医学 AI

Causal-Adversarial Probing of Clinical Covariates for Prostate MRI Grading

用于前列腺MRI分级的临床协变量的因果对抗探究

Yipei Wang, Shiqi Huang, Wen Yan, Weixi Yi, Dean C. Barratt, Mark Emberton, Daniel C. Alexander, Veeru Kasivisvanathan, Yipeng Hu

机构 * University College London（伦敦大学学院） ； Medical University of Vienna（维也纳医科大学） 纠错

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

AI总结 研究针对前列腺MRI分级模型，提出因果推理框架，通过对抗框架抑制临床协变量可解码性来探究其依赖性。经实验，在2903例检查及576例患者验证，发现不同临床变量与分级模型的关系，为区分有害依赖和信息信号提供分析。

Multi-LLM Collaborative MRI Report Generation for Visual Instruction Tuning in Brain Oncology

用于脑肿瘤视觉指令微调的多语言模型协作式MRI报告生成

Sinyoung Ra, Jonghun Kim, Hyunjin Park

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

AI总结 针对脑肿瘤缺乏配对3D成像 - 文本数据问题，提出用多语言模型协作创建3D图像 - 文本数据集，构建VLM将MRI扫描转换为令牌并与文本指令对齐，该方法在报告生成等任务中表现优于其他方法，有助于脑肿瘤诊断治疗。

MonteRET: AI Agent Enhancing Multimodal LLMs with Multi-granularity Knowledge Retrieval for Chest CT Report Generation

MonteRET：通过多粒度知识检索增强多模态大语言模型以生成胸部CT报告的人工智能代理

Yi Lin, Yihao Ding, Elana Benishay, Elefterios Trikantzopoulos, David Nauheim, Hanley Ong, Jiang Bian, Hua Xu, Yuzhe Yang, George Shih, Yifan Peng

机构 * Weill Cornell Medicine（威尔康乃尔医学院） ； University of Western Australia（西澳大利亚大学） ； Indiana University（印第安纳大学） ； Regenstrief Institute（瑞根斯特里夫研究所） ； Yale University（耶鲁大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 研究针对自动生成胸部CT报告的挑战，提出MonteRET框架，它整合多种特征，通过知识检索和报告重写代理完善报告。经训练和评估，该框架在多方面提升了报告质量，相比其他方法有显著优势，获放射科住院医师青睐。

$K$-NeAS: Scalable Multi-Material CT Reconstruction Using Neural SDFs

K-NeAS：使用神经符号距离函数的可扩展多材料CT重建

Daksh K. Shah, Emmanouil Nikolakakis, Razvan V. Marinescu

机构 * University of California, Santa Cruz（加利福尼亚大学圣克鲁兹分校） 纠错

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

AI总结 研究针对CT电离辐射风险下的稀疏视图重建问题，提出K-NeAS架构，通过共享主干和K材料顺序软选择器建模多材料，用GMM自动界定衰减并减轻几何幻觉，在多数据集上实现任意材料数量的高保真重建及稀疏采样下的鲁棒性提升。

Comments 9 pages, 3 figures. Under peer review

CRISP: Constrained Refinement via Iterative Squeezing Process for Robust Medical Image Segmentation under Domain Shift

CRISP：通过迭代挤压过程进行约束细化，以实现域转移下的稳健医学图像分割

Yizhou Fang, Pujin Cheng, Yixiang Liu, Xiaoying Tang, Longxi Zhou

专题命中 医学影像 ：medical image(title)；MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)；medical AI(abstract)

AI总结 针对医学成像域转移问题，提出CRISP模型无关框架，利用“正区域的秩稳定性”假设，通过潜在特征扰动获取双先验并递归细化，经迭代训练框架提升分割精度，在多中心实验中显著优于现有方法。

Comments X pages, 3 figures, 3 tables; submitted to AAAI 2027

Demographically-Conditioned Synthetic Medical Images for Bias Mitigation and Bias Detection in Disease Classifiers

用于减轻疾病分类器偏差和检测偏差的人口统计学条件合成医学图像

Mahmoud Ibrahim, Bart Elen, Chang Sun, Gokhan Ertaylan, Michel Dumontier

机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院数据科学研究所） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院高级计算科学系） ； VITO（比利时弗拉芒技术研究所） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；medical image(title,abstract)

