医学 AI

OPERA: Offline Policy-guided Expert Routing and Adaptation for Universal Biomedical Image Analysis

OPERA：用于通用生物医学图像分析的离线策略引导专家路由与适应

Zihan Li, Feiyang Liu, Dandan Shan, Ruibo Wang, Qingqi Hong

机构 * University of Washington（华盛顿大学） ； Delft University of Technology（代尔夫特理工大学） ； Xiamen University（厦门大学） 纠错

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

AI总结 研究针对生物医学图像分析中分布变化阻碍模型部署的问题，提出OPERA多智能体集成框架，通过离线策略学习专家权重分配，结合多种机制协调智能体，经多数据集评估，有效提升性能与校准质量，为可部署生物医学AI提供实用路径。

Comments Accepted by ACM MM 2026. 18 pages

OrganLens: Organ-Specific Representation Learning for CT Foundation Models

OrganLens：用于CT基础模型的器官特异性表征学习

Zhixuan Ge, Anqi Li, Sadeer Al-Kindi, Hanwen Xu, Wei Qiu

机构 * Rice University（莱斯大学） ； University of Washington（华盛顿大学） 纠错

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

AI总结 研究针对CT检查中特定器官表征需求，提出OrganLens通过自监督学习，用器官标识调节共享编码器，经器官特异性蒸馏等方法获取器官特异性表征，在多数据集评估中提升指标，提供了可扩展方法和 reusable 框架。

Comments 16 pages, 7 figures, 5 tables

Open-Ended CT Volume Segmentation with Weak Supervision from Language

基于语言弱监督的开放式CT体积分割

Sanjay Subramanian, Junwei Yu, Zirui Wang, Rohil Malpani, Maggie Chung, Adam Yala, Dan Klein, Trevor Darrell

机构 * Department of Electrical Engineering and Computer Science, UC Berkeley（加州大学伯克利分校电气工程与计算机科学系） ； Voio ； Department of Radiology and Biomedical Imaging, UC San Francisco（加州大学旧金山分校放射学与生物医学成像系） ； Computational Precision Health, UC Berkeley and UC San Francisco（加州大学伯克利分校和加州大学旧金山分校计算精准健康中心） 纠错

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

AI总结 研究基于语言弱监督训练CT扫描文本条件分割模型，通过结合体素级与切片级监督，从扫描-报告对提取信息，微调通用2D图像分割模型SAM3，在ReXGroundingCT数据集上提升了分割骰子分数。

Unveiling neuronal microstructure in the human brain in vivo with time-dependent radial diffusivity in MRI

利用MRI中随时间变化的径向扩散率在体揭示人类大脑神经元微观结构

Ante Zhu, Jerome J. Maller, H. Douglas Morris, Jeffrey P. Guenette, Flavio Dell' Acqua, Chu-Yu Lee, Jeffrey McGovern, Stephan E. Maier, Raymond Y. Huang, Andrew L. Alexander, Maureen N. Hood, Desmond Teck Beng Yeo, Steven CR Williams, Carl-Fredrik Westin, Vincent B. Ho, Vincent A. Magnotta, Hua Li

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究利用OGSE编码在体表征人类大脑随时间变化的径向扩散率，发现短扩散时间和长扩散时间间的径向扩散率变化在皮质脊髓束中值高，对大轴突直径敏感，为神经疾病中神经元微观结构改变研究建立了基线。

Comments 27 pages, 7 figures, 2 tables

Liver Metastasis Detection at Reduced Radiation Dose: Diagnostic Evaluation of a Novel Organ-Level Tube Current Modulation Method

低辐射剂量下的肝脏转移灶检测：一种新型器官水平管电流调制方法的诊断评估

Maria Jose Medrano, Sen Wang, Kaylee W. Fang, Jennie Cao, Liyan Sun, Luyao Shen, Andy Shon, Luke Yoon, Grant M. Stevens, Adam S. Wang, Justin R. Tse

