医学 AI

RegionFM: Interpretable Region-Based Brain MRI Classification Using Foundation Model Embeddings

RegionFM：使用基础模型嵌入进行可解释的基于区域的脑MRI分类

Wei Zhang

机构 * L3S Research Center（L3S研究中心） 纠错

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

AI总结 研究针对脑MRI基础模型预测难解释问题，提出RegionFM框架，将解剖分割与基础模型嵌入结合，通过划分区域、编码嵌入及构建模型组合，用于认知障碍分类评估，在保持性能同时使解释与临床推理更好对齐。

Monte Carlo Dropout Uncertainty and Entropy-Thresholded Selective Prediction for Architecture-Agnostic Brain Tumor MRI Triage

用于与架构无关的脑肿瘤MRI分类的蒙特卡罗随机失活不确定性和熵阈值选择性预测

Medhansh Sharma

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

AI总结 该研究针对脑肿瘤MRI分类，提出基于蒙特卡罗随机失活读取不确定性并转化为熵阈值规则的流程，通过特定图像分区和多模型多指标评估，结果表明此不确定性流程有效，可校准且能提高分类准确性，提供架构无关的脑肿瘤MRI分类基础。

Comments 18 pages, 8 figures, 5 tables

SAMRI-3D: Adapting SAM2 for 3D MRI Segmentation with Global Volume Tokens

SAMRI-3D：通过全局体积令牌将SAM2应用于3D MRI分割

Zhao Wang, Wei Dai, Hongfu Sun, Craig Engstrom, Shekhar S. Chandra

机构 * School of Electrical Engineering and Computer Science, The University of Queensland（电气工程与计算机科学学院，昆士兰大学） ； School of Engineering, College of Engineering, Science and Environment, University of Newcastle（工程学院，工程、科学与环境学院，纽卡斯尔大学） ； School of Human Movement and Nutrition Sciences, The University of Queensland（人类运动与营养科学学院，昆士兰大学） 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MRI低软组织对比度导致边界难观察的问题，提出SAMRI-3D方法，通过冻结图像编码器、微调解码器和内存模块，并引入全局体积令牌，在3D MRI分割上取得高精度，提升了基于SAM的医学模型性能。

BrainNext: A General-Purpose Self-Supervised Foundation Model for Brain MRI Analysis

BrainNext：用于脑MRI分析的通用自监督基础模型

Moona Mazher, Abdul Qayyum, Steven A. Niederer, Daniel C. Alexander

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

AI总结 研究提出BrainNext通用自监督基础模型用于脑MRI分析，结合MAE预训练与三维双向xLSTM-UNet架构，从大量未标记数据学习，经微调用于下游任务，在FOMO 2025评估中表现出色，证明其可转移性和作为基础模型的潜力。

DRIFT: Difficulty-aware Rectified Flows for Through-plane MRI Super-Resolution

DRIFT：用于平面内MRI超分辨率的难度感知整流流

Yoonseok Choi, Eun-Gyu Ha, Daniel Kim, Mohammed A. Al-masni, Ming-Hsuan Yang, Dong-Hyun Kim

机构 * Yonsei University（延世大学） ； King Fahd University of Petroleum & Minerals (KFUPM)（法赫德国王石油与矿业大学） ； University of California at Merced（加州大学默塞德分校） 纠错

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

AI总结 针对平面内MRI超分辨率中效率与保真度的权衡问题，提出DRIFT框架，通过两阶段厚度条件整流流，利用解剖投影网络初始化，引入物理感知难度度量指导自适应积分调度器，降低推理成本并优于超分辨率基线。

Measuring Computational Thinking Self-Efficacy (CT-SEI): Instrument development and preliminary evaluation

测量计算思维自我效能感（CT-SEI）：量表开发与初步评估

Imke de Jong, Johan Jeuring, Judith Masthoff

专题命中 医学影像 ：CT(title,title_cn)

AI总结 研究旨在开发测量高等教育学生计算思维自我效能感的工具，通过创建候选项目、专家评估、收集学生数据进行主成分分析和验证性因素分析，最终形成可用于评估干预效果及促进CT技能发展的工具。

Comments Accepted by UKICER 2026

Portable surrogate-free 4D MRI from standard fast multi-slice 2D MRI via implicit neural representations

通过隐式神经表示从标准快速多层 2D MRI 实现便携式无替代 4D MRI

Muheng Li, Xinyang Wu, Xia Li, Orso Pusterla, Philippe C. Cattin, Sairos Safai, Antony J. Lomax, Ye Zhang

