arXivDaily arXiv每日学术速递 周一至周五更新

科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

2026-06-08 至 2026-06-08 共收录 34 信号源:cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 医学影像 11 篇

2606.06950 2026-06-08 cs.CV cs.AI 新提交 87%

When is 3D Worth It? A Resource-Performance Frontier for CNNs and Transformers in Lung CT

何时3D值得?肺CT中CNN和Transformer的资源-性能前沿

Md Enamul Hoq, Sharafat Hossain, Imraul Emmaka, Linda Larson-Prior, Lawrence Tarbox, Jonathan Bona, Donald Johann Jr. and Fred Prior

机构 * Department of Biomedical Informatics University of Arkansas for Medical Sciences(生物医学信息学系,美国阿肯色大学医学科学分校) Department of Information Science University of Arkansas at Little Rock(信息科学系,美国阿肯色大学小岩分校) Department of Neuroscience University of Arkansas for Medical Sciences(神经科学系,美国阿肯色大学医学科学分校)

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

AI总结 研究在肺CT中2D、2.5D和3D输入对CNN和Transformer的影响,发现2.5D CNN在判别-稳定性权衡上最优,而3D CNN和Transformer存在不稳定性或退化预测。

Comments 8 pages, 6 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06509 2026-06-08 eess.IV cs.AI cs.LG q-bio.TO 新提交 86%

Which Anatomy Matters Under Limited Labels? A Data-Efficient Anatomy-Aware Benchmark for Cardiac Pathology Prediction

在有限标签下哪些解剖结构重要?用于心脏病理预测的数据高效解剖感知基准

Himanshu Singh

机构 * Himanshu Singh(希曼斯·辛格)

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

AI总结 针对有限标签和计算资源下的医学影像问题,提出解剖感知基准,通过比较不同解剖结构表示和分类器,发现表示质量比模型复杂度更重要。

Comments ACCEPTED at ICML 2026 Workshop GlobalSouthML (Seoul, South Korea; PMLR 306, 2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.17004 2026-06-08 cs.MA cs.AI 版本更新 84%

ReclAIm: A Multi-Agent Framework for Monitoring and Correcting Performance Decline in Medical Imaging AI

ReclAIm:用于监测和纠正医学影像AI性能下降的多智能体框架

Eleftherios Tzanis, Michail E. Klontzas

机构 * Artificial Intelligence and Translational Imaging (ATI) Lab, Department of Radiology, School of Medicine, University of Crete(人工智能与转化成像实验室,放射科,医学院,希腊克里特大学) Computational Biomedicine Laboratory, Institute of Computer Science Foundation for Research and Technology Hellas (ICS - FORTH), Heraklion, Crete, Greece(计算生物医学实验室,希腊基础研究与技术院计算机科学研究所(ICS - FORTH),克里特,希腊) Division of Radiology, Department of Clinical Science, Intervention and Technology (CLINTEC), Karolinska Institute, Huddinge, Sweden(放射科,临床科学、干预与技术部(CLINTEC),卡罗林斯卡研究所,瑞典Huddinge)

专题命中 医学影像 :MRI(abstract,abstract_cn);CT(abstract,abstract_cn);medical image(abstract);radiology(comments)

AI总结 提出基于大语言模型的多智能体框架ReclAIm,通过自然语言交互自动监测医学图像分类模型性能下降并触发微调,采用数据增强、类别不平衡处理和参数锚定正则化策略,在多个数据集上验证了有效性。

Comments Published in Radiology: Artificial Intelligence (https://doi.org/10.1148/ryai.250923)

详情

展开后加载摘要…

URL PDF HTML 收藏
2409.13477 2026-06-08 eess.IV cs.CV physics.med-ph 84%

A Plug-and-Play Method for Guided Multi-contrast MRI Reconstruction based on Content/Style Modeling

基于内容/风格建模的即插即用式引导多对比度MRI重建方法

Chinmay Rao, Matthias van Osch, Nicola Pezzotti, Jeroen de Bresser, Mark van Buchem, Laurens Beljaards, Jakob Meineke, Elwin de Weerdt, Huangling Lu, Mariya Doneva, Marius Staring

机构 * University of Amsterdam(阿姆斯特丹大学) Erasmus University Rotterdam(埃因霍温理工大学) Erasmus University Medical Center(埃因霍温医学院) University of Utrecht(乌得勒支大学)

