医学 AI

Super-Generalist: Towards Comprehensive and Accurate Medical Image Understanding via Generalist-Specialist Synergy

超级通才：通过通才-专才协同实现全面准确的医学图像理解

Shaoteng Zhang, Weiwei Cao, Wanxing Chang, Yutong Xie, Kai Cao, Zaiyi Liu, Yu Shi, Tingbo Liang, Qi Zhang, Ling Zhang, Yong Xia, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（湖畔实验室） ； Department of Radiology, Ningbo No. 2 Hospital（宁波市第二医院放射科） ； Department of Radiology, Guangdong Provincial People’s Hospital（广东省人民医院放射科） ； Department of Radiology, Shanghai Institution of Pancreatic Disease（上海胰腺疾病研究所放射科） ； Department of Radiology, Shengjing Hospital of China Medical University（中国医科大学附属盛京医院放射科） ； The First Affiliated Hospital, Zhejiang University School of Medicine（浙江大学医学院附属第一医院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 研究旨在通过通才-专才协同实现全面准确的医学图像理解。提出SuG框架，整合多分割专家空间先验进行视觉-语言对齐，利用病变掩码校准注意力。在多CT基准测试中评估，其在疾病诊断任务中性能领先，超越专才模型，有强大病变定位能力。

Quality assurance of the Federal Interagency Traumatic Brain Injury Research (FITBIR) database for multi-site MRI analysis

用于多站点MRI分析的联邦跨部门创伤性脑损伤研究（FITBIR）数据库的质量保证

Adam M. Saunders, Michael E. Kim, Gaurav Rudravaram, Elyssa M. McMaster, Chloe Scholten, Sequoia Wade, Marselle Rasdall, Simon Vandekar, Tonia S. Rex, François Rheault, Bennett A. Landman

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

AI总结 针对FITBIR数据库，将其结构和扩散MRI及相关信息整理统一，用UNesT分割分析指标，经质量保证后用GAMLSS建模，发现TBI受试者与对照组相比，15个脑区体积有显著差异。

Comments 8 pages, 5 figures

Secure-by-Disguise: A Systematic Evaluation of Image Disguising for Confidential Medical Image Modeling

通过伪装实现安全：对用于机密医学图像建模的图像伪装的系统评估

Jason Rojas, Jiajie He, Yash Patel, Yuechun Gu, Zeyun Yu, Keke Chen

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

AI总结 研究针对医学图像外包建模的隐私问题，建立统一框架评估DisguisedNets和NeuraCrypt等方法，分析其在多数据集上的预测效用、效率及抗攻击鲁棒性，发现图像伪装性能因任务而异，RMT平衡最佳，为医学AI应用中PET适用性提供评估。

TCLA: Training-Free Class-wise Logit Adaptation for Medical Vision-Language Models

TCLA：用于医学视觉语言模型的无训练类级对数几率适应

Tianyou Jiang, Ziyu Zhou

机构 * University of Bern（伯尔尼大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 针对医学视觉语言模型在分布外数据上有效性下降问题，提出无训练的少样本适应方法TCLA。该方法基于支持样本校正推理对数几率，提升模型性能，实验表明其能持续提高模型OOD性能且多数情况下优于现有训练方法。

Prototypical Few-Shot Medical Image Semantic Segmentation with Background Fusion

基于背景融合的原型少样本医学图像语义分割

Yuan Dong, Xiaoyu Yu, Wentao Wan, Jianchao Xue, Yuejin Duan, Song Tang, Yu Zhao

机构 * Chinese Academy of Medical Sciences（中国医学科学院） ； Peking Union Medical College（北京友谊医院） ； School of Health Sciences（健康科学学院） 纠错

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

AI总结 研究针对医学图像少样本语义分割，提出背景融合原型（Bro）方法。通过特征相似性校准减少噪声，分层通道对抗注意力将背景融合到原型，基于通道组注意力机制实现从粗到细融合，可与现有模型集成，有效提升分割性能。

Multi-Layer Gaussian Splatting for Immersive Anatomy Visualization

多层高斯散射用于沉浸式解剖可视化

Constantin Kleinbeck, Hannah Schieber, Klaus Engel, Ralf Gutjahr, Daniel Roth

机构 * Technical University of Munich（慕尼黑技术大学） ； Clinic for Orthopedics and Sports Orthopedics（骨科与运动骨科诊所） ； TUM University Hospital（慕尼黑技术大学医院） ； Siemens Healthineers AG（西门子医疗影像有限公司） 纠错

