医学 AI

Latent space projections and atlases: A cautionary tale in deep neuroimaging using autoencoders

潜在空间投影与图谱：自编码器在深度神经影像中的警示故事

J. M. Gorriz, F. Segovia, C. Jimenez, J. E. Arco, F. J. Martinez, J Ramirez, S. Abulikemu, J. Suckling

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 本研究使用卷积自编码器学习3D脑MRI的潜在表示，并提出潜在-区域相关分析（LRCP）框架，通过统计关联和监督可区分性识别编码临床相关信息的脑区。

Comments 36 pages , 24 figures

Journal ref International journal of neural systems 2026

Dipolar order mapping based on spin-lock magnetic resonance imaging

基于自旋锁磁共振成像的偶极序映射

Zijian Gao, Qianxue Shan, Ziqin Zhou, Ziqiang Yu, Weitian Chen

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 本文提出一种基于自旋锁MRI技术的偶极序量化方法，通过引入特定比率RATIO_dosl，实现了对T1D和宏分子池分数的快速同步量化。

Polynomial Dice Loss for Medical Image Segmentation

多项式Dice损失用于医学图像分割

Hiroaki Aizawa

机构 * Graduate School of Advanced Science ； Engineering Hiroshima University Higashi-Hiroshima, Japan 纠错

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

AI总结 提出多项式Dice损失，通过泰勒展开将Dice损失表示为多项式形式，调整高阶分量贡献，以应对数据不平衡和小病灶检测挑战，在多个分割任务中取得竞争性能。

Comments Accepted to ICANN2026

Interpretable Probabilistic Medical Image Segmentation via Gaussian Process with Explicit Modelling of Annotation Bias and Variability

通过显式建模标注偏差和变异性的高斯过程可解释概率医学图像分割

Qi Li, Yuliang Huang, Shaheer U. Saeed, Qianye Yang, Vasilis Stavrinides, Zachary M. C. Baum, Dean C. Barratt, J. Alison Noble, Tom Vercauteren, Yipeng Hu

机构 * University College London（伦敦大学学院） ； Queen Mary University of London（伦敦玛丽女王大学） ； University of Oxford（牛津大学） ； University College London Hospitals NHS Trust（伦敦大学学院医院NHS信托基金会） ； Imperial College Healthcare（帝国理工学院医疗保健） 纠错

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

AI总结 提出基于随机变分高斯过程的logit空间概率分割框架，显式分解为图像相关参考分布和标注者特定扰动，提高不确定性校准并保持分割精度。

Comments Accepted at MICCAI 2026

From Gradient Clipping to Structural Refinement: Improving DPSGD for Medical Image Segmentation

从梯度裁剪到结构细化：改进用于医学图像分割的DPSGD

Shiva Parsarad, Parth Shandilya, Isabel Wagner

机构 * University of Basel（巴塞尔大学） 纠错

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

AI总结 针对医学图像分割中差分隐私带来的效用下降问题，评估了多种DPSGD变体，并提出结合形态学细化的自适应DP-Morph方法，提升多类分割性能。

Confidence-Uncertainty Boundary Calibration for Bayesian Deep Learning in Medical Image Analysis

医学图像分析中贝叶斯深度学习的置信-不确定性边界校准

Hua Xu, Julián D. Arias-Londoño, Juan I. Godino-Llorente

机构 * Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad Politécnica de Madrid（电信工程高级学院马德里理工大学） 纠错

专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG

AI总结 提出基于贝叶斯深度学习的概率优化框架，通过置信-不确定性边界曲线（CUBC）和边界损失（CUB-Loss）校准预测置信与不确定性，并引入双温度缩放（DTS）进行后处理，在肺炎、糖尿病视网膜病变和皮肤病变三个医学图像任务上验证了有效性。

Comments 26 pages, 4 figures

EnTrust: Modeling Inter-Modal Conflict for Trustworthy Multimodal Medical Image Analysis

EnTrust: 建模模态间冲突以实现可信的多模态医学图像分析

Dwarikanath Mahapatra, Abhijit Das, Behzad Bozorgtabar, Zongyuan Ge, Sudipta Roy, Deepak Nayak, Mauricio Reyes, Imran Razzak

