医学 AI

Parallel Swin Transformer-Enhanced 3D MRI-to-CT Synthesis for MRI-Only Radiotherapy Planning

并行Swin Transformer增强的3D MRI到CT合成用于仅MRI放疗规划

Zolnamar Dorjsembe, Hung-Yi Chen, Furen Xiao, Hsing-Kuo Pao

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

AI总结 本文提出并行Swin Transformer增强的Med2Transformer架构，通过结合卷积编码与双Swin Transformer分支，提高MRI到CT合成的图像质量和几何精度，实现仅MRI的放疗规划。

Comments This preprint has been accepted for publication in the proceedings of the IEEE 23rd International Symposium on Biomedical Imaging (ISBI 2026). The final published version is available at https://doi.org/10.1109/ISBI61048.2026.11515734. The copyright for this work has been transferred to IEEE

Journal ref Proceedings of the 23rd IEEE International Symposium on Biomedical Imaging (ISBI), 2026

Inverse Bayesian Inference for Extracting Lesion Dynamics from Longitudinal Spectral CT

用于从纵向光谱CT中提取病变动态的逆贝叶斯推理

Lukas Förner, Melina Wördehoff, Julian Steffens, Maximilian Schmutz, Rainer Claus, Josua Decker, Thomas Kröncke, Kartikay Tehlan, Thomas Wendler

机构 * University Hospital Augsburg（奥格斯堡大学医院） ； Technical University of Munich（慕尼黑工业大学） ； Bavarian Center for Cancer Research (BZKF)（巴伐利亚癌症研究中心） ； University of Augsburg（奥格斯堡大学） 纠错

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

AI总结 该研究针对纵向光谱CT提取病变动态参数的挑战，提出逆贝叶斯框架，将光谱特征演变分解为三个分量，通过对NSCLC CT数据验证，能恢复不同动态模式，确立了逆动态推理方法，从静态特征提取迈向病变行为机制表征。

Cheap Probes Predict Expensive Training in 3D-CT Vision--Language Models

廉价探针预测3D-CT视觉语言模型中的昂贵训练

Renjie Liang

机构 * University of Florida（佛罗里达大学） 纠错

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

AI总结 研究为3D-CT视觉语言模型选编码器及压缩方案时，候选组合多难比较。提出用廉价探针替代，构建含验证门限的探测基准，比较读出头并配对探针与下游任务，早期结果显示廉价探针排序与昂贵微调一致，有望快速筛选方案。

Agentic Autoresearch for CT Reconstruction

用于CT重建的智能自动研究

Andreas Maier, Lucas Kachelriess, Siming Bayer, Yixing Huang, Yan Xia, Amber Simpson, Moritz Zaiss

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

AI总结 研究CT重建方法比较难题，利用大语言模型智能体构建智能循环，独立实现、调整并基准测试26种方法，重组为紧凑求解器，发现理想数据排名无法预测现实噪声下表现，噪声会颠倒排名，重新训练可恢复部分排名，强调基准测试需考虑多种现实因素。

Comments 16 pages

How Much MRI Preprocessing Is Enough? A Cost-Utility Study for Brain MRI Foundation Models

MRI预处理需要多少才够？脑MRI基础模型的成本效用研究

Jiangshuan Pang, Wangyang Tang, Jing Yan, Zhixuan Cheng, Youzhe He, Yiting Deng, Zhenkun Zhuang, Shiping Liu

机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； BGI Research（华大研究院） 纠错

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

AI总结 本研究通过比较P0-P7预处理级别对自监督3D MRI预训练的影响，发现并非预处理越强越好，P2是最低成本可行级别，更强预处理仅在特定任务中带来有限提升，且下游可补偿。

Transport Properties of the MRI in Differentially Rotating Neutron Stars

差分旋转中子星中MRI的输运性质

Harshraj Bandyopadhyay, Peter Hammond, David Radice

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究差分旋转中子星中MRI的输运性质，通过GRMHD模拟测量相关输运系数及与平均流参数的相关性，发现饱和时相关量与预期有偏差且高度间歇性，混合长度与密度无关，强调完全解析模拟对定量预测的必要性。

Enhancing MedSAM with a Lightweight Box Predictor for Medical Image Segmentation

通过轻量级框预测器增强 MedSAM 用于医学图像分割

Amirhossein Movahedisefat, Amirreza Fateh, Mohammad Reza Mohammadi

机构 * School of Computer Engineering, Iran University of Science and Technology (IUST)（伊朗科学技术大学计算机工程学院） 纠错

