医学 AI

Flow Matching for Conditional MRI-CT and CBCT-CT Image Synthesis

基于流匹配的条件MRI-CT和CBCT-CT图像合成

Arnela Hadzic, Simon Johannes Joham, Martin Urschler

机构 * Institute for Medical Informatics, Statistics and Documentation（医学信息学、统计学与文档研究所） 纠错

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

AI总结 本文提出一种全3D流匹配框架，用于生成MRI或CBCT到CT的合成图像，通过轻量3D编码器提取输入特征，并在有限训练分辨率下实现全局结构重建，但细节能效有限。

Comments Published in the Proceedings of the Third Austrian Symposium on AI, Robotics, and Vision (AIRoV 2026)

Cross-Distribution Diffusion Priors-Driven Iterative Reconstruction for Sparse-View CT

跨分布扩散先验驱动的稀疏视图CT迭代重建

Haodong Li, Shuo Han, Haiyang Mao, Yu Shi, Changsheng Fang, Jianjia Zhang, Weiwen Wu, Hengyong Yu

机构 * Department of Electrical and Computer Engineering, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校电子与计算机工程系） ； School of Biomedical Engineering, Sun Yat-Sen University（中山大学生物医学工程学院） 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CDPIR框架，通过整合跨分布扩散先验与模型驱动迭代重建方法，解决稀疏视图CT在分布外场景下的重建问题，提升图像质量与泛化能力。

Comments 17 pages, 15 figures, accepted by IEEE Transactions on Medical Imaging

Journal ref IEEE Transactions on Medical Imaging, 2026 (early access)

Bilevel Optimized Implicit Neural Representation for Scan-Specific Accelerated MRI Reconstruction

双层优化隐式神经表示用于特定扫描的加速MRI重建

Hongze Yu, Jeffrey A. Fessler, Yun Jiang

专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV、eess.SP

AI总结 本文提出了一种双层优化隐式神经表示方法，用于特定扫描的MRI加速重建，通过自动优化超参数实现定制化重建，无需训练数据，提升图像质量。

Comments 10 pages, 8 figures

Journal ref IEEE Trans. Med. Imag., early access, 2026

WFM: 3D Wavelet Flow Matching for Ultrafast Multi-Modal MRI Synthesis

WFM：用于超快速多模态MRI合成的3D小波流匹配

Yalcin Tur, Mihajlo Stojkovic, Ulas Bagci

机构 * Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Machine and Hybrid Intelligence Lab, Feinberg School of Medicine, Northwestern University（北western大学费因伯格医学院机器与混合智能实验室） 纠错

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

AI总结 本文提出WFM方法，通过学习基于小波空间条件均值的直接流，实现高效多模态MRI合成，单模型在BraTS 2024上达到26.8 dB PSNR和0.94 SSIM，速度比扩散模型快250-1000倍。

Comments 17 pages, 4 figures, 3 tables. Accepted at MIDL 2026 (Poster)

Deep Reinforcement Learning for Optimizing Angle Selection and Dose Allocation in CT Reconstruction

深度强化学习用于优化CT重建中的角度选择和剂量分配

Tianyuan Wang, Daniël M. Pelt, Felix Lucka, Tristan van Leeuwen, K. Joost Batenburg

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文提出结合PWLS-PnP重建框架与强化学习策略的深度强化学习方法，用于优化CT重建中的角度选择和剂量分配，提升重建质量和缺陷检测能力。

PanGuide3D: Cohort-Robust Pancreas Tumor Segmentation via Probabilistic Pancreas Conditioning and a Transformer Bottleneck

PanGuide3D：通过概率胰腺条件和一个Transformer瓶颈实现队列鲁棒的胰腺肿瘤分割

Sunny Joy Ma, Xiang Ma

机构 * Trailridge School（Trailridge学校） ； Department of Biochemistry, Grand View University（生物化学系，Grand View大学） ； Department of Computer Science, Iowa State University（计算机科学系，Iowa State大学） 纠错

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

AI总结 本文提出PanGuide3D，通过概率胰腺条件和Transformer瓶颈提升跨队列鲁棒性，实现高效且实用的3D CT肿瘤分割，尤其在小肿瘤和复杂解剖位置表现优异。

