医学 AI

Distortion-Corrected Diffusion MRI Using Rotated-View EPI and Joint Field-Map/Image Estimation with Gaussian Primitives

使用旋转视图EPI和高斯原型的联合场图/图像估计的畸变校正扩散MRI

Wenqi Huang, Zhitao Li, Nan Wang, Yimeng Lin, Mengze Gao, Yurui Qian, Sevgi Gokce Kafali, Xiaozhi Cao, Kawin Setsompop, Daniel Rueckert, Congyu Liao

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital, and the School of Computation, Information and Technology, TUM（慕尼黑工业大学(TUM)医疗与医学人工智能教席、TUM大学医院、计算信息与技术学院） ； Neuroimaging Technology Research Center, Department of Radiology and Biomedical Imaging, University of California, San Francisco（加州大学旧金山分校放射与生物医学影像系神经影像技术研究中心） ； Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences（中国科学院精密测量科学与技术创新研究院） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心(MCML)） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 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 提出一种物理信息框架，直接从k空间联合估计B0场和无畸变图像，避免中间并行成像重建，通过高斯原型的连续参数化表示图像和场，支持旋转视图EPI，在高b值和高加速下显著改善畸变校正质量。

Towards Voxel Spacing Consistency for Medical Image Segmentation

面向医学图像分割的体素间距一致性

Xin You, Runze Yang, Minghui Zhang, Hanxiao Zhang, Han Li, Yi Yu, Jie Yang, Nassir Navab, Yun Gu

机构 * Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医疗机器人研究院） ； Department of Ultrasound, Shanghai Chest Hospital（上海市胸科医院超声科） ； CAMPAR, Technical University of Munich（慕尼黑工业大学CAMPAR） 纠错

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

AI总结 提出Consispace框架，通过ODE约束和语义特征重加权实现轴向体素间距一致，提升重采样质量与下游分割性能。

Comments 12 pages, 6 figures

AtomiMed: Hierarchical Atomic Fact-Checking for Universal Clinical-Aware Medical Report Evaluation

AtomiMed：用于通用临床感知医学报告评估的分层原子事实核查

Yuan Wang, Wanxing Chang, Songtao Jiang, Shujian Gao, Xiaotian Zhang, Ruifeng Yuan, Weiwei Cao, Bowen Shi, Ling Zhang, Zuozhu Liu, Jianpeng Zhang

专题命中 医学影像 ：MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)

AI总结 提出AtomiMed框架，将复杂医学叙述分解为分层原子临床事实，通过代理交叉验证循环模拟多放射科医生同行评审，实现诊断检测和描述准确性的解耦评估。

Comments 11 pages, 4 figures

ILPU: Iterative Laplace-Based Phase Unwrapping via Bi-Level Optimization

ILPU：基于双层优化的迭代拉普拉斯相位解缠

Michael Fedders, Jakob Schattenfroh, Yanglei Wu, Noah Jaitner, Tom Meyer, Jakob Jordan, Jing Guo, Ingolf Sack, Hossein S. Aghamiry

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 提出一种基于双层优化的迭代拉普拉斯相位解缠算法（ILPU），通过下层求解增量泊松方程恢复连续相位，上层优化整数偏移图，在低信噪比区域实现鲁棒解缠，在3D脑MRI相位图像上相对误差仅2.12%，优于对比方法。

GKB Methods for X-Ray Computed Tomography with an Unmatched Back Projector

用于不匹配反投影器的X射线计算机断层扫描的GKB方法

Abdulmajeed Alsubhi

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 针对X射线CT中正反投影器不匹配导致正规方程不一致的问题，提出AB和BA GKB算法作为预条件GKB方法，通过投影到低维子空间并利用稀疏双对角矩阵的奇异值分解求解，数值实验表明该方法比现有Krylov方法更稳定且抗噪。

Seeing Through Multiple Views: Parameter-Efficient Fine-Tuning via Selective Neurons for Consistent Radiology Report Generation

透视多视图：通过选择性神经元进行参数高效微调以实现一致的放射学报告生成

Yucheng Chen, Jinjing Zhu, Yang Yu, Yufei Shi, Hane Naghshbandi, Jinhua Liu, Angela S. Koh, Fang Fen, Kian Eng Ong, Si Yong Yeo

