医学 AI

Frozen Brain-MRI Foundation Models Are Site Fingerprints

冻结的脑MRI基础模型是站点指纹

Saman Rahbar

机构 * University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 该研究发现冻结脑MRI基础模型的嵌入包含采集站点的指纹，该指纹可线性解码且与预训练无关，可通过特定方法移除，同时指出其对共享嵌入的影响及密集分割的代价，并发布了审计工具包。

Comments 15 pages, 5 figures, 7 tables. Code: https://github.com/saman-rahbar/scanner-fingerprints

LoRCA: LoRA Cycle Adaptation for Histology to HiP-CT Translation with DINOv3

LoRCA：用于组织学到HiP-CT转换的LoRA循环适配，基于DINOv3

Yang Zhou, Edoardo Occhipinti, Banboye Kidzeru Elvis, Jishizhan Chen, Stathis Megas, Joseph Brunet, Joanna Purzycka, Theresa Urban, Hector Dejea, Sarah Amalia Teichmann, Menna R Clatworthy, Paul Tafforeau, Peter D Lee, Claire L Walsh

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

AI总结 本研究提出基于DINOv3的LoRCA框架，用于实现无需配对数据的组织学到HiP-CT的结构保留风格转换，其性能优于CycleGAN，为2D组织学切片与3D HiP-CT体积的配准提供了有效途径。

Lesion-Aware Adaptive Fourier Neural Operator for CT-to-PSMA PET Synthesis in Prostate Cancer

面向前列腺癌CT到PSMA PET合成的病灶感知自适应傅里叶神经算子

Rashmi Bhaskara, Waleed M. Almutairi, Matthew Gopaulchan, Maram Musaad Alqurashi, Francis Asamoah, Alex Ocana, Clinton D. Bahler, Oluwaseyi M. Oderinde

机构 * School of Health Sciences, Purdue University（普渡大学健康科学学院） ； Indiana University School of Medicine（印第安纳大学医学院） 纠错

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

AI总结 该研究提出LAFNO模型，用CT衍生的两个代理通道替代放射组学条件化，在TCIA数据集上实现CT到PSMA-PET合成，提升病灶活性估计与放射组学可重复性。

Knowledge-Guided 3D CT Generation: A Conditioning-Centric Taxonomy

知识引导的3D CT生成：以条件为中心的分类法

Francesca Pia Panaccione, Eugenio Lomurno, Matteo Matteucci

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

AI总结 本综述提出以条件为中心的分类法，沿外部知识类型、知识集成范式、生成架构三个维度组织条件3D CT生成研究，系统化现有方法并指出未来研究方向。

Comments Accepted to IJCAI-ECAI 2026, Survey Track

Longitudinal 3D Foundation Modeling for Neoadjuvant Breast Cancer Response Prediction from Serial DCE-MRI

用于从系列动态对比增强磁共振成像（DCE-MRI）预测乳腺癌新辅助治疗反应的纵向三维基础建模

Fidel Omar Tito Cruz, Neda Ghafouri, Zengyan Wang, Pegah Khosravi, Yu Tian, Chen Chen

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

AI总结 本研究提出结合三维基础编码器与时间动态网络的纵向框架，融合系列DCE-MRI与临床数据，在982例乳腺癌患者上实现了较好的pCR预测性能。

Comments Accepted at the Applications of Medical AI (AMAI) Workshop at MICCAI 2026

Pre- to Post-Contrast Synthesis of Breast DCE-MRI using Latent Bridge Matching

基于潜在桥匹配的乳腺动态对比增强MRI从造影前到造影后合成

Sina Amirrajab, Zohaib Salahuddin, Henry C Woodruff, Philippe Lambin

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

AI总结 该研究提出潜在桥匹配框架，在MAMA-SYNTH挑战中从乳腺DCE-MRI造影前图像合成峰值增强图像，肿瘤条件变体性能优于造影前条件及LDM基线，为虚拟造影增强提供新方案。

MRIComp4Flow: Compression of 3D Brain MRI for Training Multi-Modal Generative Models

MRIComp4Flow：用于训练多模态生成模型的三维脑部MRI压缩

Lisa K. Fischer, Mykhailo Riabets, Daniel Rueckert, Benedikt Wiestler, Anke Meyer-Baese, Sandeep Nagar

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Imperial College London（帝国理工学院） ； Florida State University（佛罗里达州立大学） ； Institute for Advanced Study, TUM (TUM-IAS)（慕尼黑工业大学高等研究院） ； TUM University Hospital（慕尼黑工业大学医院） 纠错

