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。
通过文本和语义定义的分割提示灵活控制3D CT生成
机构 * Boston University School of Engineering（波士顿大学工程学院） ； Stanford University（斯坦福大学） ； University of Pittsburgh Medical Center（匹兹堡大学医学中心） ； Boston University School of Medicine（波士顿大学医学院）
专题命中 医学影像 ：CT(title,title_cn)；medical image(abstract)；radiology(abstract)；分类 cs.CV
AI总结 提出一种灵活的多模态框架，通过文本和可选分割提示控制3D CT生成，实现高分辨率、解剖一致且可控的体数据生成。
基于CT的肾脏肿块鲁棒分割：AI框架的验证研究
机构 * Department of Medical Imaging, Radboudumc, Nijmegen, The Netherlands（医学影像部门，Radboudumc，尼姆维根，荷兰） ； Department of Radiology, Charité - Universitätsmedizin Berlin, Berlin, Germany（放射科，Charité - 大学医学中心柏林，柏林，德国） ； Department of Neuroradiology, Charité - Universitätsmedizin Berlin, Berlin, Germany（神经放射科，Charité - 大学医学中心柏林，柏林，德国） ； Department of Diagnostic and Interventional Radiology, Klinikum rechts der Isar, TUM University Hospital, Technical University of Munich, Munich, Germany（诊断和介入放射科，Klinikum rechts der Isar，TUM大学医院，慕尼黑技术大学，慕尼黑，德国） ； Department of Cardiovascular Radiology and Nuclear Medicine, German Heart Center, TUM University Hospital, Technical University of Munich, Munich, Germany（心血管放射学和核医学部，德国心脏中心，TUM大学医院，慕尼黑技术大学，慕尼黑，德国） ； Fraunhofer MEVIS, Bremen, Germany（Fraunhofer MEVIS，不莱梅，德国）
专题命中 医学影像 ：CT(title,title_cn)；medical image(abstract)；biomedical(comments,journal_ref)；分类 cs.CV
AI总结 提出Renal-Net，基于nnU-Net和公开数据训练，在CT图像上实现肾脏肿块分割，验证显示优于现有模型且鲁棒性强。
Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:012. 23 pages, 12 figures
Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)
放射学中比较推理的视觉语言框架
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Radiology, Renmin Hospital of Wuhan University（武汉大学仁民医院放射科） ； Shanghai Sixth People’s Hospital Affiliated to Shanghai Jiao Tong University（上海交通大学附属第六人民医院）
专题命中 医学影像 ：radiology(title)；CT(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 提出一个实体感知的跨图像推理框架，通过构建大规模比较影像数据集MedReCo-DB和开发MedReCo及MedReCo-VLM模型，实现了参考病例检索和时间比较解读，显著提升了放射学比较推理性能。
医学图像分析中的因果迁移
机构 * University of Waterloo（滑铁卢大学）
专题命中 医学影像 ：medical image(title,abstract)；clinical AI(abstract)；分类 cs.CV
AI总结 本文探讨了医学图像分析中因果迁移方法，整合因果推理与跨域表示学习，以解决领域偏移问题，提升临床AI的鲁棒性和泛化能力。
不遗漏任何模态：通过知识蒸馏适应缺失模态的脑肿瘤分割
机构 * Medical Image Analysis（医学影像分析）
专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 cs.CV
AI总结 提出AdaMM框架，利用知识蒸馏和三个协同模块处理多模态MRI中模态缺失问题，在多个数据集上显著提升分割精度和鲁棒性。
Comments 51 pages, 11 figures
MedVision：定量医学图像分析的基准测试
机构 * University of Edinburgh（爱丁堡大学） ； Queen Mary University of London（伦敦大学玛丽女王学院）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 针对当前医学视觉语言模型缺乏定量推理能力的问题，提出MedVision数据集和基准，涵盖22个公共数据集、3080万图像-标注对，通过监督和强化微调显著提升检测、肿瘤/病变大小估计和角度/距离测量性能。
Comments 22 pages, 13 figures, 14 tables
Polaffini: 一种基于特征的鲁棒仿射和多项式仿射图像配准方法
机构 * Hawkes Institute & Department of Computer Science, University College London, London, UK（霍克斯研究所及大学学院伦敦计算机科学系，伦敦，英国） ； Institut Pasteur, Université Paris Cité, Unité de Neuroanatomie Appliquée et Théorique（巴斯德研究所，巴黎城市大学，应用与理论神经解剖学单元） ； AINOSTICS ltd., Manchester, UK（AINOSTICS有限公司，曼彻斯特，英国）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV
