医学 AI

CORTEX: A Structured Reasoning Benchmark for Trustworthy 3D Chest CT MLLMs

CORTEX：用于可信3D胸部CT多模态大语言模型的结构化推理基准

Hashmat Shadab Malik, Anees Ur Rehman Hashmi, Numan Saeed, Muzammal Naseer, Salman Khan, Christoph Lippert

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Hasso Plattner Institute（哈索·普拉特纳研究所） ； Khalifa University（哈利法大学） 纠错

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

AI总结 提出CORTEX基准，通过四阶段诊断推理轨迹和阶段级评估协议，为3D胸部CT多模态大语言模型提供结构化监督与验证，包含76,177个验证推理轨迹。

Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis

解剖引导的残差运动扩散用于可控4D心脏MRI合成

Yiheng Cao, Gustavo Andrade-Miranda, Jiatian Zhang, Lingxiao Zhao, Xin Gao

机构 * Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Science（中国科学院苏州生物医学工程技术研究所） ； Systemes Complexes et Intelligence Artificielle, IMT Mines Ales（复杂系统与人工智能实验室，IMT 阿莱斯矿业学院） ； School of Artificial Intelligence and Advanced Computing, Xi’an Jiaotong-Liverpool University（西交利物浦大学人工智能与先进计算学院） 纠错

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

AI总结 提出一种4D可控生成框架，通过半监督VAE解耦解剖与运动，利用级联潜扩散模型生成时序一致的心脏MRI，在跨厂商数据上提升分割性能。

Rendering Novel Views of MRI Using 3D Gaussian Splatting

使用3D高斯泼溅渲染MRI的新视图

Robin Y. Park, Mark C. Eid, Rhydian Windsor, Amir Jamaludin, Ana I. L. Namburete, João F. Henriques, Andrew Zisserman

机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） ； Oxford Machine Learning in NeuroImaging Lab, University of Oxford（牛津大学神经影像学机器学习实验室） 纠错

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

AI总结 通过3D高斯泼溅从稀疏各向异性MRI重建体积并采样与目标解剖对齐的平面，生成更优的放射学分级视图，相比原始扫描和体素插值方法提高了椎管狭窄分级准确性。

Pseudo-Text-Conditioned 3D Grounding DINO for Organ Localization in Abdominal CT

伪文本条件3D Grounding DINO用于腹部CT器官定位

Siqi Chen, Han Gong, Keyi Hou, Jingxuan Yang, Sheethal Bhat, Andreas Maier

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） 纠错

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

AI总结 提出CT-3GDINO，一种轻量级3D检测器，通过冻结伪文本类令牌替代真实文本编码器，实现腹部CT中五个器官的定位，在193个体积上达到0.5830 mAP。

Comments 24 pages, 17 figures

Modeling Local, Global, and Cross-Modal Context in Multimodal 3D MRI

多模态3D MRI中的局部、全局和跨模态上下文建模

Minh Duc Do, Tillmann Rheude, Noel Kronenberg, Roland Eils, Benjamin Wild

机构 * Berlin Institute of Health at Charité - Universitätsmedizin Berlin（柏林健康研究所，柏林夏里特医学院） ； Health Data Science Unit, Heidelberg University Hospital and BioQuant（海德堡大学医院与BioQuant健康数据科学部） ； Intelligent Medicine Institute, Fudan University（复旦大学智能医学研究所） ； Department of Mathematics and Computer Science, Freie Universität Berlin（柏林自由大学数学与计算机科学系） 纠错

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

AI总结 提出MICViT，一种3D视觉Transformer，通过四种注意力机制显式建模模态内和跨模态的局部与全局交互，在多数据集脑龄预测任务中优于现有方法。

A Latent ODE Approach to Spatiotemporal Modeling of Cine Cardiac MRI

一种用于电影心脏MRI时空建模的潜在ODE方法

David Brüggemann, Ekaterina Krymova, Firat Özdemir, Jochen von Spiczak, Sebastian Kozerke, Samia Mora, Robert Manka, Mathieu Salzmann, Olga V. Demler

