医学 AI

A Proof-of-Concept Study of Multitask Learning for Cranial Synthetic CT Generation Across Heterogeneous MRI Field Strengths

多任务学习在跨异质MRI场强的颅骨合成CT生成中的概念验证研究

Zhuoyao Xin, Yiren Zhang, Christopher Wu, Dong Liu, Chunming Gu, Elena Greco, Erik H. Middlebrooks, Jun Hua, Jia Guo

机构 * F.M. Kirby Research Center for Brain Imaging, Kennedy Krieger Institute（F.M. Kirby脑成像研究中心，Kennedy Krieger研究所） ； Neurosection, Division of MR Research, Russell H. Morgan Department of Radiology and Radiological Science, Johns Hopkins University School of Medicine（神经科，磁共振研究部，约翰·霍普金斯大学医学院放射学与放射科学系） ； Department of Biomedical Engineering, Johns Hopkins University（生物医学工程系，约翰·霍普金斯大学） ； Department of Biomedical Engineering, Case Western Reserve University（生物医学工程系，凯斯西储大学） ； Department of Biomedical Engineering, Columbia University（生物医学工程系，哥伦比亚大学） ； Department of Neuroscience, Columbia University（神经科学系，哥伦比亚大学） ； Department of Radiology, Mayo Clinic（放射科，梅奥诊所） ； Neuroradiology and Neurosurgery, Mayo Clinic College of Medicine and Science（神经放射学与神经外科，梅奥诊所医学院与科学学院） 纠错

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

AI总结 本文提出一种深度学习框架，用于在不同MRI场强和协议下实现稳定的颅骨合成CT生成，通过模块化结构提升鲁棒性，并在多中心数据集上验证了其优于传统方法的性能。

Comments Published in Medical Physics (2026). DOI: 10.1002/mp.70429

Journal ref Medical Physics, 53(5): e70429, 2026

MedGemma 1.5 Technical Report

MedGemma 1.5 技术报告

Andrew Sellergren, Chufan Gao, Fereshteh Mahvar, Timo Kohlberger, Fayaz Jamil, Madeleine Traverse, Alberto Tono, Bashir Sadjad, Lin Yang, Charles Lau, Liron Yatziv, Tiffany Chen, Bram Sterling, Kenneth Philbrick, Richa Tiwari, Yun Liu, Madhuram Jajoo, Chandrashekar Sankarapu, Swapnil Vispute, Harshad Purandare, Abhishek Bijay Mishra, Sam Schmidgall, Tao Tu, Anil Palepu, Chunjong Park, Tim Strother, Rahul Thapa, Yong Cheng, Preeti Singh, Kat Black, Yossi Matias, Katherine Chou, Avinatan Hassidim, Kavi Goel, Joelle Barral, Tris Warkentin, Shravya Shetty, Dale Webster, Sunny Virmani, David F. Steiner, Can Kirmizibayrak, Daniel Golden

机构 * Google Research and Google DeepMind（谷歌研究与谷歌深Mind） 纠错

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；medical AI(abstract)；pathology(abstract)

AI总结 MedGemma 1.5 增强了医学影像处理、解剖定位和多时间点胸部X光分析能力，显著提升了3D MRI和CT分类精度，并在病理图像和临床知识推理中取得突破性进展。

RA-CMF: Region-Adaptive Conditional MeanFlow for CT Image Reconstruction

RA-CMF：基于区域自适应的条件均值流用于CT图像重建

Md Shifatul Ahsan Apurba, Md Selim, Jin Chen

机构 * Biomedical Informatics（生物医学信息学） ； Data Science University of Alabama at Birmingham Birmingham, AL, United States（数据科学，阿拉巴马大学伯明翰分校，伯明翰，AL，美国） ； Computer Science Florida Polytechnic University Lakeland, FL, United States（计算机科学，佛罗里达理工学院，拉凯兰德，FL，美国） 纠错

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

AI总结 本文提出RA-CMF方法，结合条件均值流与强化学习，实现CT图像重建的区域自适应增强，提升肿瘤区域的准确性和图像整体质量。

Interlaced R2D2 DNN Series for Scalable Non-Cartesian MRI with Sensitivity Self-calibration

交错的R2D2 DNN系列用于可扩展的非笛卡尔MRI敏感性自校准

Shijie Chen, Yiwei Chen, Amir Aghabiglou, Motahare Torki, Chao Tang, Ruud B. van Heeswijk, Yves Wiaux