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

AI总结 提出一种集成轻量级框预测器的 MedSAM 增强框架，通过单次点击估计边界框以提升点提示的空间引导能力，在仅增加 1.6M 参数下显著提高多模态医学图像分割的准确性和鲁棒性。

Learning Dense 2D-3D Correspondence for X-ray-to-CT Registration of Knee Bones

学习用于膝关节骨X射线到CT配准的密集2D-3D对应关系

Rembert Daems, Jonas Grammens, Caro Roten, Andrew Meyer, Thomas Luyckx, Matthias Verstraete

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

AI总结 研究如何从X光片恢复膝关节骨6自由度姿势，提出学习密集2D-3D对应关系的方法，由投影几何监督，用共享权重模型训练，能对未见患者配准，姿势通过特定求解得出，在解剖学上有语义且泛化性好。

GLI-AL: A Multi-Modal Glioma MRI Label Resource with Unified Anatomy-Lesion Labels

GLI-AL：一个具有统一解剖-病变标签的多模态胶质瘤MRI标签资源

Xingyu Xiang, Shuang Hao, Fan Wang, Jianhua Ma, Chunfeng Lian

机构 * Key Laboratory of Biomedical Information Engineering of Ministry of Education, School of Life Science and Technology, Xi’an Jiaotong University（教育部生物医学信息工程重点实验室，西安交通大学生命科学与技术学院） ； School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院） ； Research Center for Intelligent Medical Equipment and Devices (IMED), Xi’an Jiaotong University（西安交通大学智能医疗设备与器械研究中心） 纠错

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

AI总结 研究针对现有BraTS-GLI数据集不足，引入BraTS-GLI Anatomy-Lesion资源，提供统一解剖-病变标签集及元数据。通过WMH感知监督，提升对共存病变敏感性，保持健康组织分割性能，支持多方面研究，数据和代码可获取。

Comments Minor revision: Figure 1 was repositioned. The scientific content remains unchanged

Trustworthy Medical Segmentation: Uncertainty-Aware U-Net Evaluation Under Clinical Image Degradation

可信医学分割：临床图像退化下的不确定性感知U-Net评估

Pranav Kaliaperumal, Manisha Kaliaperumal

机构 * University of Colorado Denver（科罗拉多大学丹佛分校） ； Creighton University（克里顿大学） 纠错

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

AI总结 研究在临床图像退化下评估医学分割模型的不确定性，提出可重现框架，用合成脑肿瘤MRI队列训练U-Net等模型，经多种损坏类型及不同严重程度测试，结果表明不确定性感知推理可作安全层，还开源相关代码、模型和协议。

Histopathological Spectrum-Guided Prostate Stratification via Segmentation-Assisted Diagnostic Transformer

基于分割辅助诊断变压器的组织病理学光谱引导前列腺分层

Leyang Li, Lihua Chen, Huangang Hu, Tianhang Hao, Hao Cheng, Xin Zhang, Qianru Sun, Bingxu Lu, Wenlong Yu, Feng Duan

机构 * College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； Tianjin First Central Hospital（天津市第一中心医院） ； School of Electronics and Information Engineering, Tiangong University（天津工业大学电子与信息工程学院） ； School of Artificial Intelligence, Hebei University of Technology（河北工业大学人工智能学院） ； North China Digital Health Technology Co., Ltd.（华北数字健康科技有限公司） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院） 纠错

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

AI总结 研究针对多参数MRI前列腺癌诊断局限，构建数据集并提出LSDT模型，利用零样本分割和多模态融合分类，在患者队列交叉验证中取得较好准确率和召回率，增强了前列腺MRI细粒度分类及风险分层。

Comments 17 pages, 6 figures, and 4 tables. Code will be made publicly available in a future revision

AdaKAN: A dual-branch adaptive Kolmogorov-Arnold network for medical image segmentation

AdaKAN：用于医学图像分割的双分支自适应柯尔莫哥洛夫 - 阿诺德网络

Dalia Alzu'bi, Deep Bhattacharyya, Ali Ayub, A. Ben Hamza

机构 * Concordia University（康考迪亚大学） 纠错

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

AI总结 针对医学图像分割难题，提出AdaKAN网络，它集成卷积操作与EffiKAN块，其含高效注意力机制和双分支AdaptKAN模块，采用U形架构与跳跃连接，在多医学成像数据集实验中分割精度达最优。

Journal ref Pattern Recognition Letters, 2026

Task-Aligned Self-Supervised Learning for Medical Image Analysis: A Task-Oriented Review with Practical Design Guidelines

