于临床3T扫描仪

Yan Dai, Xun Jia, Todd Aguilera, Kai Jiang, Arely Perez Rodriguez, Isabelle Vanhaezebrouck, Jie Deng

专题命中 医学影像 ：MRI(abstract)

AI总结 本文通过贝叶斯优化方法优化IMPULSED模型在临床3T扫描仪中的获取协议，提升细胞尺度参数估计精度。研究通过仿真验证优化协议在不同信噪比下的分类准确性和参数估计性能，实验结果表明优化协议在区分细胞群体和减少参数估计误差方面表现更优。

Development and Performance of an Instrumentation Laboratory for Infrared Medical Imaging

红外医学成像仪器实验室的开发与性能

Anna Frixou, Efstathios Stiliaris, Costas N. Papanicolas

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出了一种高精度热测量实验装置，通过环境控制、红外探测和数据采集系统，将测量不确定性降至25mK，实现了0.1K以下表面温度变化的检测，验证了在生物组织中的可行性。

Comments 11 pages, 8 figures

Identifying Compton-thick active galactic nuclei in the COSMOS. II. Searching among mid-infrared selected AGNs

在COSMOS中识别Compton厚活动星系核。II. 在中红外选定的AGN中搜索

Xiaotong Guo, Qiusheng Gu, Guanwen Fang, Shiying Lu, Fen Lyu, Yongyun Chen, Nan Ding, Mengfei Zhang, Xiaoling Yu, Hongtao Wang

专题命中 医学影像 ：CT(abstract)

AI总结 研究通过中红外选定的AGN样本识别被隐藏的Compton厚活动星系核，发现其占比显著低于理论预测，表明仍有大量CT-AGN未被发现。

Comments 11 pages, 7 figures, 2 tables. Submitted in Astronomy & Astrophysics

Journal ref A&A 708, A157 (2026)

Ultrasound-controlled stream splitting in a microfluidic coflow

微流控共流中受超声控制的流体分裂

D. Ghosh, S. Z. Hoque, T. Sujith, N. S. Satpathi, L. Malik, A. K. Sen

专题命中 医学影像 ：biomedical(abstract)

AI总结 研究微流控共流在外部声场作用下的响应，发现流体界面在声场作用下产生波动、分裂、迁移和流滴破裂等可逆界面状态，其中一种分裂模式能实现可控的流体分裂与滴生成，适用于高毛细数条件下的流体操控。

Head Coil-Mounted Vision Correction Device for Magnetic Resonance Imaging

头戴式磁共振成像视觉矫正装置

Aleksandar Marinkovic, Julian Michael Tyszka

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出一种头戴式磁共振成像视觉矫正装置，用于纠正近视和远视，解决传统头戴护目镜的 ergonomic 问题，并改进头圈-mounted 设计的易用性。

Probing ultrafast heating and ionization dynamics in solid density plasmas with time-resolved resonant X-ray absorption and emission

利用时间分辨共振X射线吸收和发射探测等离子体超快加热和电离动力学

Lingen Huang, Mikhail Mishchenko, Michal Šmíd, Oliver Humphries, Thomas R. Preston, Xiayun Pan, Long Yang, Johannes Hagemann, Thea Engler, Yangzhe Cui, Thomas Kluge, Carsten Baehtz, Erik Brambrink, Alejandro Laso Garcia, Sebastian Göde, Christian Gutt, Mohamed Hassan, Hauke Höppner, Michaela Kozlova, Josefine Metzkes-Ng, Masruri Masruri, Motoaki Nakatsutsumi, Masato Ota, Özgül Öztürk, Alexander Pelka, Irene Prencipe, Lisa Randolph, Martin Rehwald, Hans-Peter Schlenvoigt, Ulrich Schramm, Jan-Patrick Schwinkendorf, Monika Toncian, Toma Toncian, Jan Vorberger, Karl Zeil, Ulf Zastrau, Thomas E. Cowan

专题命中 医学影像 ：diagnosis(abstract)

AI总结 本文通过时间分辨共振X射线发射和吸收成像技术，研究高强激光与细丝靶相互作用中的超快加热和电离过程，结合原子碰撞辐射模型等模拟揭示等离子体参数的极端敏感性。

Journal ref nature communications (2026)

Analogical Reasoning as a Doctor: A Foundation Model for Gastrointestinal Endoscopy Diagnosis

作为医生的类比推理：一种胃肠内镜诊断的基础模型

Peixi Peng, Housheng Xie, Yanling Wei, Guangcong Ruan, Xiaoyang Zou, Qian Cao, Yongjian Nian, Guoyan Zheng