机构 * Institute of Sensors, Signals and Systems, Heriot-Watt University Edinburgh, United Kingdom（传感器、信号与系统研究所，赫里奥特-沃斯大学爱丁堡分校，英国） ； Department of Diagnostic Imaging and Interventional Radiology, Lausanne University and Hospital, Switzerland（诊断影像与介入放射学系，洛桑大学及医院，瑞士） 纠错

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

AI总结 本文提出iR2D2，一种用于加速非笛卡尔k空间MRI图像重建的DNN系列框架，通过自校准敏感性图提升重建性能。

Comments 13 pages, 8 figures

HiFi-Mamba: Dual-Stream W-Laplacian Enhanced Mamba for High-Fidelity MRI Reconstruction

HiFi-Mamba：双流W-拉普拉斯增强Mamba用于高保真MRI重建

Hongli Chen, Pengcheng Fang, Yuxia Chen, Yingxuan Ren, Jing Hao, Fangfang Tang, Xiaohao Cai, Shanshan Shan, Feng Liu

机构 * AAAI Press（AAAI出版社） ； AAAI Publications Committee（AAAI出版委员会） 纠错

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

AI总结 HiFi-Mamba通过双流W-拉普拉斯模块与Mamba结构结合，提升MRI重建的高保真度，优于现有CNN、Transformer及Mamba模型，兼具高效性与准确性。

Phase-map synthesis from magnitude-only MR images using conditional score-based diffusion models with application in training of accelerated MRI reconstruction models

仅使用幅度图像的相位图合成方法及其在加速MRI重建模型训练中的应用

M. Berk Sahin, Dilek Yalcinkaya, Abolfazl Hashemi, Behzad Sharif

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文提出利用条件分数扩散模型合成幅度图像的相位图，从而生成大规模k空间数据集，用于训练更通用的MRI重建模型，提升重建质量与诊断准确性。

Neighbor2Inverse: Self-Supervised Denoising for Low-Dose Region-of-Interest Phase Contrast CT

Neighbor2Inverse: 基于自监督学习的低剂量区域兴趣相位对比CT去噪

Johannes B. Thalhammer, Lorenzo D'Amico, Lucy Costello, Sebastian Peterhansl, Daniel Frey, Tina Dorosti, Florian Schaff, Jannis Ahlers, Ronan Smith, Marcus Kitchen, Franz Pfeiffer, Martin Donnelley, Daniela Pfeiffer, Kaye S. Morgan

机构 * Chair of Biomedical Physics, Department of Physics, School of Natural Sciences, TU Munich（技术物理系主任，物理系，自然科学学院，慕尼黑技术大学） ； Munich Institute of Biomedical Engineering, TU Munich（慕尼黑生物医学工程研究所，慕尼黑技术大学） ； Institute for Diagnostic and Interventional Radiology, TUM Klinikum（诊断与介入放射学研究所，TUM医院） ； Institute for Advanced Study, TU Munich, 85748 Garching, Germany（高级研究研究所，慕尼黑技术大学，德国85748盖ARCHING） ； X-ray Imaging Group, School of Physics and Astronomy, Monash University, Australia（X射线成像组，物理与天文学学院，墨尔本大学，澳大利亚） ； School of Medicine and Robinson Research Institute, Adelaide University, and Respiratory and Sleep Medicine, Women’s and Children’s Hospital, Adelaide, Australia（医学学院和罗宾逊研究所，阿德莱德大学，以及呼吸与睡眠医学，妇女与儿童医院，阿德莱德，澳大利亚） 纠错

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

AI总结 本文提出Neighbor2Inverse框架，通过自监督学习在低剂量PBI-CT中实现有效去噪，保留结构细节，提升对比度和空间分辨率。

GAZE: Grounded Agentic Zero-shot Evaluation with Viewer-Level Tools and Literature Retrieval on Rare Brain MRI

GAZE：基于视图级工具和文献检索的 grounded 零样本评估

Duaa Alim, Mogtaba Alim, Liam Chalcroft

机构 * Imperial College London, UK（伦敦帝国学院） ； University of Toronto, Canada（多伦多大学） ； University College London, UK（伦敦大学学院） 纠错

