医学 AI

AA-ViT: Anatomically Aware Vision Transformer with Structural and Frequency Guidance for Contrast Enhanced Brain MRI Synthesis

AA-ViT：用于对比增强脑MRI合成的具有结构和频率引导的解剖学感知视觉变换器

Talha Meraj, Tom Flannery, Charlie Cummins, Matt Townend, Thomas C Booth, Peter Crossley, Michael McCann, Ian Overton, Saritha Unnikrishnan

机构 * Atlantic Technological University（大西洋理工大学） ； Belfast Health and Social Care Trust（贝尔法斯特健康和社会关怀信托基金） ； King’s College Hospital NHS Foundation Trust（国王学院医院国民保健服务信托基金） ； King’s College London（伦敦国王学院） ； Queen’s University Belfast（贝尔法斯特女王大学） 纠错

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

AI总结 研究旨在开发准确无创的CEMRI合成方法，提出解剖学感知的频率和结构引导视觉变换器（AA-ViT），利用对比前MRI模态合成CEMRI。实验表明该方法能保留边界，临床评估获高分，可降低成本等，为CEMRI合成提供新途径。

Comments Accepted for Publication in MIUA 2026 proceedings

Towards Accurate and Fast Clinical Body Composition: A Resource-Efficient Hierarchical Segmentation Framework for Multi-Source CT

迈向准确快速的临床身体成分分析：一种用于多源CT的资源高效分层分割框架

Xiaodi Shen, Qingzhu Zheng, Yaoyang Qiu, Cien Fan, Ruonan Zhang, Yangdi Wang, Luyao Wu, Weikai Zheng, Longfei Zhao, Bing Li, Rulin Xu, Qiqi Xu, Ren Mao, Shiting Feng, Xuehua Li

机构 * Department of Radiology, The First Affiliated Hospital, Sun Yat-sen University（放射科，中山大学第一附属医院） ； Research & Development Center, Canon Medical Systems (China) Co. Ltd.（研发中心，佳能医疗系统（中国）有限公司） 纠错

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

AI总结 针对CT多源数据异质性及高内存需求问题，提出从粗到细分层框架，用动态间距等优化效率，在多数据集训练评估，Dice系数良好，能在标准CPU工作站平衡准确与效率，实现大规模身体成分分析。

Comments Affiliations: (1) Department of Radiology, The First Affiliated Hospital, Sun Yat-sen University, Guangzhou 510080, China. (2) Research & Development Center, Canon Medical Systems (China) Co. Ltd. Beijing 100015, China

Heterogeneity-Adaptive Diffusion Schrodinger Bridge for PET-Guided Whole-Body MRI Translation

用于PET引导的全身MRI转换的异质性自适应扩散薛定谔桥

Chengbo Wang, Jiacheng Yu, Linjie Bian, Ming Qi, Xiaosheng Liu, Tongtong Che, Jichang Zhang, Shuyu Li, Shaoli Song, Xiuying Wang

机构 * The University of Sydney（悉尼大学） ； Fudan University Shanghai Cancer Center（复旦大学附属上海肿瘤医院） ； Beijing Normal University（北京师范大学） 纠错

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

AI总结 针对PET-MR扫描时间长的问题，提出异质性自适应扩散薛定谔桥（HA-DSB）框架，通过整合视觉语言模型嵌入及PET先验，利用双阶段引导机制，实现全身MRI转换，提升不同区域尤其是病变区域的转换质量。

Comments Accepted at MICCAI 2026

Visualising Parker Weighting in Short-Scan Cone-Beam Micro-CT: A Practical Reference

可视化Parker加权在短扫描锥束微CT中的应用：一个实用参考

Falk L Wiegmann, Nancy L Ford

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文通过可视化和定量分析，展示Parker加权在eXplore CT 120扫描仪中的应用，揭示其在减少方向性伪影和提高图像质量中的作用。

Vision Foundation Models in Radiology: A Scoping Review of Data, Methodology, Evaluation and Clinical Translation

放射学中的视觉基础模型：数据、方法、评估和临床转化的范围综述

Alejandro Vergara-Richart, Xavier Rafael-Palou, Almudena Fuster-Matanzo, Ignacio Iborra Roncales, Ángel Alberich-Bayarri, Ana Jiménez-Pastor

