医学 AI

Automated brain tumor detection in MRI images using CNN and ResNet architectures

使用CNN和ResNet架构的MRI图像脑肿瘤自动检测

Annapurna V K, Asha N, K Paramesha, Shabana Sultana, Kirankumar Humse

机构 * Department of Computer Science and Engineering, The National Institute of Engineering, Mysuru, Karnataka, India（计算机科学与工程系，国家工程学院，mysuru，卡纳塔克邦，印度） ； Department of MCA, The National Institute of Engineering, Mysuru, Karnataka, India（MCA系，国家工程学院，mysuru，卡纳塔克邦，印度） ； Department of Computer Science and Engineering, Vidyavardhaka College of Engineering, Mysuru, Karnataka, India（计算机科学与工程系，维迪瓦尔达卡学院，mysuru，卡纳塔克邦，印度） ； Department of ECE, Vidyavardhaka College of Engineering, Mysuru, Karnataka, India（电子工程系，维迪瓦尔达卡学院，mysuru，卡纳塔克邦，印度） 纠错

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

AI总结 提出基于CNN和ResNet的深度学习框架，利用迁移学习对MRI图像进行脑肿瘤分类，ResNet18在有限数据上达到97%准确率，优于ResNet50。

Compression-Driven Anomaly Detection in Brain MRI Using an Interpretable Quantum Autoencoder

基于可解释量子自编码器的脑MRI压缩驱动异常检测

Santanu Ganguly, Xing Liang, Dimitrios Makris

机构 * Kingston University（金史密斯大学） ； Quantum AI (QAI) Research Group（量子人工智能研究组） ； School of Computer Science and Mathematics (CSM)（计算机科学与数学学院） ； Faculty of Engineering, Computing and the Environment (ECE)（工程、计算与环境学院） 纠错

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

AI总结 提出一种量子自编码器（QAE），利用角度编码和变分编码器-解码器架构，通过压缩异常检测脑MRI中的肿瘤区域，在切片级和块级ROC-AUC上分别达到约0.95和0.813，优于经典自编码器和PCA基线。

Dual-Prior Guided Null-Space Learning with Mixture-of-Splines for Arbitrary Medical Slice Super-Resolution

双先验引导的零空间学习与样条混合用于任意医学切片超分辨率

Haofei Song, Siyuan Xu, Xintian Mao, Shaojie Guo, Qingli Li, Yan Wang

机构 * Shanghai Key Laboratory of Multidimensional Information Processing（上海多维信息处理重点实验室） ； East China Normal University（华东师范大学） 纠错

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

AI总结 提出DP-NSL框架，通过测量一致性投影和样条混合模块，在零空间内学习几何连续先验，实现任意尺度医学切片超分辨率，保持测量一致性并优于现有方法。

Comments Accepted to ECCV 2026! Project page: https://github.com/DeepMed-Lab-ECNU/Medical-Image-Reconstruction

Text as Illumination: Spatial Contrastive Retinex Learning for Language-guided Medical Image Segmentation

文本作为照明：面向语言引导医学图像分割的空间对比度Retinex学习

Jian Shi, Cheng Zhen, Pingping Zhang, Rui Xu, Yanan Lv, Yili Ma, Huan Bi, Haojie Li, Huchuan Lu

机构 * School of Software Technology & DUT-RU International School of Information Science and Engineering, Dalian University of Technology（大连理工大学软件学院 & 大连理工大学-俄罗斯国际信息科学与工程学院） ； School of Future Technology, Dalian University of Technology（大连理工大学未来技术学院） ； Central Hospital of Dalian University of Technology（大连理工大学中心医院） ； Cancer Hospital of Dalian University of Technology（大连理工大学肿瘤医院） ； College of Computer Science and Engineering, Shandong University of Science and Technology（山东科技大学计算机科学与工程学院） 纠错

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

AI总结 提出TIRNet框架，将文本嵌入作为语义照明调制特征，通过Retinex启发模块和对比损失实现语言与分割的精确对齐，在MosMedData+和QaTa-COV19数据集上取得最优性能。

Comments Aceepted by MICCAI2026. More modifications may be performed

Ridge-filter crosstalk in conformal proton FLASH planning: dependence on beamlet pitch and iterative mitigation