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

AI总结 GAZE框架通过调用视图级工具和文献检索工具，使医学VLM在迭代方式下工作，实现对罕见脑MRI的零样本评估，提升病变定位和诊断准确率。

Multi-Dataset Cross-Domain Knowledge Distillation for Unified Medical Image Segmentation, Classification, and Detection

多数据集跨领域知识蒸馏用于统一的医学图像分割、分类和检测

Ceausescu Ciprian-Mihai, Anghelina Ion-Marian, Alexe Dumitru-Bogdan

机构 * Faculty of Mathematics and Computer Science, University of Bucharest（布加勒斯特大学数学与计算机科学学院） ； Gheorghe Mihoc-Caius Iacob Institute of Mathematical Statistics and Applied Mathematics of the Romanian Academy（罗马尼亚科学院格奥尔基·米霍茨-凯奥斯·伊阿科夫学院数学统计与应用数学研究所） 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

AI总结 本文提出了一种统一的跨领域迁移学习框架，通过多个异构医学影像数据集的知识提升分割、分类和目标检测性能，采用教师-学生范式，通过多级知识蒸馏训练任务特定的学生模型，扩展支持图像分类和目标检测，实现医学图像分析的多任务统一。

Comments Journal extension from the KES paper

Reconstruction Interval Z-Phase Dependence of AI Detection Sensitivity in CT Lung Nodule Screening

AI检测灵敏度在CT肺结节筛查中重建区间Z相依赖性的重建

Dan Soliman

机构 * GammaMetric Medical Physics, Independent Medical Physics Consultancy（GammaMetric医学物理部，独立医学物理咨询公司） 纠错

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

AI总结 研究探讨了AI检测灵敏度与重建区间内结节位置（Z相）的关系，发现结节直径与重建间隔比影响灵敏度，Z相效应在特定条件下主导检测变异。

A Target-Free Harmonization Method for MRI

无目标谐调方法用于磁共振成像

Minjun Kim, Dong Ju Mun, Hwihun Jeong, Hangyeol Park, Haechang Lee, Se Young Chun, Jongho Lee

机构 * Department of Electrical and Computer Engineering, Seoul National University（首尔国立大学电气与计算机工程系） ； Department of Psychiatry, Brigham and Women's Hospital, Harvard Medical School（精神病学系，布里金医院，哈佛医学院） 纠错

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

AI总结 本文提出TgtFreeHarmony方法，通过生成对抗网络解纠缠生成MRI领域风格的流形，实现无目标域数据的图像谐调，提升下游任务性能，保障数据隐私。

Comments 37 pages, 10 figures

Robustness of Transformer-Based Fluence Map Prediction Under Clinically Realistic Perturbations

基于变换器的荧光图预测在临床真实扰动下的鲁棒性

Ujunwa Mgboh, Rafi Ibn Sultan, Joshua Kim, Kundan Thind, Dongxiao Zhu

机构 * Wayne State University（韦恩州立大学） ； Henry Ford Health（亨利福特健康） 纠错

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

AI总结 研究基于变换器的荧光图预测在临床真实扰动下的鲁棒性，通过对比不同注意力机制的变换器模型，发现分层变换器在能量误差上表现更优，强调了物理指导评估的重要性。

Comments Accepted by The Artificial Intelligence in Medicine (AIME) 2026 Conference

Multi-View Hierarchical Representation Learning of Fetal Hemodynamics for Maternal Hypertension Detection at the Edge

多视角分层表征学习用于胎儿血流动力学的母高血压检测

Alireza Rafiei, Anahí Venzor Strader, Esteban Castro Aragón, Victoriana Rosibely Sut Serech, Enma Carolina Coyote Ixen, Reza Sameni, Peter Rohloff, Gari D. Clifford, Nasim Katebi

机构 * Emory University（埃默里大学） ； Center for Indigenous Health Research（原住民健康研究中心） ； Wuqu’ Kawoq（武克·卡沃克） ； Maya Health Alliance（玛雅健康联盟） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出AutoHyPE模型，通过多视角策略和对比学习提升表征鲁棒性，实现母高血压检测AUROC达0.80，支持利用低成本超声技术进行持续监测。

X-ray dark-field imaging from intensity flow: A Fokker-Planck approach to grating interferometry

X射线暗场成像从强度流：基于Fokker-Planck方法的光栅干涉术

Samantha J. Alloo, Florian Schaff, Regine Gradl, Benedikt Gunther, Franz Pfeiffer, Kaye S. Morgan

