科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
sFRC用于评估医学图像恢复中的幻觉
机构 * U.S. Food and Drug Administration（美国食品药品监督管理局） ； Center for Devices and Radiological Health（设备与放射健康中心）
专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；medical image(title)；分类 cs.CV
AI总结 本文提出sFRC方法用于检测医学图像恢复中的幻觉，通过傅里叶环相关分析和扫描对比检测幻觉特征，验证了其在CT超分辨率、CT稀疏视图和MRI子采样恢复中的有效性。
Comments 16 pages; 14 figures; 1 Supplemental document. TechRxiv Preprints, 2025
通过可控的2D切片导航任务进行3D MRI图像预训练
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 本文提出通过可控2D切片导航任务预训练3D MRI图像，利用动作轨迹控制生成视频动作序列，提升解剖和空间表示学习能力。
Comments 9 pages, 5 figures
通过证据引导的LLM报告过滤从常规临床扫描中获得全身CT衰减和体积图表
机构 * Institute of Radiology, School of Medicine and Health, Technical University of Munich（医学与健康学院放射学研究所，慕尼黑技术大学） ； Institute of Neuroradiology, School of Medicine and Health, Technical University of Munich（医学与健康学院神经放射学研究所，慕尼黑技术大学） ； Munich Data Science Institute (MDSI), Technical University of Munich（慕尼黑数据科学研究所（MDSI），慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), Munich, Germany（慕尼黑机器学习中心（MCML），德国慕尼黑）
专题命中 医学影像 ：CT(title,title_cn)；pathology(abstract)；radiology(abstract)；分类 cs.CV
AI总结 本文提出证据引导的LLM集成方法，通过过滤病理发现，构建病理减少的队列，建立106个解剖结构的全身参考图表，支持标准化定量表型分析和多中心影像研究。
Comments Supplement available at: https://github.com/ai-med/body-charts/blob/main/body_charts_supp.pdf
子流形稀疏卷积网络用于计算机断层扫描中肾脏及肾肿瘤的自动三维分割
机构 * ETH Zürich, Institute for Particle Physics and Astrophysics（苏黎世联邦理工学院，粒子物理与天体物理研究所） ； University of Cambridge, Department of Physics（剑桥大学，物理系） ； University of Cincinnati, Department of Physics（辛辛那提大学，物理系） ； University of Cambridge, Department of Radiology（剑桥大学，放射学系）
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV、cs.LG
AI总结 本文提出基于体素稀疏化和子流形稀疏卷积网络的两阶段3D分割方法，用于提高CT图像中肾脏及肿瘤的分割效率与精度，实验表明其在速度和内存使用上均优于现有方法。
Comments 15 pages, 6 figures
超越持续学习中的遗忘：持续医学图像分割的全面基准研究
机构 * School of Data Science, Fudan University（复旦大学数据科学学院）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 本文针对持续医学图像分割中的三大挑战，提出全面的基准研究，评估了不同方法在泛化性、遗忘抑制、可塑性等方面的表现，发现基于重放的方法在稳定性和可塑性之间取得最佳平衡。
Comments Submitted to a journal
无需提示的高效SAM2适应用于生物医学语义分割的双适配器
机构 * Meijo University（名古屋大学）
专题命中 医学影像 ：biomedical(title,abstract)；分类 cs.CV
AI总结 本文提出一种无需提示的高效SAM2适应框架，通过双适配器策略提升生物医学分割性能，实验表明在多个数据集上准确率提升19.66%，计算成本降低87%。
Comments Accepted by ICIP2026
MedFlowSeg: 基于频率感知注意力的医学图像分割中的流匹配
机构 * School of Engineering, University of Birmingham（伯明翰大学工程学院） ； School of Public Health, Peking University（北京大学公共卫生学院）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 本文提出MedFlowSeg，通过流匹配框架将医学图像分割建模为学习时间依赖的向量场，以更高效地推断并保持生成模型的灵活性。引入双条件机制和频率感知注意力模块，提升结构一致性与边界定义。
弥合视觉显著性与大语言模型以实现医学影像中可解释的深度学习
机构 * Department of Mathematics and Computer science（数学与计算机科学系） ； Institute of Cognitive Science（认知科学研究所） ； Rhodes University（罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS)（理论与计算科学国家研究所）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV、cs.LG
AI总结 本文提出一种多模态可解释框架，通过结合CNN和大语言模型，生成脑肿瘤分类的可操作临床见解，提升深度学习在医学影像中的透明度和临床责任性。
看见不应存在的东西：用于医学图像归因的反事实GANs
机构 * COMSATS University Islamabad（卡姆萨特大学伊斯兰堡）
专题命中 医学影像 ：medical image(title)；分类 cs.CV
AI总结 本文提出基于反事实解释的类导向特征归因方法，通过生成对抗网络和循环一致性损失函数，提升医学图像分析的可解释性，并评估了反事实实例生成方法的有效性。
利用数据驱动方法优化从电阻抗谱进行体内口腔病变分类
专题命中 医学影像 ：pathology(abstract)；diagnosis(abstract)；分类 eess.SP
