医学 AI

Energy-Efficient Federated Learning via Adaptive Encoder Freezing for MRI-to-CT Conversion: A Green AI-Guided Research

通过用于MRI到CT转换的自适应编码器冻结实现节能联邦学习：一项绿色人工智能引导的研究

Ciro Benito Raggio, Lucia Migliorelli, Nils Skupien, Mathias Krohmer Zabaleta, Oliver Blanck, Francesco Cicone, Giuseppe Lucio Cascini, Paolo Zaffino, Maria Francesca Spadea

机构 * Institute of Biomedical Engineering（生物医学工程研究所） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Department of Political Science（政治学系） ； Università Degli Studi Di Teramo（特拉莫大学） ； Department of Radiation Oncology（放射肿瘤学系） ； University Medical Center Schleswig-Holstein（什未林施瓦茨-霍斯特大学医院） ； Department of Experimental and Clinical Medicine（实验与临床医学系） ； Magna Graecia University（马格拉西亚大学） 纠错

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

AI总结 研究针对联邦学习资源需求大加剧医疗差距问题，提出面向绿色人工智能的自适应层冻结策略用于MRI到CT转换，通过监测编码器权重差异选择性冻结优化训练，降低能耗等，保持转换性能，为新型评估框架奠基。

Comments 22 pages, 13 figures

Journal ref Sustainable Computing: Informatics and Systems, Volume 51, 2026

Benchmarking MRI Representations for Deep Learning-Based Focal Cortical Dysplasia Segmentation

基于深度学习的局灶性皮质发育异常分割的MRI表征基准测试

Soumen Ghosh, John Phamnguyen, Amit Soni Arya, Subhojit Mandal, Tilottama Goswami, Rajat Vashistha

机构 * The University of Queensland（昆士兰大学） ； I-MED Radiology（I-MED放射学） ； Bennett University（贝内特大学） ； Indian Institute of Technology Madras（印度马德拉斯理工学院） ； University College of Engineering, Osmania University（奥斯曼尼亚大学工程学院） ； Mater Hospital（玛特医院） ； Royal Brisbane and Women’s Hospital（皇家布里斯班和妇女医院） 纠错

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

AI总结 研究针对局灶性皮质发育异常分割，利用nnU-Net框架对MRI表征进行基准测试，评估多种输入配置，发现FLAIR单模态性能最强，比率衍生表征单独不足，多模态配置可提高病变描绘，强调MRI表征设计在深度学习分割中的重要性。

When Can Test-Time Adaptation Help Zero-Shot CT Vision-Language Models?

测试时自适应何时能帮助零样本CT视觉语言模型？

Ailar Mahdizadeh, Puria Azadi Moghadam, Xiangteng He, Leonid Sigal

机构 * University of British Columbia（英属哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 研究零样本3D CT视觉语言模型中测试时自适应（TTA）的作用，通过控制诊断分析表明其具有条件性，引入CARVE方法，在基础模型有判别力时能带来一致改进，确立多标签TTA问题及CARVE为基数感知解决方案。

Partial Information Decomposition as a Multi-Contrast 3D MRI Selection Strategy for Resource-Constrained Deep Neural Network Training in Brain Tumor Segmentation

部分信息分解作为一种多对比度3D MRI选择策略，用于脑肿瘤分割中资源受限的深度神经网络训练

Agamdeep Chopra, Mehmet Kurt

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 研究针对脑肿瘤分割中多对比度3D MRI分割计算量大的问题，采用部分信息分解框架对输入对排序选最优用于训练，实验表明该方法选出的T1c+T2-FLAIR是强双输入配置，证明了基于PID预训练选择的实用价值。

Fast ungated five-dimensional cardiac MRI on a 1.5 T MR-linac for MRI-guided radiotherapy

1.5T MR直线加速器上用于MRI引导放射治疗的快速非门控五维心脏MRI

M. L. Terpstra, T. E. Olausson, M. M. N. Aubert, C. Beijst, A. Sbrizzi, C. A. T. van den Berg, M. F. Fast

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究针对室性心动过速患者立体定向心律失常射频消融受心肺运动限制问题，提出基于CMR-MOTUS框架的快速非门控5D-MRI重建方法，经模型验证和志愿者评估，能快速高质量个性化表征运动，有用于相关治疗的潜力。