任务对齐的自监督学习在医学图像分析中的应用：系统综述与实践设计指南

Chathura Wimalasiri, Yuchong Yao, Kishor Nandakishor, Marimuthu Palaniswami

机构 * Department of Electrical and Electronic Engineering, University of Melbourne（墨尔本大学电子与电气工程系） 纠错

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

AI总结 本文系统综述了医学图像中自监督学习（SSL）的四种范式（对比、非对比与预测、生成与重建、混合），分析了前置任务与下游任务的对齐对性能的影响，并提出了实践设计指南。

Comments This manuscript is 25 pages

Patient-Agnostic Synthetic Pretraining for Efficient Patient-Specific Intraoperative 2D/3D Registration

用于高效患者特异性术中二维/三维配准的患者无关合成预训练

Minheng Chen, Youyong Kong

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV、eess.IV

AI总结 研究术中二维/三维配准问题，提出基于患者无关合成预训练和球面相似性学习的框架，先预训练模型学习可转移表示，再用目标CT投影适应新患者，引入无分割域随机化策略，实验证明该方法能降低训练需求并保持配准精度。

Long-Tailed Medical Image Classification

长尾医学图像分类

Nathanael Ren, Saagar Arya

机构 * Duke University（杜克大学） ； Pratt School of Engineering（普拉特工程学院） 纠错

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

AI总结 研究长尾分布下医学图像分类困难，通过深度学习模型及增强等技术最小化误差，用多种指标评估不同模型，得出最佳模型有良好结果及医疗领域潜在应用。

Commitment To Cooperation With Self-Negotiated Contracts

通过自我协商合同实现合作承诺

Tim Wyse, Kaitlin Bustos, Yulia Volkova, Max Kleiman-Weiner

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

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究人工智能代理在多智能体世界中的合作问题，借鉴法律制度和契约，通过在时空博弈\CT中研究基于大型语言模型的代理使用不同合同表示，发现自我协商合同可改善合作结果。

Evaluation of reference region modelling techniques in quantitative dynamic contrast-enhanced magnetic resonance imaging of breast cancer

乳腺癌定量动态对比增强磁共振成像中参考区域建模技术的评估

Christian Notte, Zaki Ahmed, Ives R. Levesque

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 该研究评估参考区域模型技术在乳腺癌低时间分辨率DCE-MRI定量灌注分析中的有效性，将多种模型应用于患者图像数据集，结果显示RRMs与AIF驱动模型性能相似且对AIF依赖性低，或可替代提供可靠定量分析。

Comments 29 pages, 5 main figures, 1 main table, 2 supplementary figures, 4 supplementary tables

Evaluating the resolution of AI-based accelerated MR reconstruction using a deep learning-based model observer

评估基于人工智能的加速磁共振成像重建的分辨率使用基于深度学习的模型观察者

Zitong Yu, Rongping Zeng, Frank Samuelson, Prabhat Kc

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 本文提出基于深度学习的模型观察者（DLMO）评估不同加速因子下的多线圈灵敏度编码平行MRI系统，发现U-Net在PSNR和SSIM上优于传统rSOS方法，但任务评估显示其性能不如全采样重建。

DAMamba-UNet3D: A Parameter-Efficient Mamba State Space U-Net with Dynamic Adaptive Scan for 3D Medical Image Segmentation

DAMamba-UNet3D：一种用于3D医学图像分割的参数高效的Mamba状态空间U-Net，采用动态自适应扫描

Mohammad Arafat Hussain, Ellen Grant, Yangming Ou

机构 * Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 该研究针对3D医学图像分割，提出DAMamba-UNet3D混合编码器-解码器，在编码器特定阶段集成三平面3D-DAS块，降低参数成本，通过实验对比展示其在分割性能上的优势，表明学习的三平面DAS在混合U-Net中有竞争力。

Superpixel-Based QUBO for Scalable Quantum-Enhanced Medical Image Segmentation

基于超像素的二次无约束二进制优化用于可扩展量子增强医学图像分割

Mohammad Chalhoub, Mahdi Chehimi, Laia Domingo, Omar Alhussein, Ahmed Farouk, Saif Al-Kuwari

机构 * American University of Beirut（贝鲁特美国大学） ； Centre de Visió per Computador (CVC)（计算机视觉中心 (CVC)） ； Ingenii Inc.（英格尼公司） ； Hamad Bin Khalifa University（哈马德·本·哈利法大学） 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QUBO用于医学图像分割时的可扩展性挑战，提出基于超像素的QUBO框架，用简单线性迭代聚类分组像素，在区域邻接图上公式化分割。实验表明该方法提升了分割质量、计算速度并减小问题规模，还符合量子退火器连接限制。

