医学 AI

Virtual Patients, Real Gains: Digital Twin-Based Simulated CT for Multitask Lung Nodule Analysis

虚拟患者，真实获益：基于数字孪生的模拟CT用于多任务肺结节分析

Fakrul Islam Tushar, Lavsen Dahal, Paul Segars, Joseph Y. Lo

机构 * Center for Virtual Imaging trials, Dept. of Radiology, Duke University Medical Center（虚拟成像中心，放射科，杜克大学医学中心） ； Dept. of Electrical and Computer Engineering, Pratt School of Engineering, Duke University（电气与计算机工程系，工程学院，杜克大学） 纠错

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

AI总结 该研究基于Virtual Lung Screening Trial框架生成虚拟CT数据，训练相关模型提升肺结节检测、分割、分类性能，可解决医学AI的标注CT数据稀缺问题。

Comments Accepted to the MICCAI SASHIMI 2026 Workshop

A Systematic Benchmark of Intensity Normalisation Methods for 3D Knee MRI Segmentation and Cross-Domain Generalisability

用于3D膝关节MRI分割和跨域泛化性的强度归一化方法的系统基准测试

Oliver Mills, Philip Conaghan, Samuel Relton

机构 * University of Leeds（利兹大学） ； NIHR Leeds Biomedical Research Centre（英国国家卫生研究院利兹生物医学研究中心） 纠错

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

AI总结 研究针对膝关节MRI分割，系统比较七种强度归一化方法对3D U-Net模型性能的影响，用IWOAI 2019数据集训练并在内外测试集评估，发现归一化对泛化性有影响但相对域偏移有限，凸显需互补策略。

Comments This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution is published in 30th Annual Conference on Medical Image Understanding and Analysis, MIUA 2026. Code is available at https://github.com/oliverjm1/mri_normalisation. Updated to include acknowledgements and funding information

Unsupervised Adversarial Domain Adaptation for Uterine layer Segmentation: From Labeled Cine to Unlabeled Dynamic EPI MRI

用于子宫层分割的无监督对抗域自适应：从带标签的电影MRI到无标签的动态EPI MRI

Smiti Tripathy, Milauni Desai, Jordina Aviles Verdera, Jana Hutter

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

AI总结 该研究针对子宫层分割问题，提出无监督对抗域自适应框架，迁移电影MRI的分割知识至动态EPI MRI，结合Unet-LSTM与多尺度域判别器，实现了良好的分割效果，为探究子宫收缩性与T2*变化的关联提供了可行方法。

Predictive Enhancement Calibration for Latent Breast MRI Virtual Contrast Enhancement

用于潜在乳腺MRI虚拟对比度增强的预测增强校准

Qin Lei, Hao Wu

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

AI总结 针对潜在乳腺MRI虚拟对比度增强中自然图像自动编码器与MRI强度尺度冲突的问题，提出PEC方法并结合FLUX模型，在MAMA100队列中提升了所有八个点估计，MSE和LPIPS表现最优。

Comments Top-3 submission in the MICCAI 2026 MAMA-Synth Challenge

Towards Reliable and Reproducible Fetal Brain Biometry: A Deep Learning Approach Using MRI

迈向可靠且可重复的胎儿脑生物测量：一种基于MRI的深度学习方法

Francesca Maccarone, Marina Di Stefano, Giorgio Longari, Giulia Frigerio, Gloria Rizzato, Rocco Prudentino, Nivedita Agarwal, Tommaso Ciceri, Denis Peruzzo, Simone Melzi

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

AI总结 本文提出一种基于深度学习的四步骤自动化流程，从胎儿MRI中可靠可重复地进行脑生物测量，在两个含150例数据的公开数据集上验证，精度优于或相当现有方法，可支持临床应用。

Comments Currently under journal submission

CRIL-U-Net: Compact Ratio-Interaction Learning for Focal Cortical Dysplasia Segmentation from T1w and FLAIR MRI

CRIL-U-Net：用于从T1w和FLAIR MRI中分割局灶性皮质发育不良的紧凑比率交互学习网络

Soumen Ghosh, Amit Soni Arya, Tilottama Goswami, Subhojit Mandal, John Phamnguyen, Rajat Vashistha

