医学 AI

MRI-Based Brain Tumor Detection through an Explainable EfficientNetV2 and MLP-Mixer-Attention Architecture

基于MRI的脑肿瘤检测：通过可解释的EfficientNetV2和MLP-Mixer-Attention架构

Mustafa Yurdakul, Şakir Taşdemir

机构 * Kırıkkale University（克勒克卡莱大学） ； Selçuk University（塞尔丘克大学） 纠错

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

AI总结 本文提出一种结合EfficientNetV2和MLP-Mixer-Attention的可解释深度学习模型，用于高精度脑肿瘤分类，通过五折交叉验证达到99.50%的准确率，提升临床可靠性。

Journal ref Physical and Engineering Sciences in Medicine, 2026

Flemme: A Flexible and Modular Learning Platform for Medical Images

Flemme：一种灵活且模块化的医学图像学习平台

Guoqing Zhang, Jingyun Yang, Yang Li

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室） 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Flemme平台，通过分离编码器与模型架构，支持多种编码器和架构组合，提升医学图像处理的灵活性和效率，实验表明其在分割和重建任务中均取得显著性能提升。

Comments 8 pages, 6 figures

SD-FSMIS: Adapting Stable Diffusion for Few-Shot Medical Image Segmentation

SD-FSMIS：利用稳定扩散适应少样本医学图像分割

Meihua Li, Yang Zhang, Weizhao He, Hu Qu, Yisong Li

机构 * Computer Vision Institute, College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院计算机视觉研究所） 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SD-FSMIS框架，通过引入支持-查询交互和视觉到文本条件翻译模块，利用预训练的稳定扩散模型提升少样本医学图像分割的效率与鲁棒性。

Comments CVPR2026

Alternative winding patterns for twisted solenoid coils with improved characteristics for TRASE MRI

扭曲线圈的替代绕线模式用于TRASE MRI的改进特性

Nahid Ghomimolkar, Alexander E. Krosney, Christopher P. Bidinosti

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文研究了扭曲线圈的不同绕线模式，通过Biot-Savart模拟分析磁场均匀性和相位线性，发现离散环结构在节省线材方面更优，适合TRASE MRI应用。

Comments 22 pages, 12 figures

Journal ref Journal of Magnetic Resonance 388 (2026) 108068

T-Gated Adapter: A Lightweight Temporal Adapter for Vision-Language Medical Segmentation

T-Gated Adapter：一种轻量级时间适配器用于视觉-语言医学分割

Pranjal Khadka

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出T-Gated Adapter，通过注入相邻切片上下文提升医学图像分割的连续性，实验表明在FLARE22、BTCV和AMOS22数据集上均取得显著提升，且在跨模态任务中表现优于传统3D模型。

Comments Accepted at the PHAROS-AIF-MIH Workshop at CVPR 2026

When Fine-Tuning Changes the Evidence: Architecture-Dependent Semantic Drift in Chest X-Ray Explanations

当微调改变证据：在胸部X光解释中的架构依赖性语义漂移

Kabilan Elangovan, Daniel Ting

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

AI总结 研究探讨了在多类设置中，微调导致的视觉证据变化，通过评估不同架构在两阶段训练中的表现，揭示了架构依赖性的证据结构重组。

Adapting Foundation Models for Annotation-Efficient Adnexal Mass Segmentation in Cine Images

为 cine 图像中的腺体病变分割适应基础模型以提高标注效率

Francesca Fati, Alberto Rota, Adriana V. Gregory, Anna Catozzo, Maria C. Giuliano, Mrinal Dhar, Luigi De Vitis, Annie T. Packard, Francesco Multinu, Elena De Momi, Carrie L. Langstraat, Timothy L. Kline

机构 * Mayo Clinic（梅奥诊所） ； Politecnico di Milano（米兰理工大学） ； Istituto Europeo di Oncologia（欧洲肿瘤研究所） 纠错

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

AI总结 本文提出一种标注效率高的分割框架，利用预训练的DINOv3基础视觉变压器主干，结合DPT解码器实现多尺度特征层次重组，取得优于U-Net等传统全监督基线的性能，且在数据稀缺情况下表现更优。

