医学 AI

Pixelwise Uncertainty Quantification of Accelerated MRI Reconstruction

加速MRI重建的像素级不确定性量化

Ilias I. Giannakopoulos, Lokesh B Gautham Muthukumar, Yvonne W. Lui, Riccardo Lattanzi

机构 * Bernard and Irene Schwartz Center for Biomedical Imaging, Department of Radiology, NYU Grossman School of Medicine（贝纳德与伊蕾娜·施瓦茨生物医学成像中心，放射学系，纽约大学格罗斯曼医学院） ； Courant Institute of Mathematical Sciences, NYU（数学科学学院，纽约大学） ； Center for Advanced Imaging Innovation and Research (CAI 2 R), Department of Radiology, NYU Grossman School of Medicine（先进成像创新与研究中心（CAI 2 R），放射学系，纽约大学格罗斯曼医学院） 纠错

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

AI总结 提出一种基于共形分位数回归的像素级不确定性量化框架，用于加速MRI重建，无需全采样参考图像即可自动识别不可靠区域。

Comments 12 pages, 8 figues, 2 tables

MPFlow: Multi-modal Posterior-Guided Flow Matching for Zero-Shot MRI Reconstruction

MPFlow: 多模态后验引导的流匹配用于零样本MRI重建

Seunghoi Kim, Chen Jin, Henry F. J. Tregidgo, Matteo Figini, Daniel C. Alexander

机构 * 1 Hawkes Institute, UCL \, 2 Dept. of Medical Physics ； Biomedical Engineering, UCL 3 Dept. of Computer Science, UCL 4 Centre for AI, DS\&AI, AstraZeneca, UK 纠错

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

AI总结 提出MPFlow框架，利用自监督预训练PAMRI学习跨模态共享表示，在推理时通过数据一致性和特征对齐引导采样，减少幻觉并提升零样本MRI重建效率。

SRMA-Mamba: Spatial Reverse Mamba Attention Network for Pathological Liver Segmentation in MRI Volumes

SRMA-Mamba: 用于MRI体积中病理性肝脏分割的空间反向Mamba注意力网络

Jun Zeng, Quoc-Huy Trinh, Deepak Ranjan Nayak, Nikhil Kumar Tomar, Ulas Bagci, Debesh Jha

机构 * Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Biomedical Perception & Intelligence Lab, University of South Dakota（南达科他大学生物医学感知与智能实验室） ； Aalto University（阿尔托大学） ； Malaviya National Institute of Technology Jaipur（马拉维亚国家理工学院斋浦尔分校） ； Machine & Hybrid Intelligence Lab, Northwestern University（西北大学机器与混合智能实验室） 纠错

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

AI总结 提出SRMA-Mamba网络，通过空间解剖Mamba模块和空间反向Mamba注意力模块，利用MRI体积的三维空间信息实现病理性肝脏的高效分割，性能优于现有方法。

Comments 10 pages, 4 figures

Pre-CAT: A web-based, graphical user-interface toolbox for preclinical CEST-MRI data processing and analysis

Pre-CAT：一种用于预临床CEST-MRI数据处理和分析的网页式图形用户界面工具箱

Jonah Weigand-Whittier, Samuel Rubin, Cindy Ayala, Mark Velasquez, Nikita Vladimirov, Hadas Avraham, Or Perlman, M. Roselle Abraham, Moriel H. Vandsburger

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出Pre-CAT，一种开源图形界面工具，旨在标准化预临床CEST-MRI数据分析流程，支持多种成像类型和分析方法，提升跨研究协作效率。

MeDUET: Disentangled Unified Pretraining for 3D Medical Image Synthesis and Analysis

MeDUET：面向3D医学图像合成与分析的解耦统一预训练

Junkai Liu, Ling Shao, Le Zhang

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

AI总结 提出MeDUET框架，在变分自编码器潜在空间中通过解耦学习域不变内容因子和域特定风格因子，统一3D医学图像合成与分析任务，提升合成质量、收敛速度和域泛化能力。

TG-OT: Topology-guided CCTA-IVUS registration via optimal transport matching

TG-OT: 基于最优传输匹配的拓扑引导CCTA-IVUS配准

R. L. M. van Herten, José P. Henriques, R. Nils Planken, Joost Daemen, Eline M. J. Hartman, Jolanda J. Wentzel, Johannes C. Paetzold, Ivana Išgum

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

AI总结 提出TG-OT框架，通过集成训练的特征检测器和基于不平衡Sinkhorn最优传输损失的拓扑圆柱配准，实现CCTA与IVUS的全自动配准，无需预分割，在47例数据上取得高精度。

Comments Submitted to MICCAI 2026

Revisiting Performance Claims for Chest X-Ray Models Using Clinical Context

重新审视胸部X光模型的性能声明：利用临床背景

Andrew Wang, Jiashuo Zhang, Michael Oberst

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

AI总结 通过引入临床背景（预CXR概率）对胸部X光诊断模型进行分层分析，发现模型在高风险人群中性能下降，且当打破临床背景与当前标签的关联时性能恶化，揭示了临床实用性差距。

Comments Published at Conference on Health, Inference, and Learning (CHIL) 2026

Differentially private inference framework for Riemannian manifold data

流形数据的差分隐私推断框架

Yangdi Jiang, Xiaotian Chang, Qirui Hu

专题命中 医学影像 ：medical image(abstract)

AI总结 本文提出一种新的系统性差分隐私推断框架，用于非欧几里得数据。设计了两种差分隐私机制用于流形上独立同分布数据的弗雷歇均值和方差，建立了推断估计量的一致性和中心极限定理，并通过实验证明方法的有效性。

Assessing Monotone Dependence: Area Under the Curve Meets Rank Correlation

评估单调依赖性：曲线下面积与秩相关的结合

Eva-Maria Walz, Andreas Eberl, Tilmann Gneiting

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文统一了连续和二分结果下单调依赖性的度量，引入非对称等级相关（AGC）和单调关联系数（CMA），连接了AUC与Spearman's Rho，并建立了中心极限定理和DeLong型检验。

Comments Substantially expanded and revised

Health-ORSC-Bench: A Benchmark for Measuring Over-Refusal and Safety Completion in Health Context

Health-ORSC-Bench：衡量健康领域过度拒绝与安全完成的基准

Zhihao Zhang, Liting Huang, Guanghao Wu, Preslav Nakov, Heng Ji, Usman Naseem

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 针对大语言模型在健康场景中过度拒绝良性查询或对有害查询不安全遵从的问题，提出Health-ORSC-Bench基准，通过31,920个边界提示评估模型在意图模糊下的过度拒绝与安全完成质量，揭示安全优化模型过度拒绝率达80%。

Comments Accepted by ACL'26 Findings