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

AI总结 该研究针对II型局灶性皮质发育不良MRI自动分割难题，提出CRIL-U-Net模型，在85例患者与25例对照的五折交叉验证中，其性能显著优于传统及注意力型U-Net。

Confident but Unreliable: A Behavioral Safety Audit of Vision-Language Models on Brain MRI

自信但不可靠：对基于脑MRI的视觉语言模型的行为安全审计

Amir Sabbaghziarani, Mohammadsajad Abavisani, Sergey Plis

机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； TReNDS Center（TReNDS中心） 纠错

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

AI总结 本研究对6个指令微调VLMs开展脑MRI行为安全审计，发现其置信度校准差、存在大量高置信度错误，提出医学图像VLM评估需报告置信度可靠性等指标。

CT-HEG: A Bidirectional, Timestamp-Attributed Event Graph for ICU In-Hospital Mortality Prediction - An Architectural Ablation Study

CT-HEG：用于ICU院内死亡率预测的带时间戳属性的双向事件图——一项架构消融研究

Mohammad Nasir Uddin, Rahnuma Tabassum Orpita, Asaduzzaman Anik, Eklachur Rahman Bhuiyan, Marjahan Risalat, SM Wali Ullah, Asif Ahamed

机构 * Westcliff University（韦斯特克利夫大学） ； Northern University Bangladesh（孟加拉国北方大学） ； Stanton University（斯坦顿大学） ； Washington University of Science and Technology（华盛顿科技大学） 纠错

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

AI总结 该研究针对ICU死亡率预测中不规则临床观测建模问题，提出CT-HEG架构并实例化为CHIRP-Net，经MIMIC-IV v3.1数据集实验，验证了双向连接、时间注意力边特征等架构选择的作用，为不规则电子健康记录数据建模提供了有效方案。

Complex Wavelet-Based Sinogram Segmentation for Metal Artifact Reduction in Cone-Beam CT

基于复波let的sinogram分割用于锥束CT中金属伪影的减少

Siiri Rautio, Alexander Meaney, Salla-Maaria Latva-Äijö, Harshit Agrawal, Mikael Brix, Dinidu Jayakody, Samuli Siltanen

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文提出基于复波let的投影域金属伪影减少方法，通过分析性金属分割提升锥束CT图像质量。

K-space Gaussian Representation for Parallel MRI

并行磁共振成像的K空间高斯表示

Yu Guan, Mingyu Hu, Jiale Hu, Zhuoxu Cui, Dong Liang, Qiegen Liu

机构 * Nanchang University（南昌大学） ； Chinese Academy of Sciences（中国科学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

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

AI总结 针对并行MRI现有K空间重建方法未显式建模连续信号的局限，提出KGR方法，通过Gabor-高斯基元参数化连续信号并结合低秩流形约束，在多数据集上较基线实现重建性能提升。

HERMES: A Hybrid Ensemble for Head-and-Neck Tumor Segmentation, TN Staging, and Recurrence-Free Survival on PET/CT

HERMES：用于PET/CT图像上头颈部肿瘤分割、TN分期及无复发生存分析的混合集成模型

Kai Wang, Meixu Chen, Elie Nasr, Ryan Lanning, Moyed Miften

机构 * University of Colorado School of Medicine（科罗拉多大学医学院） 纠错

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

AI总结 该研究提出名为HERMES的混合集成算法，用于解决HECKTOR 2026的肿瘤分割、TN分期及无复发生存分析任务，在验证排行榜取得加权分0.6454并晋级测试阶段。

Comments 12 pages, 4 figures, 3 tables, conference

NeuroMosaic: Anatomically Grounded Multimodal Large Language Modeling for Molecularly Aware Glioma Reasoning from 3D MRI and Clinical Narratives

NeuroMosaic：基于解剖学的多模态大语言模型，用于从3D MRI和临床叙事中进行分子感知的胶质瘤推理

Yantong Liu, Zheyu Zhang, Runpeng Liu, Mu Xitang, Seong-Yoon Shin, Hyun-Ae Lee

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究针对多模态医疗大语言模型在神经肿瘤学中的结构缺陷，提出NeuroMosaic模型，通过多模块架构实现胶质瘤的准确推理，在多个数据集上取得优异性能，验证了解剖学索引路由机制的有效性。