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究评估retroOpt新型器官水平管电流调制方法用于肝脏转移灶检测，通过对患者CT检查生成不同剂量系列，比较病灶检测敏感性和图像质量，发现该方法在低剂量下能有效检测转移灶，优于均匀剂量降低，可实现更大剂量 reduction。

Bi-Level Collaborative Learning for Few-Shot Scribble-Supervised Medical Image Segmentation

用于少样本涂鸦监督医学图像分割的双层协作学习

Xiang-Xiang Su, Yufan Ye, Yihang Zheng, Min Gan, Guang-Yong Chen

机构 * Fuzhou University（福州大学） ； Qingdao University（青岛大学） 纠错

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

AI总结 针对少样本涂鸦监督医学图像分割中样本稀缺和监督稀疏问题，提出双层协作学习框架，上层提供区域结构先验，下层生成可靠伪标签，上下层双向交互协作，在相关数据集上优于现有方法。

Unifying Active Learning and Semi-Supervised Learning for Medical Image Segmentation

统一主动学习和半监督学习用于医学图像分割

Bahram Jafrasteh, Cheng Wan, Heejong Kim, Johannes C. Paetzold, Qingyu Zhao

机构 * Weill Cornell Medicine（威尔康乃尔医学院） ； Cornell University（康奈尔大学） 纠错

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

AI总结 针对医学图像分割标注数据有限问题，提出RegAL统一框架，通过共享拓扑感知帕累托优化，结合样本获取与未标注数据利用，沿三个互补轴评估图像，在多数据集上于极端标注稀缺时表现稳定且优于基线。

Gaussian Volumetric Representation for Efficient Shear-Warp Visualization

用于高效剪切变形可视化的高斯体表示

Mayuri Mathur, Ojaswa Sharma

机构 * Indraprastha Institute of Information Technology Delhi（德里英迪拉甘地信息技术学院） 纠错

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

AI总结 研究针对医学图像可视化计算成本高的问题，提出基于高斯的体表示，用蒙特卡罗体估计和课程学习策略优化，能从稀疏监督中学习解剖细节与纹理，降低计算成本，支持高效渲染多模态医学数据集，实现高帧率和高压缩比。

Beyond Static Costs: Learning-Dynamics Aware Loss Functions for Long-Tailed Classification

超越静态成本：用于长尾分类的学习动态感知损失函数

Varad Shinde, Nikhil Kumar Shrey, Magesh Rajasekaran, Md Saiful Islam Sajol, Harshil Bhargava, Subhajit Sidanta, Supratik Mukhopadhyay, Yimin Zhu

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

AI总结 针对长尾分类中现有方法依赖静态频率忽略学习动态的问题，提出学习动态感知损失函数LDAL，利用特征表示强度、类学习难度及预测变化调整权重，实验证明该方法显著超越现有方法，平衡了准确性和泛化性。

Retrieval, not hallucinations, will be the limiting factor for LLM-based clinical AI tools

检索而非幻觉将成为基于大语言模型的临床人工智能工具的限制因素

Kirk Roberts, Steven Bedrick, Kurt Miller, William R. Hersh, Hongfang Liu

专题命中 临床大模型 ：clinical AI(title,abstract)

AI总结 探讨临床人工智能中基于大语言模型的错误，将讨论重点从精度错误转向召回错误，特别是患者级数据检索方面，概述错误类型、缓解策略及研究方向，提供检索评估概述。

Comments Perspective piece

Self-Supervised Audio Representation Learning for Pediatric Asthma Detection in Emergency Care Using Digital Stethoscope Recordings

使用数字听诊器记录进行儿科哮喘检测的自监督音频表示学习

Fatemeh Bagheri, Thalia Pandolfi, Ervin Sejdic, Rohit Mohindra

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 研究探讨用呼吸音记录和机器学习检测儿科哮喘的可行性，利用预训练自监督语音模型提取特征，结合传统机器学习分类器，Wav2Vec 2.0与基于直方图的梯度提升结合表现最佳，为儿科哮喘检测提供非侵入性方法。