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

AI总结 本文提出RATNet基础模型，通过类比推理提升胃肠内镜诊断的泛化能力与鲁棒性，在六个场景中超越现有模型，支持联邦学习隐私保护部署。

Unifying VLM-Guided Flow Matching and Spectral Anomaly Detection for Interpretable Veterinary Diagnosis

统一视觉语言模型引导的流匹配与谱异常检测用于可解释的兽医诊断

Pu Wang, Zhixuan Mao, Jialu Li, Zhuoran Zheng, Dianjie Lu, Youshan Zhang

机构 * School of Mathematics, Shandong University（山东大学数学学院） ； Shenzhen Loop Area Institute（深圳河套学院） ； Yeshiva University（叶史瓦大学） ； Qilu University of Technology（齐鲁工业大学） ； Shandong Normal University（山东师范大学） ； Chuzhou University（滁州学院） 纠错

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

AI总结 本文提出一种结合流匹配与谱异常检测的新方法，通过视觉语言模型引导分割和随机矩阵理论分析，实现高精度可解释的犬类气胸诊断。

Uncertainty-Guided Latent Diagnostic Trajectory Learning for Sequential Clinical Diagnosis

不确定性的引导潜在诊断轨迹学习用于顺序临床诊断

Xuyang Shen, Haoran Liu, Dongjin Song, Martin Renqiang Min

机构 * University of Connecticut（康涅狄格大学） ； Texas A&M University（德克萨斯农工大学） ； NEC Laboratories America（NEC美国实验室） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出基于规划LLM和诊断LLM的潜在诊断轨迹学习框架，通过后验分布优先选择高诊断信息轨迹，提升顺序临床诊断的准确率并减少检测次数。

Semantic-Topological Graph Reasoning for Language-Guided Pulmonary Screening

语义-拓扑图推理用于语言引导的肺部筛查

Chenyu Xue, Yiran Liu, Mian Zhou, Jionglong Su, Zhixiang Lu

机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； University College London（伦敦大学学院） ； University of Liverpool（利物浦大学） 纠错

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

AI总结 本文提出语义-拓扑图推理框架，结合大语言模型与视觉基础模型，解决临床报告语义模糊和低对比度扫描的解歧问题，实现高精度肺部筛查。

Simultaneous Dual-View Mammogram Synthesis Using Denoising Diffusion Probabilistic Models

同时双视角乳腺X线合成使用去噪扩散概率模型

Jorge Alberto Garza-Abdala, Gerardo A. Fumagal-González, Eduardo de Avila-Armenta, Sadam Hussain, Jasiel H. Toscano-Martínezb, Diana S. M. Rosales Gurmendi, Alma A. Pedro-Pérez, Jose G. Tamez-Pena

机构 * Tecnologico de Monterrey, School of Engineering and Sciences（蒙特雷科技大学工程与科学学院） ； School of Engineering, Pontificia Universidad Católica de Chile（智利天主教大学工程学院） ； Tecnologico de Monterrey, School of Medicine and Health Sciences（蒙特雷科技大学医学与健康科学学院） 纠错

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

AI总结 本文提出一种三通道去噪扩散概率模型，同时生成乳腺的CC和MLO视角，通过绝对差编码保持全局结构，用于乳腺影像数据增强和交叉视角AI应用。

Comments Accepted and presented at SPIE Medical Imaging 2025 (Vancouver, Canada)

Journal ref Proc. SPIE 13925, 139251C (2026)

Reconstructing spatially-varying multiplicative bias for Stage IV weak lensing galaxy surveys with a quadratic estimator

利用二次估计器重建IV期弱引力透镜星系调查中的空间变化乘性偏差

Konstantinos Tanidis, David Alonso, Lance Miller, Joachim Harnois-Déraps

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种二次估计器，通过利用生成的EB模式耦合来检测和重建弱引力透镜剪切测量中的空间变化乘性偏差，展示了未来IV期调查在不同场景下重建m偏差的能力。

Comments 12 pages, 6 figures. To be submitted to MNRAS

Journal ref Mon Not R Astron Soc (2026)

HYVE: Hybrid Views for LLM Context Engineering over Machine Data

HYVE：用于机器数据上的LLM上下文工程的混合视图

Jian Tan, Fan Bu, Yuqing Gao, Dev Khanolkar, Jason Mackay, Boris Sobolev, Lei Jin, Li Zhang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 HYVE通过预处理和后处理框架优化LLM处理大规模机器数据的能力，减少token使用并提升输出质量，尤其在图表生成和异常检测任务中表现突出。