机构 * Khalifa University（哈利法大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Aarhus University（奥胡斯大学） ； Monash University（莫纳什大学） ； Jio University（Jio大学） ； NIT Jaipur（斋浦尔国立理工学院） ； University of Bern（伯尔尼大学） ； MedOS 纠错

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

AI总结 提出EnTrust框架，通过解耦模态特征中的共享共识、特定线索和冲突信号，利用扩散模型生成假设并校准像素级不确定性，在多个医学图像分割基准上达到SOTA，校准误差降低40%。

Trustworthy MRI Reconstruction via Bayesian Uncertainty Quantification with Sparsity Prior Models

贝叶斯磁共振联合图像重建与不确定性量化：基于稀疏先验模型和马尔可夫链蒙特卡洛采样

Ahmed Karam Eldaly, Matteo Figini, Daniel C. Alexander

机构 * Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） ； UCL Hawkes Institute, Department of Computer Science, University College London（伦敦大学学院计算机科学系霍克斯研究所） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 提出一种基于压缩感知磁共振图像重建的不确定性量化框架，采用贝叶斯线性逆问题建模，利用稀疏先验（总变分或小波变换）和分裂增广吉布斯采样器进行MCMC采样，在单线圈和多线圈数据集上验证了优于优化方法和深度学习方法的图像重建与不确定性量化性能。

Rethinking the Adaptation of Vision Foundation Models for Efficient Cell Segmentation

重新思考视觉基础模型在高效细胞分割中的适应

Qing Xu, Xiangjian He, Wenting Duan, Jiebo Luo, Zhen Chen

机构 * School of Computer Science, University of Nottingham, UK（英国诺丁汉大学计算机科学学院） ； School of Computer Science, University of Nottingham Ningbo China, China（中国宁波诺丁汉大学计算机科学学院） ； School of Engineering and Physical Science, University of Lincoln, UK（英国林肯大学工程与物理科学学院） ； Department of Computer Science, University of Rochester, USA（美国罗切斯特大学计算机科学系） 纠错

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

AI总结 提出EffiCell-Seg框架，利用冻结的视觉基础模型中的全局显著性和局部形态先验，通过细胞结构提示编码器和协同掩码解码器实现高效细胞分割，仅需约5M可训练参数。

Comments Accepted by MICCAI 2026

MORSE-PI -- Flexible and artefact-free image reconstruction for structural and functional QSM and other phase-critical imaging applications

MORSE-PI -- 用于结构和功能QSM及其他相位关键成像应用的灵活无伪影图像重建

Barbara Dymerska, Oliver Josephs, Benjamin James, Vahid Malekian, Nadine N. Graedel, Martina F. Callaghan

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 提出MORSE-PI方法，通过虚拟参考线圈(VRC)结合噪声协方差矩阵，实现高SNR、无伪影和无奇异点的相位图像重建，适用于单/多回波GRE和EPI采集，在3T和7T下优于现有方法。

Comments 33 pages including supplementary material

Characterization of Numerical Dissipation in Simulations of Magnetohydrodynamic Turbulence

磁流体动力学湍流模拟中数值耗散的表征

Yuyang Hua, Zhonghai Zhao, Bin Qiao

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 提出后验框架直接估计MHD湍流模拟中的数值耗散，揭示其各向异性和谱特性，并给出物理耗散主导的条件。

Comments 32 pages, 12 figures, submitted to ApJS

Existence and Spatial Decay of Forced Waves for the Fisher-KPP Equation with a Degenerate Shifting Environment

具有退化移动环境的Fisher-KPP方程强迫波的存在性与空间衰减

Zhibao Tang, Shi-Liang Wu, Yaping Wu

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究退化移动环境中Fisher-KPP方程强迫波的存在性、多重性和空间衰减，通过ODE渐近分析分类局部正解，得到完整的存在性与衰减结果。

X-ray magnetic circular dichroism and resonant inelastic X-ray scattering explained: role of many-body correlation and valence fluctuations