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究提出 SIMPLE - 4D 工作流程，通过标准快速多层 2D MRI 重建切片实现便携式无替代 4D MRI，结合采集无关前端、无替代变分运动编码器和基于隐式神经表示的时空重建，在多数据集验证，有创新成果及性能提升。

Comments 52 pages, 8 figures, 6 tables

Beyond Target Scores: Measuring Off-Target Drift in Diffusion-Based Medical Image Editing

超越目标分数：测量基于扩散的医学图像编辑中的偏离目标漂移

Todd Zhou

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

AI总结 研究基于扩散的医学图像编辑中偏离目标漂移问题，引入CIB-Med-1基准及受约束扩散引导基线，通过多指标评估编辑效果，实验显示能保留目标进展并减少偏离目标漂移，强调应从轨迹级语义控制角度评估医学图像编辑。

Transferable Low-Rank Convolutional Bases for Onboarding Unseen Medical Imaging Modalities

用于引入未见医学成像模态的可转移低秩卷积基

Ranat Das Prangon, Istiaque Ahmed, Shajid Hasan Naim, Waseem Mustak Zisan, Hossain Md Shakhawat

机构 * Bangladesh University of Engineering and Technology (BUET)（孟加拉国工程技术大学） ； Osaka Metropolitan University（大阪都市大学） ； Chittagong University of Engineering and Technology (CUET)（吉大港工程技术大学） ； Kochi University of Technology（高知工科大学） 纠错

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

AI总结 研究医学成像模型引入未见模态的问题，提出冻结源模态低秩卷积基并训练其向上投影的方法，该方法可转移，能以极少参数引入未见模态，保持源模态准确率不变，还能检测何时需引入。

Fourth-Order Cyclostationary Analysis of Power-Based Nonlinear Gardner Timing Error Detectors in Coherent Optical Systems

相干光系统中基于功率的非线性加德纳定时误差检测器的四阶循环平稳分析

Zhongxing Tian, Zeyu Feng, Huan Huang, Dongdong Zou, Gangxiang Shen, Yi Cai

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

AI总结 研究相干光系统中基于功率的非线性加德纳定时误差检测器，开发四阶循环平稳分析框架，以平方加德纳TED为例，通过矩-累积量分解解释CT分量特性，表征多种因素影响，经模拟验证，为相关检测器提供统一统计基础。

SLT: Robust Quantum Neural Networks for Noisy-Label Medical Image Classification via Supermartingale-based Label Transition

SLT：通过基于上鞅的标签转换实现用于噪声标签医学图像分类的鲁棒量子神经网络

Jun Zhuang, Mohammad Al Hasan, Yiyu Shi, Chaowen Guan

机构 * Boise State University（博伊西州立大学） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校） ； University of Notre Dame（圣母大学） ； University of Cincinnati（辛辛那提大学） 纠错

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

AI总结 针对小规模医学图像分类中噪声标签学习难题，提出基于上鞅的标签转换（SLT）框架用于鲁棒量子神经网络分类，通过建模熵减少为上鞅识别稳定转换步骤，实验证明其能提升分类性能并优于经典基线。

Comments Preprint, under review

Continuous 3-D Latent Diffusion for Medical Generation and Reconstruction

用于医学生成与重建的连续3D潜扩散

Youness Mellak, Antoine De Paepe, Dimitris Visvikis, Alexandre Bousse

专题命中 医学影像 ：MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)

AI总结 研究针对高分辨率三维医学扩散模型成本问题，提出连续3D潜扩散模型框架，核心是含特定解码器的紧凑自动编码器，经实验评估，该框架在计算效率、内存使用和重建效果间达平衡，能支持多种医学影像任务。

Comments 14 pages, 7 figures, 3 tables

Memory-Supported Synergistic Adaptation for Training-Free Test-Time Medical Image Segmentation

用于无训练测试时医学图像分割的内存支持协同适应

Lingrui Li, Nan Pu, Dong Zhao, Wenjing Li, Andrew P French, Zhun Zhong, Xin Chen

机构 * School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Information Systems Technology and Design Pillar, Singapore University of Technology and Design（新加坡科技设计大学信息系统技术与设计支柱） 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中测试时适应的挑战，提出内存支持协同适应（MSSA）框架，不更新模型参数，通过构建在线内存、文本引导语义先验及跨图像结构对齐实现稳健适应，实验证明其优于现有方法。