AI总结 提出Polaffini框架，利用深度学习分割模型提取解剖对应点，通过闭式解实现全局和局部仿射匹配，生成从仿射到多项式仿射的可调平滑变换，在结构对齐和下游非线性配准初始化上优于传统方法。
Comments associated github repo: https://github.com/CIG-UCL/polaffini
机器学习和深度学习在心理健康障碍早期检测和管理中的进展
机构 * Department of Computer Science and Engineering, Mepco Schlenk Engineering College（梅科斯伦克工程学院计算机科学与工程系） ； Department of Electronics and Communication Engineering, Mepco Schlenk Engineering College（梅科斯伦克工程学院电子与通信工程系） ； School of Electronics Engineering (SENSE), VIT-AP University（VIT-AP大学电子工程学院（SENSE）） ； The Institute for Mental and Physical Health and Clinical Translation (IMPACT), School of Medicine, Deakin University（德金大学医学院心理健康与身体健康及临床转化研究所（IMPACT）） ； Biostatistics Unit, Faculty of Health, Deakin University（德金大学健康学院生物统计学单位） ； School of Medicine, Deakin University（德金大学医学院）
专题命中 医学影像 ：diagnosis(abstract)；分类 cs.LG
AI总结 综述了ML/DL在心理健康障碍早期诊断中的应用，涵盖医学影像、遗传和行为数据，并讨论了数据整合、伦理挑战及未来方向。
Comments 21 pages, 2 figures, 3 tables
基于视觉的草莓采摘机器人早期故障诊断与自恢复
机构 * NERCITA
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 针对草莓采摘机器人视觉感知差、夹爪错位、空抓/误抓和滑落等问题，提出视觉故障诊断与自恢复框架，通过SRR-Net统一感知、相对误差补偿、微光学相机反馈及LSTM滑落预测，实现高精度定位与故障恢复。
Comments Accepted by Artificial Intelligence in Agriculture
面向冷启动认知诊断的统一LLM可适配框架
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 提出LMCD框架，通过知识扩散和语义-认知融合两阶段，利用大语言模型增强冷启动场景下的认知诊断性能。
Comments Under review
脑基础模型嵌入中的批次效应
专题命中 诊断辅助 ：diagnosis(abstract)；biomedical(abstract)；分类 eess.SP
AI总结 研究评估了两个脑影像基础模型在多中心fMRI数据集中的嵌入表现，发现嵌入编码了显著的批次相关变异，并探讨了和谐化对嵌入的影响，揭示了不同模型对区域活动和区域交互的偏好。
SDM-Q: 基于深度Q学习的成本感知分阶段决策用于多组学分类
机构 * College of Computer Science, Sichuan Normal University（四川师范大学计算机学院） ； Department of Mathematics, College of Science and Mathematics, Kennesaw State University（数学系，科学与数学学院，肯纳邦克州立大学） ； Department of Computer Science, College of Computing and Software Engineering, Kennesaw State University（计算机科学系，计算与软件工程学院，肯纳邦克州立大学）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 提出SDM-Q强化学习框架，将多组学诊断建模为有限步序贯决策问题，通过动作价值函数平衡分类正确性与模态获取成本，在四个公共数据集上有效减少冗余模态获取并保持竞争性分类性能。
具有容量控制的全局注意力用于图变换器
机构 * Brain Investing Limited ； The University of Hong Kong（香港大学） ； Stellaris AI Limited
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 本文提出SigGate-GT，通过在图变换器中引入可学习的sigmoid门来缓解全局注意力的保守约束，从而解决过平滑、低秩瓶颈和训练不稳定等问题，提升了多个基准测试的性能。
Comments 13 pages, 2 figures, 15 tables
一体化增强现实引导的头颈部肿瘤切除
机构 * Vanderbilt Institute for Surgery and Engineering（范德比尔特手术与工程研究院） ； Vanderbilt University Medical Center（范德比尔特大学医学院）
专题命中 病理影像 ：pathology(abstract)；分类 cs.CV
AI总结 本文提出了一种整合增强现实技术的系统，用于在手术中精确定位肿瘤边缘，通过HoloLens 2的深度感应和自动标记less表面配准，显著提高了手术精度。
阿尔茨海默病前期阶段的空间导航：综述
专题命中 病理影像 ：pathology(abstract)；分类 q-bio
AI总结 本文综述了阿尔茨海默病前期阶段空间导航的认知功能，探讨其与AD病理标志物如p-tau的相关性，提出空间导航任务作为早期检测高风险个体的敏感方法。
CURE：基于课程引导的多任务训练实现可靠的解剖学接地报告生成
机构 * Pontificia Universidad Católica de Chile（智利天主教大学） ； CENIA ； iHEALTH ； KAUST（科威特皇家科学与技术局）
专题命中 医疗多模态 ：radiology(abstract)；分类 cs.CV、cs.LG