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

AI总结 本文提出多层高斯散射方法，用于高效且静态地表示CT扫描，实现沉浸式解剖可视化，支持交互式三维评估与医学教育。

Journal ref IEEE Trans. Vis. Comput. Graph. 31(5):2353-2363 (2025)

The Statistical physics of unsaturated soil water: kinetic theory and non commutative pore water dynamics

非饱和土壤水的统计物理学：动力学理论与非对易孔隙水动力学

Riccardo Rigon

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究构建非饱和土壤水统计力学理论，通过多尺度方法得出孔隙占有率连续场方程，引入孔隙分辨达姆科勒数统一现象学，简化得到理查兹方程等，揭示滞后和优先流特性，输入基于孔隙网络几何属性，无需宏观数据校准。

Comments Main paper plus supplemental material

HemoPIC: A Physics-Informed Cerebral Hemodynamics Digital Twin for Brain Perfusion

HemoPIC：用于脑灌注的物理信息脑血流动力学数字孪生模型

Yi-Chen Lee, Peirong Liu

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

AI总结 研究提出物理信息脑血流动力学数字孪生模型HemoPIC，通过解决约束反问题，联合估计数字孪生参数和潜在状态，消除常规灌注定量中的手动AIF选择和反卷积，直接生成临床可行的灌注汇总图，还能进行正向模拟和反事实干预分析。

Decoupling Language Guidance from Backbones for Text-Guided Medical Segmentation

用于文本引导医学分割的骨干网络与语言引导解耦

Yungeng Liu, Xuanzi Fang, Haijin Zeng, Qi Dai, Yongyong Chen

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； NingBo No.2 Hospital（宁波第二医院） 纠错

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

AI总结 研究针对文本引导医学分割中模型组件紧密耦合问题，提出可转移骨干层次适配器框架BTHA，通过稳定特征级接口、分层监督策略和自适应门控语义引导适配器，有效提升分割效果且计算开销适度。

LUMOS: Latent Universal Medical Priors for Segmentation

GuiDINO：重新思考医学图像分割中的视觉基础模型

Zhuonan Liang, Wei Guo, Jie Gan, Yaxuan Song, Runnan Chen, Hang Chang, Weidong Cai

机构 * The University of Sydney, Sydney. NSW 2006, Australia Biological System \& Engineering Division, Lawrence Berkeley National Laboratory, Berkeley. CA 94720, USA Berkeley Biomedical Data Science Center, Lawrence Berkeley National Laboratory, Berkeley. CA 94720, USA 纠错

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

AI总结 GuiDINO通过引导掩码机制提升医学图像分割性能，提供了一种参数高效的基础模型适应方法。

Comments 13 pages, 10 figures, 12 tables

SYNRARE: Synthetic Rare Disease EHR Generation for ML Benchmarking

SYNRARE：用于机器学习基准测试的合成罕见病电子健康记录生成

Nicolai Dinh Khang Truong, Richard Röttger

机构 * University of Southern Denmark（南丹麦大学） 纠错

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

AI总结 针对罕见病诊断因症状相似易延迟且机器学习算法应用受法律隐私限制的问题，提出基于Synthea框架的图形用户界面SYNRARE，可生成与常见疾病患者有可定义差异的合成电子健康记录，用于机器学习算法基准测试。

Comments Intended for submission to the Application Notes Bioinformatics Journal

A censoring-aware target interface for tabular foundation models in survival prediction

生存预测中用于表格基础模型的删失感知目标接口

Yue Lyu, Steven H. Lin, Xuelin Huang, Ziyi Li

专题命中 临床大模型 ：biomedical(abstract)

AI总结 研究针对表格患者数据事件发生时间预测中右删失问题，提出SurvFM-RMST框架，将生存结果转换为伪观察目标用于RMST回归，在模拟和多数据集测试中表现良好，支持其作为删失生存数据与表格基础模型预测的接口。

Comments 33 pages, 5 figures. Supplementary Information included as an ancillary file

Are LLMs Ready to Assist Physicians? PhysAssistBench for Interactive Doctor-Patient-EHR Assistance

LLMs 是否已准备好辅助医生？PhysAssistBench：交互式医患-电子病历辅助基准

Tianming Du, Peijie Yu, Sihan Shang, Danli Shi, My Linh Nguyen, Shengbo Gao, Guangyuan Li, Yinghong Yu, Yan Jiang, Qianlong Zhao, Behzad Bozorgtabar, Shaoxiong Ji, Jiazhen Pan, Daniel Rueckert, Jiancheng Yang