TumorBoard: Evidence-Grounded Multi-Agent Decision Support for Longitudinal Neuro-Oncology

TumorBoard：基于证据的多智能体纵向神经肿瘤学决策支持系统

Yantong Liu, Zheyu Zhang, Runpeng Liu, Mu Xitang, Seong-Yoon Shin, Hyun-Ae Lee

专题命中 医学影像 ：MRI(abstract,abstract_cn)；pathology(abstract)；diagnosis(abstract)；radiology(abstract)

AI总结 TumorBoard是基于证据的多智能体纵向神经肿瘤学决策支持系统，经360例基准测试，其性能优于现有基线，安全管控模块可有效降低有害建议比例。

OsteoFlow: Lyapunov-Guided Flow Distillation for Predicting Bone Remodeling after Mandibular Reconstruction

OsteoFlow: 基于Lyapunov引导的流式蒸馏用于预测下颌重建后的骨重塑

Hamidreza Aftabi, Faye Yu, Brooke Switzer, Zachary Fishman, Eitan Prisman, Antony Hodgson, Cari Whyne, Sidney Fels, Michael Hardisty

机构 * Department of Electrical and Computer Engineering, University of British Columbia, Canada（电气与计算机工程系，不列颠哥伦比亚大学，加拿大） ； Department of Mechanical Engineering, University of British Columbia, Canada（机械工程系，不列颠哥伦比亚大学，加拿大） ； Department of Surgery, University of British Columbia, Canada（外科系，不列颠哥伦比亚大学，加拿大） ； Sunnybrook Research Institute, University of Toronto, Canada（阳光医院研究学院，多伦多大学，加拿大） 纠错

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

AI总结 OsteoFlow通过Lyapunov引导的轨迹蒸馏方法，从术后第5天的CT扫描预测第1年的骨重塑，显著提升了预测精度，减少了手术切除区的平均绝对误差。

MedCRP-CL: Continual Medical Image Segmentation via Bayesian Nonparametric Semantic Modality Discovery

MedCRP-CL: 通过贝叶斯非参数语义模态发现实现连续医学图像分割

Ziyuan Gao

机构 * University College London, London, United Kingdom（伦敦大学学院） 纠错

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

AI总结 该研究提出MedCRP-CL框架，通过在线任务结构发现和结构感知的连续学习方法，解决医学图像分割在持续学习中的挑战，实现了73.3%的Dice得分和仅4.1%的遗忘率。

Comments Accepted to ICML 2026

Thermal instability and rocky planetesimal formation in the inner regions of protoplanetary disks

类地行星esimal形成与原行星盘内区的热不稳定性

Ryo Kato, Takahiro Ueda, Satoshi Okuzumi

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 研究通过尘埃自聚集机制探讨原行星盘内区热不稳定性对类地行星esimal形成的影响，提出热不稳定性驱动MRI周期性激活与失活，促进行星esimal形成。

Comments 16 pages, 11 figures, accepted for publication in PASJ

Recurrent Contrastive Learning for Imbalanced Medical Image Classification

用于不平衡医学图像分类的循环对比学习

Zhiyuan Zhu, Xinling Meng, Junxuan Yu, Jiongquan Chen, Qiongying Ni, Tuhang Shao, Yuhao Huang, Luping Zhou, Ruiyang Huang, Yuxue Wang, Rongliang Zhang, Xue Wang, Tianhong Tang, Likun Wang, Junbo Chen, Yong Jiang, Yongping Lu, Xin Yang

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

AI总结 针对医学图像分类的类别不平衡问题，提出循环对比学习方法，通过复用历史特征扩充尾类支持区域，经多数据集验证性能优于强基线。

Comments 10 pages, 3 figures

Journal ref The 7th MICCAI Workshop on Advances in Simplifying Medical UltraSound.2026

How Many Labels Are Enough? ALDA: Active Learning Deployment Advisor for Medical Image Classification

需要多少标签才足够？ALDA：面向医学图像分类的主动学习部署顾问

Julia Machnio, Mads Nielsen, Mostafa Mehdipour Ghazi

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

AI总结 针对医学图像分类的主动学习部署问题，提出ALDA框架，利用15%-30%试点数据预测最优策略，可降低最多82%标注成本，解决了部署时需选采样策略的关键问题。