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

AI总结 提出一种无需k空间训练数据的模块化即插即用方法PnP-CoSMo,通过内容/风格解耦利用参考扫描引导欠采样对比度重建,在公共和内部数据集上达到或超越端到端方法,并实现更高加速比。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.19213 2026-06-08 cs.CV 版本更新 83%

SegMoTE: Token-Level Mixture of Experts for Medical Image Segmentation

SegMoTE: 用于医学图像分割的令牌级混合专家模型

Yujie Lu, Jingwen Li, Sibo Ju, Yanzhou Su, he yao, Yisong Liu, Min Zhu, Junlong Cheng

机构 * Sichuan University(四川大学) Xinjiang University(新疆大学) Fuzhou University(福州大学) Alibaba DAMO Academy(阿里巴巴 DAMO 院)

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

AI总结 提出SegMoTE框架,通过令牌级混合专家机制和渐进式提示令牌化,在极低标注成本下实现医学图像分割的跨模态自适应与SOTA性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.07381 2026-06-08 eess.IV cs.AI cs.CV 新提交 82%

Impact of Synthetic Lesional MR Images in Automated Focal Cortical Dysplasia Detection in Low-Data Scenarios

合成病灶MR图像在低数据场景下自动局灶性皮质发育不良检测中的影响

Prabhjot Kaur, Hakim Ouaalam, Sedat Kandemirli, Sanjay P. Prabhu, Simon K. Warfield

机构 * Computational Radiology Laboratory(计算放射学实验室) Boston Children’s Hospital(波士顿儿童医院) Harvard Medical School(哈佛医学院)

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

AI总结 本研究通过条件生成网络合成FCD病灶MRI数据,评估其真实性及对自动检测的影响,发现合成数据可减少约20%标注需求,但真实数据仍更有效。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.22096 2026-06-08 eess.SY cs.SY 版本更新 80%

Reformulating Energy Storage Capacity Accreditation Problem with Marginal Reliability Impact

以边际可靠性影响重新表述能源存储容量认证问题

Qian Zhang, Feng Zhao, Tongxin Zheng, Le Xie

专题命中 医学影像 :MRI(summary_cn,abstract)

AI总结 本文通过边际可靠性影响(MRI)重新构建能源存储容量认证模型,提出直接计算MRI的方法,并探讨合格容量、存储调度规则等因素对认证的影响,为系统运营商和政策制定者提供实践指导。

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.01362 2026-06-08 cs.LG 版本更新 70%

Directed evolution algorithm drives neural prediction

定向进化算法驱动神经预测

Yanlin Wang, Nancy M Young, Patrick C M Wong

机构 * Brain and Mind institute, The Chinese University of Hong Kong(脑科学与智能技术研究所,香港中文大学) Department of Linguistics and Modern Languages, The Chinese University of Hong Kong(语言学与现代语言系,香港中文大学) Division of Otolaryngology, Ann & Robert H. Lurie Children's Hospital of Chicago(芝加哥安·罗伯特·H·卢里儿童医院耳鼻喉科) Department of Otolaryngology Head & Neck Surgery, Feinberg School of Medicine, Northwestern University(费因伯格医学院耳鼻喉科与头颈外科部,西北大学) Knowles Hearing Center, Department of Communication Sciences and Disorders, Northwestern University(诺里斯听力中心,西北大学沟通科学与障碍系)

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

AI总结 提出定向进化模型(DEM),模拟生物定向进化试错过程,结合回放缓冲和连续反向传播,在跨域神经预测中提升泛化能力并解决标签稀缺问题。

Comments 43 pages, 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06896 2026-06-08 math.OC 新提交 67%

Successive Convexification for Trajectory Optimization with Continuous-time Satisfaction of Signal Temporal Logic Specifications

满足连续时间信号时序逻辑规范的轨迹优化的逐次凸化方法

Samet Uzun, Behçet Açıkmeşe

专题命中 医学影像 :CT(abstract,abstract_cn)

AI总结 提出基于广义均值鲁棒性的逐次凸化框架,将连续时间信号时序逻辑约束转化为可微形式,结合时间缩放、控制参数化、多重打靶离散化和收敛保证的序贯凸规划求解非凸轨迹优化问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06537 2026-06-08 q-bio.QM cs.CV eess.IV 新提交 65%

