医学 AI

Anatomically Guided Latent Diffusion for Brain MRI Progression Modeling

用于脑 MRI 进展建模的解剖学引导潜在扩散

Cheng Wan, Bahram Jafrasteh, Ehsan Adeli, Miaomiao Zhang, Qingyu Zhao

机构 * Cornell University（康奈尔大学） ； Weill Cornell Medicine（韦尔医学院） ； Stanford University（斯坦福大学） ； University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 研究旨在准确建模脑 MRI 进展，提出解剖学引导潜在扩散模型 AG-LDM，通过融合多因素简化训练流程，经实验验证其在图像质量、误差降低及特征捕捉等方面表现优异，是可靠的脑 MRI 进展建模框架。

Comments 24 pages, 7 figures, 7 tables. Code available at https://github.com/JornyWan/AG-LDM

Spatiotemporal Gaussian representation-based dynamic reconstruction and motion estimation framework for time-resolved volumetric MR imaging (DREME-GSMR)

基于空间时间高斯表示的动态重建与运动估计框架用于时间分辨体素MRI成像（DREME-GSMR）

Jiacheng Xie, Hua-Chieh Shao, Can Wu, Ricardo Otazo, Jie Deng, Mu-Han Lin, Tsuicheng Chiu, Jacob Buatti, Viktor Iakovenko, You Zhang

机构 * The Advanced Imaging and Informatics for Radiation Therapy (AIRT) Laboratory（先进成像与放射治疗信息学（AIRT）实验室） ； The Medical Artificial Intelligence and Automation (MAIA) Laboratory（医学人工智能与自动化（MAIA）实验室） ； Department of Radiation Oncology, University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心放射肿瘤科） ； Department of Medical Physics, Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心医学物理系） 纠错

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

AI总结 本文提出DREME-GSMR框架，通过3D高斯表示实现亚秒级动态MRI重建，无需先验模型即可进行实时影像和运动追踪。

Comments 57 pages, 10 figures

Asynchronous Federated Continual Segmentation with Evolving Clients and Label Spaces

具有不断变化的客户端和标签空间的异步联邦持续分割

Can Peng, Qianhui Men, Pramit Saha, Qianye Yang, Yingyu Yang, Shuwei Xing, Cheng Ouyang, J. Alison Noble

机构 * University of Oxford（牛津大学） ； University of Bristol（布里斯托大学） 纠错

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

AI总结 研究现实中联邦学习客户端组成和标签空间会变化的问题，提出CA-MMDS框架，通过基于代理的蒸馏更新全局模型，减少通信和计算成本，以多类3D腹部CT分割任务验证其能有效整合客户端知识并获良好分割性能。

A Tool Bottleneck Framework for Clinically-Informed and Interpretable Medical Image Understanding

用于临床信息丰富且可解释的医学图像理解的工具瓶颈框架

Christina Liu, Alan Q. Wang, Joy Hsu, Jiajun Wu, Ehsan Adeli

机构 * California Institute of Technology（加州理工学院） ； Stanford University（斯坦福大学） 纠错

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

AI总结 针对医学图像理解中工具组合难的问题，提出工具瓶颈框架（TBF），利用工具瓶颈模型（TBM）组合VLM选择的工具，通过神经网络计算融合工具输出，在组织病理学和皮肤病学任务中表现出色，提升医学图像理解且使预测更具可解释性。

Journal ref Proceedings of the 9th International Conference on Medical Imaging with Deep Learning, Proceedings of Machine Learning Research 315 (2026) 2958-2986

Unravelling the mechanisms underlying crack initiation in additively manufactured steel

揭示增材制造钢中裂纹萌生的潜在机制

KenHee Ryou, Yaozhong Zhang, James A. D. Ball, Dan Rubio-Ejchel, Dillon Jobes, Buhari Ibrahim, Charles Romain, Minh-Son Pham, Henry Proudhon, Jerard V. Gordon

专题命中 医学影像 ：biomedical(abstract)

AI总结 研究增材制造钢裂纹萌生机制，结合多模态技术观察裂纹尖端塑性三维演变，发现锻造钢与增材制造合金在裂纹尖端塑性表现不同，揭示抗断裂能力受其空间演变控制，为提高损伤容限提供机理框架。

Self-EvolveRec: Self-Evolving Recommender Systems with LLM-based Directional Feedback

Self-EvolveRec：基于大语言模型定向反馈的自进化推荐系统

Sein Kim, Sangwu Park, Hongseok Kang, Wonjoong Kim, Jimin Seo, Yeonjun In, Kanghoon Yoon, Hyunsik Jeon, Chanyoung Park

机构 * Microsoft（微软） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究针对传统推荐系统设计方法局限，提出Self-EvolveRec框架，集成用户模拟器与模型诊断工具建立定向反馈循环，并引入协同进化策略。实验证明该框架在推荐性能和用户满意度上显著优于现有基线。

EasyLens: A Training-Free Plug-and-Play Subtle-Lesion Representation Amplifier for Medical Vision-Language Models

EasyLens: 一种无需训练的即插即用型微病变表示放大器，用于医学视觉语言模型

Qiwei Zeng, Hao Wang, Jinghao Lin, Shuchang Ye, Yuezhe Yang, Yige Peng, Haoyuan Che, Jinman Kim, Lei Bi

机构 * Jilin University（吉林大学） ； School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； ByteDance（字节跳动） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） 纠错

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

AI总结 提出EasyLens，一种无需训练的即插即用模块，通过构建病理-解剖原型空间、反事实推理选择病变相关补丁以及形态引导残差增强，放大医学视觉语言模型对微病变的表示能力。

MultiFair: Multimodal Balanced Fairness-Aware Medical Classification with Dual-Level Gradient Modulation

MultiFair：具有双级梯度调制的多模态平衡公平感知医学分类

Md Zubair, Hao Zheng, Grayson W. Armstrong, Lucy Q. Shen, Gabriela Wilson, Yu Tian, Xingquan Zhu

机构 * School of Computing and Informatics, University of Louisiana at Lafayette（路易斯安那州立大学拉法叶分校计算机与信息学学院） ； Louisiana Center for Health Innovation and College of Nursing & Health Sciences, University of Louisiana at Lafayette（路易斯安那州立大学拉法叶分校健康创新中心及护理与健康科学学院） ； Massachusetts Eye and Ear, Harvard Medical School（哈佛医学院马萨诸塞眼耳医院） ； Department of Computer Science, University of Central Florida（佛罗里达州立大学计算机科学系） ； Department of Electrical Engineering and Computer Science, Florida Atlantic University（佛罗里达Atlantic大学电子工程与计算机科学系） 纠错

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

AI总结 针对多模态医学分类中数据模态学习不均衡和模型对特定群体不公平的问题，提出MultiFair方法，通过双级梯度调制过程动态调整训练梯度，在多数据集上评估，有效解决了上述挑战。

Comments This work has been accepted for publication in IEEE Transactions on Medical Imaging