Comments Accepted for publication at EMBC2026

Re-thinking Mammography Transfer Learning: The Dataset-Informed Transfer Learning (DITL) Framework for Breast Cancer Screening and Lesion Diagnosis

重新思考乳腺X线摄影转移学习：用于乳腺癌筛查和病变诊断的数据集知情转移学习（DITL）框架

Adarsh Bhandary Panambur, Siming Bayer, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg（模式识别实验室，埃尔朗根-纽伦堡弗里德里希-亚历山大大学） ； Siemens Healthineers（西门子医疗） 纠错

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

AI总结 研究针对乳腺X线摄影分类性能提升难题，提出DITL框架，整合数据集难度信号与邻域监督，引入自适应组件，无需超参数调整，在大规模和小数据集上均有出色表现，建立了通用的乳腺X线摄影分类框架。

Comments 16 pages, 1 figure, 5 tables. Accepted and presented at the 10th International Conference on Computer Vision & Image Processing (CVIP 2025), IIT Ropar, India, 10-13 December 2025. The paper is currently in press for inclusion in the official conference proceedings. This preprint corresponds to the submitted manuscript and is made available pending publication of the final proceedings version

Ultra-Low-Energy Open-Circuit Fault Diagnosis for Three-Phase Inverters

三相逆变器的超低能量开路故障诊断

Xiaoyi Lei, Fanfu Wu, Yunting Liu

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 研究三相逆变器超低能量开路故障诊断，提出事件驱动神经形态框架，将训练的CNN转换为SNN，利用轨迹矩阵稀疏结构节能，实验表明该方法诊断能量低、推理能量降382倍且准确率100%，还验证了鲁棒性。

Comments Preprint, 4 figures

Aletheia: An Offline-First Clinical Decision Support System for Differential Diagnosis in Low-Resource Healthcare Settings

Aletheia：用于低资源医疗环境中鉴别诊断的离线优先临床决策支持系统

Joseph Walusimbi, Ann Move Oguti, Abubakhari Sserwadda, Precious Boss Kasasira, Charles Brian Okoboi

机构 * Soroti University（索罗蒂大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG、q-bio

AI总结 针对撒哈拉以南非洲低资源医疗环境，提出基于Qwen2.5 - 3B - Instruct并经QLoRA微调的Aletheia临床决策支持系统，评估显示其在诊断准确率等指标上表现良好，证明在无云设施的资源受限环境初级保健层部署大语言模型临床推理的可行性。

Comments 8 pages, 11 figures, 4 tables

Evaluating Multi-Turn Multimodal Diagnostic Reasoning on Challenging Real-World Clinical Cases

评估具有挑战性的真实世界临床病例中的多轮多模态诊断推理

Rui Yang, Weihao Xuan, Yi Lin, Zhuhan Bao, Jonathan Chong Kai Liew, Matthew Yu Heng Wong, Nicolás Lescano, Nikita R. Paripati, Emily Ling-Lin Pai, Jiarui Liu, Heli Qi, Heng-Jui Chang, Benny Kai Guo Loo, Huitao Li, Kunyu Yu, Yufan Wang, Chuan Hong, Shijian Lu, Douglas Teodoro, Naoto Yokoya, Ross Koppel, Mona Diab, Hua Xu, David W. Bates, Nan Liu, Yifan Peng

