医学 AI

GPAFormer: Graph-guided Patch Aggregation Transformer for Efficient 3D Medical Image Segmentation

GPAFormer：图引导的补丁聚合变换器用于高效3D医学图像分割

Chung-Ming Lo, I-Yun Liu, Wei-Yang Lin

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

AI总结 本文提出GPAFormer，一种轻量级网络架构，通过多尺度注意力引导堆叠聚合和互感知补丁图聚合模块，提升多器官多模态3D医学图像分割的准确性和效率。

A Utility-preserving De-identification Pipeline for Cross-hospital Radiology Data Sharing

一种保持效用的跨医院放射学数据共享脱敏流程

Chenhao Liu, Zelin Wen, Yan Tong, Junjie Zhu, Xinyu Tian, Yuchi Liu, Ashu Gupta, Syed M. S. Islam, Tom Gedeon, Yue Yao

机构 * Shandong University（山东大学） ； Australian National University（澳大利亚国立大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Curtin University（科廷大学） ； Edith Cowan University（埃迪斯科文大学） ； University of Western Australia（西澳大利亚大学） 纠错

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

AI总结 本文提出一种保持效用的脱敏流程，用于跨医院放射学数据共享，通过黑名单和白名单过滤机制，在保护隐私的同时保留诊断相关病理信息，实验证明其在诊断准确性上的竞争力。

Implantable Adaptive Cells: A Novel Enhancement for Pre-Trained U-Nets in Medical Image Segmentation

可植入自适应单元：一种用于医学图像分割预训练U-Net的新型增强方法

Emil Benedykciuk, Marcin Denkowski, Grzegorz Wójcik

机构 * Institute of Computer Science, Maria Curie-Skłodowska University（玛丽亚·居里-斯克沃多夫斯卡大学计算机科学研究所） 纠错

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

AI总结 本文提出一种基于梯度的神经架构搜索方法，通过可植入自适应单元提升预训练神经网络在医学图像分割中的性能，实验表明在多种U-Net配置上准确率提升约5个百分点，最高可达11%。

Vision-Language Model-Guided Deep Unrolling Enables Personalized, Fast MRI

基于视觉-语言模型的深度展开实现个性化快速MRI

Fangmao Ju, Yuzhu He, Zhiwen Xue, Chunfeng Lian, Jianhua Ma

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

AI总结 本文提出PASS框架，利用视觉-语言模型指导深度展开网络，实现任务导向的快速成像，通过动态个性化成像流程提升MRI图像质量及诊断性能。

Balancing Efficiency and Restoration: Lightweight Mamba-Based Model for CT Metal Artifact Reduction

平衡效率与恢复：基于Mamba的轻量模型用于CT金属伪影减少

Weikai Qu, Sijun Liang, Xianfeng Li, Cheng Pan, An Yan, Ahmed Elazab, Shanzhou Niu, Dong Zeng, Xiang Wan, Changmiao Wang

机构 * New York University（纽约大学） ； BaiyunPort（白云港） ； University of Technology Sydney（悉尼科技大学） ； Sanda University（上海杉达学院） ； Shan Dong Xiehe College（山东协和学院） ； Tsinghua University（清华大学） ； Gannan Normal University（赣南师范大学） ； Southern Medical University（南方医科大学） ； Shenzhen Research Institute of Big Data（深圳市大数据研究院） 纠错

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

AI总结 本文提出MARMamba模型，通过多尺度Mamba模块有效减少CT图像中的金属伪影，同时优化计算资源与恢复效率的平衡，提升图像质量与诊断准确性。

Comments Accepted by IEEE Transactions on Radiation and Plasma Medical Sciences

RASALoRE: Region Aware Spatial Attention with Location-based Random Embeddings for Weakly Supervised Anomaly Detection in Brain MRI Scans

RASALoRE：基于位置随机嵌入的区域感知空间注意力用于脑部MRI扫描中的弱监督异常检测

Bheeshm Sharma, Karthikeyan Jaganathan, Balamurugan Palaniappan

机构 * Department of Industrial Engineering & Operations Research, IIT Bombay, India（印度理工学院孟买分校工业工程与运筹学系） ； Department of Energy Science and Engineering, IIT Bombay, India（印度理工学院孟买分校能源科学与工程系） 纠错