DSU-Net: An Attention-Enhanced Dense Skip U-Net for Breast Lesion Segmentation in Mammographic Images

DSU-Net:用于乳腺X线图像中乳腺病变分割的注意力增强密集跳跃U-Net

Reza Bozorgpour, Mohammadreza Soltany Sadrabadi

机构 * Department of Biomedical Engineering, University of Wisconsin-Milwaukee(威斯康星大学密尔沃基分校生物医学工程系) Department of Mechanical Engineering, Northern Arizona University(北亚利桑那大学机械工程系)

专题命中 医学影像 :diagnosis(abstract);分类 cs.CV、q-bio、eess.IV

AI总结 提出DSU-Net,通过密集跳跃连接和注意力机制改进特征传播与边界描绘,在CBIS-DDSM数据集上实现高精度乳腺病变分割。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.07342 2026-06-08 cs.CL cs.NE 新提交 50%

LLM-Guided Evolution for Medical Decision Pipelines

LLM引导的医疗决策流程进化

Ivan Sviridov, Artem Oskin, Ivan Panin, Iaroslav Bespalov, Dmitry Dylov, Ivan Oseledets, Aleksandr Nesterov

机构 * Sber AI Lab(Sber AI实验室) AIRI

专题命中 医学影像 :medical image(abstract)

AI总结 提出LLM引导的MAP-Elites进化方法,无需微调即可优化医疗决策流程,在分诊、咨询和图像分类任务中超越手工设计基线。

详情

展开后加载摘要…

URL PDF HTML 收藏

2. 临床大模型 2 篇

2606.07237 2026-06-08 cs.CL cs.AI cs.LG 新提交 57%

When Large Language Models Fail in Healthcare: Evaluating Sensitivity to Prompt Variations

当大型语言模型在医疗保健中失败:评估对提示变化的敏感性

Mahdi Alkaeed

机构 * Department of Computer Science and Engineering, Doha, Qatar(计算机科学与工程系,多哈,卡塔尔)

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

AI总结 本研究系统分析了通用和医学专用LLM对提示扰动的敏感性,发现即使是微小的措辞变化也可能改变临床建议,对抗性提示可能引发有害输出,表明这些模型在临床应用中不可靠。

Comments 12 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06990 2026-06-08 cs.LG 新提交 57%

Accelerating Reproducible Research in Synthetic EHR Generation

加速可复现的合成电子健康记录生成研究

Jalen Jiang, Chufan Gao, Ethan Rasmussen, Stephen Z. Xie, Jimeng Sun

机构 * University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)

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

AI总结 提出一个轻量级端到端基准框架,统一数据加载、标准化训练和架构无关评估,重新实现多种基线模型并添加GPT-2基线,通过隐私-效用评估套件和自助置信区间分析长尾性能问题,推动社区驱动的可复现性。

详情

展开后加载摘要…

URL PDF HTML 收藏

3. 诊断辅助 9 篇

2606.06871 2026-06-08 cs.LG 新提交 74%

Evidence-Grounded Ensemble Diagnosis of 802.11 Packet Captures: A Multi-Stage Pipeline with Deterministic Reliability Scoring

基于证据的802.11数据包捕获集成诊断:具有确定性可靠性评分的多阶段流水线

Jerome Henry, Swadhin Pradhan, Miroslav Popovic

机构 * University of California, Berkeley(加州大学伯克利分校)

专题命中 诊断辅助 :diagnosis(title);分类 cs.LG

AI总结 提出PROBE多阶段流水线,通过确定性证据框架和集成方法解决LLM在802.11诊断中的幻觉、置信度偏差和评估偏见问题,在87个企业Wi-Fi捕获上实现0.957的加权证据F1分数和96%的自动接受率。

Comments 37 pages, 9 figures, 9 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06804 2026-06-08 cs.LG stat.AP 新提交 74%

Interpreting Learning Under Competing Models: Joint and Stepwise Approaches for Dynamic Cognitive Diagnosis

解释竞争模型下的学习:动态认知诊断的联合与逐步方法

Yawen Ma, Sahoko Ishida, Kate Cain, Gabriel Wallin

机构 * School of Mathematical Sciences, Lancaster University(兰卡斯特大学数学科学学院) Department of Computer Science, University of Oxford(牛津大学计算机科学系) Department of Psychology, Lancaster University(兰卡斯特大学心理学系)

