医学 AI

Physically Aware Radiomics Without Interpolation: Disentangling Voxel Geometry and Signal Modification in CT and MRI

无插值的物理感知放射组学：解析CT和MRI中的体素几何与信号修正

David Corral Fontecha, Juan Miranda Bautista, Pablo Menendez Fernández-Miranda, Sergio Rubio-Martín, Lara Lloret Iglesias, Jose A. Vega

机构 * Complejo Asistencial Universitario de León（莱昂大学附属医院综合体） ； Hospital Universitario Rey Juan Carlos（雷·胡安·卡洛斯大学医院） ； Health Research Institute of the Jiménez Díaz Foundation（希门尼斯·迪亚斯基金会健康研究所） ； Rey Juan Carlos University（雷·胡安·卡洛斯大学） ； Universidad de Oviedo（奥维耶多大学） ； Universidad de León（莱昂大学） ； IFCA-CSIC（西班牙国家研究委员会高级计算与电子科学研究所） ； Universidad Autónoma de Chile（智利大学） 纠错

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

AI总结 该研究针对放射组学纹理特征计算中因各向异性图像导致的问题，开发体素间距感知放射组学框架，通过修改PyRadiomics并比较四种配置进行实验，结果表明VS能有效分离几何建模与信号修正，为放射组学分析提供新方法。

Comments Manuscript under peer review

SpikeDS: Dual Sparsity Spikformer for Perineural Invasion Prediction in 3D MRI

SpikeDS：用于3D MRI中神经周围侵犯预测的双稀疏Spikformer

Induk Um, Youngung Han, Kyeonghun Kim, Yului Jeong, Jina Jeong, Hyunsu Go, Dohyun Kweon, Sungha Park, Junga Kim, Anna Jung, Suah Park, Hyuk-Jae Lee, Pa Hong, Woo Kyoung Jeong, Won Jae Lee, Ken Ying-Kai Liao, Nam-Joon Kim

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

AI总结 研究针对3D MRI中神经周围侵犯预测难题，提出双稀疏Spikformer架构，利用激活与空间稀疏性，引入双稀疏脉冲注意力机制，经实验验证其在临床队列中AUC达0.753且能耗低，有效提升效率且不损诊断性能。

GenDiff: A Dose and Anatomy Aware Diffusion Model with Structural Prior Refinement for Low-Dose CT Reconstruction and Generalization

GenDiff：一种具有结构先验细化的剂量和解剖感知扩散模型，用于低剂量CT重建和泛化

Md Imam Ahasan, Guangchao Yang, A F M Abdun Noor, Kah Ong Michael Goh, S. M. Hasan Mahmud, Md Mahfuzur Rahman

机构 * Faculty of Information Science & Technology, Multimedia University, Malaysia（马来西亚多媒体大学信息科学与技术学院） 纠错

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

AI总结 针对低剂量CT重建中现有方法局限性，提出GenDiff框架，联合建模剂量与解剖信息，集成多种模块，经多数据集实验验证，该方法在不同条件下鲁棒性强且重建质量优，是低剂量CT成像的有前途方案。

Comments 20 pages, 8 figures, 4 tables. Under review at PeerJ Computer Science

Anatomy-Privileged Distillation with Token Routing for MRI-Based Prediction of Perineural Invasion

基于令牌路由的解剖学特权蒸馏用于基于MRI的神经周围侵犯预测

Hyunsu Go, Youngung Han, Kyeonghun Kim, Junga Kim, Dohyun Kweon, Jinyong Jun, Sungha Park, Anna Jung, Induk Um, Yului Jeong, Suah Park, Jina Jeong, Pa Hong, Woo Kyoung Jeong, Won Jae Lee, Ken Ying-Kai Liao, Hyuk-Jae Lee, Nam-Joon Kim

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

AI总结 针对肝内胆管癌PNI预测，提出解剖学特权师生框架，训练时教师用带掩码MRI学习令牌路由，学生提炼指导，该方法在155名患者中表现良好，实现较高AUROC，且推理无需掩码，计算量和时间合理。

