医学 AI

Self-Auditing Residual Drifting for Pathology-Preserving Accelerated Knee MRI

自审计残差漂移模型用于保留病理特征的加速膝关节MRI

Qing Lyu, Jianxu Wang, Mohammad Kawas, Ge Wang, Christopher T. Whitlow

机构 * Department of Radiology & Biomedical Imaging, Yale School of Medicine（放射学与生物医学成像系，耶鲁医学院） ； Department of Biomedical Engineering, Rensselaer Polytechnic Institute（生物医学工程系，伦塞拉尔理工学院） 纠错

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

AI总结 提出SA-RDM-DC模型，通过物理条件残差漂移生成和自审计机制，在加速膝关节MRI中实现高保真重建并保留病理特征，优于多种基线方法。

Noninvasive H3 K27M screening in pediatric diffuse midline glioma using radiomics on heterogeneous T2-weighted MRI

基于异质性T2加权MRI影像组学的儿童弥漫性中线胶质瘤无创H3 K27M筛查

Arthur Zagitov, Alexander Beznosikov, Vladimir Bozhenko, Ninel Kamyshnikova, Tatiana Kulinich, Sofia Polozova, Yaroslav Kholodov

专题命中 医学影像 ：MRI(title,title_cn)；diagnosis(abstract)；分类 q-bio

AI总结 本研究利用T2加权MRI影像组学在异质性转诊队列中筛查儿童弥漫性中线胶质瘤的H3K27M突变，通过预处理、特征选择和体积优化，CatBoost模型达到0.730准确率和0.826 F1分数，表明影像组学可作为辅助筛查工具。

Population-Scale Segmentation of Penile Tissue in DIXON MRI using Deep Learning for Quantitative Phenotyping in Male Reproductive Health

基于深度学习的DIXON MRI阴茎组织群体尺度分割用于男性生殖健康定量表型分析

Jan Ernsting, Gunnar Paul Kordes, Nils Johannaber, Lynn Ogoniak, Wolfgang Roll, Tim Hahn, Alexander Siegfried Busch, Benjamin Risse

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

AI总结 提出基于3D nnU-Net的深度学习框架，实现多通道DIXON MRI中全阴茎自动分割，在UK Biobank 34,412名参与者中验证，Dice系数0.92，为男性生殖健康研究提供可重复的群体尺度方法。

Patient-Specific Articulated Digital Twins from a Single Full-Body CT Scan

患者特异性关节式数字孪生：基于单次全身CT扫描

Han Zhang, Boyang Zhao, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提出从单次全身CT扫描构建患者特异性关节式数字孪生的方法，通过SMPL模型拟合、解剖感知绑定和姿态重定向，实现姿态可控的解剖模型，验证了其在保持骨骼几何和放射学结构方面的有效性。

ProSAC-CT: Progressive Spectral-Anatomical Co-Guided Multi-Stage Diffusion Model for Low-Dose CT Denoising

ProSAC-CT: 渐进式频谱-解剖协同引导的多阶段扩散模型用于低剂量CT去噪

Xuepeng Liu, Zetong Liu, Renyiming Li, Yan Li, Ruiyu Li, Ruili Li, Jiayi Ding, Eichi Takaya

机构 * College of Medicine and Biological Information Engineering, Northeastern University（东北大学医学与生物信息工程学院） ； Tohoku University School of Medicine（东北大学医学院） ； State Key Laboratory of Oncology in South China, Sun Yat-sen University Cancer Center（华南肿瘤学国家重点实验室，中山大学肿瘤防治中心） ； AI Lab, Tohoku University Hospital（东北大学医院人工智能实验室） 纠错

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

AI总结 提出ProSAC-CT，一种渐进式频谱-解剖协同引导的多阶段扩散模型，通过解剖先验引导、残差频域解耦和时间步解耦解码器，有效去除低剂量CT噪声并保留解剖细节。

Comments 14 pages, 8 figures, 3 tables

Accelerating MRI Colon Volume Measurements and Reducing Inter-Observer Variation through Automatic Segmentation and Human-in-the-Loop Correction

通过自动分割和人在回路校正加速MRI结肠体积测量并减少观察者间变异

Abi Spicer, Stephen Lloyd-Brown, Neele Dellschaft, Luca Marciani, Robin Spiller, Maura Corsetti, Penny Gowland, Xin Chen, Caroline Hoad

