医学 AI

Learning from Compressed CT: Feature Attention Style Transfer and Structured Factorized Projections for Resource-Efficient Medical Image Analysis

从压缩CT学习：用于资源高效医学图像分析的特征注意力风格迁移和结构化因子化投影

Shadid Yousuf, S. M. Mahbubur Rahman, Mohammed Imamul Hassan Bhuiyan

机构 * Department of Electrical and Electronic Engineering, Bangladesh University of Engineering and Technology（电气电子工程系，孟加拉工程与技术大学） 纠错

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

AI总结 本文提出FAST和SFP方法，通过压缩CT体积进行胸腔异常检测，实现低资源部署和高效数据传输，实验表明CT-Lite在压缩输入下达到接近未压缩基线的AUROC性能。

ReDiff: Reliability-Guided Diffusion for Trustworthy Ultra-Low-Field to High-Field MRI Synthesis

迈向可信的选择性生成：用于超低场到高场MRI合成的可靠性引导扩散

Zhenxuan Zhang, Peiyuan Jing, Ruicheng Yuan, Liwei Hu, Anbang Wang, Fanwen Wang, Yinzhe Wu, Kh Tohidul Islam, Zhaolin Chen, Zi Wang, Peter Lally, Guang Yang

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

AI总结 本文提出ReDiff框架，通过可靠性引导的采样策略和多候选选择方案，提升MRI合成的鲁棒性和解剖学一致性，减少伪影并提高结构保真度。

BCNet: Bronchus Classification via Structure Guided Representation Learning

BCNet：基于结构引导表征学习的支气管分类

Wenhao Huang, Haifan Gong, Huan Zhang, Yu Wang, Xiang Wan, Haofeng Li, Guanbin Li, Hong Shen

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

AI总结 该研究针对自动支气管分类的个体拓扑差异挑战，提出结构引导的BCNet框架，在BronAtlas基准上F1分数超现有最优方法8%以上，还发布了支气管成像分析开放基准BronAtlas。

Comments The benchmark is available at https://osf.io/pskr9/?viewonly=94fa3d87274b4095ac9a4b88cc9a1341

Calibrating the Digital Twin Channel: Statistics-Consistent Sim-to-Lab Adaptation for W-Band Industrial OFDM Links

数字孪生信道校准：面向W波段工业OFDM链路的统计一致性仿真到实验室适配

Pulok Tarafder, Abigail O. Oyekola, Jasni Areepatta Mannil, Imtiaz Ahmed, Zoheb Hassan, Danda B. Rawat, Wenjie Che

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

AI总结 该研究针对W波段工业OFDM链路的数字孪生信道保真度问题，提出SC-SLA校准框架，通过对齐多维度信道统计量实现仿真到实验室的适配，在95 GHz及92-94 GHz频段均取得优于基线的性能。

Comments Submitted for possible publication to IEEE. Paper currently under review. The contents of this paper may change at any time without notice

Amplitude-based echo-mode speed-of-sound tomography

基于振幅的回波模式声速层析成像

Michael Jaeger, Marina Eckermann

专题命中 医学影像 ：diagnosis(abstract)

AI总结 该研究针对传统回波模式计算超声层析成像（CUTE）的空间分辨率受限及伪影问题，提出基于振幅的a-CUTE方法，模拟及体模、在体实验证实其分辨率提升与伪影减少的优势。

Diagnostic Feedback under Hidden Task Difficulty

隐藏任务难度下的诊断反馈

Mark Izgarshev, Georgy Lukyanov

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对隐藏任务难度的场景，提出均衡精炼机制，可在特定条件下实现对困难任务的诊断，证明隐藏难度能生成智能体相关信息，且该机制适用于连续努力与不完美诊断的情况。

PathAgentBench: Benchmarking Evidence-Seeking Vision-Language Models on Whole-Slide Pathology Image

PathAgentBench：在全切片病理图像上对寻求证据的视觉语言模型进行基准测试

Dankai Liao, Tianyi Zhang, Yufeng Wu, Xinyue Zhang, Qiaochu Xue, Zeyu Liu, Dachun Zhao, Linghan Cai, Yueming Jin

机构 * National University of Singapore（新加坡国立大学） ； PuzzleLogic Pte Ltd（拼图逻辑私人有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区） ； Peking Union Medical College Hospital（北京协和医院） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 研究针对全切片病理图像诊断中证据获取与整合问题，引入PathAgentBench基准，评估视觉语言模型的四项互补能力，包含多模型评估结果，揭示了证据推理与获取间的差距，为改进病理模型提供统一框架。