机构 * Center for Biomedical Data Science, Duke-NUS Medical School（生物医学数据科学中心，杜克 - 新加坡国立大学医学院） ； Duke-NUS AI + Medical Sciences Initiative, Duke-NUS Medical School（杜克 - 新加坡国立大学人工智能与医学科学计划，杜克 - 新加坡国立大学医学院） ； Department of Population Health Sciences, Weill Cornell Medicine（人口健康科学系，威尔康奈尔医学院） ； System Engineering, College of Engineering, Cornell University（系统工程，康奈尔大学工程学院） ； Graduate School of Frontier Sciences, The University of Tokyo（前沿科学研究生院，东京大学） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心） ； Department of Biostatistics and Bioinformatics, Duke University（生物统计学与生物信息学系，杜克大学） ； Perelman School of Medicine, University of Pennsylvania（佩雷尔曼医学院，宾夕法尼亚大学） ； School of Clinical Medicine, University of Cambridge（临床医学学院，剑桥大学） ； Hospital of the University of Pennsylvania（宾夕法尼亚大学医院） ； Children’s Hospital of Philadelphia (CHOP)（费城儿童医院） ； Department of Anatomic Pathology and Laboratory Medicine, Hospital of the University of Pennsylvania（解剖病理学与检验医学系，宾夕法尼亚大学医院） ； Department of Pathology and Laboratory Medicine, University of California, San Francisco（病理学与检验医学系，加州大学旧金山分校） ； Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学） 纠错

专题命中 诊断辅助 ：medical image(abstract)；diagnosis(abstract)

AI总结 研究针对现有多模态大语言模型评估难以捕捉现实临床诊断复杂性的问题，开发ClinMM-Bench基准，用两级框架评估15个模型，发现专有模型诊断准确性最高，但各模型完全正确诊断比例有限，当前模型诊断推理有局限并明确了失败模式。

Balanced Soft mixture-of-expert model for Glaucoma Detection

用于青光眼检测的平衡软专家混合模型

Sai Venkatesh Chilukoti, Krishna Rauniyar, Min Shi, Xiali Hei

机构 * University of Louisiana at Lafayette（路易斯安那大学拉斐特分校） ； School of Computing and Informatics（计算与信息学院） 纠错

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

AI总结 针对青光眼检测，提出含三个专家及负载平衡损失的平衡软专家混合模型，解决多模态学习问题，其性能通过AUC衡量，超越多种基线和模型，还可推广至其他疾病检测。

Comments 18 pages, 5 figures

Deep Label-Wise Attentive Temporal Convolutional Networks Improve Medical Coding

深度标签明智注意力时间卷积网络改进医学编码

Muhammed Yavuz Nuzumlalı, Alexander Fabbri, Irene Li, Dragomir Radev

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 研究医学编码难题，提出由多层时间卷积网络和标签明智注意力组成的深度神经模型，相比之前模型，F-1分数显著提高，召回分数大幅增加，对临床决策支持有重要意义。

Comments Work carried out in 2019; posted as a record of the work. Baselines and state of the art reflect the 2019 literature

Beyond Epistemia: Epistemic Schizologia and Large Language Models as Techno-Semiotic Machines

超越认知：认知分裂症与作为技术符号机器的大语言模型

Federico Cabitza, Gianluca Colombo

机构 * Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究大语言模型输出致“认知症”现象，挑战其解释框架。借鉴相关哲学，将大语言模型视为技术符号机器，指出“认知症”是“认知分裂症”后果，强调相关单元是整个实践，为新设计方案奠定基础。

Cardiologent: Multi-Agent Clinical Decision Support for Patient-Level Arrhythmia Assessment, Urgency, and Management

Cardiologent：用于患者级心律失常评估、紧急情况和管理的多智能体临床决策支持

Sukju Oh, Moo-Yong Rhee, Jae-Sik Jang, Sukkyu Sun

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究针对患者级心律失常决策支持问题，提出多智能体系统Cardiologent，每个信号对应智能体基于测量特征读取数据，整合为心律概况并对照指南推理，经评估在多方面表现最佳，使决策可审核，向连续监测迈进。

Comments 21 pages, 8 figures

Lowering the implementation barrier of neutral-atom quantum computing with agentic workflows

利用智能工作流程降低中性原子量子计算的实现障碍

Constantin Dalyac, Alexandre Dauphin, Loïc Henriet, Christophe Jurczak

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究针对量子计算中理论协议转化为硬件实验的瓶颈问题，引入智能工作流程，在中性原子量子处理器上自动化流程并让研究人员参与验证。通过案例研究展示其作用，还用智能体分类论文，结果表明该流程为理论与硬件搭建桥梁，助力量子实验。