机构 * MedVisAI Lab（MedVisAI实验室） ； Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore（新加坡南洋理工大学李光前医学院） ； Centre of AI in Medicine, Singapore（新加坡人工智能医学中心） ； The Chinese University of Hong Kong, Sha Tin, New Territories, Hong Kong（香港中文大学） ； National Heart Centre Singapore (NHCS), Singapore（新加坡国家心脏中心） 纠错

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

AI总结 提出View-PNDF框架，通过检测和微调视图特定神经元，从神经元层面实现多视图X光报告的一致性生成，仅更新少量参数即可提升视图特定报告质量并保持通用性能。

Comments Accepted by MICCAI2026

Temporal Training Strategies for Left Atrium and Left Atrial Appendage Segmentation in Dynamic Contrast 4DCT

动态对比增强4DCT中左心房和左心耳分割的时间训练策略

David Montalvo-García, Lauren Severance, Elliot R. McVeigh, María J. Ledesma-Carbayo

机构 * Biomedical Image Technologies, ETSI Telecomunicación, Universidad Politécnica de Madrid（马德里理工大学电信工程学院生物医学图像技术） ； Centro de Investigación Biomédica en Red de Bioingeniería, Biomateriales y Nanomedicina (CIBER-BBN), Instituto de Salud Carlos III（卡洛斯三世健康研究所生物工程、生物材料与纳米医学网络生物医学研究中心） ； Department of Bioengineering, University of California San Diego（加州大学圣地亚哥分校生物工程系） ； Division of Cardiovascular Medicine, University of California San Diego（加州大学圣地亚哥分校心血管医学部） ； Department of Radiology, University of California San Diego（加州大学圣地亚哥分校放射学系） 纠错

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

AI总结 研究动态4DCT中左心房和左心耳分割的时间训练集设计，比较两帧、生理子集和全序列训练，发现全帧训练在早期低对比度阶段最优，生理子集在填充期后表现相当，前景归一化可改善低对比度性能但未完全消除差距。

Comments Accepted at CinC 2026

CoMNet: A MedNeXt-CorrDiff Framework for Multi-Site Brain Tumor Segmentation

CoMNeT: 一种用于体积脑肿瘤分割的MedNeXt-CorrDiff框架

Michael L. Evans, MD Fayaz Bin Hossen, MD Shibly Sadique, Walia Farzana, Khan M. Iftekharuddin

机构 * Old Dominion University（欧道明大学） 纠错

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

AI总结 提出CoMNeT框架，结合3D卷积分割模型MedNeXt与校正扩散后处理CorrDiff，通过集成学习提升胶质瘤分割精度，在UTSW-Glioma数据集上取得优于基线模型的Dice分数。

Comments 15 pages, 6 figures, 2 tables

Learning a Sampling-Free Variational DNN Plugin from Tiny Training Sets to Refine OOD Segmentation With Uncertainty Estimation

学习一种无采样的变分DNN插件，从微小训练集精炼OOD分割并估计不确定性

Jimut B. Pal, Suyash P. Awate

机构 * Centre for Machine Intelligence and Data Science (C-MInDS), Indian Institute of Technology (IIT) Bombay（印度理工学院孟买分校机器智能与数据科学中心） ； Computer Science and Engineering (CSE) Department, Indian Institute of Technology (IIT) Bombay（印度理工学院孟买分校计算机科学与工程系） 纠错

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

AI总结 提出VarDeepPCA，一种轻量级变分DNN框架，利用小分布内数据集学习有效解剖几何分布，无需目标域数据或预训练，通过重新解释softmax映射实现无采样推理，并提供不确定性估计，在4种临床应用中显著提升OOD分割的解剖合理性和准确性。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:017

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Can Physician Expertise Improve Machine Learning Identification of Delirium?