AI总结 提出CURE框架，通过课程学习动态调整多任务训练，提升医学报告生成的视觉接地准确性和事实一致性，无需额外数据。
Comments 31 pages, 7 figures, accepted to CVPR 2026 (oral)
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 36279-36289
基于知识引导扰动的鲁棒生物医学出版物类型与研究设计分类
机构 * School of Information Sciences（信息科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Department of Psychiatry（精神病学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
专题命中 生物医学文本 ：biomedical(title,abstract)
AI总结 本文提出基于受控语义扰动的评估框架，通过实体遮蔽和领域对抗训练提升生物医学出版物类型分类的鲁棒性，发现通过抑制非任务定义特征可缓解鲁棒性与领域准确性之间的权衡。
Comments Accepted by IEEE ICHI 2026
基于条件的推理用于依赖上下文的生物医学问答
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National Institutes of Health（美国国立卫生研究院）
专题命中 生物医学文本 ：biomedical(title,abstract)
AI总结 本文提出CondMedQA基准和Condition-Gated Reasoning框架，通过构建条件感知知识图谱，提升生物医学问答中条件依赖的推理能力。
通过链接文档的替代数据源改变生物医学科学地图中的主题偏见：政策文件、专利、作者、Facebook和Twitter
专题命中 生物医学文本 ：biomedical(title)
AI总结 本文探讨通过不同数据源构建文档网络如何改变科学地图的主题偏见，发现不同数据源影响不同主题，为定制化科学地图提供可能。
Comments modifications from the second round of peer review in metaror, including changing the title
PRAXIS：用于生物学研究的案例提炼与代码验证的AI智能体
专题命中 生物医学文本 ：biomedical(abstract)；分类 q-bio
AI总结 提出PRAXIS框架，通过文献学习和案例提炼将研究经验转化为结构化长期记忆，支持生物计算任务中的问题定义、对象验证、方法选择等，实验表明基于案例的学习提升了复杂生物研究任务的方法选择、错误抑制和工作流组织。
流动链：基于患者特定解剖锚点的ECG条件4D心脏电影生成
机构 * School of Engineering, College of Engineering and Physical Sciences, University of Birmingham（英国伯明翰大学工程学院） ； William Harvey Research Institute, NIHR Barts Biomedical Research Centre, Queen Mary University London（伦敦Queen Mary大学威廉·哈里维研究所） ； Barts Heart Centre, St Bartholomew’s Hospital, Barts Health NHS Trust（巴特勒医院心脏中心，圣巴塞洛缪医院，巴特勒健康 NHS信托） ； Division of Cardiology, Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院心脏病科）
专题命中 健康监测 ：MRI(summary_cn,abstract)；分类 cs.CV
AI总结 提出Chain of Flow (COF)框架，利用患者特定MRI和当前ECG生成4D心脏电影，在UK Biobank上实现高图像保真度和下游功能性能。
Comments 10 pages, 8 figures. Submitted to IEEE Transactions on Medical Imaging (TMI). Code will be released after review
基于标签的跨模态融合用于成人到儿童ECG转移 via 课程门控对比对齐
机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； Nanjing Medical University（南京医科大学） ； Zhengzhou University（郑州大学）
专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG
AI总结 本文提出PEACE框架，通过预训练和适应性融合提升儿童ECG诊断，采用对比学习和课程适应策略，在有限标注下实现高准确率。
超越固定轮次：面向实际联邦学习的无数据早停法
专题命中 医学数据与评测 ：pathology(abstract)；分类 cs.LG
AI总结 提出一种无数据早停框架，通过监控任务向量增长率确定最优停止点，在皮肤病变/血细胞/结肠病理分类任务中达到与基于验证集的早停相当的性能，且仅需少量额外轮次。
Comments Under Review
区分模仿误差与内在运动学习难度
专题命中 医学数据与评测 ：diagnosis(abstract)
AI总结 提出基于物理的扭矩变化分数（TVS），量化运动固有学习难度，用于区分策略缺陷与运动本身难度导致的模仿失败，并支持策略评估、性能分析和数据质量控制。
弱化形式语义下的基准语言理解
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； School of Fundamental Science and Engineering（基础科学与工程学院） ； Waseda University（早稻田大学）
专题命中 医学数据与评测 ：biomedical(abstract)
AI总结 提出可计算表示方法，通过外部知识检索提取可执行代码，在数学推理、多步推理等基准上超越纯文本推理和单次代码执行，提供可扩展、可检查的语义证据。
Comments Accepted to Transactions of the Association for Computational Linguistics (TACL). 29 pages, 5 figures
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