AI总结 研究医学图像分类器亚组公平性审计的样本量问题，提出用人口统计学条件合成生成器减轻训练偏差、检测评估偏差。以COVID-19胸部CT分类为例，发现其在偏差减轻和检测上的作用，如预训练效果好、能再现亚组排名等。

ViPSAM: Visual Prompting Medical Image Segmentation Using Segment Anything Model

ViPSAM：使用Segment Anything模型的视觉提示医学图像分割

San Lee, Nalee Kim, Jeong Il Yu, Hee Chul Park, Boah Kim

机构 * Department of Artificial Intelligence, Sungkyunkwan University, Republic of Korea（人工智能系，成均馆大学，大韩民国） ； Department of Radiation Oncology, Samsung Medical Center, Sungkyunkwan University School of Medicine, Republic of Korea（放射肿瘤科，三星医疗中心，成均馆大学医学院，大韩民国） ； Department of MetaBioHealth, Sungkyunkwan University, Republic of Korea（元生物健康系，成均馆大学，大韩民国） 纠错

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

AI总结 针对质子治疗计划中NCCT图像病变分割因对比度低而困难的问题，提出ViPSAM框架，基于SAM模型，利用视觉提示编码器和视觉引导交叉注意力模块整合跨模态信息，实验证明其在肝脏病变分割上优于其他方法，能实现更准确稳健的分割。

Comments Accepted at MICCAI 2026

One-for-All Adaptive Radiotherapy Planning Agent: A Foundation Framework for Daily CBCT-guided Radiotherapy

一适用于所有情况的自适应放射治疗计划智能体：基于每日锥束CT引导的放射治疗基础框架

Shaoyan Pan, Kirk Jon Luca, Yuan Gao, Shansong Wang, Mingzhe Hu, Ryan Sanford, Mojtaba Safari, Justin Roper, Zhen Tian, Tonghe Wang, Xiaofeng Yang

专题命中 医学影像 ：CT(title_cn,summary_cn)

AI总结 介绍一适用于所有情况的自适应放射治疗计划智能体，它基于统一基础模型，能从每日锥束CT执行在线自适应计划，自主预测关键组件并设计临床计划，经多数据集评估，其准确性和计划质量与临床方案相当，为放射治疗带来新机遇。

ReportMedSAM: Guiding Segmentation Through Radiology Reports

ReportMedSAM：通过放射学报告指导分割

Anghong Du, Theodoros N. Arvanitis, Colin Watts, Alejandro F. Frangi, Le Zhang

机构 * School of Engineering, College of Engineering and Physical Sciences, University of Birmingham（工程学院，工程与物理科学学院，伯明翰大学） ； Department of Cancer and Genomic Sciences, College of Medicine and Health, University of Birmingham（癌症与基因组科学系，医学与健康学院，伯明翰大学） ； Department of Computer Science, Faculty of Science and Engineering, University of Manchester（计算机科学系，科学与工程学院，曼彻斯特大学） ； The Division of Informatics, Imaging and Data Science, Faculty of Biology, Medicine, and Health, University of Manchester（信息学、成像与数据科学部，生物、医学与健康学院，曼彻斯特大学） 纠错

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

AI总结 研究旨在解决将放射学报告转换为可靠分割的难题。提出ReportMedSAM框架，利用医学视觉语言编码器通过对比学习建立语义锚点，推理时匹配概念库激活MoE模块，实现对新任务无缝扩展，在数据集上取得较好分割精度。

FORCE-Interior: A Poisson Flow Generative Prior for Interior Tomography Reconstruction

FORCE-Interior：用于内部断层扫描重建的泊松流生成先验

Kang Chen, Wenjun Xia, Jianxu Wang, Mahmud Wasif Nafee, Ge Wang

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

AI总结 针对内部断层扫描中投影截断致逆问题不适定及现有方法泛化性不足等挑战，提出FORCE-Interior框架，结合全视野测量约束初始化与每步数据一致性，在不同截断ROI尺寸上提升重建质量并保持投影域一致性。

A Hybrid Framework for Blood Vessel Morphology Classification: Discrete Geometry-based Tortuosity Feature Measurement, Information Gain-based Feature Selection, and Random Forest Classification

一种用于血管形态分类的混合框架：基于离散几何的曲折度特征测量、基于信息增益的特征选择和随机森林分类

Yu Zhong, Jingzhi Guo, Luyao Li, Zehao Wang, Zhihui Yang, Yixin Lin, Weilun Fu, Yang Wang