机构 * Aalto University（阿尔托大学） ； Tencent（腾讯） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Hong Kong Polytechnic University（香港理工大学） ； Aarhus University（奥胡斯大学） ； Technical University of Munich（慕尼黑工业大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 提出PhysAssistBench基准，通过构建交互式患者代理评估LLM在医患-EHR交互中的协调能力，发现当前模型不可靠，瓶颈在于多维度协调而非单一能力。

Comments 34 pages with 8 figures

Evaluating Retrieval-Augmented Generation vs. Long-Context Input for Clinical Reasoning over EHRs

评估检索增强生成与长上下文输入用于电子健康记录临床推理的效果

Skatje Myers, Dmitriy Dligach, Timothy A. Miller, Samantha Barr, James Landefeld, Yanjun Gao, Matthew Churpek, Anoop Mayampurath, Majid Afshar

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Loyola University Chicago（芝加哥洛约拉大学） ； Boston Children’s Hospital Harvard Medical School（波士顿儿童医院哈佛医学院） ； University of Colorado-Anschutz（科罗拉多大学安舒茨分校） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 研究评估检索增强生成（RAG）用于电子健康记录临床推理的效果，定义三个基于EHR的任务，用真实住院临床记录评估三种大语言模型，发现RAG在成像程序和抗生素时间线任务中令牌效率高，诊断生成任务较具挑战性，RAG是临床任务的有效方法。

A Personalized Computational Framework for Assessing the Sufficiency of Partially Observed Data in Healthcare AI models

用于评估医疗保健人工智能模型中部分观测数据充分性的个性化计算框架

Qingchu Jin, Felistas Mazhude, Jamie B. Rabb, Robert S. Kramer, Douglas B. Sawyer, Raimond L. Winslow

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

AI总结 该研究针对医疗保健人工智能模型部分观测数据问题，提出特征充分性分析（FSA），通过估计缺失变量分布来评估数据充分性，经案例研究验证其能进行患者特定评估、提供特征排序方法等，助力医疗人工智能系统部署。

AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE

AnchorMoE: 基于锚点路由的混合专家模型实现可解释时间序列分类

Tao Xie, Zexi Tan, Haoyi Xiao, Mengke Li, Yiqun Zhang, Yang Lu, Cuie Yang, Yiu-ming Cheung

机构 * School of Automation, Guangdong University of Technology（广东工业大学自动化学院） ； School of Computer Science and Technology, Guangdong University of Technology（广东工业大学计算机科学与技术学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； School of Informatics, Xiamen University（厦门大学信息学院） ； State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University（东北大学过程工业综合自动化国家重点实验室） ； Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） 纠错

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

AI总结 提出AnchorMoE框架，利用混合专家架构对局部补丁进行多视角表示并路由至专门专家，通过加性分解实现前向可解释性，并引入几何正交约束和不确定性感知门控机制提升稀疏信号下的分解可靠性与噪声抑制。

Comments Accepted by KDD 2026

Dissipativity-Based Multiport Stability Root-Cause Identification and Mitigation for Solid-State Transformers

基于耗散性的固态变压器多端口稳定性根本原因识别与缓解

Xiangyu Meng, Dong Xie, Hongjian Lin, Chunxu Lin, Xinglai Ge, Zhigang Liu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 针对高功率并网固态变压器控制回路设计不当致低频振荡问题，建立多端口导纳矩阵，通过多端口耗散性分析诊断不稳定根源，设计稳定控制器解决问题，在缩小比例原型上验证，有效保证弱电网下稳定运行。

Comments 14 pages. Accepted manuscript

Journal ref IEEE Transactions on Industrial Electronics, pp. 1-13, 2026

A graph clustering approach to localization for adaptive covariance tuning in data assimilation based on state-observation mapping

基于图聚类的自适应协方差调节数据同化中的定位方法

Sibo Cheng, Jean-Philippe Argaud, Bertrand Iooss, Angélique Ponçot, Didier Lucor

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种基于图聚类的自适应协方差调节方法，通过高效定位减少数据同化成本，提高协方差精度。

The Gaussian phenotype of biological measurements

生物测量的高斯表型

Norichika Ogata

专题命中 病理影像 ：pathology(abstract)；分类 q-bio

AI总结 研究探讨生物测量的高斯性，用QQ-RMSE量化，通过NHANES数据构建参考分布比较高斯表型，发现不同生物测量有不同高斯特征，生物标准化可改善，提出高斯表型概念并建立参考图谱。

Comments 12 pages, 5 figures

ALICE: Learning a General-Purpose Pathology Foundation Model from Vision, Vision-Language, and Slide-Level Experts

ALICE：从视觉、视觉语言和玻片级专家学习通用病理学基础模型

Jiawen Li, Tian Guan, Huijuan Shi, Xitong Ling, Mingxi Fu, Anjia Han, Chao He, Yonghong He