Gradient-Based Latent Decomposition Reveals Mechanisms of Feature Degradation in Weakly Supervised Mammography

基于梯度的潜在分解揭示了弱监督乳腺钼靶成像中特征退化的机制

Vinceline Bertrand, Ionut Cardei

机构 * Florida Atlantic University（佛罗里达大西洋大学） 纠错

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

AI总结 研究弱监督乳腺钼靶成像中特征退化问题，引入基于梯度的正交潜在分解用于分层变分自编码器，划分潜在空间，通过实验得出模型相关指标，经潜在消融等验证，揭示高维空间中粗监督信号对细粒度特征的影响。

Can a small additional claim lower the premium? Credibility orders for collective risk models

一个小的附加索赔能否降低保费？集体风险模型的可信度排序

Jihyun Park, Jieun Kim, Taehan Bae, Jae Youn Ahn

专题命中 病理影像 ：pathology(abstract)

AI总结 研究集体风险模型中可信度排序问题，指出标准模型规范可能违反单调性，通过给出反例说明小附加索赔可能降保费，进而形式化适用于该模型的可信度排序及充分条件，并进行数值研究和实证说明。

BioDisclose: An Actionability-Aware Benchmark for Biomedical Safety under Adversarial Elicitation

BioDisclose：对抗性诱导下生物医学安全的可操作性感知基准

Yinuo Zhu, He Liu, Boyuan Gu

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

AI总结 研究针对大语言模型在对抗性诱导下生物医学知识披露行为不足问题，引入BioDisclose基准，含多领域多类别提示，对模型响应四级评分，通过实验揭示不同模型、策略及风险类别差异，为评估生物医学安全提供新测试平台。

Comments 27 pages, 3 figures

When Does Deep Representation Learning Help Single-Cell Clustering? A Sensitivity-Aware Diagnostic Benchmark for Biomedical AI Pipelines

深度表示学习何时有助于单细胞聚类？生物医学人工智能管道的敏感性感知诊断基准

Nguyen Thanh Phong, Truong Viet Vu, Nguyen Ha Thu, Tran An Ky, Tran Hoang Thong, Le Pham Thuy Hien, Nguyen Thai Anh

机构 * Van Lang University（范朗大学） 纠错

专题命中 医学数据与评测 ：medical AI(title,abstract)；biomedical(title,abstract)；分类 cs.LG、q-bio

AI总结 研究单细胞聚类中深度表示学习是否必要，通过九个聚类管道在十个真实数据集上的诊断基准测试及相关分析，集成多种测试方法，揭示不同模式，确定主要方差贡献者，提供数据集感知和计算意识决策框架。

Comments 13 pages, 6 figures. Accepted at ISRSD 2026

GraphRareBench: An Auditable Graph-Evidence Benchmark for Phenotype-Driven Rare-Disease Diagnosis

GraphRareBench：用于表型驱动罕见病诊断的可审计图证据基准测试

Guiling Guo, Jia Yang, Jiahao Xu, Shuyuan Zheng, Zhonghai Sun, Qiyuan Li

专题命中 医学数据与评测 ：diagnosis(title)；分类 cs.LG、q-bio

AI总结 研究针对表型驱动罕见病诊断基准测试不透明问题，引入GraphRareBench基准测试，含病例与目标-混杂因素对。通过共享特征接口监督排名器及特定智能体测试，发现不同方法互补，为更透明的诊断系统评估提供基础。

Explainable AI for Chronic Kidney Disease Prediction Using Simulated Federated Learning

使用模拟联邦学习的慢性肾病预测的可解释人工智能

Md Zahid Hasan Ontor, Md Al Amin, Anik Dev Nath, Bikash Kumar Paul

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

AI总结 该研究针对慢性肾病预测问题，运用带投票分类器的联邦学习，结合随机森林等算法为全局服务器选最佳模型，用GridSearchCV优化客户端模型性能，还引入可解释人工智能技术，其全局模型平均准确率达99%，助力早期CKD诊断和数据驱动医疗。

Comments 13 Pages, 5 Figures