医学 AI

MARCH: Multi-Agent Radiology Clinical Hierarchy for CT Report Generation

MARCH：多智能体放射科临床层级用于CT报告生成

Yi Lin, Yihao Ding, Yonghui Wu, Yifan Peng

机构 * Weill Cornell Medicine（韦尔·科恩医学中心） ； University of Western Australia（西澳大学） ； University of Florida（佛罗里达大学） 纠错

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

AI总结 MARCH通过模拟放射科专业层级，采用多智能体框架提升CT报告生成的临床准确性和语言准确性。

Comments Accepted by ACL 2026 main conference

VQ-Wave: A physics-driven spatio-temporal deep learning approach for non-contrast-enhanced lung ventilation and perfusion MRI

VQ-Wave：一种基于物理的时空深度学习方法用于非对比增强肺通气和灌注MRI

Grzegorz Bauman, Pavlos Panos, Philipp Latzin, Oliver Bieri

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出VQ-Wave方法，通过合成信号模型训练时空 inception 神经网络，以估计通气和灌注参数，克服生理非平稳性带来的限制，提升肺MRI的功能成像可靠性。

Intelligent Healthcare Imaging Platform: A VLM-Based Framework for Automated Medical Image Analysis and Clinical Report Generation

智能医疗影像平台：基于视觉语言模型的自动化医学图像分析与临床报告生成框架

Samer Al-Hamadani

机构 * Automated Manufacturing Department/Al-Khwarizmi College of Engineering/ University of Baghdad/Gilgamesh University（自动化制造部门/阿尔·卡瓦尔齐米工程学院/巴格达大学/吉尔伽美什大学） 纠错

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

AI总结 本文提出基于视觉语言模型的智能多模态框架，用于自动化医学图像分析和临床报告生成，结合视觉特征提取与自然语言处理，实现上下文图像解释，并通过多层可视化技术提升临床信心。

Comments 32 pages, 14 figures, 6 tables

CTSCAN: Evaluation Leakage in Chest CT Segmentation and a Reproducible Patient-Disjoint Benchmark

CTSCAN：评估泄漏在胸部CT分割中的影响及可重复的患者不重叠基准

Anton Ivchenko

机构 * Apple（苹果公司） 纠错

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

AI总结 本文提出CTSCAN基准，通过可重复的患者不重叠评估方法，揭示了训练与测试数据混合导致的性能虚高问题，并展示了去除患者重叠对分割指标的显著影响。

RelativeFlow: Taming Medical Image Denoising Learning with Noisy Reference

RelativeFlow: 通过噪声参考驯服医学图像去噪学习

Yuxin Liu, Yiqing Dong, Wenxue Yu, Zhan Wu, Rongjun Ge, Yang Chen, Yuting He

机构 * School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院，中国） ； Department of Biomedical Engineering, Case Western Reserve University, USA（凯斯西储大学生物医学工程系，美国） ； School of Instrument Science and Engineering, Southeast University, China（东南大学仪器科学与工程学院，中国） ； Department of Optical Sciences, University of Arizona, USA（亚利桑那大学光学科学系，美国） 纠错

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

AI总结 针对医学图像去噪中噪声参考问题，提出RelativeFlow框架，通过分解绝对噪声到清洁映射为相对更噪声到噪声映射，结合一致传输和模拟基速度场提升去噪性能。

Comments Accepted by CVPR 2026

SegMix:Shuffle-based Feedback Learning for Semantic Segmentation of Pathology Images

SegMix：基于洗牌的反馈学习用于病理图像的语义分割

Zhiling Yan, Sicheng Chen, Tianyi Zhang, Nan Ying, Yanli Lei, Guanglei Zhang

机构 * JD AI Research（京东人工智能研究院） ； School of Microelectronics, Xi’an Jiaotong University（西安交通大学微电子学院） ； Beijing Advanced Innovation Center for Biomedical Engineering, School of Biological Science and Medical Engineering, Beihang University（北京生物医学工程先进创新中心，北京航空航天大学生物科学与医学工程学院） 纠错

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

AI总结 本文提出SegMix，一种基于洗牌的反馈学习方法，利用课程学习思想生成高质量伪分割掩码，提升病理图像语义分割性能。

CLIMB: Controllable Longitudinal Brain Image Generation using Mamba-based Latent Diffusion Model and Gaussian-aligned Autoencoder

