医学 AI

PatchDenoiser: Parameter-efficient multi-scale patch learning and fusion denoiser for Low-dose CT imaging

PatchDenoiser: 一种参数高效、多尺度补丁学习与融合的低剂量CT图像去噪器

Jitindra Fartiyal, Pedro Freire, Sergei K. Turitsyn, Sergei G. Solovski

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

AI总结 PatchDenoiser通过多尺度补丁学习与融合，提供轻量高效且鲁棒的低剂量CT图像去噪方法，显著提升去噪性能并降低计算成本。

Clinical Graph-Mediated Distillation for Unpaired MRI-to-CFI Hypertension Prediction

临床图介导的非配MRI到CFI高血压预测

Dillan Imans, Phuoc-Nguyen Bui, Duc-Tai Le, Hyunseung Choo

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Research Convergence Institute（研究融合院） ； Department of AI Systems Engineering（人工智能系统工程系） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出CGMD框架，通过构建临床相似性kNN图将MRI中的高血压知识迁移至视网膜模型，提升非配MRI-视网膜数据下的高血压预测性能。

Comments 10 pages, 2 figures, 2 tables. Under review at MICCAI 2026

BrainG3N: A Dual-Purpose Tokenizer for Controllable 3D Brain MRI Generation

BrainG3N：用于可控3D脑MRI生成的双用途分词器

Max Van Puyvelde, Ibrahim Gulluk, Wim Van Criekinge, Olivier Gevaert

机构 * Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学系） ； Department of Mathematical Modelling, Statistics & Bioinformatics, Ghent University（根特大学数学建模、统计与生物信息学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

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

AI总结 提出基于3D掩码自编码器的分词器，解耦编码器与解码器，在23项线性探测任务中21项超越SOTA，并支持条件生成和纵向预测。

Rapid quantitative chemical composition mapping using model-based MRI reconstruction with field inhomogeneity correction

基于场不均匀性校正的模型磁共振成像重建实现快速定量化学成分映射

Artyom Tsanda, Stefan Benders, Muhammad Adrian, Alexander Penn, Tobias Knopp

专题命中 医学影像 ：MRI(title)；分类 q-bio、eess.IV

AI总结 研究针对化学工程中快速评估化学成分空间变化的需求，采用基于模型的重建框架，嵌入先验光谱知识并考虑场不均匀性，通过体模实验验证方法有效性及精度，应用稀疏k空间采样可进一步减少采集时间。

Multimessenger Signatures of Tilted, Self-Gravitating, Black Hole Disks

多信使信号中的倾斜、自引力黑洞盘

Milton Ruiz, Antonios Tsokaros, Stuart L. Shapiro

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 研究倾斜自引力黑洞盘的非轴对称不稳定性，揭示磁流体动力学模拟中引力波发射与喷流机制，支持其作为多信使源的角色。

Comments 9 pages, 11 figures

Journal ref Phys. Rev. Lett. 137, 051402 (2026)

Topology-Constrained Quantized nnUNet for Efficient and Anatomically Accurate 3D Tooth Segmentation

用于高效且解剖学准确的3D牙齿分割的拓扑约束量化nnUNet

Paarth Prasad, Ruchika Malhotra

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

AI总结 本研究提出拓扑约束量化nnUNet框架，通过整合牙齿特异性拓扑损失与8位量化技术，在减少拓扑错误、保留解剖精度的同时维持硬件效率，适用于资源受限的临床牙科CBCT分割场景。

SparseContrast: Dynamic Sparse Attention for Efficient and Accurate Contrastive Learning in Medical Imaging

SparseContrast: 动态稀疏注意力机制用于医学影像中高效且准确的对比学习

Paarth Prasad, Ruchika Malhotra

机构 * Delhi Technological University（德里技术大学） 纠错

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

AI总结 本文提出SparseContrast框架，通过动态稀疏注意力机制提升医学影像对比学习效率与准确性，尤其在低数据环境下用于胸部X光疾病检测。

Deep Expert Injection for Anchoring Retinal VLMs with Domain-Specific Knowledge

深度专家注入用于带有领域特定知识的视网膜视觉语言模型的锚定

Shuai Lu, Meng Wang, Jia Guo, Jiawei Du, Bo Liu, Shengzhu Yang, Weihang Zhang, Huazhu Fu, Huiqi Li

机构 * Beijing Institute of Technology, Beijing, China（北京理工大学） ； National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学） 纠错

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

AI总结 本文提出EyExIn框架，通过深度专家注入机制提升视网膜VLMs的领域知识嵌入能力，解决感知与推理间隙问题，实现高精度眼科视觉问答。

The Reliability of LLMs for Medical Diagnosis: An Examination of Consistency, Manipulation, and Contextual Awareness