A Systematic Framework for Tabular Data Disentanglement

表格数据解耦的系统框架

Ivan Tjuawinata, Andre Gunawan, Anh Quan Tran, Nitish Kumar, Payal Pote, Harsh Bansal, Chu-Hung Chi, Kwok-Yan Lam, Parventanis Murthy

机构 * Nanyang Technological University（南洋理工大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文提出一个系统框架，将表格数据解耦过程模块化为四个核心组件，以解决现有方法在可扩展性、模式崩溃和外推能力上的不足。

Weight Group-wise Post-Training Quantization for Medical Foundation Model

按权重的后训练量化用于医疗基础模型

Yineng Chen, Peng Huang, Aozhong Zhang, Hui Guo, Penghang Yin, Shu Hu, Shao Lin, Xin Li, Tzu-Jen Kao, Balakrishnan Prabhakaran, MingChing Chang, Xin Wang

机构 * University at Albany, SUNY（纽约州立大学奥尔巴尼分校） ； Southwest Jiaotong University（西南交通大学） ； Purdue University（普渡大学） ； GE HealthCare（通用电气医疗） 纠错

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

AI总结 本文提出Permutation-COMQ算法，通过简单点积和四舍五入操作实现无反向传播的后训练量化，采用权重感知策略优化通道结构，提升2/4/8位量化精度。

Generalized Spherical Neural Operators: Green's Function Formulation

广义球面神经算子：格林函数公式

Hao Tang, Hao Chen, Chao Li

机构 * University of Dundee, United Kingdom（英国邓迪大学） ； University of Cambridge, United Kingdom（英国剑桥大学） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 本文提出基于可设计球面格林函数及其谐波展开的广义算子设计框架，提出适应非等变系统的GSNO算子，结合多尺度谱模型与球面上下采样构建SHNet，实验证明其在扩散磁共振成像、浅水动力学和全球天气预测中优于现有方法。

Comments ICLR 2026 (International Conference on Learning Representations)

Hierarchical Feature Learning for Medical Point Clouds via State Space Model

通过状态空间模型进行医疗点云的分层特征学习

Guoqing Zhang, Jingyun Yang, Yang Li

机构 * Shenzhen Key Laboratory of Ubiquitous Data Enabling, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院深圳市普适数据赋能重点实验室） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 本文提出基于状态空间模型的分层特征学习框架，用于医疗点云理解，通过多级下采样和KNN查询聚合多尺度结构信息，并引入坐标顺序和内向外扫描策略提升处理效率，最终在MedPointS数据集上验证了方法的优越性。

Comments 10 pages, 3 figures

Fixed-Effects Models for Causal Inference in Longitudinal Cluster Randomized and Quasi-Experimental Trials

纵向集群随机对照试验和准实验试验因果推断中的固定效应模型

Kenneth M. Lee, Fan Li

专题命中 医学影像 ：CT(abstract)

AI总结 本文探讨了固定效应模型在纵向集群试验中的稳健性，证明其可通过M估计框架有效估计超总体边际估计量，并通过模拟和案例研究展示了其作为混合效应模型的稳健替代方案。

Comments 122 pages (35 main manuscript, 87 supplementary appendix), 10 figures (4 main manuscript, 6 supplementary appendix), 2 tables (2 supplementary appendix)

Bilattice-Catastrophe Isomorphism for Four-Valued Logic in Digital Systems

四值逻辑在数字系统中的双格-灾难同构

Jiu Hui Wu, Hua Tian, Mengqi Yuan, Kejiang Zhou

专题命中 医学影像 ：CT(abstract)

AI总结 本文基于双格-灾难同构定理，建立灾难类别、交织双格类别和四值逻辑类别之间的范畴对应关系，揭示四值逻辑的鲁棒性基础，并证明FOUR是描述连续-离散接口的最小完备代数结构。

Asymptotic Linear Convergence of ADMM for Isotropic TV Norm Compressed Sensing

ADMM求解各向同性TV范数压缩感知的渐近线性收敛性

Emmanuel Gil Torres, Matt Jacobs, Xiangxiong Zhang

专题命中 医学影像 ：MRI(abstract)