CLIMB：基于Mamba的潜在扩散模型和高斯对齐自编码器的可控纵向脑图像生成

Duy-Phuong Dao, Muhammad Taqiyuddin, Jahae Kim, Sang-Heon Lee, Hye-Won Jung, Jaehoo Choi, Hyung-Jeong Yang

机构 * Department of Artificial Intelligence Convergence, Chonnam National University（全南国立大学人工智能融合系） ； Department of Nuclear Medicine, Chonnam National University（全南国立大学核医学系） ； University of South Australia（南澳大利亚大学） ； AdelaideMRI（阿德莱德MRI） ； Electronics and Telecommunications Research Institute（电子电信研究所） 纠错

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

AI总结 CLIMB通过基于状态空间的潜在扩散模型和高斯对齐自编码器，实现对脑结构时间演变的可控生成，利用基线MRI扫描及其获取年龄作为基础输入，并结合多种条件变量提升解剖变化的建模能力。

Comments 18 pages, 5 figures, 5 tables

Dental Panoramic Radiograph Analysis Using YOLO26 From Tooth Detection to Disease Diagnosis

使用YOLOv26分析牙科全景放射图像：从牙齿检测到疾病诊断

Khawaja Azfar Asif, Rafaqat Alam Khan

机构 * Department of Software Engineering, Lahore Garrison University, DHA Phase 6, Lahore, Pakistan（软件工程系，拉合尔 Garrison 大学，DHA 第6阶段，拉合尔，巴基斯坦） 纠错

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

AI总结 本文提出利用YOLOv26实现牙科全景放射图像的自动化牙齿检测、FDI编号和疾病分割，通过DENTEX数据集预处理和五种YOLOv26-seg变体训练，验证了模型在牙齿检测和疾病分割中的高效性和准确性。

A method for supervoxel-wise association studies of age and other non-imaging variables from coronary computed tomography angiograms

一种用于从冠状动脉计算机断层扫描血管造影中进行年龄及其他非影像变量的监督超像素关联研究的方法

Johan Öfverstedt, Elin Lundström, Göran Bergström, Joel Kullberg, Håkan Ahlström

机构 * Radiology, Department of Surgical Sciences, Uppsala University（乌普萨拉大学放射科） ； Antaros Medical（Antaros医疗） ； Department of Molecular and Clinical Medicine, Institute of Medicine, Sahlgrenska Academy, University of Gothenburg（哥德堡大学医学院分子与临床医学系） 纠错

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

AI总结 本文提出一种基于监督超像素的分析方法，用于研究冠状动脉CT血管造影中体积和组织密度特征与年龄的关联，发现局部变化并揭示性别差异。

Comments 35 pages

Journal ref Sci Rep 16, 11000 (2026)

SPLIT: Self-supervised Partitioning for Learned Inversion in Nonlinear Tomography

SPLIT：用于非线性断层扫描中学习反演的自监督分区

Markus Haltmeier, Lukas Neumann, Nadja Gruber, Gyeongha Hwang

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

AI总结 本文提出SPLIT框架，通过自监督学习在无地面真值数据的情况下重建非线性断层扫描图像，理论证明其与监督学习在期望上等价，并在多光谱CT中验证了其高重建质量与噪声鲁棒性。

Differential privacy representation geometry for medical image analysis

医疗图像分析中的差分隐私表示几何

Soroosh Tayebi Arasteh, Marziyeh Mohammadi, Sven Nebelung, Daniel Truhn

机构 * Lab for AI in Medicine, RWTH Aachen University, Aachen, Germany（医学人工智能实验室，亚琛RWTH大学，亚琛，德国） ； Department of Diagnostic and Interventional Radiology, University Hospital RWTH Aachen, Aachen, Germany（诊断与介入放射学部门，RWTH亚琛大学医院，亚琛，德国） ； INDA Institute, RWTH Aachen University, Aachen, Germany（INDA研究所，亚琛RWTH大学，亚琛，德国） 纠错

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

AI总结 本文提出DP-RGMI框架，通过分析差分隐私对表示空间的影响，揭示隐私导致的效用损失机制，展示在多个数据集上DP与效用差距的关系及表示几何的变化。

Topology-Driven Fusion of nnU-Net and MedNeXt for Accurate Brain Tumor Segmentation on Sub-Saharan Africa Dataset

拓扑驱动的nnU-Net与MedNeXt融合用于塞内加尔非洲数据集上的准确脑肿瘤分割

Prabin Bohara, Pralhad Kumar Shrestha, Arpan Rai, Usha Poudel Lamgade, Confidence Raymond, Dong Zhang, Aondona Lorumbu, Craig Jones, Mahesh Shakya, Bishesh Khanal, Pratibha Kulung