适形质子FLASH计划中的脊形滤波器串扰：对束斑间距的依赖性与迭代缓解

Zongsheng Hu, Yuting Li, Henry Meyer, Xiaochun Wang, Susan L. McGovern, Emil Scheueler, Radhe Mohan, Uwe Titt

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本研究量化了适形质子FLASH计划中脊形滤波器串扰，发现其随束斑间距减小而增大，并通过迭代重优化将靶区平均相对剂量差异从8.9%降至3.4%。

MaRS: Robust Out-of-Distribution Detection via Mahalanobis Residual Scoring

MaRS：通过马氏残差评分进行鲁棒的分布外检测

Francesco Di Salvo, Sebastian Doerrich, Christian Ledig

机构 * xAILab Bamberg, University of Bamberg, Germany（班贝格大学 xAILab 班贝格实验室，德国） 纠错

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

AI总结 提出MaRS方法，利用轻量自编码器学习分布内流形，通过马氏距离度量重建残差，实现方差感知的分布外检测，在多种医学影像模态和分布偏移下优于现有基线。

Comments Accepted to MICCAI 2026

Two-Stage Cross-Domain Cervical Abnormality Screening with Cytopathological Image Synthesis and Knowledge Distillation

两阶段跨域宫颈异常筛查：细胞病理图像合成与知识蒸馏

Jincheng Li, Yuzhi He, Yihui Zhan, Xinmei Zhang, Yifei Sun, Zelin Liu, Lichi Zhang, Minye Shao, Lili Zhao

机构 * School of Artificial Intelligence and Computer Science, Nantong University（南通大学人工智能与计算机科学学院） ； School of Telecommunications Engineering, Xidian University（西安电子科技大学通信工程学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Department of Computer Science, Durham University（杜伦大学计算机科学系） 纠错

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

AI总结 提出两阶段框架，先用SC-UNSB合成中间域缓解域偏移，再用知识蒸馏对齐特征，提升跨域宫颈细胞检测性能。

OperatorSHAP: Fast and Accurate Shapley Value Estimation for Neural Operators

OperatorSHAP：神经算子的快速准确Shapley值估计

Joshua Stiller, Santo M. A. R. Thies, Felix Czaja, Eyke Hüllermeier

机构 * LMU Munich（慕尼黑大学） ； MCML（慕尼黑机器学习中心） ； DFKI（德国人工智能研究中心） 纠错

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

AI总结 提出OperatorSHAP，一种网格无关的归因方法，用于高效估计神经算子的Shapley值，支持不规则网格和跨分辨率迁移。

Parameter-Efficient Continuous-Variable Photonic Quantum Neural Networks for Edge Quantum AI: Demonstration in Oral Cancer Detection

参数高效的连续变量光子量子神经网络用于边缘量子AI：在口腔癌检测中的演示

Akshay Bhagwan Sonawane, Sophie Choe, Lakshman Tamil

机构 * Dept. of Electrical and Computer Engineering（电气与计算机工程系） 纠错

专题命中 病理影像 ：medical image(abstract)；分类 cs.LG

AI总结 提出一种简化的连续变量光子量子神经网络架构，在口腔癌检测中仅用18个参数达到100%测试准确率，比经典基线少67%参数，并缓解了贫瘠高原问题。

EchoSonar-R: A Multi-View Reasoning-Enabled Model for Disease Classification and Report Generation in Echocardiography

EchoSonar-R: 一种用于超声心动图疾病分类和报告生成的多视图推理增强模型

Darya Taratynova, Ahmed Aly, Numan Saeed, Mohammad Yaqub

机构 * Division of Computing and Mathematical Sciences, Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI), Abu Dhabi, UAE（穆罕默德·本·扎耶德人工智能大学计算与数学科学系，阿布扎比，阿联酋） 纠错

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

AI总结 提出EchoSonar-R，一种结合时空视频编码器和结构感知心脏检测器的多视图推理视觉语言模型，通过两阶段训练（监督微调+组相对策略优化）联合实现多标签疾病分类和报告生成，在私有数据集和公共基准上分别提升宏平衡准确率17.1%和6.1%。

Aloe-Vision: Robust Vision-Language Models for Healthcare

Aloe-Vision: 面向医疗保健的鲁棒视觉-语言模型

Jaume Guasch-Martí, Enrique Lopez-Cuena, Martín Suárez-Fernández, Jordi Bayarri-Planas, Anna Arias-Duart, Dario Garcia-Gasulla