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

AI总结 针对血管曲折度量化难题，提出融合离散几何特征测量、信息增益特征选择和随机森林分类的框架，用于颈内动脉形态分类。提取并筛选特征，经实验取得良好分类结果，还定义形态风险指数，为临床评估提供参考。

NeuroGRIP: Retrieval-Augmented Graph Refinement for Knowledge-Grounded EEG Seizure Diagnosis

NeuroGRIP：用于基于知识的脑电图癫痫诊断的检索增强图细化

Lincan Li, Zheng Chen, Yushun Dong

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

AI总结 研究针对脑电图癫痫诊断难题，提出NeuroGRIP框架，结合外部医学知识校准脑电图图。通过构建知识库、利用大语言模型提取知识图，经对齐感知查询和相似性搜索检索关系证据，提升诊断准确性与可解释性，为临床诊断提供新框架。

Angular Gaussian Supervised Contrastive Learning for Long-Tailed Electrocardiogram Arrhythmia Diagnosis

用于长尾心电图心律失常诊断的角高斯监督对比学习

Jin Dai, Qiuzhen Zhang, Chenyun Dai, Danmei Lan, Can Han

机构 * School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Department of Neurology and Neurological Rehabilitation, Shanghai Yangzhi Rehabilitation Hospital, School of Medicine, Tongji University（同济大学医学院附属上海养志康复医院神经科与神经康复科） 纠错

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

AI总结 研究针对长尾心电图心律失常诊断问题，提出角高斯监督对比学习（AG-SCL），集成角高斯对比分支、自适应对数调整和尾部感知增强三个组件，在两个数据集上取得最佳宏观性能，增强对罕见心律失常敏感性并保持特异性。

TEDDY: A Pediatric Foundation Model for Risk Forewarning from ICD-Coded Diagnostic Histories

TEDDY：一种基于ICD编码诊断历史的儿科风险预警基础模型

Matthew Brady Neeley, Jorge Botas, Johnathan Jia, Lin Yao, Daniel Palacios, Benjamin Choi, Zhandong Liu, Hyun-Hwan Jeong

机构 * Baylor College of Medicine（贝勒医学院） 纠错

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

AI总结 研究利用儿科电子健康记录训练TEDDY模型，对纵向诊断轨迹和就诊时间建模，在疾病发病预测任务中表现出色，能支持广泛、罕见疾病和长期风险预测，无需大规模人口数据或数十亿参数模型。

Improving interpretation of latent class models for diagnostic tests by recognizing their measurands via directed acyclic graphs (DAGs)

通过有向无环图（DAG）识别潜在测量值来改进诊断测试的潜在类别模型的解释

Nandini Dendukuri, Ian Schiller, Else Bijker, Michael Libman, Paul Gustafson, Patrick Bossuyt, Joanna Merckx

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究针对诊断测试中潜在类别模型解释问题，利用有向无环图识别测量值，分析其对模型似然函数、可识别性的影响，通过模拟及重新分析数据集，揭示忽略不同测量值会致估计偏差，展示该方法价值。

Comments 29 Pages, 4 Figures, 5 Tables

Self-Evolving Human-Centered Framework for Explainable Depression Symptom Annotation

用于可解释抑郁症症状标注的自我进化以人为中心框架

Hoang-Loc Cao, Van Pham, Truong Thanh Hung Nguyen, Phuc Truong Loc Nguyen, Phuc Ho, Veronica Whitford, Hung Cao

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 针对抑郁症标注质量瓶颈，提出结合大语言模型辅助与专家验证的自我进化标注框架，分三阶段运行，采用双记忆架构，能提高标注一致性和可解释性，减少人工修订，还输出多种信息实现可审计性。

Comments Accepted at IEEE International Conference on Omni-Layer Intelligent Systems (COINS) 2026

Interventional Causal Circuits for Safe Robot Action Testing and Failure Recovery

用于安全机器人动作测试和故障恢复的干预因果电路

Naren Vasantakumaar, Tom Schierenbeck, Michael Beetz

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究机器人动作安全测试及故障恢复问题，提出耦合联合概率树与因果电路并无需重新训练或额外数据收集的闭环框架，经实验验证该框架能减少失败尝试，且被拒计划可生成因果报告支持监督与恢复。

Comments 1st IJCAI Workshop on Safe Physical AI IJCAI 2026 workshop on Safe Physical AI

Evolution-Level Quantum Optimal Control of Single-Qubit Gates with Physics-Informed Neural Networks