Comments Accepted at EMA4MICCAI Workshop 2026

CARE-X: Towards Clinically Useful Radiology VLMs with Auxiliary Supervision, Reward-Aligned Learning, and Tool-Augmented Measurement

CARE-X：借助辅助监督、奖励对齐学习与工具增强测量实现临床可用的放射学视觉语言模型

Mercy Prasanna Ranjit, Anirban Porya, Sathvik Joel, Niharika Vadlamudi, Nikhilesh Chowdary Eathamukkala, Prasanth V, Abhyuday Kumara Swamy, Pranay Narhari Umredkar, Pradeep Narayan, Vivek Rajagopal, Tanuja Ganu

专题命中 医学影像 ：radiology(title)；分类 cs.CV

AI总结 CARE-X是一款胸部X射线视觉语言模型，通过辅助监督、奖励对齐学习及工具增强测量，在多个医学影像任务上实现了优于基线的性能，缩小了放射科医生需求与现有生成模型间的差距。

Dual-domain U-Nets with embedded back projection operators for motion-resolved 4D CBCT reconstruction

嵌入反投影算子的双域U-Net用于运动分辨的4D CBCT重建

Ivo Herzig, Pascal Paysan, Daniel Barco, Marc André Stadelmann, Frank-Peter Schilling, Igor Peterlik, Michal Walczak, Lijin Aryananda, Woo Sang Ahn, Rudolf Marcel Füchslin, Lukas Lichtensteiger

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

AI总结 该研究提出嵌入反投影算子的双域U-Net，从无呼吸信号或投影分箱的自由呼吸扫描中重建运动分辨的4D CBCT，在模拟与临床数据上均表现出更优的肿瘤、食道可见性及更少运动伪影，实现了高质量4D重建。

Comments 15 pages, 9 Figures

A Note on Reinforcement Learning to Develop Self-defined Agents' Behavior

关于强化学习开发智能体自定义行为的注记

Matteo Morini, Pietro Terna

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本研究基于有限理性假设，采用无监督学习为主的技术，通过Cross Targets（交叉目标）方法训练人工智能体，实现行为内部一致性，成功让随机游走智能体解决图节点分类问题。

Journal ref M. Morini, and P. Terna (2021). A note on reinforcement learning to develop self-defined agents' behavior. Carlo Alberto Notebooks, No. 638, January 2021

MalariAI: A Label-Resilient Decoupled Framework for Annotation-Agnostic Cell Segmentation and Explainable Stage Classification in Dense Malaria Blood Smears

MalariAI: 一种用于密集疟疾血涂片中通用细胞分割和可解释分期分类的标签鲁棒解耦框架

Kaysarul Anas Apurba, Md Hasibul Hasan, Mohammed Ali, Tanzilur Rahman

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

AI总结 提出MalariAI两阶段解耦框架，通过距离变换分水岭算法实现无标注细胞分割，结合EfficientNet-B0和Focal Loss进行分期分类，在BBBC041数据集上细胞恢复率达75.95%，分类准确率98.36%，并利用Grad-CAM++提供实例级空间证据。

Comments Submitted to Array - Elsivier(under review). 4 authors, includes figures and appendix

A Unified 2D Framework for DeepLesion Detection, Segmentation and Short Report Generation

用于DeepLesion检测、分割及简短报告生成的统一二维框架

Ruida Cheng, Tejas S. Mathai, Benjamin Hou, Qingqing Zhu, Zhiyong Lu, Matthew McAuliffe, Ronald M. Summers

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

AI总结 本研究开发了一个整合LLM推理、病变检测、分割及报告生成的统一二维框架，在DeepLesion数据集上取得了各项指标提升，解决了其分割难题并开源了相关资源。

Comments 18 pages, 8 figures

Rethinking Uncertainty Quantification and Entanglement in Image Segmentation

重新思考图像分割中的不确定性量化与纠缠

Jakob Lønborg Christensen, Vedrana Andersen Dahl, Morten Rieger Hannemose, Anders Bjorholm Dahl, Christian F. Baumgartner

机构 * Technical University of Denmark, DTU Compute（丹麦技术大学，DTU计算学院） ； University of Lucerne, Faculty of Health Sciences and Medicine（卢塞恩大学，医学与健康科学学院） 纠错