专题命中 诊断辅助 :diagnosis(title);分类 cs.LG

AI总结 研究在项目-技能结构未知时,联合估计Q矩阵与学习过程相比先确定Q矩阵再研究学习,如何改变对学习者发展的结论,并通过动态认知诊断模型分析阅读游戏数据,发现联合分析更可靠。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06663 2026-06-08 cs.LG 新提交 57%

Explainable Runtime Dependency Tracking for AI-RAN Conflict Monitoring

面向AI-RAN冲突监控的可解释运行时依赖追踪

Christie Djidjev, Nicholas Kaminski

机构 * Idaho National Laboratory(爱达荷国家实验室)

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

AI总结 针对AI-RAN中参数-KPI依赖关系可能失效的问题,提出基于布尔矩阵的滑动窗口推理方法,通过事件流一致性检测实现轻量级可解释依赖追踪。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.05682 2026-06-08 cs.AI cs.LG 版本更新 57%

Beyond Output Matching: Preserving Internal Geometry in NVFP4 LLM Distillation

超越输出匹配:在NVFP4 LLM蒸馏中保留内部几何结构

Fangbo Tu, Junhua Zhao, Chi Liu, Xin Chen, Haifeng Wu, Jian Wan, Srinivasan Manoharan

机构 * Fangbo Tu(图方波) Junhua Zhao(赵俊华) Chi Liu(刘驰) Xin Chen(陈新) Haifeng Wu(吴海峰) Jian Wan(万健) Srinivasan Manoharan(曼纳哈兰)

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

AI总结 针对NVFP4低精度量化蒸馏中仅输出匹配导致内部表示退化的问题,提出CKA-QAD方法,通过CKA引导的层间Gram矩阵对齐保留内部几何结构,提升推理和编码任务准确率。

Comments 13 pages,1 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.24481 2026-06-08 cs.AI cs.CL cs.LG 版本更新 57%

Multi-Agent Reasoning with Consistency Verification Improves Uncertainty Calibration in Medical MCQA

基于一致性验证的多智能体推理改进医学多项选择题问答中的不确定性校准

John Ray B. Martinez

机构 * Department of Data Science and Analytics(数据科学与分析系)

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

AI总结 提出多智能体框架,结合领域专家智能体与两阶段验证及S分数加权融合,在医学MCQA中显著降低校准误差并提升判别能力。

Comments 20 pages, 6 figures. Preprint under review

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06801 2026-06-08 physics.med-ph 新提交 50%

The First Human-Based In Vitro Flow Loop and Quantification for Fetal Aortic Hemodynamics

首个基于人体胎儿的体外血流回路及胎儿主动脉血流动力学量化

Kamlesh Kumar, Biao Si, Pritom Saha, Shuping Ge, Zhenglun Alan Wei

专题命中 诊断辅助 :diagnosis(abstract)

AI总结 本研究构建首个基于人体胎儿解剖的体外血流回路,通过粒子图像测速技术量化正常与主动脉缩窄条件下的血流动力学,发现三维速度测量对壁面剪切应力评估至关重要,有望提升产前诊断。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06507 2026-06-08 physics.med-ph 新提交 50%

Application of Fractional Polynomial Model Based on Bayesian Criterion in Cerebrovascular Diseases: A Robust Framework for Occlusion Simulation and Topology Reconstruction

基于贝叶斯准则的分数多项式模型在脑血管疾病中的应用:用于闭塞模拟和拓扑重建的稳健框架

Yu Zhong, Luyao Li

专题命中 诊断辅助 :diagnosis(abstract)

AI总结 针对传统多项式拟合在脑血管诊断中的阶数选择、过拟合和振荡问题,提出基于有效阶数和贝叶斯信息准则的分数多项式拟合模型,在379例临床数据中拟合精度、抗噪性和计算效率均优于传统方法,并成功应用于血管缺失段预测。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.08717 2026-06-08 cs.SE cs.AI 版本更新 50%

Debugging the Debuggers: Failure-Anchored Structured Recovery for Software Engineering Agents

调试调试器:面向软件工程智能体的失败锚定结构化恢复

Chenyu Zhao, Shenglin Zhang, Yihang Lin, Wenwei Gu, Zhimin Chen, Yongqian Sun, Dan Pei, Chetan Bansal, Saravan Rajmohan, Minghua Ma