基于物理信息神经网络的单比特门的演化级量子最优控制

Yao Du, Jian-Jian Cheng, Lin Zhang, Ming-Liang Hu, Xingang Wang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究利用物理信息神经网络在演化层面进行单比特门设计，共同学习控制场等，改变优化对象，对旋转门和几何门优化效果良好，不仅能合成门，还使量子控制具备可读、可诊断和可局部优化等特性，有助于适应多种实验约束。

Comments 16 pages, 8 figures

Pretraining Multiple Instance Learning Networks with Multi-Teacher Distillation from Pathology Slide Foundation Models

基于病理切片基础模型的多教师蒸馏预训练多实例学习网络

Mingxi Fu, Jiawen Li, Renao Yan, Jiali Hu, Qiehe Sun, Tian Guan, Yonghong He

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； University of Washington（华盛顿大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； Medical Optical Technology R&D Center, Research Institute of Tsinghua（清华研究院医学光学技术研发中心） ； Jinfeng Laboratory（金凤实验室） 纠错

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

AI总结 针对计算病理学中多实例学习存在的问题，提出基于蒸馏的预训练框架，利用两个基础模型作为教师，引入角分散归一化蒸馏损失，将蒸馏权重用于下游适应，实验表明该方法在少样本场景中优势明显，能提升计算效率。

Multimodal Semantic-Aware Contrastive Learning For False Negative Mitigation in 3D Medical Imaging

用于减轻 3D 医学成像中假阴性的多模态语义感知对比学习

Sara Ketabi, Matthias W. Wagner, Cynthia Hawkins, Uri Tabori, Birgit Betina Ertl-Wagner, Farzad Khalvati

机构 * University of Toronto（多伦多大学） ； The Hospital for Sick Children（病童医院） ； Vector Institute（向量研究所） ； University Hospital Augsburg（奥格斯堡大学医院） 纠错

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

AI总结 研究针对3D医学成像中假阴性问题，提出多模态语义感知对比学习框架MseaCL，通过纳入放射学报告语义相似性作指导信号，经实验验证该框架用于预训练可提升下游任务表现，如儿科脑肿瘤分子分类AUC至少增22.6%。

Beyond the Leaderboard: Design Lessons for Trustworthy Multimodal VQA

超越排行榜：可信多模态视觉问答的设计经验教训

Sushant Gautam, Vajira Thambawita, Michael A. Riegler, Pål Halvorsen, Steven A. Hicks

专题命中 医疗多模态 ：healthcare AI(abstract)；分类 cs.CV

AI总结 以MediaEval Medico 2025为案例，分析九个多模态问答系统，发现预训练主干的参数高效适应虽有挑战性能，但答案提升未转化为完整临床推理，结构化推理等方法更可靠，结果促使多方面改进，支持可信多模态医疗保健人工智能。

Comments Accepted for presentation at the 39th IEEE International Symposium on Computer-Based Medical Systems (IEEE CBMS 2026) as a regular paper

Symbal: Detecting Systematic Misalignments in Model-Generated Captions

Symbal：检测模型生成字幕中的系统性对齐错误

Maya Varma, Jean-Benoit Delbrouck, Sophie Ostmeier, Akshay Chaudhari, Curtis Langlotz

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

AI总结 研究多模态大语言模型生成图像字幕时的系统性对齐错误检测问题，提出利用现成基础模型的结构化双阶段设置的Symbal方法，引入SymbalBench基准，Symbal在基准上表现出色，可辅助审核MLLM生成的字幕。

Comments ICML 2026

Dendrite: A Real-Time Python Application for Online Brain-Computer Interface Research and Development

Dendrite：用于在线脑机接口研究与开发的实时Python应用程序

Niko Kroflic, Jan Babič

专题命中 医疗多模态 ：biomedical(abstract)

AI总结 研究旨在开发在线脑机接口软件，核心方法是用Python编写Dendrite应用程序，它整合信号采集、解码器训练与实时推理，能同时记录多信号流并并发处理，可重现且开源，为在线BCI范式开发评估提供了系统。

Comments 15 pages, 5 figures

One-Shot Generative Design for Disordered Metamaterials via Self-Organizing Neural Cellular Automata