机构 * Universitat Politècnica de València（瓦伦西亚理工大学） 纠错

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

AI总结 对2017年1月至2026年3月关于放射成像数据训练基础模型的研究综述，涵盖数据、架构、评估等方面。Transformer架构和自监督预训练为主，评估集中在分割和分类。虽有可迁移性，但临床转化因多种问题受限。

Comments 33 pages, 8 tables, 2 figures

Trexplorer Super: Topologically Correct Centerline Tree Tracking of Tubular Objects in CT Volumes

Trexplorer Super：CT 体积中管状物体的拓扑正确中心线树跟踪

Roman Naeem, David Hagerman, Jennifer Alvén, Lennart Svensson, Fredrik Kahl

机构 * Chalmers University of Technology（查尔姆斯理工大学） 纠错

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

AI总结 研究旨在改进 CT 体积中管状物体中心线跟踪。针对 Trexplorer 问题提出 Trexplorer Super，通过开发三个难度递增的中心线数据集，对现有 SOTA 模型全面评估，结果显示 Trexplorer Super 性能更优，且合成数据与真实数据表现有差异。

Comments Submitted Version. Accepted at MICCAI 2025

CRIS: Cross-Plane Self-Supervised Isotropic Restoration for Anisotropic Volumetric Imaging Across Modalities

CRIS：跨模态各向异性体积成像的跨平面自监督各向同性恢复

Adi Ahituv, Anat Ilivitzki, Moti Freiman

机构 * Faculty of Data and Decision Sciences, Technion -- Israel Institute of Technology（数据与决策科学学院，技术离子技术学院） ； Faculty of Biomedical Engineering, Technion -- Israel Institute of Technology（生物医学工程学院，技术离子技术学院） ； The May-Blum-Dahl MRI Research Center, Technion -- Israel Institute of Technology（梅-布卢姆-达尔MRI研究中心，技术离子技术学院） 纠错

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

AI总结 提出CRIS，一种无需配对各向同性真值的跨平面自监督框架，通过正交重切2D条带补全实现3D各向同性恢复，在MRI和体积电镜上优于插值和多种方法。

Comments 24 pages, 8 figures, supplementary material included

CEVAR: Centerline Embedding Extraction for Endovascular Aneurysm Repair

CEVAR：用于血管内动脉瘤修复的中心线嵌入提取

Roman Naeem, Timo Niiniskorpi, Charlotte Sandström, Naman Desai, Anders Jeppsson, Ida Häggström, Fredrik Kahl, Håkan Roos, Jennifer Alvén

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； The University of Gothenburg（哥德堡大学） ； Sahlgrenska University Hospital（萨尔拉格斯卡大学医院） 纠错

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

AI总结 针对EVAR术后密封区失效导致的破裂问题，提出一种结合3D中心线追踪与嵌入几何预测的Transformer框架，实现自动密封区评估，在常规及无对比剂CT上均优于半自动方法。

VCDP: Variation-Conditioned Distributional Proxy Learning for Semi-Supervised Medical Image Segmentation

VCDP：用于半监督医学图像分割的变异条件分布代理学习

Zimu Zhang, Yiheng Zhong, Zhuoru Zhang, Yingzhen Hu, Yanan He, Fanliang Meng, Xiaofeng Liu

机构 * Yale University（耶鲁大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

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

AI总结 研究半监督3D医学图像分割问题，提出VCDP方法，通过可学习高斯分布和变异原型表示类语义及模式，用统一分数融合相似性与聚合，改进了多器官分割基线，尤其对复杂器官分割效果好。

SHTA: Semantic Hard Token Correction and Center Alignment for Semi-Supervised Medical Image Segmentation

SHTA：用于半监督医学图像分割的语义硬令牌校正和中心对齐

Zhuoru Zhang, Yiheng Zhong, Zimu Zhang, Xiaofeng Liu

机构 * Yale University（耶鲁大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

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

AI总结 针对半监督医学图像分割中硬区域语义一致性不足问题，提出SHTA方法，通过语义分配等技术细化语义表示，集成到多个框架并在相关数据集评估，能提升分割精度等性能，且仅增加训练开销。

Comments 9 pages, 7 figures, 4 tables

HPR-SAM: Hierarchical Probabilistic Representation Learning for Prompt-free SAM-based Medical Image Segmentation

