科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
神经网络反演用于时间CT多源束问题：每束统计极限与近最优性能
专题命中 医学影像 ：CT(title,title_cn)；分类 eess.IV
AI总结 本文研究时间CT中多源反演问题，提出近最优算法SNN1及神经网络，分析不同衰减条件下性能差异，揭示先验信息集中度对反演效果的影响。
Comments 32 pages and 6 figures. Manuscript substantially reframed (prose and organization) for submission to a different journal from v3; underlying scientific content is more than 95% consistent
LoGSAM: 用于MRI分割的参数高效跨模态接地
机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität, Erlangen, Germany（德国埃朗根-纽伦堡大学模式识别实验室） ； Siemens Healthineers, Erlangen, Germany（德国埃朗根西门子医疗）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 LoGSAM通过将放射科医生的语音转录为文本提示，利用预训练基础模型实现MRI肿瘤的高效分割，采用LoRA微调提升领域适应性，达到80.32%的Dice分数。
Comments 10 pages, 3 figures, 5 tables
学习用于多模态神经影像的稀疏潜在预测基础模型
机构 * New York University, Center for Data Science（纽约大学数据科学中心） ； NYU Grossman School of Medicine, Department of Radiology（纽约大学格罗斯曼医学院放射学系） ； State University of New York at Binghamton, School of Computing（纽约州立大学宾汉姆顿分校计算机学院） ； NYU Grossman School of Medicine, Department of Neurology（纽约大学格罗斯曼医学院神经病学系） ； NYU Grossman School of Medicine, Department of Neurosurgery（纽约大学格罗斯曼医学院神经外科学系） ； NYU Grossman School of Medicine, Department of Pathology（纽约大学格罗斯曼医学院病理学系） ； School of Medicine, Department of Radiology, Stanford（斯坦福大学医学院放射学系） ； NYU Grossman School of Medicine, Department of Neuroscience（纽约大学格罗斯曼医学院神经科学系） ； NYU Grossman School of Medicine, Neuroscience Institute（纽约大学格罗斯曼医学院神经科学研究所）
专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 cs.CV
AI总结 提出Neuro-JEPA模型，结合潜在预测目标和专家混合架构，学习T1w、T2w和FLAIR三种MRI序列的统一表示，在25项临床任务和22项公开数据集任务上优于现有基础模型和CNN基线。
Comments Under Review Preprint
BrainFIBRE：基于信息分解的脑微结构基础模型
机构 * National University of Singapore（新加坡国立大学）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 提出BrainFIBRE，首个脑微结构基础模型，通过自监督部分信息分解（SPID）和反事实候选构建（CCC）从NODDI图谱中解缠独特、协同和冗余信息，在多种预测任务上达到最优性能。
Comments ECCV 2026. Author name corrected in V2
MamaBench：通过反事实临床扰动对母婴健康诊断中的大语言模型稳健性进行基准测试
机构 * Helpmum Africa（非洲帮助妈妈组织） ； University of Ibadan（伊巴丹大学）
专题命中 诊断辅助 ：diagnosis(title)；clinical AI(abstract)；分类 cs.LG
AI总结 研究针对大语言模型在母婴健康诊断中缺乏对临床相似表现区分能力的问题，提出MamaBench基准及EA - RAG方法，通过实验揭示基础准确率高估稳健准确率现象，EA - RAG有效降低BTR，提升稳健准确率，为临床人工智能反事实稳健性研究提供参考。
用于未知工况下故障诊断的具有双重解缠的多模态跨域混合融合模型
机构 * State Key Laboratory of Mechanical System and Vibration（机械系统与振动国家重点实验室） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 eess.SP
AI总结 针对未知工况下故障诊断问题，提出具有双重解缠的多模态跨域混合融合模型，通过双重解缠框架、跨域混合融合策略和三模态融合机制，实现多模态表示学习与域泛化，实验验证该方法优于先进方法及各组件有效性。
Comments Accepted for publication in Mechanical Systems and Signal Processing
Journal ref Mechanical Systems and Signal Processing, Volume 258, 2026, 114693
MAGIS：基于证据的多智能体推理用于可解释的斜视临床决策