Comments 22 pages, 6 figures

TeamPath: Building MultiModal Pathology Experts with Reasoning AI Copilots

TeamPath: 构建多模态病理专家的推理AI助手

Tianyu Liu, Weihao Xuan, Hao Wu, Peter Humphrey, Marcello DiStasio, Mohamed Kahila, Alfonso Garcia Tan, Heli Qi, Rui Yang, Simeng Han, Tinglin Huang, Fang Wu, Chen Liu, Qingyu Chen, Nan Liu, Irene Li, Hua Xu, Hongyu Zhao

机构 * Interdepartmental Program in Computational Biology and Biomedical Informatics, Yale University（耶鲁大学计算生物学与生物医学信息学跨学科项目） ； Department of Biostatistics, Yale University（耶鲁大学生物统计学系） ； Broad Institute of MIT and Harvard（博德研究所） ； Department of Complexity Science and Engineering, The University of Tokyo（东京大学复杂科学与工程系） ； Center for Advanced Intelligence Project, RIKEN（理化学研究所先进智能项目中心） ； Department of Pathology, Yale University（耶鲁大学病理学系） ； Department of Anatomical Pathology, Singapore General Hospital（新加坡中央医院解剖病理学系） ； Center for Biomedical Data Science, Duke–NUS Medical School, Singapore, Singapore（杜克-新加坡国立大学医学院生物医学数据科学中心） ； Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV、q-bio

AI总结 TeamPath通过强化学习和路由增强方案，整合多模态数据提升病理诊断与跨模态生成能力，为临床提供可靠的信息交流系统。

Comments 45 pages, 6 figures

PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities

PRIME：面向癌症预后分析的原型驱动多模态预训练方法，适用于缺失模态

Kai Yu, Shuang Zhou, Yiran Song, Zaifu Zhan, Jie Peng, Kaixiong Zhou, Tianlong Chen, Feng Xie, Meng Wang, Huazhu Fu, Mingquan Lin, Rui Zhang

机构 * University of Minnesota（明尼苏达大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； North Carolina State University（北卡罗来纳州立大学） ； National University of Singapore（新加坡国立大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research（高性能计算研究所，新加坡科技研究局） 纠错

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

AI总结 PRIME通过原型记忆银行实现缺失模态下的多模态自监督预训练，提升在碎片化临床数据中的预测性能，实现结构对齐和鲁棒性提升。

Territory Paint Wars: Diagnosing and Mitigating Failure Modes in Competitive Multi-Agent PPO

领土绘画之战：在竞争性多智能体PPO中的故障诊断与缓解

Diyansha Singh

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出Territory Paint Wars环境，研究PPO在自博弈中的失败模式，发现五个实现层面问题，并通过对手混合缓解竞争过拟合，恢复泛化性能。

Comments 16 pages, 5 figures

Image-to-Text for Medical Reports Using Adaptive Co-Attention and Triple-LSTM Module

利用自适应共注意和三LSTM模块的图像到文本生成医学报告

Yishen Liu

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

AI总结 本文提出CA-TriNet模型，结合Transformer和多LSTM网络，通过自适应权重运算和三LSTM模块提升医学图像与文本生成的准确性与多样性。

Comments arXiv admin note: This submission has been withdrawn by arXiv administrators due to incorrect authorship. Author list truncated

SVC 2026: the Second Multimodal Deception Detection Challenge and the First Domain Generalized Remote Physiological Measurement Challenge

SVC 2026: 第二届多模态欺骗检测挑战赛及首个领域通用远程生理测量挑战

Dongliang Zhu, Zhiyi Niu, Bo Zhao, Jiajian Huang, Shuo Ye, Xun Lin, Hui Ma, Taorui Wang, Jiayu Zhang, Chunmei Zhu, Junzhe Cao, Yingjie Ma, Rencheng Song, Albert Clapés, Sergio Escalera, Dan Guo, Zitong Yu

机构 * Wuhan University（武汉大学） ； Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Sun Yat-sen University（中山大学） ； Hefei University of Technology（合肥工业大学） ； University of Barcelona（巴塞罗那大学） 纠错

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

AI总结 本文提出SVC 2026挑战赛，旨在通过多模态欺骗检测和远程脉搏波测速估计任务，推动对细微视觉信号的鲁棒表示学习研究。

Comments Accepted by the SVC workshop @ CVPR 2026