大语言模型在医疗诊断中的可靠性：一致性、可操纵性与情境感知能力的检验

Krishna Subedi

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 该研究检验Google Gemini 2.0 Flash与OpenAI ChatGPT-4o的医疗诊断可靠性，发现二者虽一致性达100%，但易受无关信息操纵，且情境响应存在差异，提示其医疗应用需临床监督与结构化保障。

Safety-Aware Cascaded Inference for Crop Damage Assessment with Controlled Error Trade-offs

具有可控误差权衡的作物损害评估安全感知级联推理

José Thiéry Messigbédé Hagbe, Gani Kawsar Gounou, Songbian Karim Zimé

机构 * African School of Economics（非洲经济学院） 纠错

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

AI总结 研究针对小农户作物损害评估中漏检成本高问题，提出CascadeCropNet级联架构，通过阈值选择满足召回约束，经实验验证该架构能有效减少漏检，在可靠性优先场景下可实现安全导向决策约束。

Comments 44 pages, 7 figures, 12 tables. Submitted to Computers and Electronics in Agriculture, April 2026

MMEB-V3: Measuring the Performance Gaps of Omni-Modality Embedding Models

MMEB-V3: 多模态嵌入模型性能差距的测量

Haohang Huang, Xuan Lu, Mingyi Su, Xuan Zhang, Ziyan Jiang, Ping Nie, Kai Zou, Tomas Pfister, Wenhu Chen, Wei Zhang, Xiaoyu Shen, Rui Meng

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出MMEB-V3基准，评估文本、图像、视频、音频及基于代理的多模态嵌入，发现现有模型在跨模态检索中存在显著偏差和不足。

Comments Accepted at COLM 2026

Bridging the Gap in Ophthalmic AI: MM-Retinal-Reason Dataset and OphthaReason Model toward Dynamic Multimodal Reasoning

缩小眼科人工智能的差距：MM-Retinal-Reason数据集与OphthaReason模型用于动态多模态推理

Ruiqi Wu, Yuang Yao, Tengfei Ma, Chenran Zhang, Na Su, Tao Zhou, Geng Chen, Wen Fan, Yi Zhou

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Department of Ophthalmology, The First Affiliated Hospital of Nanjing Medical University（南京医科大学第一附属医院眼科学系） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 该研究针对现有眼科AI仅聚焦基础推理的问题，构建首个眼科多模态数据集MM-Retinal-Reason，并提出带UADT方法的OphthaReason模型，实现眼科多模态推理性能的显著提升。

BioHiCL: Hierarchical Multi-Label Contrastive Learning for Biomedical Retrieval with MeSH Labels

BioHiCL：基于MeSH标签的层次多标签对比学习的生物医学检索

Mengfei Lan, Lecheng Zheng, Halil Kilicoglu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 BioHiCL通过层次化MeSH标注实现多标签对比学习，提升生物医学信息检索的语义和层次理解能力，在检索、句子相似性和问答任务中表现优异且计算效率高。

Comments Accepted by ACL 2026 (Oral)

Robust and Generalizable Atrial Fibrillation Detection from ECG Using Time-Frequency Fusion and Supervised Contrastive Learning

基于时频融合与监督对比学习的ECG心房颤动鲁棒检测方法

Hongtao Li, Jia Wei, Jia Xiao, Yuanjun Lai, Mingyang Liu, Shuzhen Lv, Xueqiang Ouyang

专题命中 健康监测 ：diagnosis(abstract)；分类 q-bio

AI总结 本文提出一种结合时频融合与监督对比学习的ECG心房颤动检测方法，通过双向门控模块和跨模态学习策略提升模型鲁棒性和跨数据集泛化能力。

Adversarial Pragmatics for AI Safety Evaluation: A Diagnostic Framework and Seed Benchmark for Language-Mediated Control

面向AI安全评估的对抗语用学：指令冲突、嵌入命令与策略模糊性基准

Brett Reynolds

机构 * Humber Polytechnic（汉博理工学院） ； University of Toronto（多伦多大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 提出对抗语用学基准和标注协议，通过语言学控制的分类法评估模型在指令冲突、嵌入命令等场景下的行为，为安全评估提供实证和方法论工具。

Comments 32-page main paper plus 13-page supplement; 6 figures and 17 tables total; code and data artifact available at the linked repository

MEDIC: Comprehensive Evaluation of Leading Indicators for LLM Safety and Utility in Clinical Applications

MEDIC：对LLM在临床应用中的安全性和实用性领先指标的综合评估

Praveenkumar Kanithi, Clément Christophe, Marco AF Pimentel, Tathagata Raha, Prateek Munjal, Nada Saadi, Hamza A Javed, Svetlana Maslenkova, Nasir Hayat, Ronnie Rajan, Shadab Khan

机构 * M42 纠错

专题命中 医学数据与评测 ：clinical LLM(abstract)

AI总结 MEDIC通过综合评估框架揭示LLM在临床应用中的安全性和实用性差异，强调需采用组合方法以应对多维度性能权衡。

Comments Published in Transactions on Machine Learning Research (06/2026)