Contrastive Joint-Embedding Prediction for Representation Learning in Structural MRI

用于结构MRI中表示学习的对比联合嵌入预测

Fabian Mager, Lars Kai Hansen

机构 * Technical University of Denmark（丹麦技术大学） ； Department of Applied Mathematics and Computer Science（应用数学与计算机科学系） 纠错

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

AI总结 针对医学成像中标记数据稀缺问题，提出COJEPA自监督框架，结合联合嵌入预测架构与对比损失，用于体积脑MRI。通过特定技术扩展到3D，在多任务中评估，取得了如最佳同卵双胞胎召回率等成果，证明组合目标能产生优质表示。

Reconstruction-Independent Resolution Limits in Preclinical Cone-Beam Micro-CT: A Closed-Form Analysis

临床前锥形束微CT中与重建无关的分辨率极限：闭式分析

Falk L. Wiegmann, Nancy L. Ford

专题命中 医学影像 ：CT(title,title_cn)

AI总结 研究临床前锥形束微CT中与重建无关的分辨率极限，推导光子噪声和角采样极限的闭式表达式，组合成有效分辨率图，给出扫描设计最优值及预算分配规则，并用实例和计算器展示相关内容。

Comments Accompanying open-source interactive web calculator: https://ubc-ford-lab.github.io/ideal_observer_SKE_BKE_model/

Medical Image Segmentation based on Deep Active Contour and Mean Curvature Loss Function

基于深度活动轮廓和平均曲率损失函数的医学图像分割

Xiao-qiang Zhai, Zhi-feng Pang, Peng Zheng, Ze-wen Li, Yan-zhe Hou

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

AI总结 针对医学图像分割中像素级训练缺乏几何先验信息及分割区域表征不足的问题，提出深度活动轮廓和平均曲率（DACMC）损失函数，用卷积核近似平均曲率，在多数据集上验证性能，展现新最优表现。

Comments 15 pages, 4 figures. Keywords: medical image segmentation, curvature regularization, loss function, active contour model, mean curvature, deep learning. Under review at Biomedical Signal Processing and Control

Multi-Perspective Agentic Program Repair via Code Property Graphs and Temporal Execution Graphs

通过代码属性图和时间执行图进行多视角智能程序修复

Zhili Huang, Ling Xu, Hongyu Zhang

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究针对大语言模型在自动程序修复中的局限，提出CT-Repair框架，通过代码属性图和时间执行图表示证据，利用三阶段过滤管道及多视角智能体分析错误并生成修复策略，实验证明该方法能有效提高修复有效性。

Comments 12 pages, 5 figures, 10 tables

UniMedSeg: Unified In-Context Learning for Multi-Paradigm 2D/3D Medical Image Segmentation

UniMedSeg：用于多范式2D/3D医学图像分割的统一上下文学习

Yunzhou Li, Jiesi Hu, Yanwu Yang, Hanyang Peng, Chenfei Ye, Jianfeng Cao, Yixuan Yuan, Ting Ma

机构 * Harbin Institute of Technology at Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； University Hospital Tübingen（图宾根大学医院） ； German Center for Mental Health（德国心理健康中心） ； Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 研究针对医学图像分割基础模型存在的问题，提出以Transformer为中心的UniMedSeg框架，通过映射多种信息到共享序列空间联合学习异构医学监督，引入解耦分割注意力克服内存瓶颈，在多类分割任务中实现最优性能且无需特定任务微调。

Lesion Segmentation in Moderate to Severe Traumatic Brain Injury: An nnU-Net Based Approach with Adaptive Normalization in the AIMS-TBI 2025 Challenge