医生专业知识能否改善机器学习对谵妄的识别？

Xinyu Qin, Vicky Ye, Ruiheng Yu, Lu Wang

机构 * University of Houston（休斯顿大学） ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出用户中心交互式机器学习框架，结合医生指导的特征优化与可解释模型，利用多源数据，在谵妄检测中提升判别性能和时间鲁棒性。

Comments Accepted for presentation at the IEEE Engineering in Medicine and Biology Conference (EMBC) 2026

Mask to Concept: Auto-Promptable SAM3 via Efficient Test-Time Concept Embedding Search for Few-Shot Annotation

掩码到概念：通过高效测试时概念嵌入搜索实现自动可提示的SAM3用于少样本标注

Quan Zhou, Shaoqing Zhai, Qiang Hu, Jia Chen, Qiang Li, Zhiwei Wang

机构 * Wuhan University of Technology（武汉理工大学） ； Huazhong University of Science and Technology（华中科技大学） ； Changzhou United lmaging Healthcare Surgical Technology Co. Ltd.（常州联影医疗手术技术有限公司） 纠错

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

AI总结 提出Mask to Concept (M2C)框架，无需外部模块或重训练，仅用少量标注图像，通过可学习概念嵌入搜索和混合不确定性估计，实现SAM3在医学图像中的自动少样本标注，达到SOTA性能。

Comments Accepted by MICCAI 2026

Deep Spectral Models for Robust Dental Shape Generation

用于鲁棒牙齿形状生成的深度谱模型

Tibor Kubík, François Guibault, Michal Španěl, Hervé Lombaert

机构 * Polytechnique Montréal（蒙特利尔理工学院） ； Brno University of Technology（布尔诺理工大学） 纠错

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

AI总结 提出 ToothForge 框架，利用谱域同步嵌入学习紧凑的牙齿冠部几何生成模型，在有限数据集上实现与空间方法相当的性能，并保持紧凑性和几何可解释性。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:016

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution

一次反思不够：通过多假设失败归因进行自我修正的自主研究

Jie Ma, Binfei Chu, Jie Gao, Jinlu Zhang, Yiwei Ma, Yi Tan, Jiayi Ji, Xiaoshuai Sun, Rongrong Ji

机构 * Xiamen University（厦门大学） ； Hello Inc.（Hello公司） ； Xiaohongshu Inc.（小红书公司） 纠错

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

AI总结 提出SAGE框架，通过多假设失败归因（MHFA）机制将实验失败恢复转化为结构化因果诊断，显著提升自主研究代理的可靠性和产出质量。

DiSTILL: A Hybrid Cloud-HPC Workflow System for Reproducible Spatial Transcriptomics Analysis

DiSTILL: 一种用于可重复空间转录组学分析的混合云-HPC工作流系统

Myles Joshua Toledo Tan, Vasco Gerardo Hinostroza Fuentes, Nikhil Yerra, Maria Kapetanaki, Parisa Rashidi, Kejun Huang, Panayiotis V. Benos

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio

AI总结 提出DiSTILL混合云-HPC工作流系统，通过API后端、Web前端和Python管道生成器，实现空间转录组学分析的可重复执行、队列编排和配置管理，并以IBD分析为例验证系统。

Comments 10 pages, 7 figures, 8 tables, submitted to and accepted for presentation at the 2026 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB) in Athens, Greece

Scientific Explanations in Health Sciences: Causality, Trust, and Epistemic Adequacy

健康科学中的科学解释：因果关系、信任与认知充分性

Martina Mattioli, Marcello Pelillo

机构 * College of Mathematical Medicine, Zhejiang Normal University（浙江师范大学数学医学院） ； DAIS, Ca’ Foscari University of Venice（威尼斯大学DAIS） ； European Centre for Living Technology（欧洲生命技术中心） 纠错

专题命中 诊断辅助 ：medical AI(abstract)

AI总结 本文结合科学哲学与可解释AI，探讨健康科学中解释的标准，提出因果关系、信任和解释充分性三个核心分析轴，为医学AI设计认知稳健且符合临床需求的解释系统提供原则。

Agentic AI Enhances Physician Trust in Clinical Decision Making

智能体AI增强医生在临床决策中的信任

Zhiling Yan, Zhe Fang, David J King, Ann Pongsakul, Eashan Adhikarla, Hui Ren, Sunyang Fu, Quanzheng Li, Lifang He, Xiang Li, Hongfang Liu, Yonghui Wu, Lichao Sun

机构 * Department of Computer Science and Engineering, Lehigh University（里海大学计算机科学与工程系） ； Department of Epidemiology, Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院流行病学系） ； Department of Medicine, Division of Cardiology, University of Florida（佛罗里达大学医学院心脏病学系） ； McGovern Medical School, University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心麦戈文医学院） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School（麻省总医院和哈佛医学院放射学系） ； McWilliams School of Biomedical Informatics, University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心麦克威廉姆斯生物医学信息学院） ； Department of Health Outcomes & Biomedical Informatics, College of Medicine, University of Florida（佛罗里达大学医学院健康结果与生物医学信息学系） 纠错

