医学 AI

MedFormer-UR: Uncertainty-Routed Transformer for Medical Image Classification

MedFormer-UR：用于医学图像分类的不确定性路由变换器

Mohammed Maaz Sibhai, Abedalrhman Alkhateeb, Saad B. Ahmed

机构 * Lakehead University（湖首大学） 纠错

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

AI总结 本文提出MedFormer-UR，通过原型学习和不确定性引导路由提升医学图像分类的可靠性，实现实时不确定性量化与局部化，减少校准误差达35%。

CT-1: Vision-Language-Camera Models Transfer Spatial Reasoning Knowledge to Camera-Controllable Video Generation

CT-1：视觉-语言-相机模型将空间推理知识转移到相机可控的视频生成

Haoyu Zhao, Zihao Zhang, Jiaxi Gu, Haoran Chen, Qingping Zheng, Pin Tang, Yeyin Jin, Yuang Zhang, Junqi Cheng, Zenghui Lu, Peng Shu, Zuxuan Wu, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Tencent（腾讯） ； Xiamen University（厦门大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出CT-1模型，通过准确估计相机轨迹将空间推理知识转移到视频生成中，利用小波正则化损失和视频扩散模型提升相机控制精度，实验显示其生成的视频质量高且控制准确率提升25.7%。

Vision Transformers for Preoperative CT-Based Prediction of Histopathologic Chemotherapy Response Score in High-Grade Serous Ovarian Carcinoma

用于高阶浆液性卵巢癌术前CT基预测组织病理学化疗反应评分的视觉变换器

Francesca Fati, Felipe Coutinho, Marika Reinius, Marina Rosanu, Gabriel Funingana, Luigi De Vitis, Gabriella Schivardi, Hannah Clayton, Alice Traversa, Zeyu Gao, Guilherme Penteado, Shangqi Gao, Francesco Pastori, Ramona Woitek, Maria Cristina Ghioni, Giovanni Damiano Aletti, Mercedes Jimenez-Linan, Sarah Burge, Nicoletta Colombo, Evis Sala, Maria Francesca Spadea, Timothy L. Kline, James D. Brenton, Jaime Cardoso, Francesco Multinu, Elena De Momi, Mireia Crispin-Ortuzar, Ines P. Machado

机构 * European Institute of Oncology, IEO, IRCCS（欧洲肿瘤研究所） ； Politecnico di Milano（米兰理工大学） ； INESC TEC, Faculty of Engineering, University of Porto（波尔图大学工程学院INESC TEC） ； University of Cambridge（剑桥大学） ； Cancer Research UK Cambridge Centre（英国癌症研究中心剑桥中心） ； Cancer Research UK Cambridge Institute（英国癌症研究中心剑桥研究所） ； Cambridge University Hospitals NHS Foundation Trust（剑桥大学医院NHS基金会信托） ； Mayo Clinic（梅奥诊所） ； Early Cancer Institute, University of Cambridge（剑桥大学早期癌症研究所） ； Danube Private University（多瑙私立大学） ； University of Milan（米兰大学） ； Università Cattolica del Sacro Cuore（圣心天主教大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本研究利用视觉变换器构建多模态模型，通过术前CT影像与临床数据预测高阶浆液性卵巢癌的化疗反应评分，初步验证了深度学习在术前预测治疗反应中的可行性。

FDIF: Formula-Driven supervised Learning with Implicit Functions for 3D Medical Image Segmentation

FDIF：基于隐函数的公式驱动监督学习用于3D医学图像分割

Yukinori Yamamoto, Kazuya Nishimura, Tsukasa Fukusato, Hirokazu Nosato, Tetsuya Ogata, Hirokatsu Kataoka

机构 * Waseda University（早稻田大学） ； The University of Osaka（大阪大学） ； National Institute of Advanced Industrial Science and Technology（国立研究开发法人产业技术综合研究所） ； University of Oxford（牛津大学） 纠错

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

AI总结 FDIF通过隐函数实现无需真实数据的3D医学图像分割预训练，提升几何表达能力与纹理合成效果，优于公式驱动方法并接近自监督方法。

General Microstructure Factor Analysis of Diffusion MRI in Gray-Matter Predicts Cognitive Scores

扩散磁共振成像在灰质中的微结构因素分析及其对认知分数的预测

Lucas Z. Brito, Ryan P. Cabeen, David H. Laidlaw

专题命中 医学影像 ：MRI(title,abstract)；分类 q-bio

AI总结 研究通过NODDI和PCA分析灰质微结构，发现各向同性体积分数能显著解释个体差异并预测特定认知能力。

Comments 11 pages, 5 figures, 1 table

Improving Automatic Summarization of Radiology Reports through Mid-Training of Large Language Models