机构 * Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学生物医药与健康工程研究院，清华大学深圳国际研究生院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Department of Pathology, The First Affiliated Hospital of Sun Yat-sen University（中山大学附属第一医院病理科） ； Medical Optical Technology R&D Center, Research Institute of Tsinghua, Pearl River Delta（清华珠三角研究院医学光学技术研发中心） 纠错

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

AI总结 研究提出通过多阶段凝聚蒸馏训练的ALICE统一基础模型，将多种教师模型知识整合到单个主干。它在大量图像上预训练，经多场景多任务评估，在任务匹配病理基础模型中平均排名最佳，证明凝聚蒸馏可整合能力用于广泛病理学应用。

Deceptive Grounding: Entity Attribution Failure in Clinical Retrieval-Augmented Generation

欺骗性基础：临床检索增强生成中的实体归因失败

Cedric Caruzzo, Donggeun Yoo, Tae Soo Kim

机构 * Lunit（鲁尼特） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 研究临床检索增强生成中的欺骗性基础问题，通过对13个模型测试发现DG率8%-87%，医学等微调模型高达86.7%。控制消融确定机制，实体归因验证可检测DG，现有框架未实施，为该领域研究提供新视角和方法。

Comments 24 pages, 7 figures, 12 tables

Transformer-Based Inverse Microrheology for Experimental Mechanics at Ultra-High Strain Rates

基于Transformer的超高应变率下实验力学的逆微流变学

Lehu Bu, Zhaohan Yu, Danila Frolkin, Junyoung Kim, Qihang Shi, Jan N. Fuhg, Shaoting Lin, Jin Yang

机构 * Materials Science Graduate Program, Texas Materials Institute, The University of Texas at Austin（材料科学研究生项目，德克萨斯材料研究所，德克萨斯大学奥斯汀分校） ； Department of Mechanical Engineering, Michigan State University（机械工程系，密歇根州立大学） ； Department of Aerospace Engineering and Engineering Mechanics, The University of Texas at Austin（航空航天工程与工程力学系，德克萨斯大学奥斯汀分校） ； The Oden Institute of Computational Science and Engineering, University of Texas at Austin（奥登计算科学与工程研究所，德克萨斯大学奥斯汀分校） ； Department of Mechanical Engineering, University of Wisconsin-Madison（机械工程系，威斯康星大学麦迪逊分校） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 研究针对传统流变工具在超高应变率下表征软材料的局限，提出基于Transformer的气泡动力学框架BDT，集成物理模拟与神经网络，从气泡动力学快速逆表征软材料粘弹性，无需迭代优化，加速参数推断并能表征多种材料行为。

Global testing of SNP-methylation interactions on binary phenotypes via a logistic functional regression model

通过逻辑函数回归模型对二元表型的SNP-甲基化相互作用进行全局检验

Yvelin Gansou, Karim Oualkacha, Marzia Angela Cremona, Lajmi Lakhal-Chaieb

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 该研究针对生物医学中遗传与表观遗传因素对二元健康结果影响的挑战，提出逻辑函数回归模型，通过局部核使甲基化测量值与SNP基因型相互作用，能稳定推断区域水平相互作用，模拟显示其校准I型错误和检验效能优于经典方法。

Impedance-Guided Programmable Transmission of Localized Deformation in Modular Soft Metamaterials

模块化软超材料中局部变形的阻抗引导可编程传输

Weiyun Xu, Daewon Hong, Zhi Zhao, Rahul Dev Kundu, Xiaojia Shelly Zhang

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究模块化软超材料中局部变形传输问题，提出阻抗引导设计框架，通过建立非线性模型和拓扑优化实现可编程传输，合成模块族，实现多种位移操纵架构及信息处理，为智能材料系统提供见解和途径。

Federated Low-Rank Koopman Learning for Multivariate Time-Series Anomaly Detection in IoT Systems

物联网系统中用于多变量时间序列异常检测的联邦低秩库普曼学习

Tung-Anh Nguyen, Van-Phuc Bui, Anh Tuyen Le, Kim Hue Ta, Minh Thuy Le, J. Andrew Zhang, Xiaojing Huang

机构 * University of Technology Sydney（悉尼科技大学） ； FPT University（越南邮电大学） ； Hanoi University of Science and Technology（河内科技大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.LG、eess.SP

AI总结 研究物联网系统多变量时间序列异常检测问题，提出FedKAD框架，通过轻量级滑动窗口库普曼表示学习正常时间动态，经联邦训练优化共享表示，实验表明其检测性能良好且适用于资源受限的边缘设备。