AI总结 本文通过分析对偶问题等价的Douglas-Rachford分裂中的辅助变量，证明了ADMM在多维情况下求解各向同性TV范数压缩感知问题的局部线性收敛率，并通过大规模3D问题和真实MRI数据验证。

Comments 32 pages, 6 figures

A Unified Framework for Evaluating and Enhancing the Transparency of Explainable AI Methods via Perturbation-Gradient Consensus Attribution

基于扰动-梯度共识归因的可解释人工智能方法评估与增强统一框架

Md. Ariful Islam, Md Abrar Jahin, M. F. Mridha, Nilanjan Dey

机构 * Department of Computer Science, American International University-Bangladesh（美国国际大学-孟加拉国计算机科学系） ； Thomas Lord Department of Computer Science, Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院托马斯·洛德计算机科学系） ； Department of Computer Science and Engineering, Techno International New Town（Techno International New Town计算机科学与工程系） 纠错

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出多标准评估框架和PGCA方法，通过整合领域优先级动态评分方案，提升XAI在保真度、可解释性、鲁棒性、公平性和完整性方面的性能，实验显示在五个领域均取得显著优势。

Grounding Clinical AI Competency in Human Cognition Through the Clinical World Model and Skill-Mix Framework

通过临床世界模型和技能混合框架在人类认知中奠定临床AI能力

Seyed Amir Ahmad Safavi-Naini, Elahe Meftah, Josh Mohess, Pooya Mohammadi Kazaj, Georgios Siontis, Zahra Atf, Peter R. Lewis, Mauricio Reyes, Girish Nadkarni, Roland Wiest, Stephan Windecker, Christoph Grani, Ali Soroush, Isaac Shiri

机构 * Department of Cardiology, Inselspital, Bern University Hospital, University of Bern（伯尔尼大学医院心脏病学系，伯尔尼大学） ； Department of Digital Medicine, Bern University Hospital, University of Bern（伯尔尼大学医院数字医学系，伯尔尼大学） ； Division of Data-Driven and Digital Medicine (D3M), Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院数据驱动与数字医学部） ； Clinical Research Development Center, Amir Oncology Teaching Hospital, Shiraz University of Medical Sciences（设拉子医科大学阿米尔肿瘤教学医院临床研究发展中心） ； Graduate School for Cellular and Biomedical Sciences, University of Bern（伯尔尼大学细胞与生物医学研究生院） ； Faculty of Business and Information Technology, Ontario Tech University（安大略理工大学商业与信息技术学院） ； Department of Radiation Oncology, Inselspital, Bern University Hospital and University of Bern（伯尔尼大学医院放射肿瘤学系，伯尔尼大学） ； ARTORG Center for Biomedical Engineering Research, University of Bern（伯尔尼大学ARTORG生物医学工程研究中心） ； The Charles Bronfman Institute of Personalised Medicine, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院查尔斯·布朗夫曼个性化医学研究所） ； University Institute of Diagnostic and Interventional Neuroradiology, Inselspital, Bern University Hospital, University of Bern（伯尔尼大学医院诊断与介入神经放射学大学研究所，伯尔尼大学） ； Translational Imaging Center (TIC), Swiss Institute for Translational and Entrepreneurial Medicine（瑞士转化与创业医学研究所转化影像中心） ； Henry D. Janowitz Division of Gastroenterology, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院亨利·D·雅诺维茨消化内科） 纠错

专题命中 临床大模型 ：clinical AI(title,abstract)

AI总结 本文提出临床世界模型和技能混合框架，通过八维定义临床能力空间，为AI在医疗场景中的能力评估和验证提供结构化方法。

Comments Code, data (Clinical AI Skill-Mix dimension specifications), and an exploratory dashboard are available at https://github.com/Sdamirsa/Clinical-World-Model

Vision Language Models versus Machine Learning Models Performance on Polyp Detection and Classification in Colonoscopy Images