Comments 7 pages, 2 figures

Panda: Unsupervised Pelvic Anomaly Detection for Real-Time MR Imaging

Panda：用于实时磁共振成像的无监督盆腔异常检测

Anika Knupfer, Maximilian Lindholz, Johanna Paula Müller, Jordina Aviles Verdera, Smiti Tripathy, Susanne Schulz-Heise, Jana Hutter

机构 * Institute of Information Processing, Leibniz University Hannover（莱布尼茨汉诺威大学信息处理研究所） ； CAIMED, L3S（CAIMED，L3S） ； Department of Radiology, Charité Universitätsmedizin Berlin（柏林夏里特大学医学中心放射科） ； Image Data Exploration and Analysis Lab, Friedrich-Alexander University Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学图像数据探索与分析实验室） ； Institute for Radiology, University Hospital Erlangen（埃尔朗根大学医院放射研究所） 纠错

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

AI总结 针对女性盆腔疾病实时异常检测难题，提出基于Dinomaly的无监督框架，利用冻结的DINOv3视觉Transformer编码器等，在子宫肌瘤数据集上评估，实现高像素级AUROC和帧级特异性，满足实时临床需求，为医生决策和协议调整提供支持。

Comments 10 pages, 5 figures

Physics-Guided Generative AI for Property-Targeted 3D Porous Media Design

用于属性靶向三维多孔介质设计的物理引导生成式人工智能

Peng Wang

机构 * Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey（萨里大学视觉、语音和信号处理中心） 纠错

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

AI总结 针对三维多孔介质逆向设计难题，提出物理引导生成式人工智能框架，结合多种模型学习潜在设计空间，依目标属性生成并优化结构，实验表明该方法能提升目标属性匹配等，为复杂多孔几何形状可控逆向设计及相关工具奠定基础。

Comments 15 pages, 8 figures

Deep Learning Estimation of Absorbed Dose for Nuclear Medicine Diagnostics

基于深度学习的镥-177放射治疗中吸收剂量估计

Luciano Melodia

机构 * Chair of Information Science University of Regensburg（信息科学系，罗特堡大学） 纠错

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

AI总结 本文利用深度学习从CT数据中估计剂量体素核，通过卷积神经网络实现密度核到剂量体素核的映射，实验结果显示模型在308轮训练后达到0.86的交并比和1.24×10⁻⁴的均方误差。

Comments Code available at https://codeberg.org/Jiren/MADVK, re-typeset with minor error corrections and withdrawn from OSF, making this the unique version

Segmentation Robustness and Predictive Utility in Glioblastoma Radiomics: Evidence for a Trade-off in Survival Modelling

胶质母细胞瘤放射组学中的分割稳健性和预测效用：生存模型中权衡的证据

Mariya Miteva, Maria Nisheva-Pavlova

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

AI总结 研究胶质母细胞瘤放射组学中特征稳健性与预测效用的关系，通过UPENN-GBM队列获取4752个特征，用ICC量化稳健性，经多种模型交叉验证，发现稳健性非特征选择可靠标准，放射组学特征纳入未超临床基线，稳健性过滤未提升性能。

Comments Accepted as a full paper at HCist 2026 and for publication in Procedia Computer Science

Effect of User-Prompted Priors on Semi-Automated Cancer Lesion Segmentation in Whole-Body Computed Tomography

用户提示先验对全身计算机断层扫描中半自动癌症病变分割的影响

Isac Stark, Johan Öfverstedt, Elin Lundström, Simon Ekström, Håkan Ahlström, Joel Kullberg

机构 * Uppsala University（乌普萨拉大学） ； SciLifeLab（科学生命实验室） ； Antaros Medical（安塔罗斯医疗公司） 纠错

专题命中 医学影像 ：CT(summary_cn)；分类 cs.CV；medical image(comments)

AI总结 研究用户提示先验对全身CT半自动癌症病变分割的影响，利用多平面正交用户提示先验，经3折交叉验证和外部测试，结果显示该方法能提升分割性能，支持生成高质量体积真实数据。

Comments Accepted at MIUA (Medical Image Understanding and Analysis). To appear in Lecture Notes in Computer Science (LNCS). 12 pages, 2 figures

Explaining BiomedCLIP with Weighted Banzhaf Interactions Supported by Tree-Gram Parsing