机构 * Nankai University(南开大学) Tsinghua University(清华大学) Microsoft(微软)

专题命中 诊断辅助 :diagnosis(abstract)

AI总结 提出PROBE框架,通过遥测层、诊断层和指导门将运行时证据转化为结构化恢复指导,在代码修复、工作流恢复等场景中诊断准确率65.37%,恢复率21.79%。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.21770 2026-06-08 physics.ao-ph 版本更新 50%

A Generalized Richardson Number Diagnostic for Turbulence in the Free Atmosphere

自由大气中湍流的广义里奇蒙数诊断

Mohamed Foudad, Miguel A. C. Teixeira, Paul D. Williams, Thorsten Kaluza

专题命中 诊断辅助 :diagnosis(abstract)

AI总结 本文提出新的里奇蒙数Ri_new,通过考虑水平和垂直剪切,改进自由大气湍流诊断,实验证明其在多个阈值下表现更优,尤其在水平剪切显著区域。

Comments This article is under review in Journal of the Atmospheric Sciences

详情

展开后加载摘要…

URL PDF HTML 收藏

4. 病理影像 7 篇

2606.06867 2026-06-08 cs.CV 新提交 83%

Multi-FRuGaL: Multimodal Flexible Redundancy-aware Decomposed Gated Learning for Cancer Diagnosis and Prognosis

Multi-FRuGaL:面向癌症诊断与预后的多模态灵活冗余感知分解门控学习

Sanket Kachole, Siddhesh Thakur, Shubham Innani, Sanyukta Adap, Suhang You, Carla Pitarch-Abaigar, Spyridon Bakas

机构 * Division of Computational Pathology, Department of Pathology and Laboratory Medicine, Indiana University School of Medicine(计算病理学部,病理学与实验室医学部,印第安纳大学医学院) IU Melvin and Bren Simon Comprehensive Cancer Center(印第安纳大学Melvin和Bren Simon综合癌症中心) Departments of Biostatistics and Health Data Science(生物统计学与健康数据科学部) Radiology and Imaging Sciences(放射学与影像科学部) Neurological Surgery(神经外科) Indiana University School of Medicine(印第安纳大学医学院) Department of Computer Science, Luddy School of Informatics, Computing, and Engineering(计算机科学部,Luddy信息、计算与工程学院)

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

AI总结 提出Multi-FRuGaL框架,通过分解感知自适应门控中间融合,在缺失模态下学习模态级表示,分离冗余与互补信号,提升癌症诊断与预后性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06983 2026-06-08 eess.IV cs.AI cs.CV 新提交 81%

DaX: Learning General Pathology Representations Across Scales

DaX: 跨尺度的通用病理学表示学习

Bokai Zhao, Yiyang Zhang, Long Bai, Tai Ma, Hanqing Chao, Minfeng Xu

机构 * DAMO Academy, Alibaba Group(达摩院,阿里巴巴集团) Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所) Hupan Lab(虎斑实验室)

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

AI总结 提出病理视觉基础模型DaX,通过改进DINOv3自监督学习,结合连续放大训练、跨尺度组织视图等设计,在44个公开数据集的161项临床任务上取得最佳平均性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06224 2026-06-08 cs.CV cs.LG 版本更新 76%

Symb-xMIL: Symbolic Explanations for Multiple Instance Learning in Digital Pathology

Symb-xMIL: 数字病理学中多实例学习的符号解释

Yanqing Luo, Julius Hense, Niklas Prenißl, Andreas Mock, Klaus-Robert Müller, Thomas Schnake, Mina Jamshidi Idaji