机构 * Institute of Engineering, Thapathali Campus, Nepal（尼泊尔工程学院，塔帕塔利校区） ； Gandaki College of Engineering and Science, Pokhara University, Pokhara, Nepal（加德基工程与科学学院，博克拉大学，博克拉，尼泊尔） ； Nepal Engineering College, Changunarayan-4, Bhaktapur, Nepal（尼泊尔工程学院，恰纳拉亚纳-4，巴赫塔普尔，尼泊尔） ； Madan Bhandari University of Science and Technology, Chitlang, Nepal（马丹·班达里科学与技术大学，奇塔朗，尼泊尔） ； Montreal Neurological Institute, McGill University, Montreal, QC, Canada（蒙特利尔神经研究所，麦吉尔大学，蒙特利尔，魁北克，加拿大） ； Department of Biomedical Engineering, McGill University（麦吉尔大学生物医学工程系） ； Medical Artificial Intelligence Laboratory (MAI Lab), Lagos, Nigeria（医学人工智能实验室（MAI实验室），拉各斯，尼日利亚） ； Department of Physics, Federal University of Technology, Minna, Nigeria（物理系，联邦技术大学，米纳，尼日利亚） ； Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学） ； Department of Radiology and Radiological Science, Johns Hopkins School of Medicine（放射学与放射科学系，约翰霍普金斯医学院） ； Nepal Applied Mathematics and Informatics Institute for Research (NAAMII), Nepal（尼泊尔应用数学与信息学研究所（NAAMII），尼泊尔） ； Institute of Engineering, Purbanchal Campus, Nepal（尼泊尔工程学院，普尔班恰尔校区） 纠错

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

AI总结 针对低收入国家脑肿瘤分割挑战，本文通过拓扑优化融合nnU-Net与MedNeXt模型，利用预训练数据提升分割精度，降低预测变形误差。

Machine learning approaches to uncover the neural mechanisms of motivated behaviour: from ADHD to individual differences in effort and reward sensitivity

利用机器学习揭示动机行为的神经机制：从ADHD到个体在努力和奖励敏感性中的差异

Nam Trinh

机构 * School of Computing（计算学院） ； Dublin City University（都柏林城市大学） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.LG、q-bio

AI总结 本文通过机器学习方法研究ADHD的神经机制，利用EEG和神经影像技术分析努力和奖励敏感性的个体差异，发现前额-顶叶电路在努力评估和奖励处理中起核心作用。

Comments PhD thesis, Dublin City University, December 2025. 194 pages

Discovery of unobservable parameters via physical embedding

通过物理嵌入发现不可观测参数

Le Cheng, Xiaoran Liu, Lingjin Kong, Haitao Zhao, Jun Xiong, Fanglin Gu, Xiaoying Zhang, Baoquan Ren, Jibo Wei, Hao Yin

专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 eess.SP

AI总结 本文提出PEIL方法，通过物理逆运算和学习估计器，无需真实参数即可重建信号，实现零样本泛化和减少训练数据。

Comments 14 pages, 5 figures

TV-Regularized Frequency-Domain Full-Waveform Inversion for Single-Sided Linear Ultrasound Array Data

基于TV正则化的频域全波形反演用于单侧线性超声阵列数据

Rui Guo, Ditza Auerbach, Yonina C. Eldar

专题命中 医学影像 ：pathology(abstract)；分类 eess.SP

AI总结 本文提出一种适用于单侧线性超声阵列的频域全波形反演方法，通过TV正则化和高效计算技术，实现对组织声速和衰减的定量重建，提升临床应用效果。

Portable Medical Imaging in Modern Healthcare: Fundamentals, AI-Based Taxonomy, Image Quality, and Open Challenges

便携式医疗成像在现代医疗中的应用：基础、基于AI的分类、图像质量与开放挑战

Yassine Habchi, Hamza Kheddar, Muhammad Ali Qureshi, Mohamed Seghier, Azeddine Beghdadi

专题命中 医学影像 ：diagnosis(abstract)；分类 eess.IV

AI总结 本文探讨便携式医疗成像在点即诊断中的应用，分析基于AI的分类方法及其在图像增强、重建和质量评估中的作用，指出图像质量与临床实用性之间的关系，并提出未来研究方向。

Comments Under review