X射线磁圆二色性和共振非弹性X射线散射解释：多体关联和价态涨落的作用

Beom Hyun Kim, Sang-Jun Lee, H. Huang, D. Lu, S. S. Hong, S. Lee, P. Abbamonte, Y. I. Joe, P. Szypryt, W. B. Doriese, D. S. Swetz, J. N. Ullom, C. -C. Kao, J. -S. Lee, Bongjae Kim

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 利用安德森杂质模型考虑电荷转移、多体核心-价电子交换关联和Jahn-Teller畸变，系统研究了混合价铁磁体La0.7Sr0.3MnO3薄膜的XMCD和RIXS-MCD光谱，揭示了电荷转移和核心-价电子交换关联效应对光谱特征的关键作用。

CLoE: Expert Consistency Learning for Robust Missing Modality Segmentation

CLoE: 面向鲁棒缺失模态分割的专家一致性学习

Xinyu Tong, Meihua Zhou, Bowu Fan, Haitao Li

机构 * University of Chinese Academy Sciences（中国科学院大学） ； School of Medicine, Southeast University（东南大学医学院） ； Zhejiang University（浙江大学） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV、cs.LG

AI总结 提出CLoE框架，通过模态专家一致性和区域专家一致性双重目标，结合可靠性感知门控网络，解决多模态分割中模态缺失导致的专家分歧和不稳定融合问题，在BraTS 2020和MSD Prostate上超越现有方法。

Evaluating self-supervised echocardiographic representations across downstream extraction strategies for left-ventricular segmentation and ejection fraction estimation

评估自监督超声心动图表示在不同下游提取策略下用于左心室分割和射血分数估计的表现

Sylwia Majchrowska, Philip Teare

机构 * organization= Centre for AI, Data Science \& AI, BioPharma R\&D, AstraZeneca , addressline= Biomedical Campus, 1 Francis Crick Ave, Trumpington , city= Cambridge , postcode= CB2 0AA , country= UK 纠错

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

AI总结 本研究系统评估了自监督表示在左心室分割和射血分数估计中的表现，发现下游提取策略（如启发式提取、冻结线性探针、冻结轻量解码器、部分微调）显著影响结论，提出多策略评估是密集医学图像分析中SSL的重要方法论考虑。

$μ$Match: Foundation Models for Semi-supervised Learning and Domain Adaptation in EM

$\mu$Match：电子显微镜中半监督学习和领域适应的基础模型

Marei Freitag, Olesia Korchevaia, Luca Freckmann, Anwai Archit, Constantin Pape

机构 * Life and Medical Sciences Institute (LIMES), University of Bonn, Germany（波恩大学生命与医学科学研究所（LIMES）） ； Institute of Computer Science, Georg-August-University Göttingen, Germany（哥廷根大学计算机科学研究所） 纠错

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

AI总结 提出μMatch框架，利用基础模型（SAM、SAM2、μSAM、DINOv2/v3）和师生方法，在电子显微镜分割任务（线粒体、细胞核、神经突）中实现半监督学习和领域适应，显著减少标注需求。

One Size does not Fit All: Heterogeneous Latent Space Alignment for Unsupervised Domain Adaptation

一种尺寸并不适合所有情况：无监督域适应的异构潜在空间对齐

Evangelia Koskinioti, Yi Shen, Georgios Stamou, Michael M. Zavlanos

机构 * Duke University（杜克大学） ； National Technical University of Athens（雅典国家技术大学） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.LG

AI总结 提出ADualVUOT框架，结合双编码器VAE与连续归一化流增强潜在表达，利用非平衡最优传输（GGW距离）对齐域，并引入对抗增强提升鲁棒性，在医学图像分割中优于现有方法。

SegTME-UNI2: A Foundation Model-Based Framework for Generalisable Multiclass Cell Segmentation and LLM-Driven Tumour Microenvironment Characterisation in Histopathology

SegTME-UNI2: 一种基于基础模型的可泛化多类细胞分割框架及LLM驱动的组织微环境表征在组织病理学中的应用

Wan Siti Halimatul Munirah Wan Ahmad, Faris Syahmi Samidi, Mohammad Badal Ahmmed, Vimal Angela Thiviyanathan, Selvam Thavaraj, Anwar P. P. Abdul Majeed