专题命中 医学影像 ：diagnosis(abstract)

AI总结 本文提出基于Fokker-Planck方程的新型光栅干涉术暗场成像算法，用于分离传输、相位差和暗场图像，提升图像质量和抗干扰能力。

Comments Supplementary material is available upon request from the corresponding author (samantha.alloo@monash.edu)

Patient-Specific Optimization for Mandibular Reconstruction Planning with Enhanced Bone Union

针对增强骨愈合的颌骨重建计划的患者特异性优化

Hamidreza Aftabi, John E. Lloyd, Amanda Ding, Benedikt Sagl, Eitan Prisman, Antony Hodgson, Sidney Fels

机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Department of Surgery, University of British Columbia, Gordon and Leslie Diamond Health Care Centre（不列颠哥伦比亚大学外科系，戈登和莱斯利钻石医疗中心） ； Center for Clinical Research, University Clinic of Dentistry, Medical University of Vienna（维也纳医科大学牙科学院临床研究中心） ； Department of Mechanical Engineering, University of British Columbia（机械工程系，不列颠哥伦比亚大学） ； Sunnybrook Research Institute, University of Toronto（多伦多大学 Sunnybrook 研究院） 纠错

专题命中 临床大模型 ：CT(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出OsteoOpt++，通过图像到决策的规划循环，优化颌骨重建中的切面和供体位置变量，以促进骨愈合。

Text-Attributed Knowledge Graph Enrichment with Large Language Models for Medical Concept Representation

基于大语言模型的文本属性知识图谱增强用于医学概念表示

Mohsen Nayebi Kerdabadi, Arya Hadizadeh Moghaddam, Chen Chen, Dongjie Wang, Zijun Yao

机构 * University of Kansas, USA（堪萨斯大学） 纠错

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

AI总结 本文提出MedCo框架，通过结合统计关联和LLM提示构建医学知识图谱，并利用LLM生成节点描述和边解释，最终融合文本语义与图结构生成统一的概念嵌入，提升临床预测性能。

Comments This paper has been accepted at ACL 2026 main conference

Sparse Representation Learning for Vessels

稀疏表示学习用于血管

Chinmay Prabhakar, Bastian Wittmann, Paul Büschl, Hongwei Bran Li, Bjoern Menze, Suprosanna Shit

机构 * Department of Quantitative Biomedicine, University of Zurich, Switzerland（苏黎世大学定量生物医学系） ； ETH AI Center, ETH Zurich, Switzerland（苏黎世联邦理工学院人工智能中心） ； Department of Diagnostic Radiology, National University of Singapore, Singapore（新加坡国立大学诊断放射科） 纠错

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

AI总结 本文提出VAEsslSparse模型，通过稀疏卷积和注意力机制实现亚毫米级血管网络的高效表示，提升临床诊断和血管生成的性能。

GFT: From Imitation to Reward Fine-Tuning with Unbiased Group Advantages and Dynamic Coefficient Rectification

GFT：从模仿到奖励微调：无偏组优势与动态系数校正

Wangjie Gan, Miao Pan, Linbo Xi, Wenqi Zhang, Jintao Chen, Jianwei Yin, Xuhong Zhang

机构 * OmniAl Group of ZJU ACES Lab（OMNIAL集团浙江大学ACES实验室） ； School of Software Technolog,Zhejiang University（浙江大学软件技术学院） 纠错

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

AI总结 本文提出GFT框架，通过组优势学习和动态系数校正解决SFT的奖励稀疏性问题，提升模型泛化能力与知识注入效率。

Brain criticality through nonadditive entropic analysis of electroencephalograms

通过非加性熵分析脑电图研究大脑临界性

Henrique Santos Lima, Constantino Tsallis, Dimitri M. Abramov

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文利用非加性熵分析儿童脑电图幅度，发现ADHD患者复杂性更高，揭示了大脑临界行为。

Comments 7 pages and 6 figures

ABox Abduction for Inconsistent Knowledge Bases under Repair Semantics

基于修复语义的一致性知识库中的ABox反向推理

Anselm Haak, Patrick Koopmann, Yasir Mahmood, Anni-Yasmin Turhan

机构 * Knowledge Representation Group, Paderborn University, Germany（帕德博恩大学知识表示组，德国） ； Knowledge in Artificial Intelligence, Vrije Universiteit Amsterdam, The Netherlands（人工智能中的知识，阿姆斯特丹自由大学，荷兰） ； Data Science Group, Paderborn University, Germany（数据科学组，帕德博恩大学，德国） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文研究在存在不一致的知识库下，通过修复语义进行ABox反向推理的问题，探讨了不同描述逻辑下该问题的复杂性及有效假设的指导标准。