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

AI总结 本文提出RASALoRE框架，通过双阶段方法实现脑MRI弱监督异常检测，利用位置随机嵌入和区域感知空间注意力机制，在减少参数量的同时提升检测性能。

Comments Accepted at the 36th British Machine Vision Conference (BMVC-2025)

Unsupervised Source-Free Ranking of Biomedical Segmentation Models Under Distribution Shift

无监督源无关的生物医学分割模型排名

Joshua Talks, Kevin Marchesini, Luca Lumetti, Federico Bolelli, Anna Kreshuk

机构 * EMBL Heidelberg（欧洲分子生物学实验室海德堡分部） ； University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学） 纠错

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

AI总结 本文提出一种无监督、源无关的生物医学分割模型排名框架，通过预测一致性在扰动下进行评估，适用于语义和实例分割任务，展示了在2D和3D影像中广泛任务的强相关性。

Comments 15 pages, 4 figures

Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling

通过临床验证的退化建模将光子计数CT转化为常规胸部CT

Junqi Liu, Xinze Zhou, Wenxuan Li, Scott Ye, Arkadiusz Sitek, Xiaofeng Yang, Yucheng Tang, Daguang Xu, Kai Ding, Kang Wang, Yang Yang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of California, San Francisco（加州大学旧金山分校） ； Harvard Medical School（哈佛医学院） ； Emory University（埃默里大学） ； Nvidia（英伟达） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

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

AI总结 本文提出SUMI方法，利用高质光子计数CT作为参考，通过建模真实退化过程，将低质常规CT提升至高质量图像，实现了在胸部CT中的显著性能提升。

Bridging MRI and PET physiology: Untangling complementarity through orthogonal representations

弥合MRI与PET生理学：通过正交表示解构互补性

Sonja Adomeit, Kartikay Tehlan, Lukas Förner, Katharina Weisser, Helen Scholtiseek, David Kaufmann, Julie Steinestel, Constantin Lapa, Thomas Kröncke, Thomas Wendler

机构 * Dept. of diagnostic and interventional Radiology and Neuroradiology, University Hospital Augsburg, Germany（德国奥格斯堡大学医院诊断与介入放射学及神经放射学系） ； Digital Medicine, University Hospital Augsburg, Germany（德国奥格斯堡大学医院数字医学） ； Chair for Computer Aided Medical Procedures and Augmented Reality, Technical University of Munich, Germany（德国慕尼黑工业大学计算机辅助医疗流程与增强现实教席） ； Bavarian Center for Cancer Research (BZKF) Augsburg, Germany（德国奥格斯堡巴伐利亚癌症研究中心） ； Dept. of Nuclear Medicine, University Hospital Augsburg, Germany（德国奥格斯堡大学医院核医学系） ； Dept. of Urology, University Hospital Augsburg, Germany（德国奥格斯堡大学医院泌尿外科） ； Center for Advanced Analytics and Predictive Sciences, University of Augsburg, Germany（德国奥格斯堡大学高级分析与预测科学中心） 纠错

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

AI总结 本文提出一种子空间分解框架，通过正交子空间分离重构多模态融合，区分共享信息与模态特有信息，揭示PSMA PET信号中不可由MRI生理描述恢复的部分。

Comments The code is available at https://github.com/SonjaA14/inrmri2pet

DosimeTron: Automating Personalized Monte Carlo Radiation Dosimetry in PET/CT with Agentic AI

DosimeTron：利用代理AI自动化PET/CT中的个性化蒙特卡洛辐射剂量学

Eleftherios Tzanis, Michail E. Klontzas, Antonios Tzortzakakis

机构 * Division of Radiology, Department for Clinical Science, Intervention and Technology (CLINTEC), Karolinska Institutet（卡罗林斯卡学院临床科学、干预与技术系放射学部门） ； Artificial Intelligence and Translational Imaging (ATI) Lab, Department of Radiology, School of Medicine, University of Crete（克里特大学医学院放射学系人工智能与转化影像实验室） ； Department of Nuclear Medicine and Medical Physics, Section Nuclear Medicine Huddinge, Karolinska University Hospital（卡罗林斯卡大学医院核医学与医学物理系胡丁厄核医学部门） ； Department of Nuclear Medicine and Medical Physics, Theranostics Trial Center, Karolinska University Hospital（卡罗林斯卡大学医院核医学与医学物理系治疗诊断试验中心） ； Computational Biomedicine Laboratory, Institute of Computer Science Foundation for Research and Technology Hellas (ICS - FORTH)（研究与技术基金会计算机科学研究所计算生物医学实验室） 纠错