机构 * Department of Data Science and Artificial Intelligence, School of Computing and Artificial Intelligence, Faculty of Engineering and Technology, Sunway University（双威大学工程与技术学院计算与人工智能学院数据科学与人工智能系） ； Faculty of Dentistry, Universiti Malaya（马来亚大学牙科学院） 纠错

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

AI总结 提出SegTME-UNI2框架，结合UNI2-H病理基础模型与双头UperNet解码器实现六类语义分割和核实例分割，通过三阶段伪标签课程学习解决标注不足问题，并利用LLM生成临床可解释的TME报告。

Neuronal Stochastic Attention Circuit (NSAC) for Probabilistic Representation Learning

神经元随机注意力电路（NSAC）用于概率表示学习

Waleed Razzaq, Yun-Bo Zhao

机构 * Department of Automation, University of Science \& Technology of China, Hefei, China ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 提出一种受生物学启发的连续时间注意力架构NSAC，通过Ornstein-Uhlenbeck随机微分方程和NCP门控机制在logits上诱导高斯分布，实现概率输出与不确定性量化。

Cranio-ID: Graph-Based Craniofacial Identification via Automatic Landmark Annotation in 2D Multi-View X-rays

Cranio-ID：基于图的颅面识别：通过自动标记注释实现2D多视角X光影像

Ravi Shankar Prasad, Nandani Sharma, Dinesh Singh

机构 * Visual Intelligence and Machine Learning (VIML) Group, School of Computing and Electrical Engineering, Indian Institute of Technology Mandi（视觉智能与机器学习（VIML）小组，计算与电子工程学院，印度理工学院曼迪） 纠错

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

AI总结 本文提出Cranio-ID框架，通过自动标注2D颅骨上的关键点，并利用图表示和跨模态匹配提升颅骨到面部的识别可靠性与准确性。

Comments 11 pages, 6 figures

Journal ref IJCNN 2026

Johnson-Lindenstrauss Lemma Guided Network for Efficient 3D Medical Segmentation

Johnson-Lindenstrauss引理引导的高效3D医学分割网络

Jinpeng Lu, Linghan Cai, Yinda Chen, Guo Tang, Songhan Jiang, Haoyuan Shi, Zhiwei Xiong

机构 * University of Science and Technology of China（中国科学技术大学） ； Dresden University of Technology（德累斯顿理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 纠错

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

AI总结 提出VeloxSeg，通过双流CNN-Transformer架构（PWA和JLC）结合格拉姆矩阵空间解耦知识迁移，在低计算预算下实现多模态3D医学图像高效分割，Dice提升26%，GPU吞吐量提升11倍。

Comments 30 pages, 12 figures. Accepted at ICLR 2026

Efficient Quantum Fully Homomorphic Encryption

高效量子全同态加密

Fengxia Liu, Zixian Gong, Kun Tian, Yi Zhang, Zhiming Zheng, Maozhi Xu

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出一种高效量子全同态加密框架，通过整合模运算程序、花园绳模型和测量基量子计算，显著提升效率，减少量子资源需求，支持完全经典客户端，基于经典LWE假设。

Comments 32pages, 2figures

Night-Window Batching versus Carbon-Aware Scheduling for Clinical AI GPU Workloads

夜间批处理与碳感知调度在临床AI GPU工作负载中的比较

Nishi Doshi, Shrey Shah

专题命中 临床大模型 ：clinical AI(title)

AI总结 通过计算机模拟，比较了夜间批处理与碳感知调度规则在混合GPU硬件上处理合成患者型作业时的碳足迹和截止时间遵守情况，发现夜间批处理在减少碳足迹的同时能更好地遵守紧急截止时间。

Comments International Conference on Technological Intelligence and Business Strategies (TIBS 2026)

Efficient Multimodal Clinical Question Answering for Pulmonary Embolism Risk Assessment

用于肺栓塞风险评估的高效多模态临床问答

Xiangyuan Xue, Yang Yu, Yan Gao, Junyan Wang, Bin Chen, Lingyan Ruan, Ting Dang, Hong Jia