HPR-SAM：基于无提示SAM的医学图像分割的分层概率表示学习

Yingzhen Hu, Yiheng Zhong, Keying Zhu, Zimu Zhang, Zihan Ye, Sifan Song, Jionglong Su, Xiaofeng Liu

机构 * Yale University（耶鲁大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

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

AI总结 研究针对无提示SAM医学图像分割中现有方法局限，提出HPR框架，通过DAR、MAR、LRR学习互补解剖学表示，经HPF整合预测并兼容原始SAM解码器，实验验证该框架在多数据集上有效，达最优性能。

Comments 9 pages, 4 figures

COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images

COVID-Net USPro：一种开源的可解释少样本深度原型网络，用于从点即服务超声图像中监测和检测新冠病毒感染

Jessy Song, Ashkan Ebadi, Adrian Florea, Pengcheng Xi, Stéphane Tremblay, Alexander Wong

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

AI总结 COVID-Net USPro 是一种基于深度学习的可解释少样本原型网络，用于从点即服务超声图像中高精度检测 COVID-19 阳性病例。

Comments 12 pages, 5 figures

Journal ref Sensors 23, no. 5 (2023): 2621

From Data Completeness to Data Sufficiency: A Task-Driven Imaging Framework for Intraoperative CBCT under Quality-Time-Dose Trade-offs

从数据完备性到数据充分性：质量-时间-剂量权衡下的术中CBCT任务驱动成像框架

Yi Jia, Rongjun Ge, Yang Chen, Yan Xi, Wenjun Xia

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； Shanghai First-Imaging Information Technology Co., LTD.（上海第一影像信息技术有限公司） 纠错

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

AI总结 该研究针对术中CBCT，指出追求数据完备性不合理，提出围绕数据充分性评估，强调临床决策所需最小图像质量阈值，综合多场景证据表明可接受近似误差以实现质量、时间、剂量平衡。

A Tutorial on Explainable Image Classification for Dementia Stages Using Convolutional Neural Network and Gradient-weighted Class Activation Mapping

使用卷积神经网络和梯度加权类激活映射的痴呆阶段可解释图像分类教程

Kevin Kam Fung Yuen

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

AI总结 本文通过CNN和Grad-CAM对痴呆阶段进行可解释图像分类，展示高准确率的同时探讨可视化解释对医学应用的意义。

Comments 15 pages, 11 figures, 3 tables

Journal ref Handbook on Smart Health, Vol: 330, pp.443-458 (2025)

Automatic Echocardiography Segmentation via Transition Probability Correlation for Stable Semantic Extraction

基于过渡概率相关性的自动超声心动图分割用于稳定语义提取

Xinran Chen, Xiyuan Wang, Guangquan Zhou, Chuan Chen

机构 * School of Biological Science and Medical Engineering, Southeast University（东南大学生物科学与医学工程学院） 纠错

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

AI总结 针对超声心动图分割中因噪声等导致的问题，设计STLSF模块并结合频率感知去噪预训练方法，构建卷积网络，有效缓解纹理不稳定和语义模糊问题，在相关数据集上取得优异分割性能。

An Edge-aware Prompt-enhanced SAM for Ultrasound Image Segmentation

用于超声图像分割的边缘感知提示增强型 SAM

Wenhao Li, Fangyi Liu, Bo Du

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航空信息安全与可信计算重点实验室，教育部，武汉大学计算机科学与工程学院） ； National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, School of Computer Science and Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（多媒體軟體國家工程研究中心，人工智能研究院，武漢大學計算機科學學院，湖北省多媒體與網絡通信工程重點實驗室） 纠错

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

AI总结 针对超声图像分割中 SAM 边界描绘不佳问题，提出 EP-SAM，通过图像编码器多块特征提取和边缘感知监督，生成高质量提示引导模型，在多个基准测试中表现优于现有基于 SAM 的方法。

Comments Accepted to ICME2026

TRACE-Seg3D: Counterfactual Context Auditing For Robust 3D Glioma Segmentation Under Institutional Shift

TRACE-Seg3D：机构转移下用于稳健3D胶质瘤分割的反事实上下文审计

Nguyen Linh Dan Le, Nguyen Pham Hoang Le, Tran Dang Khoi

机构 * The University of Melbourne（墨尔本大学） ； University of Information Technology, Vietnam National University（越南国立大学信息技术大学） ； Industrial University of Ho Chi Minh City（胡志明市工业大学） 纠错