机构 * Berlin Institute for the Foundations of Learning and Data(柏林学习与数据基础研究院) Machine Learning Group, Technische Universität Berlin(柏林技术大学机器学习组) Institute of Pathology, Charité Universitätsmedizin(查理研究所病理学部) Berlin Institute of Health at Charité – Universitätsmedizin Berlin, BIH Biomedical Innovation Academy, BIH Charité Digital Clinician Scientist Program(柏林查理医学研究院健康研究所、BIH生物医学创新学院、BIH查理数字临床科学家项目) Institute of Pathology, Ludwig Maximilian University of Munich(慕尼黑路德维希-马克西米利安大学病理学部) Division of Translational Medical Oncology, DKFZ(转化医学肿瘤学部,德国有机化学研究所) German Cancer Consortium (DKTK), partner site Munich, a partnership between DKFZ and Ludwig-Maximilians-Universität München (LMU)(德国癌症联盟(DKTK),慕尼黑合作伙伴站点,由DKFZ和路德维希-马克西米利安-慕尼黑大学(LMU)组成) Department of Artificial Intelligence, Korea University(韩国大学人工智能系) Max-Planck Institute for Informatics, Saarbrücken, Germany(马克斯·普朗克信息学院,萨尔布吕肯,德国) Department of Chemistry, Chemical Physics Theory Group, University of Toronto(多伦多大学化学系,化学物理理论组) Vector Institute for Artificial Intelligence, Toronto, Canada(多伦多人工智能矢量研究所) Acceleration Consortium, University of Toronto(多伦多大学加速联盟)

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

AI总结 提出Symb-xMIL框架,通过量化模型行为与可读决策规则(逻辑关系)的对齐程度,为多实例学习提供结构化的符号解释,并在合成和真实病理数据上验证其有效性。

Comments 23 pages, 18 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.07036 2026-06-08 cs.CV cs.AI cs.CE cs.LG 新提交 62%

STREAM: Stochastic Riemannian Flow Matching with Anisotropic Decoder for Digital Histopathology Image Generation

STREAM: 用于数字组织病理学图像生成的随机黎曼流匹配与各向异性解码器

Won June Cho, Daeky Jeong, Hyeongyeol Lim, Hongjun Yoon

机构 * DEEPNOID Inc.(DEEPNOID公司)

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

AI总结 提出STREAM框架,利用组织病理学视觉基础模型的patch-token特征作为潜在空间,通过黎曼流匹配生成高质量组织病理学图像,解决条件崩溃问题,并设计各向异性解码器提升生成质量。

Comments 27 pages, 7 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06864 2026-06-08 cs.CV cs.LG 新提交 62%

LRMIL: Efficient Low-Resolution Multiple Instance Learning via High-Resolution Knowledge Distillation for Whole Slide Image Classification

LRMIL: 通过高分辨率知识蒸馏实现全切片图像分类的高效低分辨率多实例学习

Yonghan Shin, Won-Ki Jeong

机构 * Department of Computer Science and Engineering, Korea University, Seoul, Korea(韩国大学计算机科学与工程系)

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

AI总结 提出LRMIL框架,通过两阶段知识蒸馏将高分辨率知识迁移到低分辨率表示,在推理时仅使用低分辨率图像块,显著降低计算成本并提升分类性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.07368 2026-06-08 cs.CV cs.AI 新提交 57%

Mitosis Detection in the Wild: Multi-Tumor and Context-Aware Generalization in the MIDOG 2025 Challenge

野外有丝分裂检测:MIDOG 2025挑战中的多肿瘤与上下文感知泛化

Marc Aubreville, Jonas Ammeling, Sweta Banerjee, Viktoria Weiss, Taryn A. Donovan, Robert Klopfleisch, Jiaqi Lv, Shan E Ahmed Raza, Raphaël Bourgade, Thomas Walter, Yasemin Topuz, Songül Varlı, Charles-Antoine Collins-Fekete, Zhuoyan Shen, Navya Sri Kelam, Nitin Singhal, Christian Marzahl, Brian Napora, Tengyou Xu, Hongyan Gu, Mario Vento, Gennaro Percannella, Norbert Ropiak, Izabela Wasiak, Jie Xiao, Shaojun Liu, Seungho Choe, April Khademi, Vidushi Walia, Sujatha Kotte, Andrew Broad, Alex Wright, Guillaume Balezo, Esha Sadia Nasir, Mostafa Jahanifar, Yosuke Yamagishi, Shouhei Hanaoka, Mattia Sarno, Francesco Tortorella, Biwen Meng, Jingxin Liu, Sara Krauss, Daniel Hieber, Lavish Ramchandani, Dev Kumar Das, Mieko Ochi, Yuan Bae, Piotr Giedziun, Mateusz Maniewski, Vangala Govindakrishnan Saipradeep, Naveen Sivadasan, Leire Benito-Del-Valle, Adrian Galdran, Kaustubh Atey, Sameer Anand Jha, Adinath Dukre, Imran Razzak, Maxime W. Lafarge, Viktor H. Koelzer, Nils Porsche, Nikolas Stathonikos, Mitko Veta, Dominik Hirling, Zsanett Zsófia Iván, Peter Horvath, Katharina Breininger, Christof A. Bertram