DiffNR: Diffusion-Enhanced Neural Representation Optimization for Sparse-View 3D Tomographic Reconstruction

DiffNR: 用于稀疏视图3D断层成像重建的扩散增强神经表示优化

Shiyan Su, Ruyi Zha, Danli Shi, Hongdong Li, Xuelian Cheng

机构 * Monash University（莫纳什大学） ； The Australian National University（澳大利亚国立大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 DiffNR通过引入扩散先验改进神经表示优化，解决稀疏视图下CT成像的严重伪影问题，提升PSNR并保持高效优化。

Comments Accepted to AAAI 2026. Project page: https://ooonesevennn.github.io/DiffNR/

UbiQVision: Quantifying Uncertainty in XAI for Image Recognition

UbiQVision: 对图像识别中XAI不确定性的量化

Akshat Dubey, Aleksandar Anžel, Bahar İlgen, Georges Hattab

机构 * Center for Artificial Intelligence in Public Health Research (ZKI-PH), Robert Koch Institute（公共健康人工智能研究中心（ZKI-PH），罗伯特·科赫研究所） ； Department of Mathematics and Computer Science, Freie Universität Berlin（数学与计算机科学系，柏林自由大学） 纠错

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

AI总结 本文提出UbiQVision框架，通过Dirichlet后验采样和Dempster-Shafer理论量化医疗影像中SHAP解释的不确定性，评估了三种不同数据集上的性能。

Comments Under Review. Updated manuscript. Feedback from reviewers incorporated

Anatomy-Aware Text-Visual Fusion with Dual-Perspective Prompts for Fine-Grained Lumbar Spine Segmentation

具有双视角提示的解剖感知文本-视觉融合用于细粒度腰椎分割

Sheng Lian, Jianlong Cai, Dengfeng Pan, Guang-Yong Chen, Hao Xu, Fan Zhang, Guodong Fan, Shuo Li

机构 * College of Computer and Data Science（计算机与数据科学学院） ； Shandong Technology and Business University（山东科技商务大学） ； Engineering Research Center of Big Data Intelligence (Fuzhou University)（大数据智能工程研究中心（福州大学）） ； The Chinese University of Hong Kong（香港中文大学） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 本文提出ATM-Net框架，通过解剖感知文本引导的多模态融合机制，提升腰椎细粒度分割精度，实验表明其在MRSpineSeg和SPIDER数据集上优于现有方法。

Validating a Deep Learning Algorithm to Identify Patients with Glaucoma using Systemic Electronic Health Records

验证一种深度学习算法以利用系统电子健康记录识别青光眼患者

John Xiang, Rohith Ravindranath, Sophia Y. Wang

机构 * Department of Ophthalmology, Byers Eye Institute, Stanford University（眼科学系，Byers眼科研究所，斯坦福大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究通过验证深度学习模型在系统电子健康记录中识别青光眼患者的能力，发现模型在AUROC和PPV指标上表现良好，且增加可训练层数和数据量可提升性能。

Comments submitted to AMIA Annual Symposium 2026

Serialisation Strategy Matters: How FHIR Data Format Affects LLM Medication Reconciliation

序列化策略至关重要：FHIR数据格式如何影响LLM药物重整

Sanjoy Pator

机构 * Independent Researcher（独立研究者） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 研究探讨FHIR数据序列化对LLM药物重整性能的影响，发现临床叙述格式在小模型中表现更优，而大模型更倾向使用原始JSON，揭示了序列化策略对临床安全审计的重要性。

Comments 14 pages, 7 figures, independent research

Domain-Aware Hierarchical Contrastive Learning for Semi-Supervised Generalization Fault Diagnosis

面向域的层次对比学习用于半监督泛化故障诊断

Junyu Ren, Wensheng Gan, Philip S Yu

机构 * College of Cyber Security, Jinan University（济南大学网络安全学院） ； Department of Computer Science, University of Illinois Chicago（伊利诺伊大学芝加哥分校计算机科学系） 纠错

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

AI总结 本文提出面向域的层次对比学习框架，解决半监督域泛化故障诊断中伪标签偏差和样本利用不均的问题，通过域感知学习和层次对比学习提升监督质量与未标记样本利用。

Comments Preprint

Information Bottleneck-Guided Heterogeneous Graph Learning for Interpretable Neurodevelopmental Disorder Diagnosis