Comments 18 pages, ECCV 2026

Understanding From Human Perspective: A Multi-agent System for Interactive Egocentric Medical Image Segmentation

从人类视角理解：用于交互式自我中心医学图像分割的多智能体系统

Rongjun Ge, Dongyang Wang, Heng Zhu, Zhirui Li, Yang Chen, Yuting He

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Sichuan University-Pittsburgh Institute, Sichuan University（四川大学匹兹堡学院） ； Department of Biomedical Engineering, Case Western Reserve University（凯斯西储大学生物医学工程系） 纠错

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

AI总结 研究交互式自我中心医学图像分割面临的挑战，提出EgoMed-Agent多智能体系统，通过目标确认和定位引导传播工作流程从人类视角理解目标，实验显示该系统平均Dice远超基线，效果显著。

MIS-HCC: Hierarchical Channel Clustering for Efficient Medical Image Segmentation

MIS-HCC：用于高效医学图像分割的分层通道聚类

Bo Zhao, Haoran Yu, Lifei Liu, Zongcheng Chu, Yining Liu, Chang Liu, Szu-Yu Chen, Zequn Xie

机构 * Yale University（耶鲁大学） ； University of Florida（佛罗里达大学） ； Wichita State University（威奇托州立大学） ； Purdue University（普渡大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Zhejiang University（浙江大学） 纠错

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

AI总结 针对医学图像分割模型在资源受限平台部署的挑战，提出分层聚类压缩方法MIS-HCC，利用瓦瑟斯坦距离表示通道相似性形成矩阵指导聚类，融合通道生成压缩网络，实验证明其在精度和压缩效率上优于现有方法。

OFD-Net: Teacher-Free Reliable Semi-supervised Medical Image Segmentation with Orthogonal Feature Disentanglement Net of Foreground-Background

OFD-Net：基于前景-背景正交特征解缠网络的无教师可靠半监督医学图像分割

Shao-feng Jiang, Zhe-yang Jing, Qin Lu, Huan-huan Shi, Zhen Chen, Cong-xuan zhang, Chen Yi

机构 * Key Laboratory of Nondestructive Testing, Ministry of Education, Nanchang Hangkong University（南昌航空大学无损检测技术教育部重点实验室） 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标注有限问题，提出无教师单网络框架OFD-Net。通过正交特征解缠模块和引导模块，有效减少误差积累。并开发可靠性感知伪标签学习机制，降低不可靠区域权重。实验验证其有效性，建立了高效可靠的训练范式。

Localization-Infused Vision-Language Semantic Fusion for Text-Guided Medical Image Segmentation

用于文本引导医学图像分割的定位注入视觉语言语义融合

Songyue Han, Mingye Zou, Shuchang Ye, Lei Bi, Mingyuan Meng

机构 * Air Force Engineering University（空军工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Sydney（悉尼大学） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

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

AI总结 研究针对文本引导医学图像分割，提出LoG框架，通过联合执行多尺度目标定位任务，实现三级定位注入语义融合，在三个基准数据集实验中表现出色，优于现有医学图像分割方法。

Automated Cardiac Adipose Tissue Segmentation in Computed Tomography: A Literature Review

计算机断层扫描中自动心脏脂肪组织分割的文献综述

Andreas W. Aspe, Jonas Jalili Pedersen, Andreas Ohrt Johansen, Klaus Fuglsang Kofoed, Kristine Aavild Sørensen, Rasmus Reinhold Paulsen, Josefine Vilsbøll Sundgaard

机构 * DTU Compute, Technical University of Denmark（丹麦技术大学DTU计算中心） ； Heart Centre, Rigshospitalet（哥本哈根大学医院心脏中心） ； Novo Nordisk A/S（诺和诺德公司） 纠错

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

AI总结 综述计算机断层扫描中自动分割心脏脂肪组织（EAT和PAT）的方法进展，涵盖多种方法，指出存在需更大带注释公共数据集等挑战，证明自动方法分割结果可媲美人工标注，有成为临床工具的潜力。

Comments This preprint has not undergone peer review (when applicable) or any post-submission improvements or corrections. The Version of Record of this contribution is published in Image Analysis - 23rd Scandinavian Conference, SCIA 2025, Proceedings (Lecture Notes in Computer Science, vol. 15726), and is available online at https://doi.org/10.1007/978-3-031-95918-9_17