FPTC: A Fast Parallel Transform-based Codec for Efficient Asymmetric Signal Compression

FPTC：一种高效的非对称信号压缩编解码器

Ben Mechels, Ryan Billmeyer, Alexander Chen, Shiyang Li, Caiwen Ding

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 FPTC采用轻量级顺序编码器和大规模并行GPU解码器，通过窗口化DCT和混合三区映射实现高效非对称信号压缩，提升压缩比和解压吞吐量。

Comments 12 pages, 14 figures

Dino-NestedUNet: Unlocking Foundation Vision Encoders for Pathology Tumor Bulk Segmentation via Dense Decoding

Dino-NestedUNet：通过密集解码解锁基础视觉编码器用于病理肿瘤肿块分割

Tianyang Wang, Ziyu Su, Abdul Rehman Akbar, Usama Sajjad, Usman Afzaal, Lina Gokhale, Charles Rabolli, Wei Chen, Anil Parwani, Muhammad Khalid Khan Niazi

机构 * Department of Pathology, College of Medicine, The Ohio State University Wexner Medical Center, Columbus, OH, USA（病理学系，医学学院，俄亥俄州立大学韦克斯纳医学中心，哥伦布，OH，USA） ； Department of Biomedical Engineering, The Ohio State University, Columbus, OH, USA（生物医学工程系，俄亥俄州立大学，哥伦布，OH，USA） 纠错

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

AI总结 本文提出Dino-NestedUNet框架，通过预训练DINOv3编码器与密集密集解码器结合，改进病理肿瘤肿块分割的边界精度，实验证明其在跨域迁移中的有效性。

Retrieval-Guided Generation for Safer Histopathology Image Captioning

基于检索的生成用于更安全的病理科图像描述生成

Md. Enamul Hoq, Wataru Uegami, Saghir Alfasly, Ghazal Alabtah, Sahar Rahimi Malakshan, Armita Kazemi, Alex T. Schmitgen, Fred Prior, H. R. Tizhoosh

机构 * Kimia Lab, Department of Artificial Intelligence \& Informatics, Mayo Clinic, Rochester, MN, USA ； Department of Biomedical Informatics, University of Arkansas for Medical Sciences, Little Rock, AR, USA ； Lane Department of Computer Science ； Electrical Engineering, West Virginia University, Morgantown, WV, USA ； Department of Computer Science ； Engineering, Princeton University, Princeton, NJ, USA ； Department of Computer Sciences, University of Wisconsin--Madison, Madison, WI, USA 纠错

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

AI总结 本文提出检索引导生成方法，通过总结相似病例的专家文本生成描述，提升病理图像描述的准确性与可靠性，实验表明其在语义对齐和诊断一致性方面优于现有方法。

Linking spatial biology and clinical histology via Haiku

通过俳句连接空间生物学与临床组织学

Yan Cui, Jacob S. Leiby, Wenhui Lei, Dokyoon Kim, Yanxiang Deng, Aaron T. Mayer, Zhenqin Wu, Alexandro E. Trevino, Zhi Huang

机构 * Department of Pathology and Laboratory Medicine, University of Pennsylvania（宾夕法尼亚大学病理学与实验室医学系） ； Department of Bioengineering, University of Pennsylvania（宾夕法尼亚大学生物工程系） ； Department of Biostatistics, Epidemiology & Informatics, University of Pennsylvania（宾夕法尼亚大学生物统计学、流行病学与信息学系） ； Enable Medicine, Menlo Park, CA, USA（Enable Medicine） 纠错

专题命中 病理影像 ：biomedical(abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 本文提出Haiku模型，整合分子、形态和临床数据，通过三模态对比学习实现跨模态检索，提升分类和预测任务性能，并支持零样本生物标志物推断。

Exploring Prompt Alignment with Clinical Factors in Zero-Shot Segmentation VLMs for NSCLC Tumor Segmentation

探索临床因素在零样本分割VLMs中的提示对齐用于NSCLC肿瘤分割

Suraj Pai, Thibault Heintz, Cosmin Ciausu, Marion Tonneau, Hugo Aerts, Raymond Mak