信息瓶颈引导的异构图学习用于可解释性神经发育障碍诊断

Yueyang Li, Lei Chen, Wenhao Dong, Shengyu Gong, Zijian Kang, Boyang Wei, Weiming Zeng, Hongjie Yan, Lingbin Bian, Zhiguo Zhang, Wai Ting Siok, Nizhuan Wang

机构 * Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； Laboratory of Digital Image and Intelligent Computation, Shanghai Maritime University（上海 Maritime 大学数字图像与智能计算实验室） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 本文提出I2B-HGNN框架，结合信息瓶颈原理指导脑连接建模与跨模态特征融合，实现高分类准确率和可解释性生物标志物识别。

Journal ref Neurocomputing, 2026

Improving Clinical Diagnosis with Counterfactual Multi-Agent Reasoning

通过反事实多智能体推理提升临床诊断

Zhiwen You, Xi Chen, Aniket Vashishtha, Simo Du, Gabriel Erion-Barner, Hongyuan Mei, Hao Peng, Yue Guo

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Jacobi Medical Center, Albert Einstein College of Medicine（雅各布医疗中心，阿尔伯特·爱因斯坦学院） ； Department of Emergency Medicine, Beth Israel Deaconess Medical Center（贝斯以色列医疗中心急诊科） ； Leaning machines（Leanings machines） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出一种基于反事实推理的多智能体诊断框架，通过反事实案例编辑和反事实概率差距方法，提升诊断准确性与可解释性，尤其在复杂和模糊病例中表现突出。

AgentDoG: A Diagnostic Guardrail Framework for AI Agent Safety and Security

AgentDoG：一种面向AI代理安全与安全的诊断防护框架

Dongrui Liu, Qihan Ren, Chen Qian, Shuai Shao, Yuejin Xie, Yu Li, Zhonghao Yang, Haoyu Luo, Peng Wang, Qingyu Liu, Binxin Hu, Ling Tang, Jilin Mei, Dadi Guo, Leitao Yuan, Junyao Yang, Guanxu Chen, Qihao Lin, Yi Yu, Bo Zhang, Jiaxuan Guo, Jie Zhang, Wenqi Shao, Huiqi Deng, Zhiheng Xi, Wenjie Wang, Wenxuan Wang, Wen Shen, Zhikai Chen, Haoyu Xie, Jialing Tao, Juntao Dai, Jiaming Ji, Zhongjie Ba, Linfeng Zhang, Yong Liu, Quanshi Zhang, Lei Zhu, Zhihua Wei, Hui Xue, Chaochao Lu, Jing Shao, Xia Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出AgentDoG框架，通过统一的三维分类法和细粒度安全基准，解决AI代理安全与安全中的复杂风险问题，提供细粒度监控和根因诊断，实现有效代理对齐。

Comments 40 pages, 26 figures

M-CARE: Standardized Clinical Case Reporting for AI Model Behavioral Disorders, with a 20-Case Atlas and Experimental Validation

M-CARE：用于AI模型行为障碍的标准化临床案例报告，附20例图谱及实验验证

Jihoon Jeong

机构 * Department of Electrical Engineering and Computer Science, Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆bu科学技术大学电气工程与计算机科学系） ； ModuLabs 纠错

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

AI总结 M-CARE框架通过20例案例分析，提出AI行为障碍的诊断与分类方法，揭示Shell指令对模型行为的主导作用及领域依赖性特征。

Comments 31 pages, 5 figures, 14 tables. Second paper in the Model Medicine series (Paper #1: arXiv:2603.04722)

Beyond the Individual: Virtualizing Multi-Disciplinary Reasoning for Clinical Intake via Collaborative Agents

超越个体：通过协作代理虚拟化多学科推理以实现临床摄入

Huangwei Chen, Wu Li, Junhao Jia, Yining Chen, Xiaotao Pang, YaLong Chen, Gonghui Li, Haishuai Wang, Jiajun Bu, Lei Wu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出Aegle框架，通过图基多代理架构在门诊咨询中实现多学科推理，提升文档质量和诊断准确性。

