科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
基于扰动高斯集成的主动视角选择用于层析重建
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Australian National University（澳大利亚国立大学） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV
AI总结 针对稀疏视角CT重建中视角选择问题，提出扰动高斯集成框架，通过不确定性建模和密度引导扰动选择最优视角，有效消除几何伪影。
Comments Accepted to ECCV 2026. Project page: https://perturbed-gaussian-ensemble.cvmlgroup.web.illinois.edu/
RF-HiT：校正流分层变换器用于通用医学图像分割
机构 * Computer Science department Mohamed Khider University Biskra, Algeria ； ISASI, CNR \& University of Salento 73100 Lecce, Italy ； AI University of the Basque Country (UPV/EHU), Spain ； Sorbonne Center for Artificial Intelligence, Sorbonne University Abu Dhabi, UAE
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 RF-HiT通过整合hourglass变换器骨干和多尺度分层编码器，实现高效的医学图像分割，在保持精度的同时提升效率，达到91.27%的Dice系数。
MediRound：医学图像中的多轮实体级推理分割
机构 * Zhejiang University（浙江大学） ； Zhejiang Sci-Tech University（浙江理工大学） ； National University of Singapore（新加坡国立大学）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 提出多轮实体级医学推理分割任务MEMR-Seg，构建大规模数据集MR-MedSeg，并设计基线模型MediRound，通过判断与纠正机制缓解错误传播，在医学教育场景中优于传统方法。
Comments In this version, we have improved some suboptimal expressions in the manuscript and completed the authors' information, such as ORCID IDs
OSCAR: 基于占用率的声学神经隐式表示形状补全
机构 * Chair for Computer Aided Medical Procedures (CAMP) Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序教席（CAMP）） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； Konrad Zuse School of Excellence in Reliable AI (relAI)（康拉德·楚泽可靠人工智能卓越学校（relAI））
专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 cs.CV
AI总结 提出基于占用率的形状补全方法，利用声学神经隐式表示从部分超声观测中重建完整3D解剖结构，无需标签，在HD95指标上优于现有方法80%。
采样数据系统：稳定性、收缩性与单次迭代次优MPC
专题命中 医学影像 ：CT(abstract,abstract_cn)
AI总结 本文分析连续时间与离散时间系统通过采样和零阶保持耦合的稳定性，引入约化模型概念，证明当约化模型收缩时存在阈值采样周期保证指数稳定性，并利用小增益定理在双方收缩条件下证明互联系统的指数稳定性，为单次迭代次优MPC提供理论支持。
Comments Accepted for publication in IEEE Transactions on Automatic Control
基于可控扩散的病灶修复用于可扩展的组织病理学数据增强
机构 * Department of Diagnostic Radiology, Li Ka Shing Faculty of Medicine, The University of Hong Kong（香港大学李嘉诚医学院诊断放射学系） ； Department of Pathology, Li Ka Shing Faculty of Medicine, The University of Hong Kong（香港大学李嘉诚医学院病理学系） ； Department of Anatomical and Cellular Pathology, Prince of Wales Hospital, The Chinese University of Hong Kong（香港中文大学威尔斯亲王医院解剖及细胞病理学系） ； Department of Infectious Diseases and Public Health, Jockey Club College of Veterinary Medicine and Life Sciences, City University of Hong Kong（香港城市大学赛马会动物医学及生命科学院传染病及公共卫生学系） ； CityU Veterinary Diagnostic Laboratory Co., Ltd., City University of Hong Kong（香港城市大学城市大学兽医诊断实验室有限公司）
专题命中 医学影像 ：pathology(abstract)；分类 cs.CV
AI总结 提出PathoGen扩散模型，将病灶可控地修复到良性组织图像中，生成高保真形态，在四个数据集上优于基线，病理专家区分真假仅略高于随机（57.75%），数据增强使分割Dice提升最高0.18。
Comments 19 pages, 5 figures, 1 Table
无线通信中用于网络韧性的小样本误配置分类
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出了一种基于图学习的任务，通过EtaGATv2算法对协议误配置进行分类，该算法能够处理非均匀症状传播并提取协议特定特征，实验表明在仅有50%训练样本的情况下达到最先进的性能，适用于动态拓扑和有限负样本的数据集。
MORPHEUS: 一个用于建模、测量和减轻网络安全中人为因素的多维框架
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 针对网络安全中人为因素研究碎片化的问题，提出MORPHEUS框架，基于认知-情感-行为模型和归因理论，整合50个人为因素，映射302个实证交互，提炼12种交互机制，并提供99个心理测量工具，支持风险诊断和干预。
病理学组合检索的组织病理学多模态嵌入
机构 * The University of Texas at Arlington（德克萨斯大学阿灵顿分校）
专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV
AI总结 提出HOMIE框架，将生成式多模态大语言模型适配为病理检索专家，解决组合查询中的架构、任务和领域不匹配问题，在病理组合检索基准上显著优于现有方法。
Comments Accepted by ECCV 2026
论线索冲突的可靠性及其超越
机构 * Ulsan National Institute of Science and Technology（乌山国立科学研究院） ； College of Medicine, Hanyang University（翰阳大学医学院） ； NAVER AI Lab（NAVER AI实验室）
专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV
AI总结 针对现有线索冲突基准在评估形状-纹理偏好时存在不稳定和模糊的问题，提出REFINED-BIAS数据集与评估框架，通过显式定义形状和纹理、构建平衡的线索对及基于排序的度量，实现更可靠和可解释的偏差诊断。
Comments Shape-Texture Bias, Cue Conflict Benchmark
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