Journal ref Lecture Notes in Computer Science, vol 15726, pp. 240-253, Springer, Cham, 2025

Stability and Robustness Analysis of Regularized Reconstruction Methods for Low-Dose Computed Tomography in Parallel-Beam Geometry

平行束几何中低剂量计算机断层扫描正则化重建方法的稳定性和鲁棒性分析

Mohamed Berrada

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

AI总结 研究低剂量计算机断层扫描正则化重建方法，基于Radon变换开发模拟管道，在多种噪声模型和采集几何下分析FBP、Tikhonov正则化和TV最小化的稳定性与鲁棒性，发现TV在多方面表现最佳，稳定性因子S能补充传统指标。

Comments 19 pages, 6 figures, 5 tables

Pediatric Bone Age Prediction Using Deep Learning

基于深度学习的小儿骨龄预测

Al Zadid Sultan Bin Habib, Md. Ekramul Islam, Md Asif Bin Syed, Md Younus Ahamed, Tanpia Tasnim

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

AI总结 研究利用深度学习，通过带加法注意力的 EfficientNet 及超过 12000 张 RSNA 数据集的 X 光图像，经预处理和卷积神经网络训练预测小儿骨龄，使用两个模型变体对比，结果显示该方法更准确有效，为小儿内分泌疾病诊断提供新方案。

Comments Published in 2023 26th International Conference on Computer and Information Technology (ICCIT), IEEE, December 2023

Judge-dependent safety gains and model-specific helpfulness costs of evidence-sufficiency prompting in clinical LLMs

临床大语言模型中证据充分性提示的依赖判断的安全增益和特定模型的有用性成本

Koyar Afrasyab

专题命中 临床大模型 ：clinical LLM(title)；diagnosis(abstract)

AI总结 研究临床大语言模型中证据充分性提示的安全增益及有用性成本，通过在公共数据基准中让四个模型用标准提示和包装器回答问题，发现安全增益有方向和幅度差异且依赖评判者，同时存在模型特定的有用性成本。

Comments https://github.com/KAVentures/clinical-evidence-sufficiency-llm

Investigation of Polycystic Ovary Syndrome (PCOS) Diagnosis Using Machine Learning Approaches

使用机器学习方法对多囊卵巢综合征（PCOS）的诊断研究

Al Zadid Sultan Bin Habib, Md Asif Bin Syed, Md. Ekramul Islam, Tanpia Tasnim

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

AI总结 研究利用机器学习方法结合独特特征选择算法预测多囊卵巢综合征，介绍结合特征工程和机器学习的数据驱动方法，经多种特征选择方法训练模型，结果显示经随机森林特征重要性和最高相关性选择十个特征的AdaBoost测试准确率最高。

Comments Published in 2023 5th International Conference on Sustainable Technologies for Industry 5.0 (STI), December 2023, Dhaka, Bangladesh

From Blind Search to Memory-Aware Evolution: Efficient DBMS Tuning via Collaborative Diagnosis and Utility-Aware Retrieval

从盲目搜索到内存感知进化：通过协作诊断和效用感知检索实现高效数据库管理系统调优

Zhaoyan Hong, Yishen Sun, Xinyi Zhang, Zhentao Han, Jinhao Dong, Wei Lu, Kai Xu, Liu Tang, Qi Liu, Xiaoyong Du

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 针对多组件DBMS调优难题，EvoTune框架通过协作诊断定位高影响子空间，引入效用感知检索策略，将调优反馈组织成层次化内存，无需LLM微调，实验证明其性能优于现有基线，能快速提升查询性能。

KernelDiag: Agent-Based Root Cause Diagnosis for Kernel Crashes

KernelDiag：基于代理的内核崩溃根本原因诊断

Weijing Wang, Zan Wang, Dong Wang, Haichi Wang, Junjie Chen

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 针对Linux内核崩溃根本原因诊断难的问题，提出KernelDiag框架，通过日志到代码映射及专门代理进行结构化因果推理，在KGYM基准测试中表现出色，优于现有方法，为自动内核根本原因诊断奠定基础。

Luminosity-Adaptive Contrast Enhancement Using CLAHE for Retinal Fundus Images with Quantitative Validation and Comparative Analysis