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 提出基于nnU-Net的自动分割结合人工校正方法，将结肠MRI分析时间从56分钟降至11分钟，同时提高观察者间重复性（ICC>0.93），全结肠体积测量准确度高（ICC=0.96）。

Personalized 4D Whole-Heart Mesh Reconstruction from Cine MRI via Multi-Scale Temporal Modeling and Differentiable Contour Rendering

基于多尺度时间建模与可微分轮廓渲染的个性化4D全心网格重建

Xiaoyue Liu, Dongcheng Cang, Xiaohan Yuan, Mark YY Chan, Ching-Hui Sia, Lei Li

机构 * Department of Biomedical Engineering, National University of Singapore（新加坡国立大学生物医学工程系） ； School of Automation, Southeast University（东南大学自动化学院） ； Department of Medicine, National University of Singapore（新加坡国立大学医学系） ； Department of Cardiology, National University Heart Centre Singapore（新加坡国立大学心脏中心心脏病学系） 纠错

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

AI总结 提出端到端框架，从稀疏电影MRI重建4D全心网格，利用可微分轮廓渲染和多尺度时间建模，实现低误差（1.68 mm）和高运动平滑度。

Comments 15 pages

A Benchmark of (MRI-) Foundation Models to Predict IDH Mutational Status in Glioma

（MRI）基础模型预测胶质瘤IDH突变状态的基准测试

Nathan Hollet, Elise Robinson, Efthymios Georgiou, Ekin Ermis, Uri Nahum, Sarah Brüningk

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

AI总结 本研究比较了四种图像基础模型和基于影像组学的基线方法在预测胶质瘤IDH突变状态上的性能，发现影像组学基础模型TabPFN表现最佳，而图像基础模型在跨队列迁移中性能下降，但BiomedCLIP在外部队列中AUROC最高。

Embracing Intra-Class Heterogeneity for Semi-Supervised Medical Image Segmentation: From Diversity to Precision

拥抱类内异质性用于半监督医学图像分割：从多样性到精确性

Yuqi Liu, Yufei Chen, Wei Fu, Xiaodong Yue, Shuo Li

机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Artificial Intelligence Institute, Shanghai University（上海大学人工智能研究院） ； Department of Computer and Data Sciences, Case Western Reserve University（凯斯西储大学计算机与数据科学系） ； Department of Biomedical Engineering, Case Western Reserve University（凯斯西储大学生物医学工程系） 纠错

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

AI总结 提出多原型对比学习框架，通过生成与强度对齐的异质原型、优化原型空间和对齐知识，有效建模类内异质性，提升半监督医学图像分割的多样性和精确性。

Comments Accepted by Medical Image Analysis

GPU-accelerated superiorization on constrained physical problems with SupPy

基于GPU加速的约束物理问题超优化方法及SupPy工具

Tobias Becher, Yair Censor, Kay Barshad, Niklas Wahl

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 提出SupPy开源Python工具箱，在GPU上加速超优化方法，应用于地震图像重建、低剂量CT重建和调强放疗计划，相比仅寻求可行解，超优化算法在降噪和降低剂量方面效果更优。

RadiomicNet: A Hybrid Radiomics-Guided Lightweight Architecture for Interpretable Medical Image Segmentation

RadiomicNet: 一种混合放射组学引导的轻量级可解释医学图像分割架构

Mohammad Amanour Rahman

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Ahsanullah University of Science and Technology (AUST)（阿萨努拉科学与技术大学） 纠错

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

AI总结 提出RadiomicNet，通过放射组学注意力门（RAG）将手工放射组学特征集成到轻量级编码器-解码器中，实现可解释分割，在BUSI和Kvasir-SEG数据集上分别达到0.763和0.854的Dice系数，参数仅3.27M。

Comments Accepted at the IEEE ICIP 2026 LBDL 2 Workshop

Spatio-Temporal and Clinical Conditioning for Fine-Grained Radiology Report Retrieval

细粒度放射学报告检索的时空与临床条件化

P. Sloan, E. Simpson, M. Mirmehdi

机构 * Department of Computer Science University of Bristol（计算机科学系 布里斯托大学） 纠错

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

AI总结 提出STAR3框架，通过区域级解剖信息与临床指征及纵向变化对齐，实现基于检索的放射学报告生成，在MIMIC-CXR上优于现有方法。

Comments 14 pages, 2 figures, 6 tables

Precision Recall Controllable Radiology Report Generation via Hybrid Natural Language and Clinical Reward Learning