中重度创伤性脑损伤中的病变分割：AIMS-TBI 2025 挑战赛中基于 nnU-Net 并采用自适应归一化的方法

Inhwa Son, Gaeun Lee, Sohyeon Sim, Kwang-Hyun Uhm

机构 * Gachon University（加昌大学） ； MEDAI 纠错

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

AI总结 针对中重度创伤性脑损伤病变分割难题，利用AIMS-TBI 2025挑战赛推动算法发展，提出基于nnU-Net并采用自适应归一化的方法，有效减少个体差异与伪影，在测试中取得良好成绩，证明该策略对解决病变分割复杂性有效。

Comments 2nd place, AIMS-TBI Challenge at MICCAI 2025

FPGA-Based Mini X-Ray Detector Front-End

基于现场可编程门阵列的微型X射线探测器前端

Kris Paetow, D. G. Perera

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究针对医学成像系统对前端电子设备的需求，利用现场可编程门阵列处理大量数据并保持可预测定时和低延迟操作的特性，将医学成像概念简化为基于FPGA的小型前端演示。

Comments 20 pages, 9 Figures

Low-Temperature Holographic Conductivity

低温全息电导率

Sabyasachi Maulik, Leopoldo A. Pando Zayas, Jingchao Zhang

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究低温下全息电导率，通过有效二维作用量处理量子涨落，得出电导率非单调温度依赖，包括先降后升等情况，还估计了一圈贡献，发现量子修正显著改变全息电导率低温行为。

Comments 35 pages, 9 figures

Modeling the Evolution of Protoplanetary Disks: Two Pathways from Gravitational Instability to MHD Wind-Driven Accretion

模拟原行星盘的演化：从引力不稳定性到磁流体动力学风驱动吸积的两条路径

Yang Ni, Wenrui Xu, Xue-Ning Bai

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 研究原行星盘演化，提出半二维模型，纳入多种因素。大规模磁通量径向分布驱动两条演化路径，连接不同类型盘，指出盘物理时空不均匀、热力学有作用、磁通量分布是关键，结果与观测相符。

Comments 22 pages, 5 figures; submitted to ApJ

Steering Diffusion Models via Class-Contrastive Influence for Few-Shot Medical Classification

通过类对比影响引导扩散模型进行少样本医学分类

Jeeyung Kim, Erfan Esmaeili, Qiang Qiu

机构 * Purdue University（普渡大学） 纠错

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

AI总结 针对少样本医学分类中标记数据稀缺，现有方法忽视样本对分类有用性衡量与优化的问题，提出类对比影响（C2I）准则，通过强化学习用C2I奖励微调扩散模型，引导生成类信息丰富样本，提高了下游准确性和鲁棒性。

Low-temperature Quantum-corrected Holographic Transport with Momentum Relaxation

具有动量弛豫的全息模型中低温量子修正全息输运

Suman Das, Sabyasachi Maulik, Leopoldo A. Pando Zayas, Jingchao Zhang

专题命中 医学影像 ：CT(abstract_cn)

AI总结 研究具有动量弛豫的全息模型中近极端黑膜近 AdS₂ 喉部涨落引起的输运量子修正，通过计算相关物理量，发现 Schwarzian 量子涨落导致低温输运增强，不同标度维数算符有不同温度依赖特征，确定了近视界量子引力在全息量子物质输运性质中的特征。

Comments 46 pages, 10 figures

Deep4ge: DNN Training Trajectories for Fault Detection and Diagnosis

Deep4ge：用于故障检测与诊断的深度神经网络训练轨迹

Sigma Jahan

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

AI总结 研究针对深度学习系统因细微故障致训练行为改变的问题，提出Deep4ge基准数据集，通过59个适配程序生成14227次训练运行记录，含故障变体及相关特征，支持多种故障检测与诊断任务，并发布数据集与框架。

Comments Accepted at ICSME Data & Tool Track, 2026

G-SHARE: A Guideline-Based Structured Reasoning Framework for Human-Factor Event Diagnosis