通过自组织神经细胞自动机实现无序超材料的一次性生成设计

Yujie Xiang, Liwei Wang

机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

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

AI总结 研究针对无序超材料设计难题，提出基于神经细胞自动机的生成设计框架，仅需单个训练模板，能生成多样微观结构并适应不同域，通过操纵局部规则实现特定性能控制，在多尺度机械隐身设计中验证了其有效性，为相关领域提供了新方法。

Quantifying the complexity of trajectory ensembles with clustering-weighted multivariate multiscale sample entropy

用聚类加权多元多尺度样本熵量化轨迹集合的复杂性

Chenxiao Tian, J/"urgen Hackl

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

AI总结 研究针对轨迹集合数据，提出聚类加权多元多尺度样本熵（CWMMSE），可分组轨迹并加权其动态复杂性，分离个体复杂性和总体多样性，通过多系统验证其排序与平均法不同，表明应测量总体复杂性而非求平均。

Toward Energy-Efficient and Low-Power Arrhythmia Detection for Wearable Devices

迈向可穿戴设备的节能低功耗心律失常检测

Floriaan Bulten, Yawar Rasheed, Arlene John, Vincenzo Stoico, Ghayoor Gillani

机构 * Computer Architecture for Embedded Systems, University of Twente, The Netherlands（嵌入式系统计算机架构，特文特大学，荷兰） ； Biomedical Signals and Systems, University of Twente, The Netherlands（生物医学信号与系统，特文特大学，荷兰） ； Faculty of Science, Computer Science, Vrije Universiteit Amsterdam, The Netherlands（科学学院，计算机科学，阿姆斯特丹自由大学，荷兰） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究针对可穿戴设备心律失常检测中深度学习算法功耗高的问题，通过数据精度降低和近似乘法等近似技术，在保持分类性能的同时显著降低功耗，延长了可穿戴设备电池寿命。

Privacy Leakage in Federated Learning in Radiology Reports: A Comparative Evaluation of Tokenizer-Driven Privacy Risks

放射学报告中联邦学习的隐私泄露：基于分词器驱动的隐私风险比较评估

Santhosh Parampottupadam, Andres Martinez, Dimitrios Bounias, Sinem Sav, Klaus Maier-Hein, Ralf Floca

机构 * German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Medical Faculty Heidelberg, Heidelberg University（海德堡大学医学院） ； Bilkent University（比尔肯特大学） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital（海德堡大学医院放射肿瘤学系模式分析与学习组） 纠错

专题命中 医学数据与评测 ：radiology(title,abstract)；分类 cs.LG

AI总结 研究放射学报告联邦学习中的隐私泄露，通过固定模型架构比较三种分词器的隐私风险，量化梯度文本重建，发现分词器设计影响泄露程度，虽RadBERT重建保真度最高但均不能防泄露，安全聚合等保障措施或为满足相关要求所必需。

A Temporal Machine Learning-Based Time-to-Event Model for Predicting ALS Progression and Healthcare Utilization

基于时间序列机器学习的事件发生时间模型预测肌萎缩侧索硬化症进展及医疗保健利用情况

Zongliang Yue, Qi Li, Terry Heiman-Patterson, Frank Bearoff, Zhaohui Qin, Huanmei Wu

机构 * Harrison College of Pharmacy, Auburn University（奥本大学哈里森药学院） ； Fisk University（菲斯克大学） ； Lewis Katz School of Medicine, Temple University（天普大学刘易斯·卡茨医学院） ； Emory University（埃默里大学） ； Barnett College of Public Health, Temple University（天普大学巴尼特公共卫生学院） 纠错

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

AI总结 研究针对ALS预测临床有意义事件的挑战，开发受数字孪生启发的事件发生时间框架，整合多源数据，经聚类、建模等确定功能域及预测因素，构建TTE模型，能生成个性化生存曲线，为ALS相关决策支持提供可行方法。

BioTIER: A Refusal Benchmark for Targeted Biological Risk Mitigation

BioTIER：用于针对性生物风险缓解的拒绝基准

Eleanor M. Marshall, Pedro Medeiros, Peter Peneder, Nelly Mak, Jacob Kaffey, Faith Rovenolt, Mac Walker, Seth Donoughe, Jasper Götting

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 针对大语言模型生物滥用问题，引入BioTIER基准，将生物内容分三个风险集，含542个专家策划提示及元数据，可隔离控制灾难性风险信息，确保生物科学知识获取，助力针对性生物风险缓解。

Comments 52 pages, 9 main figures, 9 supplementary figures, 1 main table, 9 supplementary tables