通过在大语言模型中段训练改进放射报告的自动摘要

Mengxian Lyu, Cheng Peng, Ziyi Chen, Mengyuan Zhang, Jieting Li Lu, Yonghui Wu

机构 * University of Florida（佛罗里达大学） ； Department of Health Outcomes and Biomedical Informatics（健康结果与生物医学信息学系） ； Department of Engineering Education（工程教育系） 纠错

专题命中 医学影像 ：radiology(title,abstract)

AI总结 本文提出在大语言模型中段训练的方法，通过三种策略提升放射报告摘要效果，实验表明GatorTronT5-Radio在文本和事实性指标上表现最佳，且在少样本学习中表现更优。

Self-Supervised Slice-to-Volume Reconstruction with Gaussian Representations for Fetal MRI

基于高斯表示的自监督切片到体积重建

Yinsong Wang, Thomas Fletcher, Xinzhe Luo, Aine Travers Dineen, Rhodri Cusack, Chen Qin

机构 * Department of Electrical and Electronic Engineering and I-X, Imperial College London（伦敦帝国理工学院电气与电子工程系及I-X） ； Trinity College Institute of Neuroscience, Trinity College Dublin（都柏林圣三一学院神经科学研究所） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 本文提出GaussianSVR框架，利用高斯表示实现高保真胎儿MRI体积重建，通过模拟正向切片采集模型实现自监督训练，提升重建精度与效率。

PSIRNet: Deep Learning-based Free-breathing Rapid Acquisition Late Enhancement Imaging

PSIRNet：基于深度学习的自由呼吸快速获取晚期增强成像

Arda Atalik, Hui Xue, Rhodri H. Davies, Thomas A. Treibel, Daniel K. Sodickson, Michael S. Hansen, Peter Kellman

机构 * Health Futures, Microsoft Research（微软研究院健康未来） ； Center for Data Science, New York University（纽约大学数据科学中心） ； Center for Advanced Imaging Innovation and Research (CAI2R), Department of Radiology, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院放射学系高级成像创新与研究中心） ； Bernard and Irene Schwartz Center for Biomedical Imaging, Department of Radiology, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院放射学系伯纳德和艾琳·施瓦茨生物医学成像中心） ； Institute of Cardiovascular Science, University College London（伦敦大学学院心血管科学研究所） ； Barts Heart Centre, Barts Health NHS Trust（巴茨健康NHS信托巴茨心脏中心） 纠错

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

AI总结 本文提出PSIRNet深度学习方法，通过单次呼吸获取两心跳数据生成诊断级自由呼吸PSIR晚期增强成像，相比传统需多次运动校正信号平均的方法，将扫描时间减少8-24倍。

Comments 25 pages, 5 figures, 4 tables

Post-Hoc Guidance for Consistency Models by Joint Flow Distribution Learning

通过联合流分布学习提升一致性模型的后验指导

Chia-Hong Hsu, Randall Balestriero

机构 * Brown University（布朗大学） 纠错

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

AI总结 本文提出JFDL方法，通过预训练一致性模型实现后验指导，无需扩散模型教师，有效降低FID并提升生成图像质量。

Case-Grounded Evidence Verification: A Framework for Constructing Evidence-Sensitive Supervision

基于案例的证据验证：构建证据敏感监督的框架

Soroosh Tayebi Arasteh, Mehdi Joodaki, Mahshad Lotfinia, Sven Nebelung, Daniel Truhn

机构 * RWTH Aachen University（亚琛工业大学） 纠错

专题命中 医学影像 ：radiology(abstract)；分类 cs.LG

AI总结 本文提出案例 grounded 的证据验证框架，通过生成支持与非支持示例，提升模型对证据依赖性的学习能力，实验显示其在医学影像领域表现优异。

Shortcut Learning in Glomerular AI: Adversarial Penalties Hurt, Entropy Helps

肾小球AI中的捷径学习：对抗性惩罚有害，熵有助于

Mohammad Daouk, Jan Ulrich Becker, Neeraja Kambham, Anthony Chang, Hien Van Nguyen, Chandra Mohan