G-SHARE：一种基于指南的人为因素事件诊断结构化推理框架

Xingyu Xiao, Mao Du, Jiejuan Tong, Jingang Liang, Haitao Wang

机构 * Institute of Nuclear and New Energy Technology, Tsinghua University（清华大学核能与新能源技术研究院） ； National Key Laboratory of Human Factors Engineering（人因工程重点实验室） ； Fujian Fuqing Nuclear Power Co., Ltd.（福建福清核电有限公司） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 研究针对核电站人为因素事件诊断问题，提出基于指南的结构化推理框架G-SHARE，将诊断指南转化为多阶段流程，含证据提取等步骤。通过构建数据集评估，其性能显著优于基线，证明了转化专家指南为推理流程对安全关键行业智能分析的价值。

Roadmap Towards Quantum Entanglement Positron Emission Tomography (QE-PET)

量子纠缠正电子发射断层扫描（QE-PET）的路线图

Paweł Moskal, Shiva Abbaszadeh, Harmanjeet Singh Bilkhu, Peter Caradonna, Pragya Das, Praveen Gurunath Bharathi, Ana Marija Kožuljević, Zdenka Kuncic, Deepak Kumar, Mihael Makek, Marek Nowakowski, Siddharth Parashari, Kaustav Prasad, Gregory R. Romanchek, Sushil Sharma, Kenji Shimazoe, Ewa Stępień, Sodai Takyu, Miwako Takahashi, Mizuki Uenomachi, Ritesh Verma, Taiga Yamaya

专题命中 诊断辅助 ：pathology(abstract)；diagnosis(abstract)

AI总结 介绍量子纠缠正电子发射断层扫描（QE-PET）研究现状，阐述利用湮灭光子纠缠的探测器系统及物理现象，通过抑制随机符合等开发相关方法技术，有望用于增强PET成像、确定诊断生物标志物及pH成像，邀科学界加入该新兴领域。

The Geometry of Memorization: Finite-Time Spectral Sensitivity as a Diagnostic for Flow Matching Models

记忆的几何：有限时间谱灵敏度作为流匹配模型的诊断方法

Shuchan Wang

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

AI总结 研究连续时间生成框架中路径变形问题，提出有限时间谱灵敏度g(t)，通过跟踪状态转移矩阵奇异值揭示流几何。利用其在数据稀缺时的表现开发内部几何审计框架，能仅依内部轨迹动态检测生成记忆。

Comments 15 pages, 2 figures, code available at https://github.com/ShuchanWang/ftss-memorization

From Many to Meaningful: Feature-Guided Zero-Shot Chronic Kidney Disease Screening Using Large Language Models

从众多到有意义：使用大语言模型进行特征引导的零样本慢性肾病筛查

Muhammad Ashad Kabir, Sirajam Munira

机构 * School of Computing, Mathematics and Engineering, Charles Sturt University（查尔斯·斯特尔特大学计算、数学与工程学院） ； Department of Computer Science, Rensselaer Polytechnic Institute（伦斯勒理工学院计算机科学系） 纠错

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

AI总结 研究探讨用大语言模型进行零样本慢性肾病筛查的可行性，提出特征引导零样本框架，通过特征选择、序列化患者记录实现。实验表明该框架能提升模型性能，在多数据集有良好泛化性，为CKD筛查提供新方法。

Comments Author-prepared preprint. The Version of Record was published in AIME 2026, Springer, and is available via the DOI

Journal ref Proceedings of the Artificial Intelligence in Medicine (AIME 2026)

Hierarchical Fault Localization for Autonomous Driving Systems with Hypothesis Validation and Intent Analysis

基于假设验证和意图分析的自动驾驶系统分层故障定位

Rui Zheng, Changwen Li, Yi Ji, Rongjie Yan

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 针对自动驾驶系统故障难定位问题，提出HINT框架，通过假设验证和意图分析分两阶段进行分层故障定位，无需重新模拟，经在Apollo上评估，该框架在模块级诊断和代码级定位性能强，实际错误端到端准确率达77.8%。