视觉语言模型与机器学习模型在结肠镜图像息肉检测与分类中的性能对比

Mohammad Amin Khalafi, Seyed Amir Ahmad Safavi-Naini, Ameneh Salehi, Nariman Naderi, Dorsa Alijanzadeh, Pardis Ketabi Moghadam, Kaveh Kavosi, Negar Golestani, Shabnam Shahrokh, Soltanali Fallah, Jamil S Samaan, Nicholas P. Tatonetti, Nicholas Hoerter, Girish Nadkarni, Hamid Asadzadeh Aghdaei, Ali Soroush

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

AI总结 本文对比了视觉语言模型与传统机器学习模型在结肠镜图像息肉检测和分类任务中的性能，发现ResNet50在检测任务中表现最佳，而BiomedCLIP和GPT-4在特定情况下也表现出色。

Comments Code is available at: https://github.com/aminkhalafi/CML-vs-LLM-on-Polyp-Detection. CoI: AlSo serves on the advisory board and holds equity in Virgo Surgical Solutions. The other authors declare no conflicts of interest. Data

Journal ref Scientific Reports 15, 45484 (2025)

LungCURE: Benchmarking Multimodal Real-World Clinical Reasoning for Precision Lung Cancer Diagnosis and Treatment

LungCURE：多模态真实世界临床推理基准测试用于精准肺癌诊断与治疗

Fangyu Hao, Jiayu Yang, Yifan Zhu, Zijun Yu, Qicen Wu, Wang Yunlong, Jiawei Li, Yulin Liu, Xu Zeng, Guanting Chen, Shihao Li, Zhonghong Ou, Meina Song, Mengyang Sun, Haoran Luo, Yu Shi, Yingyi Wang

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出LungCURE基准测试，通过1000个真实世界病例评估多模态模型在肺癌TNM分期、治疗推荐和临床决策支持中的性能，并引入LCAgent框架提升模型在复杂医疗场景中的推理能力。

Comments 20 pages, 22 figures

FedIFL: A federated cross-domain diagnostic framework for motor-driven systems with inconsistent fault modes

FedIFL: 一种用于具有不一致故障模式的电机驱动系统的联邦跨域诊断框架

Zexiao Wang, Yankai Wang, Xiaoqiang Liao, Xinguo Ming, Weiming Shen

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

AI总结 针对工业数据稀缺导致的故障诊断模型训练困难，FedIFL通过联邦学习实现隐私保护下的协同训练，通过原型对比学习和特征解耦机制解决跨域标签空间不一致问题，提升全局模型的泛化能力。

Comments The paper is being withdrawn as we found that it did not fully articulate the representation of deep implicit features, which is the core focus of our work. Additionally, the experiments were incomplete and lacked sufficient analysis. We plan to revise the paper, clarify these aspects, and enhance the experimental validation before resubmitting

Let the Agent Steer: Closed-Loop Ranking Optimization via Influence Exchange

让代理引导：通过影响交换实现闭环排名优化

Yin Cheng, Liao Zhou, Xiyu Liang, Dihao Luo, Tewei Lee, Kailun Zheng, Weiwei Zhang, Mingchen Cai, Jian Dong, Andy Zhang

机构 * Shopee 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出Sortify，首个自主LLM驱动的排名优化代理，通过影响交换闭环实现从诊断到参数部署的自动化优化，解决了结构问题并提升了GMV和广告收入。

Automotive Engineering-Centric Agentic AI Workflow Framework

以汽车工程为中心的代理式人工智能工作流框架

Tong Duy Son, Zhihao Liu, Piero Brigida, Yerlan Akhmetov, Gurudevan Devarajan, Kai Liu, Ajinkya Bhave

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出Agentic Engineering Intelligence (AEI)框架，通过建模工程工作流为约束性序列决策过程，将设计优化、模拟诊断等任务整合为统一流程，展示如何在汽车工程中实现多样化工作流的统一表达。

On the Global Photometric Alignment for Low-Level Vision

关于低级视觉的全局光度对齐

Mingjia Li, Tianle Du, Hainuo Wang, Qiming Hu, Xiaojie Guo

机构 * Tianjin University（天津大学） 纠错

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

AI总结 本文提出Photometric Alignment Loss，通过闭式仿射颜色对齐减少光度差异，提升多任务和多数据集的性能。

Lost in the Hype: Revealing and Dissecting the Performance Degradation of Medical Multimodal Large Language Models in Image Classification