AI总结 本文提出一种机器学习流程，通过减少数据维度并优化电阻抗特征，提高体内口腔病变分类的准确性，展示了在口腔癌早期诊断中的应用价值。
LiVeAction：一种轻量、多功能且不对称的神经编解码器设计用于实时操作
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 医学影像 ：medical image(abstract)；分类 cs.LG、eess.IV、eess.SP
AI总结 本文提出LiVeAction神经编解码器，通过降低编码器复杂度和替换损失函数，提升率失真性能，适用于低功耗传感器。
Comments DCC 2026
MTL-MAD：多任务学习者在医学异常检测中的有效性
机构 * Rayscape ； University of Bucharest（布加勒斯特大学） ； Polytechnic University of Timişoara（蒂米什瓦拉工业大学） ； Colţea Clinical Hospital（科尔切亚医院） ； Carol Davila University of Medicine and Pharmacy（卡罗尔·迪瓦ila医学院和药理学大学）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV、cs.LG
AI总结 本文提出基于MoE的多任务学习模型，通过自监督和伪标签任务学习，有效检测医学图像中的异常，优于现有方法，并生成可解释的异常图。
ZScribbleSeg: 一种综合分割框架，包含高效标注建模和scribble监督最大化
机构 * School of Data Science, Fudan University, Shanghai, 200433, China（复旦大学数据科学学院） ； Department of Electrical and Computer Engineering, Johns Hopkins University, Baltimore, USA（约翰霍普金斯大学电气与计算机工程系）
专题命中 医学影像 ：medical image(abstract,comments)；分类 cs.CV
AI总结 本文提出ZScribbleSeg框架，通过最大化scribble监督和随机模拟实现高效标注，结合先验知识提升医学图像分割性能，适用于六个任务。
Comments Accepted by Medical Image Analysis
受风险控制的决策策略后处理
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 医学影像 ：diagnosis(abstract)；分类 cs.LG
AI总结 本文研究了在风险约束下如何通过后处理优化决策策略，提出了一种基于阈值结构的后处理方法，能够在保持基线策略一致性的前提下控制风险，实验验证了其在医疗诊断、LLM路由和多类决策任务中的有效性。
通过自回归序列建模处理和解释患者临床轨迹中的缺失模态
机构 * Brown University（布朗大学）
专题命中 临床大模型 ：clinical AI(abstract)；diagnosis(abstract)；分类 cs.LG
AI总结 本文通过自回归序列建模方法处理医疗数据中缺失模态的问题，提出对比预训练目标并验证了其在MIMIC-IV和eICU数据集上的有效性，提升了模型可解释性。
TSGuard：云中AI工作负载的自动化用户导向事件诊断
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 TSGuard通过构建领域知识库和模拟专家诊断，提升云中AI工作负载事件诊断的准确性和效率，验证结果显示其在诊断准确率和验证时间上均优于现有方法。
Comments Camera-ready version for ACM FSE 2026 (PACMSE)
代理记忆内部发生了什么？从涌现到诊断的电路分析
机构 * City University of Hong Kong（香港城市大学） ； University of Toronto（多伦多大学）
专题命中 诊断辅助 ：diagnosis(title)
AI总结 研究揭示了代理记忆中控制与内容电路的因果关系及共享枢纽的机制，开发出76.2%准确率的无监督诊断工具，优于监督基线13分。
SSMamba: 一种用于病理图像分类的自监督混合状态空间模型
机构 * School of Computer Science, Northwest University（西北大学计算机科学学院） ； PuzzleLogic Pte Ltd, Singapore（新加坡PuzzleLogic公司） ； Department of Electrical & Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系） ； School of Computer Science, University of Nottingham Ningbo China（中国诺丁汉大学 Ningbo 分校计算机科学学院）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV；medical image(journal_ref)
AI总结 本文提出SSMamba，一种混合自监督框架，通过MAMIM、DMS和LPR模块解决病理图像分析中的领域偏移、局部-全局关系建模和细粒度敏感性问题，优于现有方法。
Journal ref Medical Image Analysis, Volume 111, June 2026, 104080
基于全国电子健康记录的慢性鼻窦炎预测：使用人口统计学分层模型
机构 * Electrical and Computer Engineering（电气与计算机工程） ； University of Houston（休斯顿大学） ； Otolaryngology（耳鼻喉科） ； Houston Methodist Hospital（休斯顿方法医院） ； Information Science Technology（信息科学与技术）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG、q-bio
AI总结 本文利用全国纵向电子健康记录数据，通过人口统计学分层模型预测慢性鼻窦炎，通过特征选择和分层建模提升预测性能，实现更有效的早期筛查和转诊优先级设定。
Comments Sicong Chang, Yidan Shen are the co-first authors This paper is already accepted to IEEE Engineering in Medicine and Biology Society (EMBC) 2026 conference
Laya: 一种基于联合嵌入预测架构的EEG方法
机构 * Department of Medical Informatics（医学信息学系） ； UCLA（美国加利福尼亚大学洛杉矶分校） ； Department of Cognitive Science（认知科学系） ； UCSD（美国圣地亚哥大学） ； David Geffen School of Medicine（大卫·盖弗医学院） ； Mattel Children’s Hospital（马特尔儿童医院）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG、q-bio