通过混合自然语言和临床奖励学习实现精确召回可控的放射学报告生成

Ling Chen, Ruinan Jin, Jun Luo, Hanliang Chen, Quirin Strotzer, Rongkai Yan, Yuan Xue, Luciano Prevedello, Dufan Wu

机构 * The Ohio State University（俄亥俄州立大学） ； University Medical Center Regensburg（雷根斯堡大学医学中心） 纠错

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

AI总结 提出一种强化学习框架，通过控制参数在推理时调整临床精确率与召回率的权衡，并引入临床奖励和组相对训练策略，在MIMIC-CXR数据集上优于现有方法。

Comments Accepted by MICCAI 2026

HistoSeg++: Delving deeper with attention and multiscale feature fusion for biomarker segmentation

HistoSeg++: 基于注意力与多尺度特征融合的生物标志物分割深入探索

Saad Wazir, Rao Faizan, Daeyoung Kim

机构 * School of Computing, KAIST（韩国科学技术院计算机学院） ； Kyung Hee University (Global Campus)（庆熙大学（全球校区）） 纠错

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

AI总结 提出一种新型Nested-UNet架构，通过内外注意力单元和通道特征重校准增强多尺度信息捕获，结合边缘感知损失提升边界精度，在三个公开数据集上表现优于现有方法。

Comments Published in the Proceedings of ICBBE 2025. The Version of Record is available at https://doi.org/10.1145/3794209.3794211

Free-breathing Pulmonary Relaxometry at 0.55T

0.55T下的自由呼吸肺部弛豫测量

Pavlos Panos, Oliver Bieri, Maurice Pradella, Katrin E. Hostettler, Grzegorz Bauman

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 提出一种在0.55T下集成自由呼吸工作流进行自动二维肺部T1和T2弛豫测量的方法，通过改进序列和全自动处理管道实现运动校正与定量成像，验证了可行性。

Boosting Ultrasound Image Classification via Attribute-Guided Dual-Branch Framework

通过属性引导双分支框架提升超声图像分类

Bo Zhao, Yapeng Li, Juhua Liu, Bo Du

机构 * School of Computer Science, National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（武汉大学计算机学院、国家多媒体软件工程技术研究中心、人工智能研究院、湖北省多媒体与网络通信工程重点实验室） 纠错

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

AI总结 提出属性引导双分支框架，引入领域无关的医学属性先验，通过基线分支和属性引导分支的融合，提升超声图像分类的准确性和可解释性。

Comments accepted by MICCAI 2026

Resolving superposition in AI for interpretability and cross-modal alignment in patient-neuronal images

解决AI中的叠加问题以实现可解释性与患者-神经元图像的跨模态对齐

Jisung Park, Seohyeon Kang, Daeun Yoo, Eunsu Lee, Seoin Cho, Wooyeop Choi, Ian Choi, James R. Evan, Daesoo Kim, Sonia Gandhi, Minee L. Choi

机构 * KAIST（韩国科学技术院） ； Konyang University（建阳大学） ； Chang Gung University（长庚大学） ； UCL Queen Square Institute of Neurology & The Francis Crick Institute（伦敦大学学院皇后广场神经病学研究所与弗朗西斯·克里克研究所） 纠错

专题命中 临床大模型 ：pathology(abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 利用稀疏自编码器解决高维生物数据中神经网络表示空间的叠加问题，恢复几何保真度，并通过Gromov-Wasserstein最优传输实现图像与单细胞RNA测序数据的跨模态对齐。

Comments 10 pages, 7 figures (plus 14 in appendix), 1 table, preprint

SABER: A Semantic-Aligned Brain Network Analysis Framework via Multi-scale Hypergraphs

SABER: 一种基于多尺度超图的语义对齐脑网络分析框架

Yidan Xu, Xiangmin Han, Rundong Xue, Huihui Ye

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出SABER框架，通过多尺度超图建模功能子网络与高阶依赖，并引入决策级语义对齐机制，将大语言模型语义直接融入预测，在ABIDE和ADHD-200数据集上取得最优性能，尤其在小样本场景下。

Comments Accepted to IEEE International Conference on Multimedia and Expo (ICME) 2026;

Multilayer Q-Matrix-Embedded Neural Network for Cognitive Diagnosis (M-QCDNet): Structure-Aware Deep Learning Architecture for Psychometric Interpretability