专题命中 诊断辅助 ：medical AI(abstract)

AI总结 研究通过医生评估多模态临床病例，发现智能体AI相比非智能体基线显著提升医生的认知和行为信任，尤其在治疗规划任务中，但存在对错误输出的过度依赖。

Comments Accepted by AMIA 2026 Annual Symposium

TaxoMIL: Taxonomy-Constrained Learning for Hierarchical Whole Slide Image Analysis

TaxoMIL：用于层次化全切片图像分析的分层约束学习

Chaeyeon Lee, Khang Nguyen Quoc, Jinsol Song, Yosep Chong, Kwangil Yim, Jin Tae Kwak

机构 * School of Electrical Engineering, Korea University（韩国大学电气工程学院） ； Department of Hospital Pathology, The Catholic University of Korea College of Medicine（韩国天主教大学医学院医院病理学系） 纠错

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 提出TaxoMIL框架，将WSI诊断重构为多粒度文本生成任务，通过双头Transformer解码器和分类学引导目标，实现层次感知的准确预测。

Comments Accepted at ECCV 2026

MSNN-LINet: Cross-Modal Learning via Continuous Linear Integration

MSNN-LINet：通过连续线性集成进行跨模态学习

Gabriel Clinger

机构 * The George Washington University（乔治华盛顿大学） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV、cs.LG

AI总结 提出线性集成网络LINet，通过连续线性集成卷积操作实现RGB-D场景分类中的逐层跨模态学习，解决多模态融合的结构性妥协问题，并在SUN RGB-D数据集上取得领先结果。

Comments 14 pages, 6 figures, 3 tables

Pattern formation in a Reaction-Diffusion Model for Amyloid-$β$ and Tau Interactions in Alzheimer's Disease

阿尔茨海默病中淀粉样蛋白-β与Tau相互作用的反应扩散模型中的模式形成

Sun Lee, Wenrui Hao

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

AI总结 本研究采用Gray-Scott反应扩散模型，结合伴随多水平有限元方法，研究Aβ与Tau相互作用产生的空间模式，发现系统存在多种稳定模式，为理解AD异质性和认知弹性提供数学框架。

Token-Sparse Medical Multimodal Reasoning via Dual-Stream Reinforcement Learning

通过双流强化学习实现令牌稀疏的医学多模态推理

Kaitao Chen, Weiqian Zhao, Jiamin Wu, Qihao Zheng, Shangquan Sun, Chunfeng Song, Xiaosong Wang, Mu Zhou, Mianxin Liu

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

AI总结 提出双流强化学习框架ViToS，通过主动视觉令牌剪枝实现令牌稀疏的医学多模态推理，在七个医学基准上减少77%令牌并提升性能。

Comments ICML2026

MediEncoder: Nonlinear Representation Learning for High-Dimensional Causal Mediation Analysis

MediEncoder: 高维因果中介分析的非线性表示学习

Shi Bo, Debarghya Mukherjee, AmirEmad Ghassami

机构 * Boston University（波士顿大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出MediEncoder框架，通过耦合编码器-解码器和交叉因子网络学习低维表示，结合交叉拟合高效影响函数估计自然直接和间接效应，实现高维非线性中介分析的多重稳健估计。

Comments 43 pages, 3 figures

Topological reconstruction of Rubin multiple imputation via coarse proximity, Seifert van Kampen gluing and Hurewicz invariants

通过粗邻近、Seifert van Kampen 粘合和 Hurewicz 不变量对 Rubin 多重插补进行拓扑重建

Arturo Tozzi

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出一种拓扑重建方法，利用粗邻近图、Seifert van Kampen 粘合和 Hurewicz 不变量分析多重插补数据集的结构，揭示其全局组织模式。

Comments 11 pages, 2 figures

Cross-Domain Feature Expansion for Tabular Medical Data via Knowledge Graphs Injection