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

AI总结 研究针对医学图像分割模型对机构差异敏感问题，提出TRACE-Seg3D反事实上下文审计框架，通过保留病变证据、改变成像上下文评估预测稳定性，在胶质瘤分割基准实验中表现出色，揭示传统指标遗漏的问题，推动可靠3D医学图像分割。

Comments 16 pages, 5 figures

Seeing What Matters: Lesion-Aware High-Resolution Patch Discovery and Fusion for Chest X-ray Report Generation

看清关键所在：用于胸部X光报告生成的病灶感知高分辨率补丁发现与融合

Yingshu Li, Yunyi Liu, Zhenghao Chen, Tong Chen, Zailong Chen, Lingqiao Liu, Lei Wang, Luping Zhou

机构 * The University of Sydney（悉尼大学） ； The University of Newcastle（纽卡斯尔大学） ； University of Wollongong（卧龙岗大学） ； The University of Adelaide（阿德莱德大学） 纠错

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

AI总结 研究针对胸部X光报告生成中高分辨率感知难题，提出LePaX框架。该框架将高分辨率感知设为固定令牌预算下的空间分辨率分配问题，通过可学习空间分辨率分配和全局-区域融合两个组件，在不增令牌数时实现高分辨率CXR感知，提升了临床和语言指标。

HTC-SGA Former: A Hybrid Transformer-CNN Network with Self-Guided Attention and a New Boundary-Weighted Adaptive Loss for Coronary DSA Vessel Segmentation

HTC-SGA Former: 一种结合自引导注意力与新型边界加权自适应损失的混合Transformer-CNN网络用于冠状动脉DSA血管分割

Rayan Merghani Ahmed, Marwa Omer Mohammed Omer, Mohamed Elmanna, Shijie Li, Bin Li, Shoujun Zhou

机构 * Shenzhen Institutes of Advanced Technology (SIAT)（深圳先进技术研究院） ； University of Chinese Academy of Sciences (UCAS)（中国科学院大学） ； Department of Biomedical Engineering and Systems, Faculty of Engineering（工程学院生物医学工程与系统系） ； Cairo University（开罗大学） 纠错

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

AI总结 提出HTC-SGA Former混合网络，通过CNN编码器提取局部血管形态、Transformer解码器建模上下文、MS-GLWA模块实现全局-局部注意力、SGFA模块增强弱血管响应及BWACL损失函数优化边界，在0.81M参数下超越14种方法，提升细血管恢复与连续性。

Comments 20 pages, 10 figures, 3 tables. Submitted for journal review

AT-Attn: Temporal-Aware Cross-Attention for Longitudinal Multimodal Alzheimer's Disease Diagnosis

AT-Attn：用于纵向多模态阿尔茨海默病诊断的时间感知交叉注意力机制

Xinyue Du, Yibo Liu, Zhenglei Zhou, Xuancheng Yao, Weimin Zhong, Qiuhui Chen

机构 * Xinyue Du1, Yibo Liu2, Zhenglei Zhou3, Xuancheng Yao2, Weimin Zhong1, Qiuhui Chen14（未知） 纠错

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

AI总结 研究针对纵向AD诊断中多模态信息整合难题，提出AT-Attn框架，结合多种技术整合MRI与临床信息，在患者级五折交叉验证中，该模型多项指标优于单模态和简单融合基线，为AD诊断提供临床相关补充信息。

Comments Submitted to IEEE BIBM 2026. 8 pages, 4 figures

Navigating Hierarchy: Hyperbolic Learning on Brain Graphs for Disorder Diagnosis

导航层次结构：用于疾病诊断的脑图双曲学习

Yapeng Li, Bo Jiang, Ziyan Zhang, Dongdong Chen, Zhengzheng Tu

机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） 纠错

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

AI总结 研究针对现有脑图建模方法不足，提出双曲脑图学习（HLBG）框架，利用双曲空间层次几何建模脑网络层次关系，引入GaMamba模型，实验证明其优于现有方法，能识别疾病相关功能生物标志物。