机构 * Swiss Data Science Center, EPFL and ETH Zürich（瑞士数据科学中心，EPFL 和 ETH 苏黎世） ； Diagnostic and Interventional Radiology, University Hospital Zürich（诊断与介入放射学，苏黎世大学医院） ； Institute for Biomedical Engineering, University and ETH Zürich（生物医学工程研究所，苏黎世大学和 ETH 苏黎世） ； Biomedical Informatics Group, ETH Zürich（生物医学信息学小组，ETH 苏黎世） ； Division of Preventive Medicine, Brigham and Women’s Hospital / Harvard Medical School（预防医学部，布莱根妇女医院/哈佛医学院） 纠错

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

AI总结 提出一种基于神经ODE的潜在动力学模型，从心脏MRI中编码双心室结构和全周期运动，通过图网格自编码器重建3D+t运动，并利用Cox模型评估偏离预期状态对心衰的预测能力，在UK Biobank数据上优于传统指标。

Enabling self-supervised learned primal dual with Noise2Inverse

利用 Noise2Inverse 实现自监督学习先验-对偶算法

Antti Sällinen, Siiri Rautio, Santeri Kaupinmäki, Andreas Hauptmann

机构 * Research Unit of Mathematical Sciences, University of Oulu, Finland（奥卢大学数学科学研究中心，芬兰） ； Department of Mathematics and Information Science, Josai University, Japan（立命馆大学数学与信息科学系，日本） ； Department of Computer Science, University College London, United Kingdom（伦敦大学学院计算机科学系，英国） 纠错

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

AI总结 提出 Noise2Inverse 学习先验-对偶算法 (N2I-LPD)，利用 CT 扫描角度旋转下不同测量噪声的统计独立性，实现无真实图像的自监督训练，提升低剂量和稀疏角度 CT 重建质量。

LayersReg: A Layer-by-Layer Progressive Regressor for Reliable Intraoperative 3D/2D Registration

LayersReg：一种用于可靠术中3D/2D配准的逐层渐进回归器

Xiyuan Wang, Zhenchao Wang, Xinran Chen, Junkai Liu, Chuan Chen, Feng Yin

机构 * School of Biological Science and Medical Engineering（生物科学与医学工程学院） ； Southeast University（东南大学） ； School of Engineering, College of Engineering and Physical Sciences（工程学院，工程与物理科学学院） ； University of Birmingham（伯明翰大学） ； State Key Laboratory of Digital Medical Engineering（数字医学工程国家重点实验室） 纠错

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

AI总结 提出LayersReg，一种逐层渐进回归范式，通过特征空间搜索像素流趋势迭代收敛到正确空间位姿，在X射线/CT配准和切片定位任务上达到高精度，满足术中实时需求。

Attention-Based Prototype Calibration for Multi-Rater Few-Shot Medical Image Segmentation

基于注意力机制的原型校准用于多评估者少样本医学图像分割

Truong Vu, Minh Khoi Ho, Yutong Xie

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 提出一种注意力原型校准框架，通过建模评估者特异性偏差，在不修改骨干网络的情况下实现个性化分割，有效提升多评估者少样本分割性能。

Comments Accepted to MICCAI 2026. This is the pre-review submitted version, not the camera-ready version. The final authenticated version will be available in the MICCAI 2026 proceedings

MLFFM-SegDiff: A Multi-Level Feature Fusion Diffusion Model for Skin Lesion Segmentation

MLFFM-SegDiff：一种用于皮肤病变分割的多级特征融合扩散模型

Jingjun Gu, Chaojie Shen, Yifeng Cao, Wei Zhang, Yiliu Li, Aobo Fan

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

AI总结 针对皮肤镜图像分割中边界模糊、对比度低等问题，提出基于扩散模型的多级特征融合方法MLFFM-SegDiff，通过双路径U-Net编码器、多级特征融合模块和边界敏感损失函数提升分割精度，在ISIC2018等数据集上优于现有方法。

Tractography-Driven Synthetic Data Generation for Fiber Bundle Segmentation in Tracer Histology

基于纤维束成像的示踪组织学纤维束分割合成数据生成

Kyriaki-Margarita Bintsi, Sparsh Makharia, Yaël Balbastre, Joselyn Romero Avila, Julia F. Lehman, Suzanne N. Haber, Anastasia Yendiki

机构 * Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（马萨诸塞总医院和哈佛医学院 Athinoula A. Martinos 生物医学影像中心） ； Krea University（Krea 大学） ； Department of Experimental Psychology, University College London（伦敦大学学院实验心理学系） ； Universidad Nacional Mayor de San Marcos（国立圣马科斯大学） ； Department of Pharmacology and Physiology, University of Rochester School of Medicine（罗切斯特大学医学院药理学与生理学系） ； McLean Hospital（麦克莱恩医院） 纠错