机构 * Barcelona Supercomputing Center (BSC)（巴塞罗那超级计算中心（BSC）） 纠错

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

AI总结 提出Aloe-Vision系列医疗LVLM，通过大规模高质量多模态数据微调，在保持通用能力的同时提升医疗任务性能，并引入低污染基准CareQA-Vision，揭示当前模型在临床环境中的鲁棒性挑战。

Comments MIDL 2026

Journal ref Proceedings of Machine Learning Research, Vol. 315, pp. 2404-2426, 2026

Fine-tuning a multimodal large language model for clinician-grade autism behavioral scoring from short home videos

微调多模态大语言模型用于从短视频中对自闭症行为进行临床级评分

Mohammadmahdi Honarmand, Parnian Azizian, Aaron Kline, Kae Nurge, Zerin Nasrin Tumpa, Saimourya Surabhi, Kaitlyn Dunlap, Yang Qian, Ali Kargarandehkordi, Sameer Neupane, Peter Washington, Dennis P. Wall

机构 * Stanford University（斯坦福大学） ； University of Hawaii at Manoa（夏威夷大学马诺阿分校） ； University of California San Francisco（加利福尼亚大学旧金山分校） 纠错

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

AI总结 微调Gemini 2.5 Pro模型，从400个临床评分的家庭视频中提取30个行为特征，在99名儿童上实现与临床医生评分的一致性提升40%，并零样本达到53%的自闭症诊断F1提升。

RAMSES: Secure high-performance computing for sensitive data

RAMSES：面向敏感数据的安全高性能计算

Peter Heger, Lech Nieroda, Roland Pabel, Christoph Stollwerk, Stefan Borowski, Kamil Tokmakov, Michael Commer, Martin Peifer, Stefan Wesner, Viktor Achter

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出RAMSES系统，通过硬件内存加密、文件加密和多层安全架构，在保证高性能的同时实现数据全生命周期加密，满足GDPR等标准，性能影响有限。

Comments 27 pages, 5 figures, 2 tables

Geometry-Preserving Reduced-Order Modeling via Immersed Tensor Decomposition (ITD)

通过浸入式张量分解（ITD）实现几何保持的降阶建模

Lei Zhang, Jiachen Guo, Guowei He, Thomas J. R. Hughes, Wing Kam Liu

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出浸入式张量分解（ITD）框架，结合无网格几何表示与可分离降阶求解器，在规则背景体素网格上实现大规模仿真，通过精确Dirichlet公式强加边界条件，无需变分惩罚或界面求积。

COCOLogic-V2: Identifying Logical Inconsistencies via Truly Hard-Negatives

COCOLogic-V2: 通过真正的困难负样本识别逻辑不一致性

David Steinmann, Antonia Wüst, Kristian Kersting, Wolfgang Stammer

机构 * Computer Science Department, TU Darmstadt（达姆施塔特工业大学计算机科学系） ； Hessian Center for AI (hessian.AI)（黑森人工智能中心） ； German Research Center for AI (DFKI)（德国人工智能研究中心） ； Max Planck Institute for Informatics, SIC（马克斯·普朗克信息学研究所SIC） ； RTG Neuroexplicit Models（RTG神经显式模型） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出COCOLogic-V2数据集，通过正样本、近边界和远边界负样本分类，评估模型在真实图像上的视觉归纳推理能力，发现模型在近边界样本上表现差，视觉归纳推理仍是开放挑战。

A Pipeline for Generating Longitudinal Synthetic Clinical Notes Using Large Language Models

使用大型语言模型生成纵向合成临床笔记的流水线

William Poulett, Alice Waterhouse, Ben Wallace, Scarlett Kynoch, Amaia Imaz Blanco, Michael Spence, Jonathan Pearson

机构 * NHS England Data Science and Applied AI Team（NHS英格兰数据科学与应用人工智能团队） 纠错

专题命中 医学数据与评测 ：clinical AI(abstract)

AI总结 提出一种模块化流水线，结合结构化患者生成、半结构化旅程模拟和LLM生成非结构化笔记，生成纵向一致的合成临床数据集，支持临床AI开发并避免隐私风险。