CGRL: Concept-Guided Pruning and Representation Learning for Whole-Slide Image Classification

CGRL：用于全切片图像分类的概念引导剪枝与表示学习

Thuc Huynh, Tuan Le, Doanh C. Bui

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

AI总结 针对弱监督全切片图像分类中现有方法问题，提出CGRL框架，通过概念相关剪枝和概念引导对比表示学习，在TCGA - BRCA和TCGA - NSCLC数据集上评估，提升了模型性能并降低计算成本，证明类级语义概念的有效性。

Comments 6 pages, 2 figures. Accepted at MAPR 2026. Code: https://github.com/ThucHuynh44/CGRL

Demonstration of the common dual-channel feature decoupling characteristic of front-door mediation causal inference methods in whole-slice image classification

前门中介因果推理方法在全切片图像分类中的通用双通道特征解耦特性证明

Zhirui Zhang, Tianhang Nan, Yong Ding, Zhuolun Song, Dayu Hu, Xiaoyu Cui

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

AI总结 研究在全切片图像分类中，提出并证明关于因果推理MIL的两个假设，即引入独立分类通道及增加通道特征差异可消除错误关联，通过在相关数据集上评估几种因果推理MIL，为因果推理应用于WSI分析提供新视角。

Comments The manuscript is being submitted for publication to a journal

From Geometric Recovery to Causal Validation: A Reproducible Audit of Sparse Autoencoder Features, from Superposition Geometry to Causal Inertness

从几何恢复到因果验证：对稀疏自编码器特征的可重复审计，从叠加几何到因果惰性

Mohamed Abdessalem Bal

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 研究聚焦于稀疏自编码器特征，通过重现相关实验发现现有评估混淆不同主张。提出sae - 因果审计工具，发现大量特征存在因果惰性，重新审计细化惰性分类，应用该工具于生产SAE揭示原子碰撞信号。

Comments 21 pages, 8 figures, 6 tables. Code and reproduction pipeline: https://github.com/mohamed-bal/sae-causal-audit

Auditing Data Leakage in Whole-Slide Image Multimodal Benchmarks

全切片图像多模态基准测试中的数据泄露审计

Wenhao Zhang, Zhongliang Zhou, John Kang, Sheng Li

机构 * University of Virginia（弗吉尼亚大学） ； Merck & Co., Inc.（默克公司） 纠错

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

AI总结 研究针对计算病理学中WSI VQA基准测试数据泄露问题，通过追踪标识符发现患者级和机构级泄露，证明其可从基础模型特征空间解码，导致准确率差距，当前评估无法区分推理与检索，最后给出无污染评估建议。

A 32-channel event-based bio-signal analog front-end with adaptive delta and pulse frequency encoding

一种具有自适应增量和脉冲频率编码的32通道基于事件的生物信号模拟前端

Narayanan Shyam, Saptarshi Ghosh, Giacomo Indiveri

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种用于生物医学信号采集和编码的32通道基于事件的AFE专用集成电路，具有双模编码机制，aADM编码器可实时自适应调整编码数据速率，实现高数据压缩，为脑机接口神经信号自适应无线通信和在线处理提供支持。

Comments Submitted to NeuroPHY 2026 workshop, at the EWSN 2026 conference

MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations

MemOps：在长期对话中对生命周期内存操作进行基准测试

Xixuan Hao, Zeyu Zhang, Zehao Lin, Yihang Sun, Ziliang Guo, Xichong Zhang, Yuxuan Liang, Feiyu Xiong, Zhiyu Li

机构 * MemTensor (Shanghai) Technology Co., Ltd.（墨天轮（上海）科技有限公司） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Renmin University of China（中国人民大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 研究针对长期对话中内存操作评估，引入MemOps基准测试，将对话内存视为操作生命周期，通过可控管道嵌入操作并评估，揭示了当前系统内存操作的问题，推动评估从答案评分转向操作级诊断。