专题命中 医学影像 ：CT(title,abstract)

AI总结 本文提出DosimeTron，一种基于代理AI的系统，用于自动化PET/CT检查中的患者特定蒙特卡洛内部辐射剂量学，通过自然语言交互实现DICOM元数据提取、图像预处理、MC模拟、器官分割和剂量报告，验证了其在114例病例和22个器官上的高精度与临床可行性。

USCNet: Transformer-Based Multimodal Fusion with Segmentation Guidance for Urolithiasis Classification

USCNet：基于Transformer的多模态融合与分割引导的尿路结石分类

Changmiao Wang, Songqi Zhang, Yongquan Zhang, Yifei Wang, Liya Liu, Nannan Li, Xingzhi Li, Jiexin Pan, Yi Jiang, Xiang Wan, Hai Wang, Ahmed Elazab

机构 * Shenzhen Research Institute of Big Data（深圳市大数据研究院） ； Zhejiang University of Finance and Economics（浙江财经大学） ； Anhui University of Finance and Economics（安徽财经大学） ； The Second Affiliated Hospital of Chinese University of Hong Kong (Longgang District People’s Hospital of Shenzhen)（香港中文大学第二附属医院（深圳市龙岗区人民医院）） 纠错

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

AI总结 USCNet通过融合CT图像与电子病历数据，利用Transformer架构实现尿路结石的预手术分类，提出动态损失函数平衡分割与分类任务，实验表明其分类效果优于现有方法。

Comments Accepted by IEEE Journal of Biomedical and Health Informatics. Early Access

Nirvana: A Specialized Generalist Model With Task-Aware Memory Mechanism

Nirvana：一种具有任务感知内存机制的专用通用模型

Yuhua Jiang, Shuang Cheng, Yihao Liu, Ermo Hua, Che Jiang, Weigao Sun, Yu Cheng, Feifei Gao, Biqing Qi, Bowen Zhou

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Xiong’an Anying Technology Co., Ltd.（雄安安影科技有限公司） ； Zhejiang University（浙江大学） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 Nirvana提出一种具备任务感知内存机制的专用通用模型，通过线性时间复杂度和测试时任务信息提取，在通用和专业领域均表现优异，尤其在医学、金融和法律等专业领域实现最低困惑度。

OOD-SEG: Exploiting out-of-distribution detection techniques for learning image segmentation from sparse multi-class positive-only annotations

OOD-SEG: 利用分布外检测技术学习稀疏多类正样本标注的图像分割

Junwen Wang, Zhonghao Wang, Oscar MacCormac, Jonathan Shapey, Tom Vercauteren

机构 * Department of Neurosurgery, King's College Hospital（国王学院医院神经外科） 纠错

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

AI总结 本文提出一种基于分布外检测技术的图像分割方法，利用稀疏多类正样本标注进行学习，无需背景标注，提升分割鲁棒性和泛化能力。

Comments Accepted in MedIA

Hallucination as output-boundary misclassification: a composite abstention architecture for language models

幻觉作为输出边界误分类：一种用于语言模型的复合回避架构

Angelina Hintsanen

机构 * NEXUS Laboratory（NEXUS实验室） 纠错

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出一种复合架构，结合指令拒绝与结构回避门，通过计算支持不足分数来减少语言模型的幻觉问题，实验表明两者互补可提升准确性与减少幻觉。

Comments Theoretical manuscript extending an earlier proof-of-concept workshop paper accepted to the ICLR 2026 Workshop on LLM Reasoning; 13 pages, 3 tables

Fragment-Based Configuration Interaction: Towards a Unifying Description of Biexcitonic Processes in Molecular Aggregates

基于片段的配置交互：迈向分子聚集体中双激发态过程统一描述

Johannes E. Adelsperger, Coen de Graaf, Merle I. S. Röhr

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出基于片段的配置交互框架，系统构建了涵盖单粒子和双粒子能级的diabatic哈密顿量，揭示了CTX配置作为电子闸门的作用，并展示了其在乙烷聚集体和蒽晶体中的应用。

Comments 51 pages, 7 figures in article, 10 pages, 2 figures in SI