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

AI总结 研究探讨肾小球AI中是否利用染色作为捷径，并通过多中心多染色数据集验证了对抗性惩罚和熵正则化对模型鲁棒性的影响。

Comments Accepted at IEEE ISBI 2026. Hien Nguyen and Chandra Mohan jointly supervised this work

Mapping generative AI use in the human brain: divergent neural, academic, and mental health profiles of functional versus socio emotional AI use

映射人类大脑中的生成AI使用：功能性与社会情绪AI使用在神经、学术和心理健康方面的异质性 profile

Junjie Wang, Xianyang Gan, Dan Liu, Jingxian He, Stefania Ferraro, Keith M. Kendrick, Weihua Zhao, Shuxia Yao, Christian Montag, Benjamin Becker

机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Macau（澳门大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 q-bio

AI总结 研究探讨了功能性与社会情绪型AI使用对大脑结构、学术表现和心理健康的影响，发现不同使用模式导致认知与情感系统差异，为AI教育应用提供设计依据。

Comments 45 pages, 20 figures, 5 tables

Sunrise III: The Wavefront Correction System

Sunrise III：波前校正系统

Thomas Berkefeld, Alexander Bell, Reiner Volkmer, Frank Heidecke, Tobias Preis, Thomas Sonner, Eiji Nakai, Andreas Korpi-Lagg, Achim Gandorfer, Sami K. Solanki, Jose Carlos del Toro Iniesta, Yukio Katsukawa, Pietro Bernasconi, Alex Feller, Tino L. Riethmüller, Alberto Álvarez-Herrero, Masahito Kubo, Valentín Martínez Pillet, H. N. Smitha, David Orozco Suárez, Bianca Grauf, Michael Carpenter

专题命中 医学影像 ：CT(abstract)

AI总结 本文描述了为Sunrise III气球载荷望远镜开发的波前校正和图像稳定系统，介绍了其在集成到望远镜和2024年科学飞行中的性能。

Comments 21 pages, 10 figures, accepted for publication in Solar Physics as an article of the "Sunrise III Topical Collection"

Integrated Spectropolarimeter by Metasurface-Based Diffractive Optical Networks

基于超表面衍射光学网络的集成光谱极化计

Jumin Qiu, Tingting Liu, Chenxuan Xiang, Tianbao Yu, Qiegen Liu, Shuyuan Xiao

专题命中 诊断辅助 ：diagnosis(abstract)；biomedical(abstract)

AI总结 本文提出一种基于超表面的紧凑型光谱极化计，利用超表面的波长和偏振依赖相位调制，通过深度神经网络实现光谱和偏振信息的高精度重建。

Journal ref Optica 13 (4), 737-744 (2026)

Terahertz Generation and Detection through Gain-Enhanced Interband Photomixing in Quantum Well Structures

太赫兹波通过量子井结构中的增益增强的能带光混频生成与检测

Yifan Zhao, Shahed-E- Zumrat, Szu-An Tsao, Mona Jarrahi

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 本文提出利用量子井PIN光电二极管中的增益增强能带光混频实现可调太赫兹波生成与检测，提升功率效率和灵敏度，为紧凑型太赫兹光电系统奠定基础。

Comments 63 pages, 21 Figures, 1 Table

Plug-and-Play Logit Fusion for Heterogeneous Pathology Foundation Models

即插即用的逻辑融合用于异构病理基础模型

Gexin Huang, Anqi Li, Yusheng Tan, Beidi Zhao, Gang Wang, Zu-Hua Gao, Xiaoxiao Li

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 本文提出LogitProd方法，通过融合独立训练的病理基础模型预测器，实现高效且无需重新训练的多专家融合，提升异构模型在多种病理任务中的性能。

Comments 10 pages, 2 figures

DSVTLA: Deep Swin Vision Transformer-Based Transfer Learning Architecture for Multi-Type Cancer Histopathological Cancer Image Classification

DSVTLA：基于深度Swin视觉Transformer的迁移学习架构用于多类型癌症组织病理图像分类

Muazzem Hussain Khan, Tasdid Hasnain, Md. Jamil khan, Ruhul Amin, Md. Shamim Reza, Md. Al Mehedi Hasan, Md Ashad Alam

机构 * Ochsner Center for Outcomes Research, Ochsner Academics, Ochsner Clinic Foundation, New Orleans, LA 70121, USA（奥克斯纳临床基金会奥克斯纳学术中心结果研究部） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出一种基于深度Swin视觉Transformer的迁移学习架构，用于多癌症组织病理图像的鲁棒分类。该框架结合了层次Swin Transformer与ResNet50卷积特征提取，能够捕捉组织病理图像中的长距离上下文依赖和细粒度局部形态模式。