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

AI总结 提出利用离体dMRI纤维束成像作为生成先验合成2D图像块，结合真实背景和域随机化训练U-Net，实现猕猴示踪组织学中纤维束的自动分割，在减少3倍标注数据下达到与现有方法相当的性能。

Comments MICCAI 2026

Noise-Aware Boundary-Enhanced Generative Learning for Ultrasound Speckle Reduction

噪声感知边界增强的超声散斑减少生成学习

Yuexi Gu, Mengqi Wu, Yongheng Sun, Virginie Papadopoulou, Mingxia Liu, Maureen Kohi

机构 * Department of Radiology and Biomedical Research Imaging Center (BRIC), University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校放射学系与生物医学研究中心） ； Lampe Joint Department of Biomedical Engineering, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校兰普生物医学工程联合系） 纠错

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

AI总结 提出噪声感知边界增强生成学习框架，通过散斑减少与边界增强分支及噪声自适应权重模块，在保留解剖边界的同时适应不同噪声水平，在141个3D超声数据上优于现有方法。

TriPAH: Imbalance-Aware Tri-Prompt Affinity Hashing for Cross-Modal Medical Retrieval

TriPAH：面向跨模态医学检索的不平衡感知三提示亲和哈希

Jiaming Bian, Songming Li, Yurui Song, Yunfei Chen, Yichao Cao, Jun Long

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 提出TriPAH框架，通过本体引导的患者级提示、轻量级提示-令牌混合器及不平衡感知多任务目标，解决跨模态医学哈希检索中的语义碎片、长尾标签和量化脆弱性问题，在三个数据集上超越现有方法。

Comments 10 pages, 3 figures, 4 tables

DynFS-MoE: Dynamic Functional-Structural Mixture-of-Experts for Post-Traumatic Epilepsy Diagnosis

DynFS-MoE: 用于创伤后癫痫诊断的动态功能-结构混合专家模型

Jun-En Ding, Spencer Chen, Henry Noren, Daniel Valdivia, Christine Yohn, Suhina Patel, Taylor Zink, Hai Sun, Feng Liu

机构 * Department of Systems Engineering, Stevens Institute of Technology（史蒂文斯理工学院系统工程系） ； Department of Neurosurgery, Robert Wood Johnson Medical School, Rutgers University（罗格斯大学罗伯特·伍德·约翰逊医学院神经外科） 纠错

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

AI总结 提出动态多模态混合专家框架，通过时间感知功能-结构编码和类别条件专家路由，融合功能与结构MRI，在三个二分类任务中优于静态融合基线，并揭示有意义的ROI交互。

A Multi-Fidelity Convolutional Autoencoder-Transfer Learning Framework for Guided-Wave-Based Damage Diagnosis Using Large Simulated and Limited Experimental Datasets

基于多保真卷积自编码器-迁移学习框架的导波损伤诊断：利用大规模仿真与有限实验数据

Santosh Kapuria, Abhishek

机构 * Indian Institute of Technology Delhi（印度理工学院德里分校） 纠错

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

AI总结 提出多保真迁移学习框架，结合轻量物理仿真、卷积自编码器深度特征学习和少量实验数据，实现板结构损伤定位与尺寸估计，R²分别超0.93和0.99。

Comments 19 pages, 24 figures

Evaluation-Strategy Gap in Fault Diagnosis of Deep Learning Programs

深度学习程序故障诊断中的评估策略差距

Sigma Jahan

机构 * Sigma Jahan（西格玛·贾汗） 纠错

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

AI总结 针对深度学习程序训练故障诊断技术，发现程序内交叉验证与留出完整程序评估间存在0.190的平衡准确率差距，归因于特征的程序级结构，并分析了曲率特征和优化器特征在不同程序上的表现。

Comments Accepted research track paper in the 42nd IEEE International Conference on Software Maintenance and Evolution (ICSME 2026)

Massive boson stars: Waveform-based branch diagnosis with neural reconstruction

大质量玻色子星：基于波形的分支诊断与神经重建

Bo-Xuan Ge

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 通过分支条件神经重建模型比较候选波形假设的重建质量，诊断大质量玻色子星并合结果，证明波形形态编码了并合结局。