迷失在喧嚣中：揭示并剖析医学多模态大语言模型在图像分类中的性能退化

Xun Zhu, Fanbin Mo, Xi Chen, Kaili Zheng, Shaoshuai Yang, Yiming Shi, Jian Gao, Miao Li, Ji Wu

机构 * College of AI, Tsinghua University（清华大学人工智能学院） 纠错

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

AI总结 本文研究了医学多模态大语言模型在图像分类中的性能退化问题，通过实验和特征探查揭示了四个失败模式，并提出了量化评分用于评估特征演变的健康状况。

AgriChain Visually Grounded Expert Verified Reasoning for Interpretable Agricultural Vision Language Models

AgriChain：基于视觉的专家验证推理用于可解释的农业视觉语言模型

Hazza Mahmood, Yongqiang Yu, Rao Anwer

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

AI总结 本文提出AgriChain数据集，通过专家验证的推理链提升农业视觉语言模型的准确性和可解释性，实验表明其在植物病害诊断中优于多个基线模型。

Comments 9 pages

Journal ref LREC 2026

Have LLM-associated terms increased in article full texts in all fields?

在所有领域中，与大语言模型相关的术语是否在文章全文中增加？

Mike Thelwall, Kayvan Kousha

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究通过分析MDPI数据库中2021-2025年间125万篇科学文章的全文，探讨了与大语言模型相关的术语在科学写作中的普及情况，发现术语使用呈上升趋势，但不同领域存在差异。

An Analysis of Artificial Intelligence Adoption in NIH-Funded Research

NIH资助研究中人工智能采纳的分析

Navapat Nananukul, Mayank Kejriwal

机构 * Information Sciences Institute, University of Southern California（南加州大学信息科学研究所） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文分析了NIH资助研究中AI的采纳情况，提出了一种人机协同的方法来大规模分类和总结研究描述，发现AI在NIH portfolio中占比15.9%，存在研究到应用的差距，且健康不平等研究严重不足。

Quantifying Explanation Consistency: The C-Score Metric for CAM-Based Explainability in Medical Image Classification

量化解释一致性：基于CAM的医学图像分类可解释性中的C-Score指标

Kabilan Elangovan, Daniel Ting

专题命中 医学数据与评测 ：medical image(title)；pathology(abstract)；分类 cs.CV

AI总结 本文提出C-Score指标，用于评估基于CAM的医学图像分类解释一致性，通过强度强调的成对软IoU量化同一类内解释的可重复性，并在不同CNN架构上评估六种CAM技术的性能。

Federated learning, ethics, and the double black box problem in medical AI

联邦学习、伦理与医疗AI中的双重黑箱问题

Joshua Hatherley, Anders Søgaard, Angela Ballantyne, Ruben Pauwels

机构 * University of Copenhagen（哥本哈根大学） ； University of Otago（奥塔哥大学） ； Aarhus University（奥胡斯大学） 纠错

专题命中 医学数据与评测 ：medical AI(title)；healthcare AI(abstract)；分类 cs.LG

AI总结 本文探讨医疗联邦学习中的联邦不透明性，揭示其带来的双重黑箱问题，并指出其伦理挑战及需克服的关键问题。

Journal ref 2026. The American Journal of Bioethics, forthcoming

Impact of Label Noise from Large Language Models Generated Annotations on Evaluation of Diagnostic Model Performance

大型语言模型生成标注的标签噪声对诊断模型性能评估的影响

Mohammadreza Chavoshi, Hari Trivedi, Janice Newsome, Aawez Mansuri, Chiratidzo Rudado Sanyika, Rohan Satya Isaac, Frank Li, Theo Dapamede, Judy Gichoya

专题命中 医学数据与评测 ：clinical AI(abstract)；radiology(abstract)

AI总结 本文研究了大型语言模型生成的标签噪声对诊断模型性能评估的影响，通过模拟框架分析了标签误差对模型表现的敏感性，并指出在不同疾病患病率下，标签质量对性能估计的系统性偏差。