CompDiff: Hierarchical Compositional Diffusion for Fair and Zero-Shot Intersectional Medical Image Generation

CompDiff：分层组合扩散用于公平和零样本交叉性医学图像生成

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

机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University, Maastricht, The Netherlands（数据科学研究所，科学与工程学院，马斯特里赫特大学，马斯特里赫特，荷兰） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University, Maastricht, The Netherlands（先进计算科学系，科学与工程学院，马斯特里赫特大学，马斯特里赫特，荷兰） ； VITO, Belgium（比利时VITO研究院） 纠错

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

AI总结 CompDiff通过分层组合扩散框架解决生成模型中因数据不平衡导致的公平性和零样本交叉性生成问题，在图像质量、子组公平性和零样本交叉性生成方面表现优异。

Region-Grounded Vision-Language Learning for Detection-Guided Mammographic Lesion Classification

用于检测引导的乳腺钼靶病变分类的区域基础视觉语言学习

Zhengbo Zhou, Jiren Li, Dooman Arefan, Margarita Zuley, Shandong Wu

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

AI总结 针对乳腺钼靶病变分类，提出区域基础视觉语言学习方法，先通过区域-文本对比预训练对齐特征，引入多组件目标减轻偏差，再联合优化辅助病变检测头，实验表明该方法在多设置下性能优于相关方法。

From Reconstruction to Interpretation: Zero-Setup Multi-Phase Segmentation of X-ray Tomography Data

从重建到解释：X射线断层扫描数据的零设置多相分割

Pradyumna Elavarthi, Arun J. Bhattacharjee, Harrison Lisabeth, Anca Ralescu, Petrus H. Zwart, Dilworth Parkinson, Elizabeth G. Clark

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

AI总结 研究针对X射线断层扫描数据快速解释受限问题，提出零设置多相分割框架，结合材料无关掩码准备策略与预训练语义分割网络，能快速生成诊断级分割，支持近实时束线反馈与可扩展成像工作流程。

Is That Really My X-Ray? Measuring Internet-Exposed DICOM Services in the Presence of Deception

那真的是我的X光片吗？ 在存在欺骗的情况下测量互联网上暴露的DICOM服务

Ricardo Yaben, Karina Elzer, Alberto Maria Mongardini, Emmanouil Vasilomanolakis

专题命中 医学影像 ：medical image(abstract)

AI总结 研究在存在欺骗情况下互联网上暴露的DICOM服务，结合主动扫描与被动蜜罐部署，用噪声感知方法识别并过滤欺骗工件，降低暴露率，揭示大量DICOM部署漏洞及风险，指出现有欺骗系统不足以捕获这些风险。

Joint-decoupled iterative CBCT reconstruction with hybrid scatter estimation and voxel-adaptive beam hardening correction

基于混合散射估计和体素自适应束硬化校正的联合解耦迭代CBCT重建

Jianing Sun, Jean Michel Létang, Qixiang Sun, Guangyin Li, Ligen Shi, Xing Zhao

专题命中 医学影像 ：biomedical(abstract)

AI总结 该研究针对CBCT受散射和束硬化伪影影响的问题，提出基于多色Polyquant衰减模型的迭代框架，通过混合散射估计策略和体素自适应更新机制解耦伪影，经实验验证其优于现有技术，能有效降低重建误差。

A Flickering Resonance Degeneracy on Entropy-Ruled Charge Transport in the Extended Hopping Sites for Biological Systems: Role of Static-to-Dynamic Disorder Transition

生物系统扩展跳跃位点中熵主导电荷传输的闪烁共振简并：静态到动态无序转变的作用

K. Navamani, M. Pavalamuthu

专题命中 医学影像 ：CT(abstract)

AI总结 研究生物系统电荷传输，提出闪烁共振耦合熵主导电荷传输理论，用于计算转移速率和扩散迁移率，考虑动态无序相关简并对电子转移速率和扩散迁移率的影响，揭示超快动力学和简并情况下迁移率的转变。

Comments 18 pages, 5 Figures

Differentiable Cardiac Electrophysiology Simulations for Dynamical State and Parameter Estimation