Comments 12 pages, 5 figures

ARGUS: Production-Scale Tracing and Performance Diagnosis for over 10,000-GPU Clusters

ARGUS：面向超过10,000 GPU集群的生产级追踪与性能诊断

Jiasheng Zhou, Longbin Zeng, Clavis Chen, Ruiming Lu, Qinwei Yang, Leyi Ye, Ray Ying, Key Zhang

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 提出低开销、细粒度的始终在线追踪与实时分析系统ARGUS，通过分解训练调用层次、统一数据管道和渐进式诊断框架，在超过10,000 GPU集群上实现<2%开销的持续故障检测与性能优化。

Feynman Kac Reweighted Schrödinger Bridge Matching for Surface-Based Tau PET Harmonization

基于Feynman Kac重加权薛定谔桥匹配的皮层表面Tau PET标准化

Jianwei Zhang, Xinyu Nie, Jiaxin Yue, Yonggang Shi

机构 * Stevens Neuroimaging and Informatics Institute, University of Southern California（斯蒂文斯神经影像与信息学研究所，南加州大学） ； Ming Hsieh Department of Electrical and Computer Engineering of Viterbi School of Engineering, University of Southern California（明希德电气与计算机工程系，维特比工程学院，南加州大学） ； Alfred E. Mann Department of Biomedical Engineering of Viterbi School of Engineering, University of Southern California（阿尔弗雷德·E·曼生物医学工程系，维特比工程学院，南加州大学） 纠错

专题命中 诊断辅助 ：pathology(abstract)；分类 q-bio、eess.IV

AI总结 提出Feynman Kac重加权薛定谔桥匹配（FKRSBM）模型，通过熵正则化最优传输实现源域与目标域间的随机传输，结合子群感知端点提议和球面卷积骨干网络，在Tau PET SUVR图上实现优于现有方法的分布对齐和下游疾病分类。

A Good Initialization is All You Need for Faithful Visual Attribution

忠实视觉归因只需一个良好的初始化

Zihan Gu, Jiayu Wang, Hua Zhang, Yue Hu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） 纠错

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

AI总结 研究忠实视觉归因中掩码优先问题，介绍CoPAIR和TRACE两种仅向前方法，用于构建紧凑的top-k证据掩码。在多个模型和任务上实验，初始化搜索方法达新前沿，TRACE+贪心在多模态语言模型归因中表现优，直接的TRACE掩码有高修复率。

Grounding Spatial Relations in a Compact World Model: Instruction Leakage and a Goal-Free Dynamics Fix

在紧凑世界模型中建立空间关系：指令泄漏与无目标动力学修复

Yufeng Wang, Lu Wei, Haibin Ling

机构 * Stony Brook University（纽约州立大学石溪分校） ； Westlake University（西湖大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究以语言目标为条件的紧凑世界模型中空间关系建立问题，发现指令泄漏陷阱，提出将目标排除在动力学外并监督读取路径的修复方法，适用于相关世界模型，提升关系基础的准确性。

SmartHomeSecure: Automated Detection and Repair of Smart Home Configuration Errors Using Large Language Models

智能家居安全：使用大语言模型自动检测和修复智能家居配置错误

Yizhi Wang, Xinghua Gao, Reachsak Ly, Alireza Shojaei

机构 * Myers-Lawson School of Construction, Virginia Polytechnic Institute and State University（Myers-Lawson工程学院，弗吉尼亚理工学院和州立大学） ； School of Technology, Eastern Illinois University（技术学院，东伊利诺伊大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究智能家居配置文件错误问题，提出SmartHomeSecure原型，结合轻量级程序分析与约束引导大语言模型生成，实现自动检测与修复，经实验评估，四个模型测试结果显示该方法能有效提高智能家居配置修复的可靠性和可用性。

Compass: Prostate Cancer Detection Needs Multi-View Context

Compass：前列腺癌检测需要多视图上下文

Paul F. R. Wilson, Mohamed Harmanani, Zhuoxin Guo, Obed K. Dzikunu, Hannes Cash, Adam Kinnaird, Brian Wodlinger, Purang Abolmaesumi, Parvin Mousavi

机构 * Queen’s University（女王大学） ； University of British Columbia（英属哥伦比亚大学） ； Otto von Guericke University Magdeburg（马格德堡奥托·冯·格里克大学） ； University of Alberta（阿尔伯塔大学） ； Exact Imaging（精准成像公司） ； Vector Institute（向量研究所） 纠错