机构 * Artificial Intelligence in Medicine Program, Mass General Brigham, Harvard Medical School, USA（麻省总医院布里奇沃特医学中心人工智能医学项目，哈佛医学院，美国） 纠错

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

AI总结 研究通过分析VoxTell在NSCLC肿瘤数据集上的提示对齐方向，发现解剖位置主导空间注意力，零样本分割VLMs在NSCLC肿瘤分割中表现优于其他模型。

Value Functions for Temporal Logic: Optimal Policies and Safety Filters

时序逻辑的价值函数：最优策略与安全过滤

Oswin So, William Sharpless, Sylvia Herbert, Chuchu Fan

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of California（加州大学） 纠错

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

AI总结 研究时序逻辑价值函数在无限时间 horizon 下的最优策略与安全过滤机制，通过非马尔可夫策略避免路径病态并证明其鲁棒性。

Validation of Whole-Slide Foundation Models for Image Retrieval in TCGA Data

对TCGA数据中整张滑动图像检索的整张滑动图像基础模型进行验证

Tianhao Lei, Parsa Esmaeilkhani, Saghir Alfasly, Wataru Uegami, Judy C. Boughey, Matthew P. Goetz, Krishna R. Kalari, H. R. Tizhoosh

机构 * KIMIA Lab, Artificial Intelligence and Informatics, Mayo Clinic, Rochester, MN, USA（KIMIA实验室，人工智能与信息学，梅奥诊所，罗切斯特，明尼苏达州，美国） ； Department of Neurology, Northwestern University Feinberg School of Medicine, Chicago, IL, USA（神经病学系，北western大学费因伯格医学院，芝加哥，伊利诺伊州，美国） ； Department of Computer Science, Temple University, Philadelphia, PA, USA（计算机科学系，泰勒大学，费城，宾夕法尼亚州，美国） ； Department of Breast and Melanoma Surgical Oncology, Comprehensive Cancer Center, Mayo Clinic, Rochester, MN, USA（乳腺和黑色素瘤外科肿瘤学系，综合癌症中心，梅奥诊所，罗切斯特，明尼苏达州，美国） ； Department of Oncology, Comprehensive Cancer Center, Mayo Clinic, Rochester, MN, USA（肿瘤学系，综合癌症中心，梅奥诊所，罗切斯特，明尼苏达州，美国） ； Department of Quantitative Health Sciences, Mayo Clinic, Rochester, MN, USA（定量健康科学系，梅奥诊所，罗切斯特，明尼苏达州，美国） 纠错

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

AI总结 本研究验证了TCGA数据中整张滑动图像基础模型的检索性能，发现基于片段和监督聚合的方法在Top-1和Top-3准确率上表现相当，但整体性能受器官和诊断差异影响较大，形态学检索存在固有限制，需进一步改进特征表示和多模态框架。

Semantic Context-aware mOdality fUsion Transformer (SCOUT): A Context-Aware Multimodal Transformer for Concept-Grounded Pathology Report Generation

语义上下文感知的多模态融合变换器（SCOUT）：一种基于概念的多模态变换器，用于病理报告生成

Suryakant Singh, Saarthak Kapse, Joel Saltz, Prateek Prasanna

机构 * Stony Brook University（石桥大学） 纠错

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

AI总结 SCOUT通过整合局部组织学模式、整张滑片上下文和专家编纂的语义描述符，实现病理报告生成的语义上下文感知，提升临床相关性和可解释性。

A Hybrid Retrieval and Reranking Framework for Evidence-Grounded Retrieval-Augmented Generation

一种混合检索与重排序框架用于证据导向的检索增强生成

Fariba Afrin Irany, Sampson Akwafuo

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种混合检索与重排序框架，用于生物医学和医疗相关文档问答中的引用感知RAG，通过亚马逊Bedrock知识库进行文档处理，并通过Cohere重排序提升相关性，最终实现高准确率的证据基础生成。

L-Estimation of Population Quantiles Using Ranked Set Sampling

基于秩集抽样的人口分位数L估计

Mohammad Jafari Jozani, Ehsan Zamanzade, Reza Modarre

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出两种基于秩集抽样的L估计方法，用于估计人口分位数，通过分解秩集设计构造了可扩展的计算方法，并在模拟和实际数据中验证了其效率优势。

Comments 33 pages, 5 figures, 1 table