医学 AI

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。

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。

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

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

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。

An Actionable Diagnosis of Multilingual, Multi-Agent Planning Failures

多语言多智能体规划失败的可操作诊断

Vikas Pahuja, Jonathan Brokman, Omer Hofman, Tamir Nizri, Daniel Vishna, Seraphina Goldfarb-Tarrant, Kelly Marchisio, Hisashi Kojima, Roman Vainshtein

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本研究针对多语言多智能体系统在非英语场景下的规划失败问题，提出规划-接地失败分类法，开发TART方法，在多语言任务中显著提升了现有系统的性能。

Comments 22 pages, 11 figures

Adaptive Modality Reliability Diagnosis and Restoration for Robust Multimodal Intent Recognition

用于鲁棒多模态意图识别的自适应模态可靠性诊断与恢复

Suraj Kumar, Mohnish Raj, Soumi Chattopadhayay, Chandranath Adak, Ayan Dutta

专题命中 诊断辅助 ：diagnosis(title)

AI总结 提出PRIME闭环可靠性引导框架，通过诊断恢复多模态意图识别的不可靠模态，在保持干净数据性能的同时提升了多模态数据各类退化场景下的鲁棒性。

A Physics-Flavored Transformer Network for Parametrizing Contraction Dynamics of Engineered Skeletal Muscle Tissues

一种用于工程化骨骼肌组织收缩动力学参数化的物理启发式Transformer网络

Mattias Luber, Timo Betz

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

AI总结 该研究提出物理启发式神经网络（PFNN），将拉伸指数物理模型集成到CNN-Transformer中，通过混合训练范式实现工程化骨骼肌组织收缩动力学的高保真参数化，为高通量生物物理研究提供可靠工具。

CausalOPD: First-Wrong-Step Supervision for Distilling Causal Chain Reasoning

CausalOPD：用于提炼因果链推理的首错误步监督

Jian Zhang, Bingyi Wang, Yizhi Liu

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

AI总结 CausalOPD 是一种课程在线过程提炼框架，通过识别首错误步并结合短视界强化学习，提升了学生模型的因果链推理能力，在三个领域中表现优于序列级提炼及专有参考模型。

Comments 9 pages, 2 figures

KernelBrain: Coarse-to-Fine, Budget-Aware Search for Agentic GPU Kernel Optimization

KernelBrain：面向智能体的GPU内核优化的粗到细、预算感知搜索

Shuai Che, Gang Peng

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

AI总结 KernelBrain是结合LLM引导变异等技术的GPU内核优化智能体，可提升内核质量与搜索效率，在Triton内核任务中获多倍加速且缩短优化时间。

DiagChain: A Diagnostic Benchmark for Evaluating LLM Agents on Evidence-Grounded Attack Chain Reconstruction

DiagChain：用于评估大语言模型智能体基于证据的攻击链重构的诊断基准

Xuyang Liu, Yibin Han, Zhenwei Zhang, Kai Chang, Zhiwei Xu, Tian Qiu, Weixian Deng, Jiabao Gao, Xiaolin Peng, Hai Wan, Xibin Zhao

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究针对LLM智能体攻击链重构基准的不足，提出DiagChain基准与ECRAG方法，经6种LLM评估发现模型在证据整合与排序环节存在瓶颈，为网络安全智能体改进提供了诊断依据。

Survival Isotonic Distributional Regression

保序分布回归的生存版本

Martin Bladt, Alexander Henzi, Bram van den Heuvel, Johanna Ziegel

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究提出S-IDR，将IDR扩展至右删失场景，无调参且适配多类型协变量，在基准套件及肝移植MELD评分验证案例中表现良好，配套多语言包可用。

Comments 65 pages, 16 figures, 3 tables. Main text 35 pages; appendices contain all proofs

OncoTriad-QA: A Patient-Level Radiology-Pathology-Genomics Benchmark for Pan-Cancer Reasoning

OncoTriad-QA：用于泛癌推理的患者级放射学-病理学-基因组学基准

Ahnaf Munir, Dannong Wang, Michael W. McDonald, Mubarak Shah, Pegah Khosravi, Yu Tian

专题命中 病理影像 ：pathology(title,abstract)；radiology(title,abstract)；MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)

AI总结 本文提出OncoTriad-QA多模态癌症问答基准及OncoVLM模型，实验显示OncoVLM经微调后在泛癌问答任务上优于现有模型，该基准可用于相关模型的训练与评估。

SAGE: Semantic Explainability of Attention-Based Survival Models in Computational Pathology

SAGE：计算病理学中基于注意力的生存模型的语义可解释性

Abdallah Lamane, Abdul Rahman Diab, Ren-Chin Wu, William Lotter

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

AI总结 该研究提出SAGE框架，可从ABMIL模型提取全局语义解释，在7个TCGA癌症队列的生存预测中恢复预后特征，揭示癌症特异性生物学，为病理学家解释模型行为提供支持。

Comments Proceedings of the MICCAI Workshop on Interpretability of Machine Intelligence in Medical Image Computing (iMIMIC)

Morphology-Aware Implicit Super-Resolution Network for Pathological Images

面向病理图像的形态感知隐式超分辨率网络

Jiaming Liang, QiHui Han, Haolin Chen, Chengxin Ye, Jiawen Liu, Jiazhou Chen, Xiaoqi Sheng, Hongmin Cai

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

AI总结 针对现有超分辨率方法难以保留病理图像细胞形态的问题，本文提出Morph-ISR框架，在TCGA等数据集上实现最优的LPIPS等指标，可高效保留诊断相关细节并支持边缘部署。

S$^3$-Diff: Structural Semantic Synergy Diffusion Model for High Fidelity Super Resolution of Pathological Images

S³-Diff：用于病理图像高保真超分辨率的结构语义协同扩散模型

Jiaming Liang, QiHui Han, Guangye Ou, Jiawen Liu, Haolin Chen, Xi Zhong, Jiazhou Chen, Xiaoqi Sheng, Hongmin Cai

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

AI总结 针对现有病理图像超分辨率技术易致形态平滑、语义漂移的问题，提出S³-Diff模型，通过SSA与SSFT实现高保真超分，性能优于现有最优方法，源代码将公开。

Spatial proteomics guided by H&E-based AI reveals recurrence-risk niches in triple-negative breast cancer

基于H&E的AI引导的空间蛋白质组学揭示三阴性乳腺癌的复发风险微环境

Yesung Cho, Ji Hwan Park, Chanil Kim, Hyewon Kim, Honglan Li, Yumin Lee, Geongyu Lee, Sujeong Hong, Seong Min Park, Yoonyoung Lee, Hee Sool Rho, Sumin Lee, Amos Chungwon Lee, Changhwan Lee, Hwanyoung Shim, Hyunwook Kim, Hyeji Shin, Sanha Park, Jihoon Yu, Yoon Hee Shin, Sooheon Kim, Hyunjin Park, Seung Min Park, Sangwan Kim, Yujung Kim, Sung-Im Do, Eun-Young Kim, Dongmyung Shin, Jongbae Park, In-Gu Do

专题命中 病理影像 ：pathology(abstract,comments)；分类 q-bio

AI总结 本研究开发结合AI复发风险热图与空间蛋白质组学的框架，在TNBC中识别出与复发相关的空间分子特征，构建的13蛋白复合评分可提升预后区分能力，为多尺度生物标志物发现提供新途径。

Comments Triple-negative breast cancer (TNBC), Recurrence, Digital pathology, Artificial intelligence, Spatial proteomics, Tumor microenvironment