AI总结 本文提出Laya，一种基于LeJEPA的EEG基础模型，通过预测潜在表示而非信号重建，提升EEG表示的语义结构和临床准确性。
对数似然、辛普森悖论与机器生成文本的检测
机构 * Department of Mathematics（数学系） ； University of Manchester（曼彻斯特大学） ； Risk and Security AI Lab（风险与安全AI实验室） ； Visa Inc.（Visa公司）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 本文通过分析对数似然信号在隐藏空间中的非均匀性，提出基于贝叶斯决策理论的局部校准方法，改进文本检测性能，揭示现有检测器的不足并提供可扩展的解决方案。
Comments 10 pages, 3 figures, 2 tables, 11 appendices
在使用因果隐马尔可夫模型开发临床预测模型时纠正异质性诊断偏差
机构 * Division of Informatics, Imaging & Data Sciences, University of Manchester（曼彻斯特大学信息学、影像与数据科学系） ； Department of Statistical Science, UCL（伦敦大学学院统计科学系） ； Division of Population Health, Health Services Research & Primary Care, University of Manchester（曼彻斯特大学人口健康、卫生服务研究与初级保健系）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 本文提出一种方法，通过因果推断框架纠正因诊断延迟差异导致的预测偏差，利用隐马尔可夫模型模拟纵向过程，提升慢性肾病预测模型的校准性。
Comments 4 figures, 2 tables, 4 supplementaries
从盲点到收益：面向大型多模态模型的诊断驱动迭代训练
机构 * Peking University（北京大学） ； Shandong University（山东大学）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV
AI总结 本文提出DPE方法，通过诊断驱动的数据生成和强化学习，实现大型多模态模型的持续改进，实验表明在多个基准测试中取得稳定收益。
BALAR：主动推理的贝叶斯代理循环
机构 * Department of Statistics, Stanford University（统计学系，斯坦福大学） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 BALAR是一种无需微调的任务无关外环算法，通过维护潜在状态的结构信念，选择澄清问题以最大化预期互信息，并动态扩展状态表示，从而在三个基准测试中显著提升性能。
相位偏移远程光体积脉搏描记术用于从面部视频估计心率和血压
机构 * Division of Electronics and Information Engineering, Jeonbuk National University（全南国立大学电子与信息工程系）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV
AI总结 本文提出基于视觉的方法估计心率和血压，采用双阶段深度学习框架，利用相位偏移rPPG信号提升心率和血压估计精度。
Comments 13 pages, 10 figures
Journal ref Measurement 2026
超越准确性：将政策不变性作为LLM安全裁判的可靠性测试
机构 * Nanjing University（南京大学） ； Singapore Management University（新加坡国立管理学院）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出政策不变性作为LLM安全裁判可靠性测试，通过三个可测试原则揭示现有裁判在面对规范性变化和结构性重写时的失效模式，并提出政策不变性分数和裁判卡报告协议以评估裁判可靠性。
Comments 9 pages
从文档到跨度：基于LLM的证据导向ICD编码可扩展监督方法
机构 * School of Biomedical Engineering, Division of Life Sciences and Medicine, USTC（生物医学工程学院，生命科学与医学系，中国科学技术大学） ； MIRACLE Center, Suzhou Institute for Advance Research, USTC（MIRACLE中心，苏州先进研究院，中国科学技术大学） ； Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology（江苏省多模态数字孪生技术重点实验室） ； State Key Laboratory of Precision and Intelligent Chemistry, USTC（精密与智能化学国家重点实验室）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出Span-Centric Learning框架，通过局部跨度学习提升ICD编码能力，以更低成本实现宏F1提升8.2点，并提供明确证据支持预测代码。
用户何时应检查？在多步骤代理AI任务中建模确认频率
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出了一种基于时间调度的模型，用于确定多步骤AI任务中最佳的确认点位置，通过实验发现用户更倾向于中间确认而非终点确认，从而减少任务完成时间。
Comments Accepted by Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13--17, 2026, Barcelona, Spain
PRIMETIME：LLMs在时间原语中的极限
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出PRIMETIME合成生成器，用于评估大语言模型中时间推理基础操作（解析和日期时间算术）的分解性。研究发现各原语可靠性各异，且通过生成器可生成训练数据提升事件规划任务性能。
HyperLens: 通过细粒度置信轨迹量化大语言模型中的认知努力
机构 * IIIS, Tsinghua University（清华大学信息学院） ； Shanghai Qi Zhi Institute（上海启智研究院）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 HyperLens通过分析大语言模型推理过程中的置信轨迹，量化认知努力，揭示复杂任务对更高认知努力的需求，并诊断监督微调对领域任务性能的影响。
Comments 33 pages
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