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。