Comments Accepted to ACL 2026 Findings

Automating Computational Reproducibility in Social Science: Comparing Prompt-Based and Agent-Based Approaches

在社会科学中自动化计算可重复性：比较基于提示和基于代理的方法

Syed Mehtab Hussain Shah, Frank Hopfgartner, Arnim Bleier

机构 * University of Koblenz Koblenz Germany ； University of Koblenz 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究探讨了大型语言模型和AI代理能否自动诊断和修复计算失败，通过可控的可重复性测试平台评估两种方法在不同复杂度下的表现，发现基于代理的方法在可重复性上表现更优。

Comments 12 pages, 5 figures. Submitted to ACM conference

an interpretable vision transformer framework for automated brain tumor classification

一种可解释的视觉变换器框架用于自动脑肿瘤分类

Chinedu Emmanuel Mbonu, Tochukwu Sunday Belonwu, Okwuchukwu Ejike Chukwuogo, Kenechukwu Sylvanus Anigbogu

机构 * Department of Computer Science, Nazarbayev University（纳扎尔巴耶夫大学计算机科学系） ； Department of Computer Science, Nnamdi Azikiwe University（恩内迪·阿齐基韦大学计算机科学系） 纠错

专题命中 病理影像 ：MRI(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV

AI总结 本文提出一种基于视觉变换器的框架，用于自动分类四种脑肿瘤类型，通过预训练和增强技术提升分类准确率与可解释性。

Comments 9 pages, 6 figures

Attention-based multiple instance learning for predominant growth pattern prediction in lung adenocarcinoma wsi using foundation models

基于注意力机制的多实例学习用于肺腺癌全切片中主导生长模式预测

Laura Valeria Perez-Herrera, M. J. Garcia-Gonzalez, Karen Lopez-Linares

机构 * Vicomtech Foundation, Basque Research and Technology Alliance (BRTA)（Vicomtech基金会，巴斯克研究与技术联盟（BRTA）） ； eHealth Group, Bioengineering Area, Biogipuzkoa Health Research Institute（eHealth集团，生物工程领域，Biogipuzkoa健康研究中心） 纠错

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

AI总结 本文提出基于注意力机制的多实例学习框架，利用预训练病理基础模型提取特征，通过全切片级预测减少标注负担，实验显示细调编码器提升性能，与基线方法相比预测更稳健。

Do LLM Decoders Listen Fairly? Benchmarking How Language Model Priors Shape Bias in Speech Recognition

大语言模型解码器是否公平？评估语言模型先验如何塑造语音识别中的偏见

Srishti Ginjala, Eric Fosler-Lussier, Christopher W. Myers, Srinivasan Parthasarathy

机构 * The Ohio State University（俄亥俄州立大学） ； Air Force Research Laboratory（空军研究实验室） 纠错

专题命中 病理影像 ：pathology(abstract)

AI总结 研究评估九种模型在不同人口特征上的语音识别性能，发现LLM解码器在种族偏见上表现更公平，但Whisper在印度口音语音上出现病理学幻觉，且音频压缩对口音公平性影响更大。

Thinking Like a Botanist: Challenging Multimodal Language Models with Intent-Driven Chain-of-Inquiry

像植物学家一样思考：用意图驱动的连续询问挑战多模态语言模型

Syed Nazmus Sakib, Nafiul Haque, Shahrear Bin Amin, Hasan Muhammad Abdullah, Md. Mehedi Hasan, Mohammad Zabed Hossain, Shifat E. Arman

机构 * Department of Robotics and Mechatronics Engineering, University of Dhaka（达卡大学机器人与机电工程系） ； Department of Computer Science and Engineering, University of Dhaka（达卡大学计算机科学与工程系） ； Department of Agronomy, Gazipur Agricultural University（加兹ipur农业大学作物学系） ； Department of Botany, University of Dhaka（达卡大学植物学系） 纠错

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

AI总结 本文提出PlantInquiryVQA基准，通过结构化询问提升植物病害诊断准确性，揭示多步意图驱动的视觉推理方法，改进多模态模型的临床推理能力。

Comments Accepted at ACL 2026 Findings

Biomedical systems biology workflow orchestration and execution with PoSyMed

生物医学系统生物学工作流编排与执行与PoSyMed

Simon Süwer, Zoe Chervontseva, Kester Bagemihl, Jan Baumbach, Olga Tsoy, Andreas Maier