用于动态状态和参数估计的可微心脏电生理模拟

Adarsh Pashikanti, Shrey Chowdhary, Alex Ho, Weizhen Li, Emilia Entcheva, Jan Christoph

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 研究心脏电生理模拟，提出可微模拟方法，通过定义损失函数并经基于梯度的优化最小化，结合有限差分法和平滑粒子流体动力学方法，能学习参数恢复动态，可应用于多种数据，有助于心律异常诊断及心脏个性化模型发展。

GraphDx: A Cost-Aware Knowledge-Enhanced Multi-Agent Framework for Sequential Diagnosis

GraphDx：一种用于顺序诊断的成本感知知识增强多智能体框架

Shaoting Tan, Ning Liu, Yuntao Du, Shuyue Wei, Wu Shuai, Qian Li, Yanyu Xu, Wei Zhang, Lizhen Cui, Haitao Yuan

机构 * Shandong University（山东大学） ； Nankai University（南开大学） ； East China Normal University（华东师范大学） ； National Technological University（国立科技大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 研究针对顺序诊断中平衡诊断准确性与资源成本的问题，提出GraphDx框架。该框架通过构建特殊知识图谱及引入协作智能体实现创新，实验表明其能显著提高诊断成功率并降低测试成本，为自动临床诊断提供有效方案。

Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pages 21721-21736, 2026

CRAFT: Clustering Rubrics to Diagnose Weak LLM Capabilities and Generate Targeted Fine-Tuning Data

CRAFT：聚类评分标准以诊断大型语言模型的能力短板并生成针对性的微调数据

Vipul Gupta, Zihao Wang, Razvan-Gabriel Dumitru, MohammadHossein Rezaei, Aakash Sabharwal, Yunzhong He

机构 * Scale AI（Scale人工智能公司） 纠错

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

AI总结 研究针对评估应指导模型改进及提供训练数据的问题，提出CRAFT方法，将评分标准评估数据集转化为模型能力短板诊断，通过聚类能力描述、评估模型节点等生成微调数据，实验表明该方法能更精准诊断模型弱点并提升性能。

Comments 18 pages, 3 Tables, 2 Figures

Crayotter: Traceable Multi-Agent Workflows for Long-Form Video Editing

Crayotter: 用于长视频编辑的可追踪多智能体工作流

Lecheng Yan, Yichong Zhang, Xiantao Xu, Jianze Lin, Ben Pan, Xiaoyu Zheng, Jiawei Qian, Anqi Wu, Jiahui Geng, Ruizhe Li, Fengyu Cai, Jingcheng Niu, Raymond Li, Wenxi Li, Chenyang Lyu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出Crayotter，一个开源多模态多智能体系统，通过三阶段工作流（材料准备、基于工件的编辑研究、工具驱动的执行）实现长视频编辑的可追踪性和选择性修订，在人类评估中优于基线方法。

Comments 10 pages, 5 figures

Adaptive Fault Injection Planning for Multi-Layer Self-Healing AI Infrastructure

用于多层自愈人工智能基础设施的自适应故障注入规划

Saurabh Kulkarni, Yuxin Yang, Rohan Kulkarni, Gautam Nayak

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究多层自愈人工智能基础设施故障注入规划问题，提出ADA-ST自适应方法，用加权故障传播图指导跨层场景选择，构建平台故障传播图，弥补现有测试覆盖不足，通过迭代达全边覆盖，还能跨硬件代际传递知识，揭示跨层漏洞。

A Critical Analysis of Trustworthy AI Tools, Mark Frameworks, and the Implementation Chasms

对可信人工智能工具、标记框架及实施差距的批判性分析

Michael Papademas, Xenia Ziouvelou, Kostas Karpouzis, Vangelis Karkaletsis

机构 * Panteion University of Social and Political Sciences（潘泰翁社会与政治科学大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究对可信人工智能工具和标记框架进行批判性分析，利用经合组织数据集，通过实证映射等方法找出伦理重点等方面的不对称，发现当前存在的问题，建议扩大伦理目标、贯穿伦理于生命周期并促进多利益相关者参与，以推动人工智能治理。

Terahertz Time-Domain Spectroscopy as a Universal Defect Fingerprinting Tool for Organic Halide Perovskite Solar Cells