多层Q矩阵嵌入的认知诊断神经网络（M-QCDNet）：面向心理测量可解释性的结构感知深度学习架构

Yiyao Yang

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

AI总结 提出M-QCDNet，将Q矩阵作为结构先验嵌入神经网络，通过带L2惩罚的损失函数平衡预测性能与结构对齐，实现可解释的认知诊断。

Comments 15 pages, 3 tables

Traceable Fault Diagnosis for Battery Energy Storage Systems via Retrieval-Augmented Multi-Agent O&M Assistant

基于检索增强的多智能体运维助手实现电池储能系统可溯源故障诊断

Jiangdi Ru, Bing Li, Yage Huang, Ding Wang, Keru Hua

机构 * Corporate Research Center, Midea Group（美的集团企业研发中心） ； New Energy Business Division, Midea Group（美的集团新能源业务部） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 提出一种结合检索增强多智能体推理的BESS故障诊断助手，通过任务路由、模式约束数据库访问、混合文本-图像检索和基于证据的答案合成，实现可溯源的故障诊断。

Predicting Early Stages Of Alzheimer's Disease And Identifying Key Biomarkers Using Deep Artificial Neural Network And Ensemble Of Machine Learning Methodologies

使用深度人工神经网络和集成机器学习方法预测阿尔茨海默病早期阶段并识别关键生物标志物

Debopriya Ghosh

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

AI总结 提出结合深度神经网络与集成机器学习模型，利用临床、神经心理测试和神经影像数据，通过处理缺失值、类别不平衡和特征选择，实现阿尔茨海默病早期检测并识别关键生物标志物。

Comments Master's

MARVEL: Margin-Aware Robust von Mises-Fischer Expert Learning for Long-Tailed Out-of-Distribution Detection

MARVEL: 面向长尾分布外检测的边际感知鲁棒 von Mises-Fischer 专家学习

A. S. Anudeep, Vaanathi Sundaresan

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

AI总结 提出 MARVEL 框架，通过非线性 von Mises-Fisher 分类器、边际感知多专家学习和离群专家，解决长尾医学图像分布外检测问题，在三个数据集上实现 FPR95 分别降低 8.45%、13.02% 和 36.90%。

Purified OPSD: On-Policy Self-Distillation Without Losing How to Think

纯化OPSD：在不失去思考能力的情况下进行在线自我蒸馏

Zhanming Shen, Jintao Tong, Shaotian Yan, Chen Shen, Hao Chen, Wentao Ye, Xiaomeng Hu, Rui Miao, Haobo Wang, Junbo Zhao, Gang Chen, Jieping Ye

机构 * Zhejiang University（浙江大学） ； Tongyi Lab, Alibaba Group（阿里云实验室，阿里巴巴集团） ； Huazhong University of Science and Technology（华中科技大学） ； Jilin University（吉林大学） 纠错

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

AI总结 针对在线自我蒸馏（OPSD）在长链思维推理模型中失效的问题，通过分解教师监督信号，发现参考诱导成分导致死记硬背，提出基于点互信息的参考隔离方法，在保持模型认知行为的同时提升性能。

Multi-Head Recurrent Memory Agents

多头递归记忆智能体

Jiatong Li, Samuel Yeh, Sharon Li

机构 * Department of Computer Science, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） 纠错

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

AI总结 针对递归记忆智能体在长上下文中性能退化问题，提出多头递归记忆（MHM）框架，通过分阶段选择-更新策略隔离记忆头，显著提升记忆保持率和端到端准确性。

Comments 19 pages, 11 figures, 5 tables

Value-of-Information Analysis for External Validation of Risk Prediction Models in Multicenter Studies and Systematic Reviews

多中心研究和系统综述中风险预测模型外部验证的信息价值分析

Laure Wynants, Kim Zhipei Wang, Sabine Grimm, Andrea Gabrio, Andrew Vickers, Ewout Steyerberg, Ben Van Calster, Mohsen Sadatsafavi

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 针对多中心研究和Meta分析中预测模型净收益的不确定性，扩展预期完美信息价值（EVPI）方法以考虑中心间异质性，并通过卵巢癌诊断ADNEX模型的36中心系统综述进行实证。

Three Futures for the Diagnostic Radiologist: A Structured Disagreement About What AI Actually Changes