机构 * Institute for Computational Systems Biomedicine, University of Hamburg（计算系统生物医学研究所，汉堡大学） ； Faculty of Science, Computer Science, Vrije Universiteit Amsterdam（科学与计算机科学学院，阿姆斯特丹自由大学） ； Department for Mathematics and Computer Science, University of Southern Denmark（数学与计算机科学系，南丹麦大学） 纠错

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

AI总结 PoSyMed平台通过模块化架构和容器化流程，提升生物医学分析的可重复性与透明度，利用大语言模型辅助工具识别与参数设置。

A Systematic Study of Biomedical Retrieval Pipeline Trade-offs in Performance and Efficiency

生物医学检索流水线性能与效率权衡的系统研究

Hayk Stepanyan, Matthew McDermott

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

AI总结 本文通过实证研究探讨了生物医学检索流水线设计对性能和效率的影响，发现语料聚合优于绝对检索质量，MedRAG/pubmed在图基（HNSW）索引下达到性能效率最优平衡。

Droplet-LNO: Physics-Informed Laplace Neural Operators for Accurate Prediction of Droplet Spreading Dynamics on Complex Surfaces

液滴-LNO：用于复杂表面液滴扩展动力学准确预测的物理信息拉普拉斯神经算子

Ganesh Sahadeo Meshram, Partha Pratim Chakrabarti, Suman Chakraborty

机构 * Department of Mechanical Engineering, IIT Kharagpur（印度克里希纳加尔帕大学机械工程系） ； Department of Computer Science & Engineering, IIT Kharagpur（印度克里希纳加尔帕大学计算机科学与工程系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出PI-LNO，通过拉普拉斯变换建模液滴扩展的指数瞬态动力学，利用物理正则化复合损失提升预测精度。

Comments 36 pages, 8 figures

VARIANT: Web Server for Decoding and Analyzing Viral Mutations at Genome and Protein Levels

VARIANT：用于病毒突变解码和分析的网页服务器

Rui Wang, Xuhang Dai, Xin Cao, Changchuan Yin, Tamar Schlick, Guo-Wei Wei

专题命中 生物医学文本 ：diagnosis(abstract)；分类 q-bio

AI总结 VARIANT通过分析病毒基因组和蛋白质的突变模式，帮助理解病毒进化与疾病传播，支持多种病毒家族的突变分析，并提供实时可视化和结构化结果下载。

Comments 15 pages, 5 figures

Clinical Reasoning AI for Oncology Treatment Planning: A Multi-Specialty Case-Based Evaluation

肿瘤治疗规划的临床推理AI：多专科基于病例的评估

Philippe E. Spiess, Md Muntasir Zitu, Alison Walker, Daniel A. Anaya, Robert M. Wenham, Michael Vogelbaum, Daniel Grass, Ali-Musa Jaffer, Amod Sarnaik, Caitlin McMullen, Christine Sam, John V. Kiluk, Tianshi Liu, Tiago Biachi, Julio Powsang, Jing-Yi Chern, Roger Li, Seth Felder, Samuel Reynolds, Michael Shafique, Alison Sheehan, Ashley Layman, Cydney A. Warfield, Derrick Legoas, Jaclyn Parrinello, Jena Schmitz, Kevin Eaton, Mark Honor, Luis Felipe, Issam ElNaqa, Elier Delgado, Talia Berler, Rachael V. Phillips, Frantz Francisque, Carlos Garcia Fernandez, Gilmer Valdes

机构 * Moffitt Cancer Center and Research Institute（莫菲特癌症中心与研究学院） ； Innova Montréal Inc.（蒙特利尔创新公司） ； Oncobrain, Inc.（Oncobrain公司） ； Advanced Cancer Treatment Centers（先进癌症治疗中心） 纠错

专题命中 医学数据与评测 ：pathology(abstract)；radiology(abstract)；分类 cs.LG

AI总结 本文评估了OncoBrain在多专科病例中的表现，展示了其在肿瘤治疗规划中的准确性、安全性和实用性。