通过知识图谱注入的表格医疗数据跨域特征扩展

Mengying Zhou, Yongjie Yin, Haoyan Xin, Guoping Liu, Yang Chen

机构 * School of Computing and Artificial Intelligence, Shanghai University of Finance and Economics（上海财经大学计算机与人工智能学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学技术学院） ； Independent Researcher（独立研究者） ； School of Basic Medical Sciences, Shanghai University of Traditional Chinese Medicine and Pharmacology（上海中医药大学基础医学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出MedKGTab框架，利用知识图谱和注意力机制从现有特征推断未收集的生物医学特征，实现跨域特征扩展，优于现有模型。

DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction

DDIAgents: 机制条件上下文流用于药物相互作用预测

Zhenqian Shen, Yu Liu, Xiaoyi Fu, Quanming Yao

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Biomedical Engineering, University of Oxford（牛津大学生物医学工程研究所） ； Division of Emerging Interdisciplinary Areas, Hong Kong University of Science and Technology（香港科技大学新兴跨学科领域学部） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出DDIAgents多智能体框架，通过动态知识编排预测药物相互作用，减少无关信息并生成可解释推理，性能优于现有方法。

PrISM-IQA: Image Quality Assessment Made Practical for Smartphone Photography

PrISM-IQA：面向智能手机摄影的实用图像质量评估

Shuyan Zhai, Jiaqi He, Weixia Zhang, Liang Wang, Zhenjie Lee, Zufeng Zhang, Kede Ma

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Computer Science, Institute of AI, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院人工智能研究院） ； OPPO Research Institute（OPPO研究院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） 纠错

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

AI总结 提出PrISM-IQA，将智能手机IQA重构为多问题有序诊断，预测每个ISP相关问题的严重等级，支持可操作的ISP调优。

CLExEval: A Human-in-the-Loop Framework for Qualitative Evaluation of LLM Clinical Reasoning

CLExEval: 一种用于定性评估LLM临床推理的人机协同框架

Ajmal M., Abin Roy, Afthab Salam Kanniyan, Jawadh Abdul Kabeer, Jerin James, Preslav Nakov, Zhuohan Xie

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； IIT Madras（印度理工学院马德拉斯分校） ； Calicut Medical College（卡利卡特医学院） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 提出CLExEval框架，通过渐进信息遮蔽和专家注释，揭示LLM临床推理中的冗长偏差、隐藏知识悖论和推理-输出不匹配问题，并验证了LLM作为评判者的局限性。

Comments 21 pages, 12 figures

OpenRCA 2.0: From Outcome Labels to Causal Process Supervision

OpenRCA 2.0：从结果标签到因果过程监督

Aoyang Fang, Yifan Yang, Jin'ao Shang, Qisheng Lu, Junjielung Xu, Rui Wang, Songhan Zhang, Yuzhong Zhang, Boxi Yu, Pinjia He

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 针对现有根因分析数据集仅标注结果而忽略因果传播路径的问题，提出PAVE协议重建因果路径，构建OpenRCA 2.0基准，发现LLM在根因定位中因果验证不足的缺陷。

Comments work in progress

Clinical Harness for Governable Medical AI Skill Ecosystems

可治理医疗AI技能生态系统的临床框架

Tianhan Xu, Lei Bao, Zhe Hu, Tian Shen, Yongxiang Wang

专题命中 其他医学AI ：medical AI(title,abstract)；clinical AI(abstract)

AI总结 提出临床AI技能与临床框架，通过运行时治理架构注册、编排、守护和监控AI临床能力，以骨质疏松为例展示知识驱动、数据驱动和物理增强技能在生命周期护理中的应用。

Drawing Out Legal Risks: Co-Designing with Lawyers to Predict and Manage Legal Uncertainties of Medical AI Tools

揭示法律风险：与律师共同设计以预测和管理医疗AI工具的法律不确定性

Gennie Mansi, Julia Kim, Michael Rosenbloom, Mark Riedl

专题命中 其他医学AI ：medical AI(title,abstract)

AI总结 通过与律师共同设计，识别并可视化医疗AI工具的法律风险，提出预测和管理策略，帮助组织应对法律不确定性。

Comments 13 pages, 8 figures; Note: This paper is formatted as a submission type called a Pictorial, used in some ACM venues (e.g. https://dis.acm.org/2026/pictorials/). Pictorials present visual components (e.g. study artifacts, diagrams) with text to convey contributions. We present co-created visualizations from our study alongside our analysis/. For more justification of the format, see page 4