使用对比度受限自适应直方图均衡化（CLAHE）对视网膜眼底图像进行亮度自适应对比度增强，并进行定量验证和比较分析

K. Mithra, Prem Kumar Santhanam

机构 * Independent Researcher, Department of Information and Computer Engineering, Scottsdale, AZ, USA（独立研究者，信息与计算机工程系，斯科茨代尔，亚利桑那州，美国） ； Seidenberg School of Computer Science and Information Systems, Pace University, New York City, NY, USA（塞登堡计算机科学与信息系统学院，帕克大学，纽约市，纽约州，美国） 纠错

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

AI总结 该研究针对视网膜眼底图像因光照等问题影响诊断的情况，提出结合HSV颜色空间分解亮度校正与CLAHE的两阶段图像增强流程，经实验验证其在对比度和结构保真度上优于传统方法，处理速度适配临床筛查。

Comments 11 pages

Journal ref Journal of Intelligent Medicine and Healthcare 2026, 4, 87-97

SGMCE: Segment-Grounded Morphological Concept Explanation for Malaria Parasite Species Identification in Thick Blood Smears

SGMCE：厚血涂片疟原虫物种识别的基于片段的形态学概念解释

Ahmed Tahiru Issah, Charles B. Delahunt, Carine Mukamakuza

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Washington（华盛顿大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG；medical image(comments)

AI总结 研究旨在解决厚血涂片疟原虫物种识别中深度学习缺乏形态学证据的问题，提出SGMCE框架，无需额外训练等，通过提取特征、查询GPT-4o生成自然语言解释，经多指标验证，在多种检测中取得较好结果。

Comments Accepted for publication in the 30th Conference on Medical Image Understanding and Analysis (MIUA 2026), Dublin. To appear in Springer Lecture Notes in Computer Science (LNCS)

Residual-Guided Multi-Resolution Refinement of Foundation Models: A Case Study in Drought Forecasting

基础模型的残差引导多分辨率细化：干旱预测案例研究

Wentao Gao, Jiuyong Li, Lin Liu, Thuc Duy Le, Jixue Liu, Yanchang Zhao, Yun Chen

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

AI总结 研究针对区域气候预测中时间序列基础模型的挑战，提出残差引导多分辨率细化框架RGMR，无需更新主干参数，应用于干旱预测时能降低测试集MSE，为部署冻结的TSFM提供实用途径。

Comments 23 pages, ICML2026 Accepted Paper(Poster)

CIGPO: Contextual Information-Gain Policy Optimization for Multi-Turn Evidence-Reading LLM Agents

CIGPO：用于多轮证据阅读语言模型代理的上下文信息增益策略优化

Hao Dou

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 研究多轮证据阅读语言模型代理训练不稳定问题，提出CIGPO方法，通过方差注入策略，利用冻结参考模型对数似然边际增加作逐轮信号，避免奖励方差崩溃，在HotpotQA实验中取得更好效果。

Decoupling risk and masking in mammographic density under irregular follow up using a latent Markov progression detection framework

在使用潜在马尔可夫进展检测框架进行不规则随访的情况下，乳腺钼靶密度中风险与掩盖的解耦

Furkan Danisman, Zarina Oflaz, Zeynep Kalaylioglu, Mahmut Onur Kulturoglu, Lutfi Dogan

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 针对乳腺钼靶密度筛查数据不规则的问题，提出两阶段潜在马尔可夫进展检测框架，通过拟合模型、量化不确定性等操作，解耦风险与可检测性，量化掩盖对乳腺癌风险的影响，提供可解释的风险特征。

LLMs and Agentic AI Systems for Smart Grids: A Tutorial on Architectures and Applications

用于智能电网的大语言模型和智能AI系统：架构与应用教程

Daniela Rojas, Abdulwahab Albassam, Aidan G. Leung, Jett Ngo, Ryan Luo, Peter R. Quawas, Junpyung Kim, Kangkai Liang, Mansi Nanavati, Jonathan Mai, Meng-Chi Tsai, Yun-Tong Tsai, Yize Chen, Yuanyuan Shi

机构 * Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣迭戈分校电气与计算机工程系） ； Department of Electrical and Computer Engineering, University of Alberta（阿尔伯塔大学电气与计算机工程系） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究智能电网中LLMs和智能AI系统，提出基于求解器的设计原则，通过提示策略等构建模块及四个案例研究实例化该原则，比较不同方案，还提出四组评估框架，明确了各部分分工。

Comments 28 pages, 11 figures, 6 tables; plus supplementary material. Review/tutorial article