太赫兹时域光谱作为有机卤化物钙钛矿太阳能电池通用缺陷指纹识别工具

Inhee Maeng, Young Mi Lee, Jinwoo Park, Seung Jae Oh, Min-Cherl Jung

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究针对有机卤化物钙钛矿太阳能电池与理论效率的差距，利用太赫兹时域光谱技术，能在室温下对特定缺陷物种定量表征，以MAPbI3为例建立振子强度与缺陷浓度关系，还提出三支柱框架提高电池效率。

Comments New viewpoint for the defect detection using THz-wave absorption property in halide perovksite materials

Ruling Out to Rule In: Contrastive Hypothesis Retrieval for Medical Question Answering

排除谬误以确认正确：面向医疗问答的对比假设检索

Byeolhee Kim, Min-Kyung Kim, Young-Hak Kim, Tae-Joon Jeon

机构 * Asan Medical Center（峨山医疗中心） ； Yonsei University（延世大学） ； University of Ulsan College of Medicine（蔚山大学医学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出对比假设检索框架CHR，通过生成正确和错误假设来提升医疗问答系统检索效果，实验显示在多个基准测试中优于现有方法，有效减少硬负样本污染。

A Clinically Validated Foundation Model for Comprehensive Lung Pathology Interpretation

临床验证的基础模型用于全面肺部病理解读

Zhengrui Guo, Zhengyu Zhang, Jiabo Ma, Yihui Wang, Fengtao Zhou, Yingxue Xu, Ling Liang, Chenglong Zhao, Qi Xie, Jinbang Li, Shujing Guo, Fangyi Han, Zhijian Cen, Ziyi Liu, Cheng Jin, Junlin Hou, Zhixuan Chen, Yu Cai, Lijuan Qu, Shifu Chen, Yueping Liu, Zhe Wang, Xiuming Zhang, Muyan Cai, Li Liang, Hao Chen

机构 * Department of Pathology, Nanfang Hospital, Southern Medical University, Guangzhou, China（南方医科大学南芳医院病理科，广州，中国） ； Department of Pathology, School of Basic Medical Sciences, Southern Medical University, Guangzhou, China（南方医科大学基础医学学院病理科，广州，中国） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学计算机科学与工程系，香港，中国） ； Guangdong Provincial Key Laboratory of Molecular Tumor Pathology, Guangzhou, China（广东省分子肿瘤病理重点实验室，广州，中国） ； Department of Pathology, Shandong Provincial Qianfoshan Hospital, Jinan, Shandong, China（山东省青岛坊山医院病理科，济南，山东，中国） 纠错

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

AI总结 提出PulmoFoundation，一种基于Virchow2和约4万张H&E染色全切片图像进行亚专科预训练的肺部病理基础模型，通过32项临床任务和前瞻性随机对照试验验证，在诊断准确性、效率和一致性上显著提升。

Paired Uterine Whole-Slide Images and Pathology Reports for Multimodal Computational Pathology

用于多模态计算病理学的配对子宫全切片图像和病理报告

Han Li, Jingsong Liu, Ayako Ura, Junlin Hou, Zhengyang Xu, Azar Kazemi, Oskar Thaeter, Christian Grashei, Fabian Gülhan, Reza Nasirigerdeh, Xun Ma, Rui Yan, Hao Chen, S. Kevin Zhou, Nassir Navab, Carolin Mogler, Peter Schüffler

机构 * Institute of Pathology, Technical University of Munich（慕尼黑工业大学病理研究所） ； Computer Aided Medical Procedures (CAMP), Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序（CAMP）） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Human Pathology, Juntendo University Graduate School of Medicine（顺天堂大学医学研究生院人体病理学部） ； The Hong Kong University of Science and Technology（香港科技大学） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） 纠错

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

AI总结 研究子宫疾病病理诊断，针对全切片图像与病理报告配对数据集稀缺问题，引入TUM-Uteria数据集，含多对病例及切片级配对，经验证，为计算病理学研究提供支持。

Planck mass gravitinos in Einstein-Maxwell backgrounds

爱因斯坦-麦克斯韦背景中的普朗克质量引力微子

Artur Krawczyk, Krzysztof A. Meissner, Hermann Nicolai, Bartłomiej Sikorski

专题命中 病理影像 ：pathology(abstract)