用基于树图解析支持的加权班扎夫交互解释生物医学CLIP

Jakub Rymarski, Adam Rempała, Bartłomiej Sobieski, Przemysław Biecek

机构 * University of Warsaw（华沙大学） ； Centre for Credible AI, Warsaw University of Technology（华沙理工大学可信人工智能中心） 纠错

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

AI总结 研究针对视觉语言模型在医学任务中解释难的问题，引入ParseFIxLIP方法，将树图解析融入班扎夫交互博弈，通过smart_depth分组策略减轻概念碎片化，提升跨模态交互可解释性，为VLM决策提供医学领域相关见解。

Comments 12 pages, 13 figures. Accepted at EXPLIMED 2026 (Third Workshop on Explainable Artificial Intelligence for the medical domain), IJCAI-ECAI 2026

CrossSpine: Multi-scale Cross-sequence Attention with Anatomical Priors for Automated Pfirrmann Grading

CrossSpine：具有解剖学先验知识的多尺度跨序列注意力机制用于自动 Pfirrmann 分级

Hai Son Nguyen, Duong Ngoc Vu, Trong-Nghia Nguyen, Bien Tran Van, Van-Dem Pham, Trang Mai Xuan, Huan Vu, Thien Van Luong

机构 * Business AI Lab, College of Technology, National Economics University（商业人工智能实验室，技术学院，越南国民经济大学） ； A2I Lab, Phenikaa School of Computing, Phenikaa University（A2I实验室，培美卡计算机学院，培美卡大学） ； Medical Imaging & Radiological Technology Department, Faculty of Medical Technology, Phenikaa School of Medicine & Pharmacy, Phenikaa University（医学影像与放射技术系，医学技术学院，培美卡医学院与药学院，培美卡大学） ； Radiology & Functional Exploration Center, Phenikaa University Hospital（放射学与功能探索中心，培美卡大学医院） ； Deparment of Pediatrics, Hospital of University Medicine and Pharmacy, Vietnam National University, Hanoi（儿科系，河内越南国立大学医学与药学院医院） 纠错

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

AI总结 针对腰椎间盘退变自动分级问题，提出 CrossSpine 框架，通过跨序列注意力机制融合多尺度特征，引入精心策划的数据集及椎间盘感知分类技术，相比基线在多个指标上有显著提升。

DobicVLM: Aligning Chest X-Ray Report Generation with Clinically-Grounded Programmatic Rewards via Group Relative Policy Optimization

DobicVLM：通过群体相对策略优化使胸部X光报告生成与临床基础的程序化奖励保持一致

Thanni Adewuyi, Angelica Obayi, Andem Aniekan, Samuel Okoko, Angel Ezendu, Ephraim Usani, Ademide Animasaun, Philip Chibundu, Christian Maurice, Mary Donald Essien, Oluwaseun Odunsi, Oluwasegun Oguntuase, Abiodun Adereni

机构 * Dobic Health（多比克健康公司） ； University of Ibadan（伊巴丹大学） 纠错

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

AI总结 研究针对自动胸部X光报告生成难题，提出DobicVLM模型，结合监督微调、GRPO及临床奖励，用可解释规则组件执行标准，经训练和评估，该模型多数标准优于Gemini 2.5 Flash，证明GRPO在资源受限设置中的价值。

Investigating the Visual Cues of CNNs for Vascular Segmentation: A Case Study in Microscopy and Fundus Imaging

研究用于血管分割的卷积神经网络的视觉线索：显微镜和眼底成像的案例研究

Weslley dos Santos Silva, Cesar Henrique Comin

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

AI总结 研究卷积神经网络在荧光显微镜和视网膜眼底摄影领域分割血管的视觉线索，通过系列实验量化形状、纹理和感受野对分割性能的影响，发现像素强度更重要，该方法为审核和改进血管成像深度学习系统提供定量基础。

Mechanical behaviour of brain-skull interface (meninges) under shear loading through experiment and finite element modelling: Preliminary results

剪切载荷下脑颅界面（硬脑膜）的机械行为：通过实验和有限元建模的初步研究

Sajjad Arzemanzadeh, Karol Miller, Tim Rosenow, Sjoerd B. Vos, Adam Wittek

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本研究通过实验和有限元建模确定剪切载荷下脑颅界面的机械特性，采用粘合层模型揭示其力-位移和损伤起始行为，为提升计算头模型的生物相似性提供基础。

Comments Computational Biomechanics for Medicine (CBM) XX - accepted