诊断放射科医生的三种未来：关于AI实际改变内容的结构性分歧

Jan Beger, Amine Korchi, Christoph A. Agten

专题命中 诊断辅助 ：radiology(abstract)

AI总结 本文通过三位专家（两位放射科医生和一位医疗影像IT专家）基于共享模板独立撰写的2035年诊断放射科医生职位描述，探讨AI对放射科医生角色的影响，发现三方在方向一致但程度分歧，AI不会消除该职业，但会扩展、集中或分层取决于未做出的选择。

How Indian Dermatologists are Utilizing Artificial Intelligence for Clinical Practice and Workflow Management: A Nationwide Survey with a Special Focus on atopic dermatitis

印度皮肤科医生如何将人工智能用于临床实践和工作流程管理：一项以特应性皮炎为重点的全国性调查

Dipayan Sengupta, Saumya Panda, Sandipan Dhar, Dipankar De, Deepika Pandhi, Narayanan B

机构 * Charnock Hospital, Kolkata, India（科钦医院，加尔各答，印度） ； Department of Dermatology, Jagannath Gupta Institute of Medical Sciences and Hospital, Kolkata, India（皮肤科部，贾亚纳塔·古普塔医学科学与医院，加尔各答，印度） ； Department of Pediatric Dermatology, Institute of Child Health, Kolkata-700017, India（儿科皮肤科部，儿童健康研究所，加尔各答-700017，印度） ； Department of Dermatology, Venereology, and Leprology, Postgraduate Institute of Medical Education and Research, Chandigarh-160012, India（皮肤科、性病学和麻风病学部，医学教育与研究研究生院，昌迪加尔-160012，印度） ； Department of Dermatology and STD, University College of Medical Sciences & GTBH, University of Delhi, Delhi-110095, India（皮肤科和性传播疾病部，医学科学大学及GTBH，德里大学，德里-110095，印度） ； Department of DVL, Sree Balaji Medical College and Hospital, Chennai, India（DVL部，Sree Balaji医学院和医院，钦奈，印度） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 通过全国性调查，发现印度皮肤科医生主要使用通用大语言模型处理认知和行政任务，而临床需求集中于慢性病管理和特应性皮炎工作流支持，提示临床监督下的工作流工具可能比独立诊断应用更有用。

Comments 28 pages, 5 tables

Prior-Anchored Debiasing for Long-Tailed Multi-Organ Pathology Report Generation

先验锚定去偏方法用于长尾多器官病理报告生成

Feng Yang, Jie Liu, Yubo Pang, Peilin Chen, Xinheng Lyu, Shiqi Wang, Howard Leung, Ping Chen

机构 * City University of Hong Kong, Hong Kong SAR（香港城市大学） ； University of Nottingham, United Kingdom（诺丁汉大学） ； University of Massachusetts Boston, United States（马萨诸塞大学波士顿分校） 纠错

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

AI总结 针对多器官病理报告生成中视觉表示和文本解码的长尾偏差，提出先验锚定框架PriOrGen，通过视觉原型锚定瓶颈和元报告锚定库分别缓解两类偏差，在长尾数据集上优于现有方法。

Quaternion Nondecimated Wavelet Descriptors for Multiclass Breast Histology Classification

用于多类乳腺组织学分类的四元数非抽取小波描述符

Sara Antonijevic, Brani Vidakovic

专题命中 病理影像 ：pathology(abstract)

AI总结 提出可解释的四元数非抽取小波框架，将RGB图像编码为纯四元数场，通过二维四元数非抽取小波变换提取多尺度、方向性、颜色耦合的特征，用于乳腺组织学四分类，在BACH数据集上使用径向核SVM实现平衡识别。

Comments 19 pages, 8 figures. Code available at https://github.com/saraantonijevic/QNDWT2D-histology

Discrete Diffusion Language Models for Interactive Radiology Report Drafting

离散扩散语言模型用于交互式放射报告草稿生成

Max Van Puyvelde, Halil Ibrahim Gulluk, Wim Van Criekinge, Olivier Gevaert

机构 * Stanford University School of Medicine（斯坦福大学医学院） ； Ghent University（根特大学） ； Stanford University（斯坦福大学） 纠错

专题命中 医疗多模态 ：radiology(title)；分类 cs.LG

AI总结 提出将离散扩散语言模型用于放射报告草稿生成，利用其任意顺序填充能力实现交互式编辑，在医学VQA任务上达到或超越自回归模型，解码速度快3.5-4.4倍。