机构 * University of Auckland（奥克兰大学） ； University of Cambridge（剑桥大学） ； University of Adelaide（阿德莱德大学） ； University of Melbourne（墨尔本大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；radiology(abstract)

AI总结 本研究构建了基于INSPECT数据集的肺栓塞多模态基准，通过结构化问答任务评估高效多模态大模型在CTPA和EHR输入下的诊断与预后性能，发现Gemma4模型在结合CTPA+EHR时表现更优，且诊断任务优于预后任务。

From Handcrafted Features to Functional Edge Learning: Evolution of EEG Seizure Detection Frameworks

从手工特征到功能边学习：EEG癫痫检测框架的演变

Sepideh Kheirollahi, Mohammad Rasoul Roshanshah

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； College of Engineering, University of Tehran（塔里哈大学工程学院） 纠错

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

AI总结 本文综述了深度学习在EEG癫痫检测中的局限性，并引入KAN网络作为替代方案，通过可学习的边函数提升可解释性、参数效率和数据稀缺下的鲁棒性。

Cohort-Anchored Foundation Models for Electronic Health Records: From Risk Scores to Auditable Peer Cohorts

基于队列锚定的电子健康记录基础模型：从风险评分到可审计的同行队列

Kaiping Zheng

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出CAFM框架，将患者队列作为一等对象融入学习流程，通过四个阶段提升数据质量、组织表示并支持可审计决策，以解决基础模型在临床部署中的可解释性、分布偏移和临床对齐问题。

TTFT-Aware Graph Chain-of-Thought:Distance-Indexed Neural A* for Low-Hallucination Multi-Hop Medical Reasoning

TTFT感知的图链式思维：用于低幻觉多跳医学推理的距离索引神经A*

Bechir Dardouri, Kaïs Zhioua, Yassine Msaddak

机构 * Tanit Healthcare Technologies, Tunisia（突尼斯塔尼特医疗技术公司） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 提出一种生产级GraphRAG框架，通过距离索引的神经A*算法在医学知识图谱中导航，结合PLL精确距离和AStarNet启发式，实现低延迟、低幻觉的多跳推理，并改善首令牌时间。

A Bayesian Finite Mixture Model Approach for Mixed-type Data Clustering and Variable Selection with Censored Biomarkers

一种针对混合类型数据聚类和变量选择的贝叶斯有限混合模型方法：带截断生物标志物

Yueting Wang, Shu Wang, Jonathan G. Yabes, Chung-Chou H. Chang

专题命中 临床大模型 ：biomedical(abstract)

AI总结 本文提出一种贝叶斯有限混合模型方法，用于处理混合类型数据的聚类和变量选择，尤其在处理截断生物标志物方面具有优势，通过模拟研究和实际数据集验证其在复杂生物医学数据中的有效性。

Comments 55 pages (including 17-page Appendices), 8 figures (including 1 figure in Appendix B)

XMDCA-TL: An Explainable Multi-Domain Channel Attention Transfer Learning Framework for Fault Diagnosis in Industrial Gas Turbines

XMDCA-TL：一种可解释的多域通道注意力迁移学习框架用于工业燃气轮机故障诊断

Amir Jahangard Takaloo, Mahdi Aliyari Shoorehdeli, Ehsan Mohammadi

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

AI总结 提出XMDCA-TL框架，通过多域RGB表示、ConvNeXtV2编码器、MDCA机制和自监督混合掩码策略，结合迁移学习实现工业燃气轮机故障诊断，并利用可解释AI分析决策过程。

Evo-RAD: Navigating Rare Retinal Disease Diagnosis via Self-Evolving Agentic Retrieval

Evo-RAD：通过自进化代理检索导航罕见视网膜疾病诊断

Wangding Xia, Ye Du, Jiashi Lin, Meng Wang, Danli Shi, Shujun Wang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Northwestern Polytechnical University（西北工业大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出Evo-RAD框架，将检索增强诊断建模为马尔可夫决策过程，通过图代理动态删除不相关证据、插入病理一致样本或终止进化，利用同质性感知奖励优化，显著提升罕见视网膜疾病诊断性能。

Comments Accepted by MICCAI 2026. 10 pages, 2 figures, 3 tables