机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳高等研究院） ； Joint Shantou International Eye Center of Shantou University and The Chinese University of Hong Kong（汕头大学·香港中文大学联合汕头国际眼科中心） ； School of Artificial Intelligence, Guangzhou City Polytechnic（广州城市职业学院人工智能学院） ； Medical College, Shantou University（汕头大学医学院） ； College of Engineering, Shantou University（汕头大学工学院） ； Department of Ophthalmology, Xinhua Hospital Affiliated to Shanghai Jiaotong University School of Medicine（上海交通大学医学院附属新华医院眼科） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV
AI总结 提出MAGIS框架，通过多智能体协作、双重证据约束上下文和基于证据的纠正验证机制，将斜视诊断从黑箱生成转变为结构化推理，在细粒度斜视基准上将加权F1分数从72.0%提升至91.3%，并显著提高诊断报告的临床可靠性。
使用参数化NetKAT进行网络分析
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 研究网络诊断和推理任务中的枚举问题，核心方法是使用参数化NetKAT语言，贡献为介绍其设计语义、编译方法、算法及正确性证明，并评估了在工业基准测试中的性能。
迈向量子网络性能指标：挑战与演示
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 针对量子网络实际部署中标准化性能监测的需求，提出含多种性能指标的结构化监测框架，实现实时观测等功能，通过原型系统展示可行性，讨论监测挑战，为量子网络监测及相关发展奠定基础。
Vis4GS: 3D高斯泼溅重建的可视分析工具
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 针对3DGS重建中高斯属性对伪影的影响难以解释的问题，提出Vis4GS多视图可视分析工具，通过链接伪影与高斯属性、视图覆盖、训练进度和谱系，支持结构化诊断重建失败原因。
Comments Accepted to IEEE VIS 2026 Short Papers
预算受限LLM验证中的异方差信号：结构异质性限制了优化收益
机构 * Northwestern Polytechnical University（西北工业大学）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文发现LLM不确定性信号在预算受限验证中存在异方差性，导致全局分配扭曲；通过分层阈值干预（CST）在强异质性设置下提升命中率达17个百分点，揭示结构异质性是主要瓶颈。
人工智能辅助的高光谱干涉测量与单细胞色散成像
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 研究提出宽带且人工智能增强的GPCPI干涉测量方法，通过深度神经自编码器检测相位异常，提高相位测量准确性与稳定性。用于等离子体超表面相位传感和高光谱单细胞色散成像，可在单细胞水平进行细胞分类和疾病诊断，为多领域提供可靠成像解决方案。
用于病理图像分类的提示引导基础模型调优
机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港科技大学电子与计算机工程系） ； Department of Chemical and Biological Engineering, The Hong Kong University of Science and Technology（香港科技大学化学与生物工程系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港协同创新研究院） ； State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology（香港科技大学神经系统疾病国家重点实验室）
专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV
AI总结 研究针对病理图像分类中基础模型预训练与下游任务的差异问题，提出PAMT框架，通过引入RPS、PVP及AMT，在14个公开数据集上严格评估，显著提升分类准确率，确立了PAMT作为病理图像分类新基准的地位。
基于序列注意力的病理分析采样
机构 * Indian Institute of Science（印度科学院）
专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV、eess.IV
AI总结 SASHA通过基于序列注意力的深度强化学习方法，实现对高分辨率病理图像的高效分析，以较低的计算成本达到与现有方法相当的诊断性能。
Comments Accepted at NeurIPS 2025. This version matches the camera-ready copy
BUSTR：用于乳腺超声报告生成的描述符感知视觉语言学习
机构 * University of Nevada, Las Vegas（内华达大学拉斯维加斯分校）
专题命中 医疗多模态 ：pathology(abstract)；分类 cs.CV、cs.LG
AI总结 针对公共BUS数据集缺乏配对报告限制模型发展的问题，提出BUSTR框架，利用结构化病变信息，通过构建描述符派生报告、训练多头编码器及双重目标指导训练，提升了乳腺超声报告生成的相似性和描述符恢复能力。
Comments 17 pages, 2 figures, 8 tables
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