Comments 25 [ages. 9 Figures

AMO-ENE: Attention-based Multi-Omics Fusion Model for Outcome Prediction in Extra Nodal Extension and HPV-associated Oropharyngeal Cancer

AMO-ENE：基于注意力的多组学融合模型用于外周淋巴结扩展和人乳头瘤病毒相关口咽癌的预后预测

Gautier Hénique, William Le, Gabriel Dayan, Coralie Brodeur, Kristoff Nelson, Apostolos Christopoulos, Edith Filion, Phuc-Felix Nguyen-Tan, Laurent Letourneau-Guillon, Houda Bahig, Samuel Kadoury

机构 * Centre de recherche du CHUM (CRCHUM)（蒙特利尔大学医疗中心研究中心 (CRCHUM)） ； Centre Hospitalier de l’Université de Montréal (CHUM)（蒙特利尔大学医疗中心 (CHUM)） 纠错

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

AI总结 本文提出AMO-ENE模型，通过CT影像和临床数据自动检测外周淋巴结扩展并预测治疗预后，结合多模态特征提升预后预测精度。

Gaze2Report: Radiology Report Generation via Visual-Gaze Prompt Tuning of LLMs

Gaze2Report：通过视觉-凝视提示调优LLM实现放射学报告生成

Aishik Konwer, Moinak Bhattacharya, Prateek Prasanna

专题命中 医疗多模态 ：radiology(title,abstract)；分类 q-bio、eess.IV

AI总结 本文提出Gaze2Report框架，利用扫描路径预测模块和图神经网络生成视觉-凝视标记，结合指令和报告标记对LLM进行微调，提升报告生成质量并实现推理时无需凝视输入。

Comments Accepted at ISBI 2026 (Oral)

Enhancing the Safety of Medical Vision-Language Models by Synthetic Demonstrations

通过合成演示增强医疗视觉-语言模型的安全性

Zhiyu Xue, Reza Abbasi-Asl, Ramtin Pedarsani

机构 * UC Santa Barbara（加州大学圣塔芭芭拉分校） ； UC San Francisco（加州大学旧金山分校） 纠错

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

AI总结 本文提出一种新的推理时防御策略，通过合成临床演示提升模型安全性，同时平衡安全与性能。

VerifAI: A Verifiable Open-Source Search Engine for Biomedical Question Answering

VerifAI：一种可验证的开源搜索引擎用于生物医学问答

Miloš Košprdić, Adela Ljajić, Bojana Bašaragin, Darija Medvecki, Lorenzo Cassano, Nikola Milošević

机构 * The Institute for Artificial Intelligence Research and Development of Serbia（塞尔维亚人工智能研究与开发研究所） ； Bayer A.G.（拜耳公司） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 VerifAI是一种开源专家系统，结合检索增强生成与新型事后断言验证机制，通过分解生成答案为原子断言并验证其与检索证据的一致性，提升生物医学问答的准确性。

Journal ref Sumitted to IEEE Access,2026

Three Modalities, Two Design Probes, One Prototype, and No Vision: Experience-Based Co-Design of a Multi-modal 3D Data Visualization Tool

三种模态、两种设计探针、一个原型和没有视觉：基于经验的多模态3D数据可视化工具共设计

Sanchita S. Kamath, Aziz N Zeidieh, Venkatesh Potluri, Sile O'Modhrain, Kenneth Perry, JooYoung Seo

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； 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 本文通过基于经验的共设计方法，开发出多模态3D数据可视化工具，提升视障人士对3D数据的分析能力，提供可操作的设计指南和可扩展的无障碍3D可视化方案。

ChatGPT, is this real? The influence of generative AI on writing style in top-tier cybersecurity papers

ChatGPT, 这是真实的吗？生成式AI对顶级网络安全会议论文写作风格的影响

Daan Vansteenhuyse

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究分析2000-2025年间顶级网络安全会议论文中生成式AI对写作风格的影响，发现语言复杂度逐步上升，2022年后标记词使用增加，可能影响论文可读性。

Constraint-Aware Corrective Memory for Language-Based Drug Discovery Agents

基于约束的纠正记忆：用于基于语言的药物发现代理

Maochen Sun, Youzhi Zhang, Gaofeng Meng

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉科学学院） 纠错

专题命中 生物医学文本 ：diagnosis(abstract)

