医学 AI

CT-CLIP Representations for Multimodal Lung Cancer Survival Prediction

用于多模态肺癌生存预测的CT-CLIP表示

Sofie Allgöwer, Mikael Johansson, Andreas Hallqvist, Jonas Andersson, Åse Johnsson, Ida Häggström, Jennifer Alvén

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Umeå University（于默奥大学） ； Sahlgrenska University Hospital（萨尔格伦斯卡大学医院） ； Sahlgrenska Academy at Gothenburg University（哥德堡大学萨尔格伦斯卡学院） 纠错

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

AI总结 研究评估特定领域基础模型CT-CLIP用于肺癌多模态生存预测，通过多种策略提取特征，结果显示冻结的CT-CLIP模型结合可训练生存头表现出色，能有效区分高低风险组。

Comments 8 pages, 2 figures

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

Open-source MRI-informed computational model of human cortical folding

人类皮质折叠的开源磁共振成像信息计算模型

Anne Kerachni, Thomas Lavigne, Stéphane Urcun, Mireia Alenya, Oscar Camara, Julien Lefèvre François Rousseau

专题命中 医学影像 ：MRI(title,summary_cn)

AI总结 该研究针对人类皮质折叠问题，利用开源代码FEniCS开发计算模型，构建模块化、可解释且可扩展的模拟框架，结合胎儿MRI数据模拟折叠，估计参数并优化预测，助力理解皮质折叠及相关疾病。

Comments 33 pages, 17 figures

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

Leveraging Pathology Co-occurrence for Test-Time Adaptation in Chest X-Ray Diagnosis

利用病理学共现进行胸部X光诊断的测试时适应

Woojin Jeong, Yujin Choi, Dongbin Kim, Soyeon Park, Jaewook Lee

机构 * Seoul National University（首尔国立大学） ； Nanyang Technological University（南洋理工大学） ； UNIST（蔚山科学技术院） 纠错

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

AI总结 研究针对医学影像模型在新临床地点性能下降问题，提出共现加权适应（CoWA）方法，利用疾病共现模式作适应可靠性信号，估计标签共现结构并降低偏离模式样本权重，在胸部X光基准测试中优于基线。

Comments Accepted to MICCAI 2026

False Confidence: Automated Labels Confound Fairness Audits in Cervical Spine Segmentation

错误置信度：颈椎分割中的自动标签混淆公平性审计

Linus Juni, Aasa Feragen, Aditya Parikh

机构 * Section for Visual Computing, DTU Compute, Technical University of Denmark（视觉计算部门，丹麦技术大学） 纠错

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

AI总结 研究针对颈椎MRI分割无公平性审计的问题，利用CSpineSeg数据集进行审计，发现参考标签选择非中立，银标签会使模型性能高估、公平性判定改变，指出参考标签来源是分割评估的混杂因素，应依专家标签报告性能与公平性并说明参考来源。

Comments 8 pages, 1 figure. Under review at FAIMI 2026 (MICCAI workshop)

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。

Projected Energy Matching for Generative 3D Priors

用于生成式 3D 先验的投影能量匹配

Daniel Barco, Michal Balcerak, Suprosanna Shit, Chinmay Prabhakar, Philipp Denzel, Bjoern Menze, Frank-Peter Schilling

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 q-bio、eess.IV

AI总结 研究针对能量匹配在高维 3D 数据训练的挑战，提出投影能量匹配框架，引入亥姆霍兹提炼和负缓存策略，用于医学 CT 逆问题如稀疏视图重建，减少计算量并实现高保真重建。

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

Attention-Based Segmentation of WMHs and Differentiation of Vascular vs. Demyelinating Lesions

基于注意力的脑白质高信号分割以及血管性与脱髓鞘性病变的区分

Aina Tur-Serrano, Gabriel Moyà-Alcover, Francisco J. Perales López

机构 * UGiVIA Research Group, Dpt. of Mathematics and Computer Science, Universitat de les Illes Balears（UGiVIA研究小组，数学与计算机科学系，巴利阿里群岛大学） 纠错

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

AI总结 研究针对脑白质高信号在鉴别诊断上的挑战，提出结合基于注意力的分割与特征驱动分类方法，评估注意力机制、测试不同架构及训练策略，利用多数据集实验，结果显示该方法为区分血管性和脱髓鞘性白质病变提供了有前景的方向。

Journal ref Pattern Recognition Letters 202 (2026) 50-56

Progression as Latent Drift: Generative Forecasting of Slow-Evolving Pathologies

作为潜在漂移的进展：缓慢演变病理的生成预测

Yuxiang Feng, Juncheng Wang, Chao Xu, Wenlong Hou, Huihan Wang, Yijie Qian, Yang Liu, Baigui Sun, Yong Liu, Shujun Wan

机构 * Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； IROOTECH TECHNOLOGY（IROOTECH技术） ； Wolf 1069 b Lab, Sany Group（Wolf 1069 b实验室，三一集团） 纠错

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

AI总结 研究针对缓慢演变神经退行性疾病未来解剖结构预测难题，提出潜在漂移的渐进生成框架，在压缩语义表示中学习变化，结合有限标量量化抑制干扰波动，实验表明该方法在神经预测上优于基线。

Comments Accepted to ECCV 2026

ConRad: Efficient Conformal Prediction for Radiomics

ConRad：用于放射组学的高效共形预测

Matt Y. Cheung, Ashok Veeraraghavan, Guha Balakrishnan

机构 * Department of Electrical & Computer Engineering, Rice University（电气与计算机工程系， Rice大学） 纠错

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

AI总结 研究针对放射组学中分割模型问题，提出ConRad共形框架，利用预测掩码等派生协变量构建自适应区间，在五个二维医学成像数据集及171个放射组学目标上实验，提高了特征级效率且保持覆盖率，消融结果显示分割边界不确定性特征贡献大。

Comments Code available at https://github.com/matthewyccheung/conrad

TOM: An Open-Source Tongue Segmentation Method with Multi-Teacher Distillation and Task-Specific Data Augmentation

TOM：一种基于多教师知识蒸馏和任务特定数据增强的开源舌象分割方法

Jiacheng Xie, Ziyang Zhang, Biplab Poudel, Congyu Guo, Yang Yu, Guanghui An, Xiaoting Tang, Lening Zhao, Chunhui Xu, Dong Xu

专题命中 医学影像 ：diagnosis(abstract)；分类 q-bio、eess.IV

AI总结 本文提出TOM模型，通过多教师知识蒸馏和任务特定数据增强实现高效舌象分割，并提供开源工具和案例研究，提升中医诊断性能。

Comments Tongue segmentation, data augmentation, synthetic data for AI training, prompt engineering, Segment Anything Model, knowledge distillation, tongue classification

Where do LLMs Fall Short in CBT-Guided Affective Reasoning?

大语言模型在认知行为疗法引导的情感推理中存在哪些不足？

Vaishnavi Sinha, Pooja Guttal, Pranay Deep Reddy Katike, Vishal Sinha, Gerald Ndawula, Lira Yoon, Andrea Kleinsmith, Manas Gaur

机构 * UMBC（美国马里兰大学） ； UC Irvine（美国加州大学 Irvine 分校） 纠错

专题命中 医学影像 ：CT(abstract)

AI总结 研究大语言模型在认知行为疗法引导的情感推理中的不足，采用知识引导框架，将用户叙述分解并基于临床概念验证，用协议杠杆力衡量引导效果，发现单链思维提示无效，多链思维能更好引导策略选择但效果有限。

Comments 12 pages, 7 figures, accepted for publication in Affective Computing and Intelligent Interaction (ACII) 2026

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。