机构 * Flensburg University of Applied Sciences(弗劳恩霍夫应用科技大学) Technische Hochschule Ingolstadt(施特拉尔松德应用技术大学) University of Veterinary Medicine(兽医大学) Schwarzman Animal Medical Center(施瓦茨曼动物医学中心) Freie Universität Berlin(柏林自由大学) University of Warwick(沃里克大学) MINES Paris - PSL University(巴黎综合理工学院) Yildiz Technical University(耶利泽技术大学) University College London(伦敦大学学院) AIRA MATRIX Private Limited(AIRA MATRIX 私人有限公司) University of California, Los Angeles(加州大学洛杉矶分校) University of Kansas Medical Center(堪萨斯医学中心) University of Salerno(萨勒诺大学) Cancer Center Sp. z o. o.(癌症中心) th Military Research Hospital in Bydgoszcz(比多日茨军医研究所) Shenzhen Technology University(深圳技术大学) Toronto Metropolitan University(多伦多 Metropolitan 大学) Tata Consultancy Services Ltd.(塔塔咨询有限公司) Leeds Teaching Hospitals NHS Trust(利兹教学医院 NHS信托) The University of Tokyo(东京大学) Xi’an Jiaotong-Liverpool University(西安交通大学-利物浦大学) University of Augsburg(奥格斯堡大学) Ulm University(乌尔姆大学) Japanese Red Cross Medical Center(日本红十字医疗中心) Wroclaw University of Science and Technology(沃拉日市科学与技术大学) TECNALIA, Basque Research and Technology Alliance (BRTA)(TECNALIA,巴斯克研究与技术联盟(BRTA)) Indian Institute of Technology Bombay(孟买印度理工学院) MBZUAI University of Basel(巴塞尔大学) University Medical Center Utrecht(乌得勒支大学医学中心) TU Eindhoven(埃因霍温理工大学) HUN-REN Biological Research Centre(匈牙利-人生物研究中心)

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

AI总结 针对临床实际中组织学多样性的挑战,MIDOG 2025挑战评估了跨12种肿瘤类型和多种扫描平台的算法性能,发现模型在传统热点区域表现可靠,但在困难区域和罕见肿瘤中性能显著下降,集成方法可提升F1分数1.5个百分点。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06048 2026-06-08 cs.CV 版本更新 57%

LLM-Conditioned Synthesis of Pathological Gaits via Structured Gait-Language Representations

基于结构化步态-语言表示的LLM条件病理步态合成

Mritula Chandrasekaran, Sanket Kachole, Jarek Francik, Dimitrios Makris

机构 * University of California, Berkeley(加州大学伯克利分校) Stanford University(斯坦福大学) University of Toronto(多伦多大学) MIT Media Lab(麻省理工学院媒体实验室)

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

AI总结 提出一种多模态LLM引导框架,通过结构化文本描述合成病理步态3D数据,利用运动标记化、病理感知语言条件、LLM语义增强和语言到步态生成,改善下游分类性能。

Comments Accepted at CVPR MOMA Workshop 2026 and selected for spotlight presentation at the workshop

详情

展开后加载摘要…

URL PDF HTML 收藏

5. 医疗多模态 1 篇

2606.06760 2026-06-08 cs.CV 新提交 57%

MedSIGHT: Towards Grounded Visual Comprehension in Medical Large Vision-Language Models

MedSIGHT:迈向医学大型视觉语言模型中的基础视觉理解

Aofei Chang, Le Huang, Alex James Boyd, Parminder Bhatia, Taha Kass-Hout, Fenglong Ma, Cao Xiao

机构 * University of California, Berkeley(加州大学伯克利分校)

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

AI总结 提出MedSIGHT框架,通过区域感知器、医学区域码本和渐进训练策略,统一医学视觉语言模型的语义理解和像素级分割,在72K数据上达到多模态理解与分割的SOTA。

Comments Accepted at ICML 2026

详情

展开后加载摘要…

URL PDF HTML 收藏