AI总结 研究带电自旋-3/2场在爱因斯坦-麦克斯韦背景中的一致性问题，发现引力可补偿电磁不一致性，从而要求质量接近普朗克尺度，为超重引力微子作为暗物质候选提供支持。

Ask Twice, Look Twice: Prompt Echoing Resolves the Question-First Paradox in Vision-Language Models

问两次，看两次：提示回声解决视觉语言模型中的问题优先悖论

Rakshanda Hassan Abhinandan, John Galeotti, Deva Ramanan, Gautam Rajendrakumar Gare

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 研究视觉语言模型中问题优先提示的悖论，发现问题前置虽能引导感知但后续答案生成阶段难关注到问题。提出问题回声方法，即在图像两侧重复问题，解决了悖论，在多基准测试中表现出色且无需训练等。

Adaptive Retrieval Strategies for Biomedical Question Answering

生物医学问答的自适应检索策略

Han Yue, Eric Zhou, Alex Hu, Xueshen Li, Yuan Zhang, Jinfeng Zhang

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 研究生物医学问答中不同问题类型的有效检索策略，提出自适应检索框架，依问题类型选检索和证据聚合策略，结合多种技术，经实验验证该策略能提升证据相关性和答案质量，为增强相关问答系统提供有效方向。

Deep Learning Approaches for Sleep Apnea Classification from Polysomnographic EEG Signals

基于多导睡眠图脑电图信号的睡眠呼吸暂停分类的深度学习方法

Shashank Manjunath, Mukesh Cheemakurthi, Aarti Sathyanarayana

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

AI总结 研究基于儿科受试者单数据集多通道EEG，比较深度学习架构和特征表示自动检测睡眠呼吸暂停，评估视觉Transformer和图注意力网络在不同信号表示上的性能，通过年龄和性别匹配训练与测试，基于TDA特征的视觉Transformer模型取得最佳AUC，揭示性能差异及临床挑战。

Comments IEEE EMBC 2026

Toward Federated Multimodal Graph Foundation Models: A Topology-Aware Multimodal Alignment Framework

迈向联邦多模态图基础模型：一种拓扑感知多模态对齐框架

Xunkai Li, Guohao Fu, Yuming Ai, Zhengyu Wu, Hongchao Qin, Rong-Hua Li, Guoren Wang

机构 * Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 研究针对多模态属性图分散在不同隐私受限孤岛的问题，提出FedGAMMA框架，将联邦多模态图基础学习视为两阶段语义结构对齐问题，经实验验证该框架在下游任务中表现出色，超越诸多基线，在少样本学习场景下也有优势。

Comments Under Review

Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery

行动之前：在前瞻性假设发现任务上对大语言模型进行基准测试

Tianyun Zhong, Wangyi Jiang, Wei Wang, Xuanang Chen, Yaojie Lu, Shiwei Ye, Yuzhen Shi, Boyu Yang, Jinghang Wang, Han Li, Weiqi Zhai, Bing Zhao, Hu Wei, Haiyang Yu, Yongbin Li, Hongyu Lin, Le Sun, Xianpei Han

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 研究旨在评估大语言模型在开放式结论前阶段的发现能力，引入前瞻性假设发现任务及评估框架HypoArena，提出回顾性上下文回归构建基准数据，实验揭示模型能力分层及效应，结果支持将其作为评估大语言模型制定调查方向的独特目标。

Unsupervised Deep Learning for Inverse Problems in Computed Tomography

计算断层成像逆问题的无监督学习

Laura Hellwege, Johann Christopher Engster, Moritz Schaar, Thorsten M. Buzug, Maik Stille

机构 * Institute of Medical Engineering, University of Lübeck（吕贝克大学医学工程研究所） ； Fraunhofer Research Institution for Individualized Medical Technology and Engineering (IMTE)（弗劳恩霍夫个性化医疗技术与工程研究所） 纠错

专题命中 医学数据与评测 ：CT(abstract_cn)

AI总结 本文提出一种无监督深度学习方法，用于解决无真实数据的计算断层成像逆问题，通过网络推理实现图像重建，优于传统方法并提升实时医疗成像效率。

Comments 19 pages, 12 Figures