Comments 36 pages, 6 figures

Attributed, But Not Incremental: Cannibalization-Corrected Attribution for Large-Scale Advertising

归因但非增量：大规模广告的消除蚕食效应的归因校正

Donghui Li, Bowen Yuan, Zili Yang, Qinxin Chen, Lijing Song

机构 * TikTok 纠错

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

AI总结 针对付费渠道与自然需求重叠导致的归因-蚕食偏差，提出实验校准的归因校正框架，利用增量实验作为因果锚点，将稀疏提升测量转化为每日校正估计，并在结构一致性约束下分配蚕食量，显著降低校准误差，部署后蚕食率降低约15个百分点。

Comments 6 pages, 3 figures. Accepted at ADKDD 2026

CLIR: Liveness-Driven and Structure-Aware Fuzzing for the Cranelift Compiler

CLIR：面向Cranelift编译器的活性驱动与结构感知模糊测试

Shangtong Cao, Tianlei Song, Qiuping Yi, Tianyu Chen, Guoai Xu, Ningyu He, Haoyu Wang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出CLIR差分测试框架，通过语法保持的分层生成保证SSA合法性、活性引导指令精炼最大化计算密度、诊断引导跨架构适配加速根因分析，在72小时内发现24个跨架构bug。

Cascaded Multi-Granularity Pruning for On-Device LLM Inference in Industrial IoT

面向工业物联网设备端大模型推理的级联多粒度剪枝

Jinghan Wang, Yanjun Chen, Wei Zhang, Xiaotong Huang, Tianchen Liu, Gaoliang Peng

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出级联多粒度剪枝框架，通过粗到细顺序移除层、注意力头和前馈通道，并利用轻量级低秩恢复重新估计重要性，在MHA+GELU架构上实现13.8倍压缩和83.82%准确率，在工业物联网设备上降低推理延迟67.2%。

Comments This work has been submitted to the IEEE Internet of Things Journal for possible publication

Computational Analysis of Heart Rate Variability in Healthy Adults

健康成年人心率变异性的计算分析

María J. Lado, Arturo J. Méndez, Leandro Rodriguez-Liñares, Baltasar García Pérez-Schofield, Pedro Cuesta-Morales, Brais Iglesias-Otero, Xose A. Vila

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究通过计算分析40名健康成年人的时域、频域和非线性心率变异性指标，评估其正态性、稳定性、相关性、可重复性和一致性，并筛选出最佳代表指标以提高临床实用性。

Kalman Prototypical Networks for Few-shot Fault Detection in Combined Cycle Gas Turbines

卡尔曼原型网络用于联合循环燃气轮机的小样本故障检测

Mohammed Ayalew Belay, Lucas Ferreira Bernardino, Adil Rasheed, Rubén M. Montañés, Pierluigi Salvo Rossi

机构 * Norwegian University of Science and Technology（挪威科技大学） ； SINTEF Energy Research（挪威能源研究所） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出卡尔曼原型网络（KPN），一种基于度量的少样本学习框架，通过将类原型建模为动态系统中的潜在随机状态，提高联合循环燃气轮机故障检测的准确性和稳定性。

Divergent Recommendations, Convergent Diagnoses: Cross-Provider Failure-Mode Convergence in AI Commercial Recommendation

分化的推荐，趋同的诊断：商业AI推荐中跨提供商的故障模式趋同

Will Jack, Noah Lehman, Keller Maloney, Sarah Xu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究ChatGPT与Claude在品牌推荐中的分歧与故障诊断趋同，发现推荐分歧大但故障诊断一致，尤其对长尾品牌。

Prompt, Plan, Extract: Zero-Shot Agentic LLMs Workflows for Lung Pathology Extraction from Clinical Narratives

提示、规划、提取：用于从临床叙述中提取肺部病理学的零样本智能体LLM工作流

Aman Pathak, Cheng Peng, Mengxian Lyu, Ziyi Chen, Reema Solan, Sankalp Talankar, Yasir Khan, Hiren Mehta, Aokun Chen, Yi Guo, Yonghui Wu

机构 * Department of Health Outcomes and Biomedical Informatics, College of Medicine, University of Florida（健康结果与生物医学信息学系，医学院，佛罗里达大学） ； Division of Pulmonary, Critical Care and Sleep Medicine, Department of Medicine, College of Medicine, University of Florida（呼吸科、重症医学科和睡眠医学科，医学系，医学院，佛罗里达大学） ； College of Nursing, Florida State University（护理学院，佛罗里达州立大学） 纠错