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

AI总结 研究针对前列腺癌检测，提出Compass方法，整合多视图信息，通过基于探头旋转角度的变压器聚合证据，经多中心数据集训练评估，性能强大，凸显多视图上下文价值，为PCa诊断提供有力工具。

Comments MICCAI 2026

Triple-Phase Multimodal Knowledge Aggregation Framework for Microbial Keratitis Subtype Diagnosis on Slit-Lamp Photography

基于裂隙灯摄影的微生物性角膜炎亚型诊断三相多模态知识聚合框架

Yiqing Wang, Maria A. Woodward, Ziyun Yang, N. Venkatesh Prajna, Chunming He, Leslie M. Niziol, Mercy Pawar, Ming-Chen Lu, Guillermo Amescua, Rachel Wozniak, Sejal Amin, Abinaya Krishnan, Prabhleen Kochar, Sina Farsiu

机构 * Department of Biomedical Engineering, Duke University（杜克大学生物医学工程系） ； Kellogg Eye Center, Department of Ophthalmology and Visual Sciences, University of Michigan（密歇根大学凯洛格眼科中心，眼科学与视觉科学系） ； Department of Cornea and Refractive Surgery Services, Aravind Eye Care System（阿瓦因眼科医疗系统角膜与屈光手术部） ； Bascom Palmer Eye Institute, Department of Ophthalmology, University of Miami Miller School of Medicine（迈阿密大学米勒医学院巴斯科姆·帕勒眼科研究所，眼科学系） ； Flaum Eye Institute, Department of Ophthalmology, University of Rochester Medical Center（罗切斯特大学医学中心弗劳姆眼科研究所，眼科学系） ； Department of Ophthalmology, Henry Ford Hospital（亨利福特医院眼科部） ； Duke Eye Center, Duke University School of Medicine（杜克大学医学院杜克眼科中心） 纠错

专题命中 医疗多模态 ：diagnosis(title)；分类 cs.CV、q-bio、eess.IV

AI总结 针对传统微生物性角膜炎病原体鉴定慢、成本高的问题，提出融合多模态信息的三相框架实现角膜炎亚型分类，经多中心验证性能优异，跨站点泛化评估更具参考性。

MedPMC: A Systematic Framework for Scaling High-Fidelity Medical Multimodal Data for Foundation Models

MedPMC：一种用于为基础模型扩展高保真医学多模态数据的系统框架

Hyunjae Kim, Dain Kim, Pan Xiao, Serina S. Applebaum, Younjoon Chung, Xuguang Ai, Yu Yin, Roy Jiang, Yuexi Du, Yawen Wei, Yiming Kong, Tuo Guo, Zhiyuan Cao, Mengmeng Du, Yuelei Fu, Yan Hu, Rui Shi, Gui Yang, Kevin W. Jin, Yuntian Liu, Yuxuan Tian, Jonathan Marquez, Zhen Chen, Sheng Zhang, Hoifung Poon, Hua Xu, Jaewoo Kang, Qingyu Chen

机构 * Yale University（耶鲁大学） ； Korea University（韩国大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； The University of Queensland（昆士兰大学） ； The University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心） ； University of Washington（华盛顿大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 研究针对医学多模态基础模型受高质量临床数据限制问题，提出MedPMC框架，将文献转化为高保真基础设施。经实验，该框架整理大量图像-文本对，在多方面评估表现出色，训练模型在多基准测试和临床场景中效果显著，还公开相关资源。

Latent graph encoding of multimodal neuroimaging features with generative AI architectures

基于生成式人工智能架构的多模态神经影像特征的潜在图编码

Ishaan Batta, Meenu Ajith, Vince Calhoun

机构 * Center for Translational Research in Neuroimaging and Data Science (TReNDS)（转化神经影像与数据科学研究中心） 纠错

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

AI总结 研究旨在设计多模态生成框架用于神经影像特征分析，通过评估多种策略和模型，利用GMV和sFNC特征分析多个生成框架，提出的gMMVAE在多指标上超替代变体，有潜力用于稳健的多模态神经影像分析。

Comments 6 pages, accepted in IEEE International Conference on Image Processing (ICIP) 2026