AI总结 本文提出CACM框架，通过精确的集合级诊断和简洁的记忆写回机制，提升语言基药物发现代理的可靠性，实验表明其在目标级成功率提升36.4%。

FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep Stage Classification

FetalSleepNet：一种基于频谱均衡域适应的迁移学习框架用于胎儿睡眠阶段分类

Weitao Tang, Johann Vargas-Calixto, Nasim Katebi, Nhi Tran, Sharmony B. Kelly, Gari D. Clifford, Robert Galinsky, Faezeh Marzbanrad

机构 * Department of Biomedical Informatics, Emory University（埃默里大学生物医学信息学系） ； Ritchie Centre, Hudson Institute of Medical Research（哈德逊医学研究所里奇中心） ； Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系） ； Department of Obstetrics and Gynaecology, Monash University（莫纳什大学妇产科学系） ； Department of Electrical and Computer Systems Engineering, Monash University（莫纳什大学电气与计算机系统工程系） 纠错

专题命中 健康监测 ：biomedical(comments,journal_ref)；分类 cs.LG、eess.SP

AI总结 本文提出FetalSleepNet，首次利用深度学习对羊胎儿EEG进行睡眠阶段分类，通过迁移学习和频谱均衡域适应策略提升分类准确率，实现自动化睡眠阶段识别，为临床应用提供支持。

Comments 13 pages, 4 tables, 5 figures, submitted to IEEE Journal of Biomedical and Health Informatics

Journal ref IEEE Journal of Biomedical and Health Informatics (Early Access), 2026

Robust by Design: A Continuous Monitoring and Data Integration Framework for Medical AI

鲁棒性设计：面向医学AI的连续监控与数据整合框架

Mohammad Daouk, Jan Ulrich Becker, Neeraja Kambham, Anthony Chang, Chandra Mohan, Hien Van Nguyen

机构 * University of Houston（休斯顿大学） ； University Hospital Cologne（科隆大学医院） ； Stanford University（斯坦福大学） ； The University of Chicago（芝加哥大学） 纠错

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

AI总结 本文提出一种连续监控与数据整合框架，通过多指标特征分析和不确定性门控，实现医学AI模型在动态临床环境中的鲁棒性，防止数据漂移和灾难性遗忘。

Comments Accepted at IEEE ISBI 2026. Chandra Mohan and Hien Van Nguyen jointly supervised this work

Zero-Shot Generative De-identification: Inversion-Free Flow for Privacy-Preserving Skin Image Analysis

零样本生成去标识化：无反向流程的隐私保护皮肤图像分析

Konstantinos Moutselos, Ilias Maglogiannis

机构 * University of Piraeus, Dept. of Digital Systems（比雷埃夫斯大学数字系统系） 纠错

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

AI总结 本文提出一种零样本生成去标识化框架，利用无反向流程实现隐私保护的医学图像分析，通过Rectified Flow Transformers在20秒内实现高保真身份转换，无需病理特定训练或标注数据，生成虚拟健康与病理对照对以分离临床信号。

Comments 10 pages, 5 figures

Mind the Gap Between Spatial Reasoning and Acting! Step-by-Step Evaluation of Agents With Spatial-Gym

注意空间推理与行动之间的差距！通过Spatial-Gym进行分步评估代理

Lars Benedikt Kaesberg, Tianyu Yang, Niklas Bauer, Terry Ruas, Jan Philip Wahle, Bela Gipp

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出Spatial-Gym环境，通过2D网格谜题的分步决策任务评估模型在空间推理中的能力，发现分步格式对弱模型有益但对强模型有负面影响，且视觉模型在空间环境中的表现较差。

SynDocDis: A Metadata-Driven Framework for Generating Synthetic Physician Discussions Using Large Language Models

SynDocDis：一种基于元数据的生成合成医生讨论的框架

Beny Rubinstein, Sergio Matos

机构 * University of Aveiro（阿威罗大学） ； IEETA, DETI, LASI, University of Aveiro（阿威罗大学 IEETA、DETI、LASI） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 SynDocDis通过结合结构化提示技术和隐私保护的去标识病例元数据，生成临床准确的医生间对话，经九个肿瘤学和肝病学场景评估，显示优异的沟通效果和医学内容质量。

Journal ref In: Valente de Oliveira, J., Leite, J., Rodrigues, J., Dias, J., Cardoso, P. (eds) Progress in Artificial Intelligence. EPIA 2025. Lecture Notes in Computer Science(), vol 16121. Springer, Cham