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

AI总结 本文研究了图像分割中不确定性量化的分解与纠缠问题，分析了不同模型组合的不确定性纠缠程度，并提出量化指标，评估了不同任务下的性能。

Cura 1T: Specialized Model for Agentic Healthcare

Cura 1T：用于智能医疗保健的专用模型

actAVA AI, :, Haolin Chen, Leon Qi, Steve Brown, Deon Metelski, Tao Xia, Joonyul Lee, Qixuan Wang, Kevin Riley, Frank Wang, Weiran Yao

机构 * actAVA AI（actAVA人工智能公司） 纠错

专题命中 临床大模型 ：healthcare AI(abstract)；diagnosis(abstract)

AI总结 研究针对医疗保健中多任务需求及能力失效问题，提出通过人工门控自我进化循环训练的Cura 1T模型，以数据为中心改进模型，该模型在医疗评估套件中表现优异，在相关基准测试中保持竞争力。

Comments Model: https://actava.ai/cura; Docs: https://actava.ai/cura/docs; Github: https://github.com/actava-ai/Cura

Efficient Modeling of Surrogates to Improve Multi-source High-dimensional Integrative Regression

用于改进多源高维整合回归的代理高效建模

Yue Liu, Molei Liu, Zijian Guo, Tianxi Cai

专题命中 临床大模型 ：biomedical(abstract)

AI总结 针对多源高维整合回归，开发SASH方法，利用大量有误差的未标记代理样本和少量金标准标记数据，通过一系列回归避免局部极小值问题，保护个体信息，提升学习精度。

CorePath: A Breast-Specialized Pathology Foundation Model for Core Needle Biopsy Diagnosis and Risk-Controlled Report Generation

CorePath：用于核心针活检诊断和风险可控报告生成的乳腺专用病理基础模型

Ting Yin, Danning Li, Chen Shu, Xiaoxia Yao, Boyu Fu, Yujing Chang, Tianyu Shi, Mengna Feng, Jie Chen, Jing Fu, Xiuli Xiao, Tianlin Li, Mumin Shao, Jiaxin Bi, Wenchuan Zhang, Xiaoyan Wu, Xiao Han, Zhang Zhang, Yuhao Yi, Hong Bu

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

AI总结 本研究开发乳腺专用病理基础模型CorePath，经7901对数据微调后，在多队列及基准上的CNB诊断任务中性能优于现有模型，结合风险控制模块实现低幻觉的可靠报告生成。

Comments The code will be made publicly available upon publication

PDD-RRG: Posterior Diagnostic Decision for Study-level Radiology Report Generation

PDD-RRG：面向研究级放射学报告生成的后验诊断决策

Yang Yu, Yiming Ji, Bin Dai, Dong Zhang, Zhiyong Zhou, Shoushan Li, Yakang Dai

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

AI总结 针对现有RRG模型未充分利用检查信息、易因额外输入引发诊断错误的问题，提出PDD-RRG框架，通过多视角生成报告并聚合诊断结论，无需重训练即可提升RRG模型临床效能。

Comments Accepted by IJCAI 2026

Open-Linguistic Concept Unified Learning for Cross-Site Interpretable Dermatology Image Diagnosis

面向跨站点可解释皮肤病图像诊断的开放语言概念统一学习

Chengyu Wu, Junpeng Tan, Wanxiang Luo, Yaqi Wang, Yandong Wen, Yefeng Zheng

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

AI总结 针对现有概念模型跨站点泛化差、适配FVLMs成本高的问题，提出开放语言概念统一学习框架UniCon，通过共享语义空间等三项创新实现多模态可解释皮肤病诊断，获顶级准确率且具备跨站点干预能力。

Comments accepted by ACM Multimedia 2026

Optimal Liability Design for Medical AI

医疗人工智能的最优责任设计

Rui Mao, Tingliang Huang, Houcai Shen

专题命中 诊断辅助 ：medical AI(title)

AI总结 本文构建委托代理模型研究医疗AI的最优责任设计，发现不对称信息下最优责任为统一水平，AI准确度与最优责任呈非单调关系，信息不对称是双刃剑，透明度对各利益相关者影响不均。