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

AI总结 提出零样本智能体工作流，利用开源大语言模型从肺切除病理报告中提取13个CAP字段，在无训练下达到0.893 Micro-F1，接近监督方法。

Comments 7 pages, 2 figures, 3 tables. Affiliations: (1) Department of Health Outcomes and Biomedical Informatics, College of Medicine, University of Florida, Gainesville, FL, USA (2) Division of Pulmonary, Critical Care and Sleep Medicine, Department of Medicine, College of Medicine, University of Florida, Gainesville, FL, USA (3) College of Nursing, Florida State University, Tallahassee, FL, USA

Reducing Redundancy in Whole-Slide Image Patching for Scalable Indexing and Retrieval

减少全切片图像分块冗余以实现可扩展索引与检索

Jialiang Geng, Ghazal Alabtah, Saghir Alfasly, Wataru Uegami, H. R. Tizhoosh

机构 * KIMIA Lab Dept. of Artificial Intelligence & Informatics（KIMIA实验室 人工智能与信息学系） 纠错

专题命中 病理影像 ：clinical AI(abstract)；pathology(abstract)

AI总结 提出ARReST框架，通过识别并剪除跨类别判别贡献小的对立块，在保持检索精度的同时显著压缩WSI索引存储（3%-60%），实现可扩展、低成本的病理图像检索。

scBench-Long: Verifiable Benchmarking of Long-Horizon Single-Cell Biology

scBench-Long：长周期单细胞生物学的可验证基准测试

Ian Diks, Zhen Yang, Arjun Banerjee, Tim Proctor, Kenny Workman

机构 * LatchBio 纠错

专题命中 病理影像 ：pathology(abstract)；分类 q-bio

AI总结 提出scBench-Long基准，评估AI代理从原始单细胞数据中恢复科学结论的能力，涵盖21项任务，最强模型通过率仅25.4%。

Simulating Eating Disorder Patients with LLMs: Evaluating Psychological Persona Stability in Multi-Turn Conversations

使用LLM模拟饮食障碍患者：评估多轮对话中的心理角色稳定性

Jennifer Haase, Jana Gonnermann-Müller, See Heng Yim, Nicolas Leins, Jan Mendling, Sebastian Pokutta

专题命中 病理影像 ：pathology(abstract)

AI总结 本研究通过饮食障碍案例和双评估框架，发现LLM在模拟患者时过度稳定且不准确，系统性地高估严重程度12-30%，并存在“缺失中间态”问题。

CheXanatomy: Anatomy-Aware Vision-Language Modeling for Chest Radiographs

CheXanatomy: 面向胸部X光片的解剖感知视觉-语言建模

Sergios Gatidis, Curtis Langlotz, Christian Bluethgen

机构 * Stanford Center for Artificial Intelligence in Medicine and Imaging, Stanford University（斯坦福大学医学与影像人工智能中心） ； Department of Radiology, Stanford University（斯坦福大学放射学系） 纠错

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

AI总结 提出CheXanatomy框架，通过自回归令牌空间监督将解剖知识融入预训练视觉-语言模型，实现解剖分割，在合成和真实X光片上性能媲美U-Net，并提升域迁移鲁棒性和样本效率。

Just how sure are you? Improving Verbalized Uncertainty Calibration in Medical VQA

你到底有多确定？改进医学视觉问答中的口头不确定性校准

Eren Senoglu, Federico Toschi, Nicolo Brunello, Andrea Sassella, Mark James Carman

机构 * Politecnico di Milano（米兰理工大学） 纠错

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

AI总结 针对多模态大语言模型在医学VQA中过度自信的问题，提出基于复合损失函数的微调框架，通过校准项、锚定正则化、对比对齐和KL稳定项，将校准误差降低60%以上，判别力提升26%以上。

A Unified Three-Stage Weighting Framework for Causal Inference and Mediation Analysis under Case-Control Sampling

病例对照抽样下因果推断与中介分析的三阶段统一加权框架

Tarikul Islam, Mahbub A. H. M. Latif

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 针对病例对照研究中回顾性抽样导致的人群结局分布扭曲问题，提出三阶段加权框架，结合密度比学习、标签偏移校正和边际结构模型，估计总效应和路径特异性中介效应。

Comments 46 pages, 3 figures