Critical attention scaling in long-context transformers

长上下文Transformer中的关键注意力缩放

Shi Chen, Zhengjiang Lin, Yury Polyanskiy, Philippe Rigollet

机构 * Department of Mathematics, Massachusetts Institute of Technology（数学系，麻省理工学院） ； Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（电气工程与计算机科学系，麻省理工学院） 纠错

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

AI总结 该研究针对长上下文Transformer的注意力秩崩溃问题，通过分析简化模型确定关键缩放因子$\beta_n \backsim \text{log} n$，为YaRN和Qwen的注意力缩放提供理论依据，阐明对数缩放可维持长上下文下的稀疏内容自适应注意力。

Comments 31 pages, 2 figures

Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR 2026), 2026

RetiBridge: Bridging Quantitative Retinal Biomarkers and Qualitative Diagnosis with a Knowledge-Guided Multimodal Large Language Model

RetiBridge：用知识引导的多模态大语言模型连接定量视网膜生物标志物与定性诊断

Zhuangzhi Gao, Hongyi Qin, He Zhao, Qinkai Yu, Feixiang Zhou, Fu Wang, Jinru Ding, Eduard Shantsila, Uazman Alam, Alena Shantsila, Wahbi El-Bouri, Gregory Y. H. Lip, Yalin Zheng

机构 * University of Liverpool（利物浦大学） ； Institute of Life Course & Medical Sciences（生命课程与医学科学研究院） ； Department of Eye and Vision Sciences（眼科与视觉科学系） ； Computer Science Department（计算机科学系） ； Cardiovascular & Metabolic Medicine（心血管与代谢医学） ； Liverpool Centre for Cardiovascular Science（利物浦心血管科学中心） 纠错

专题命中 医疗多模态 ：diagnosis(title)

AI总结 该研究提出RetiBridge模型，结合CFP、OCT数据与文本，通过知识引导微调学习定量到定性诊断路径，在眼科理解基准上表现优于开源基线及OpenAI o3，代码数据已公开。

Comments 10 pages, 4 figures, 3 table. Equal contribution: Zhuangzhi Gao and Hongyi Qin. Corresponding author: Yalin Zheng (yzheng@liverpool.ac.uk)

MedHallTune: An Instruction-Tuning Benchmark for Mitigating Medical Hallucination in Vision-Language Models

MedHallTune：用于缓解视觉-语言模型中医患幻觉的指令调优基准

Qiao Yan, Yuchen Yuan, Xiaowei Hu, Yihan Wang, Jiaqi Xu, Xiwen Wu, Jinpeng Li, Chi-Wing Fu, Pheng-Ann Heng

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV

AI总结 本研究提出MedHallTune基准，用于评估和缓解医疗视觉-语言模型的幻觉，实验表明用该基准微调模型可提升幻觉管理能力与下游VQA任务零样本性能，助力开发更可信的医疗视觉-语言模型。

GIM-ENDO: A Multimodal Endoscopic Image and Video Dataset for Gastric Intestinal Metaplasia Morphology and Pathology

GIM-ENDO：用于胃肠化生形态与病理的多模态内镜图像和视频数据集

Mojgan Forootan, Mahziar Setayeshfar, Ali Darvishi, Mohammad Tashakoripour, Hamidreza Bolhasani

机构 * Gastroenterology and Liver Disease Research Center, Research Institute for Gastroenterology and Liver Diseases, Shahid Beheshti University of Medical Sciences（沙希德·贝赫什提医科大学胃肠病与肝病研究中心，胃肠病与肝病研究所） ； Iran University of Medical Sciences（伊朗医科大学） ； Shiraz University of Medical Sciences（设拉子医科大学） ； Gastroenterology Department, Amiralam Hospital, Tehran University of Medical Sciences（德黑兰医科大学阿米拉拉姆医院胃肠病科） ； Department of Computer Engineering, Science and Research Branch, Islamic Azad University（伊斯兰阿扎德大学科学与研究分校计算机工程系） 纠错

专题命中 医学数据与评测 ：pathology(title)；分类 cs.CV

AI总结 针对胃黏膜肠化生（GIM）公开数据集缺失的问题，构建了包含多模态内镜图像、视频及病理标注的数据集GIM-ENDO，涵盖六种主要内镜征象和亚型分级，以促进AI辅助诊断。

Dissecting Federated-Graph Aggregation under Domain Shift: Importance-Aware Aggregation via Empirical Analysis

FedIA: 面向域鲁棒联邦图学习的重要性感知聚合

Zhanting Zhou, Kahou Tam, Zeyu Ma, Ziqiang Zheng

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 针对联邦图学习中图域偏移导致聚合信号碎片化的问题，提出FedIA方法，通过重要性掩码和贡献感知动量加权实现服务器端聚合，无需共享原始图数据。