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

AI总结 该研究针对大规模多模态MRI的存储与I/O问题，采用JPEG2000或JPEG-LS压缩三维脑肿瘤MRI，在20:1压缩率下训练Wavelet Flow Matching模型，证实其合成质量与未压缩数据训练的模型相当，为可扩展三维MRI生成建模提供了实用方案。

Comments Accepted: MICCAI 2026 SASHIMI workshop

Foundation Model-Enabled Efficient Data Sampling (FEEDS): A label-efficient training strategy for pan-cancer, multi-tracer PET/CT datasets

基于基础模型的高效数据采样（FEEDS）：用于泛癌、多示踪剂PET/CT数据集的标签高效训练策略

Biratal Raj Wagle, Bashirul Azam Biswas, Grant Chau, Matthew E. Maeder, Muhammad Azeem Arshad, Michael S. Leapman, James B. Yu, Indrani Bhattacharya

机构 * Geisel School of Medicine at Dartmouth（达特茅斯盖泽尔医学院） ； Dartmouth Hitchcock Medical Center（达特茅斯-希区柯克医疗中心） ； Yale University（耶鲁大学） 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FEEDS策略，利用视觉基础模型嵌入选择信息性和多样性未标注病例，在减少70%标注负担时达到全标注训练性能，解决了PET/CT病灶分割的标签稀缺问题。

Comments Code is publicly available on https://github.com/Image-and-Multimodal-Data-Analytics/FEEDS

ENCORE: Efficient Noise Context-Aware Representation for Low-Dose CT Denoising

ENCORE：面向低剂量CT去噪的高效噪声上下文感知表示

Minwoo Yu, N. Robert Bennett, Jongduk Baek, Adam S. Wang

机构 * Yonsei University（延世大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 针对低剂量CT去噪的传统模型未适配CT噪声特性的问题，提出ENCORE框架，含FlyingConv模块，实现去噪质量与效率提升，还可进行零样本条件去噪。

Motion Artifact-Aware Self-Supervised Representation Learning for 3D Brain MRI Motion Artifact Reduction

面向3D脑部MRI运动伪影去除的感知运动伪影的自监督表示学习

Mojtaba Safari, Shansong Wang, Zach Eidex, Matthew Goette, Tonghe Wang, Zhen Tian, Xiaofeng Yang

机构 * The University of Chicago（芝加哥大学） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心） 纠错

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

AI总结 提出SSRL-MAR自监督框架，无需配对数据或运动标签，在模拟和活体数据集上实现3D脑部MRI运动伪影去除，性能接近理想监督模型，可提升神经解剖学一致性。

A Concept of LNA with Low Input Impedance Using Common Base BJT for Low-Field MRI

用于低场MRI的基于共基极BJT的低输入阻抗LNA概念

Aleksei A. Nasonov, Mikhail V. Murzin, Nikolay V. Anisimov, Vasily S. Severikov, Anna A. Dyatlovich, Anna A. Hurshkainen, Georgiy A. Solomakha

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究针对低场MRI中低输入阻抗LNA匮乏的问题，提出基于双极型晶体管共基极电路的低成本LNA，经测试其性能优于商用产品，适配低场MRI应用。

DoseBridge: Denoising Diffusion Bridge Model for Dose Prediction in Lung Intensity-Modulated Proton Therapy

DoseBridge：用于肺调强质子治疗剂量预测的去噪扩散桥模型

Zerun Zhang, Xiaoda Cong, Xiangkun Xu, Peter Y. Chen, Xuanfeng Ding

机构 * Corewell Health William Beaumont University Hospital（Corewell Health William Beaumont大学医院） 纠错

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

AI总结 研究针对肺调强质子治疗剂量预测问题，提出DoseBridge去噪扩散桥模型，融合CT与射野几何信息，在52例患者数据上的多项指标优于对比模型，为放疗剂量预测提供新方法。

T1, T2, and complex permittivities of hydrogels, paramagnetic salt solutions, and oils at 0.35, 1.5, and 3 Tesla

水凝胶、顺磁盐溶液及油在0.35T、1.5T、3T下的T1、T2及复介电常数

H Michael Gach, Kerri Prinos, Hannah Sechaga

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 该研究测量了水凝胶等MRI体模成分在不同磁场下的T1、T2及复介电常数，筛选出适合高场低介电体模的油类及多种优良水凝胶候选材料。

Comments 37 pages, 15 Tables, 23 Figures

Structural, Optical and Magnetic Properties of Superparamagnetic Fe3O4@TiO2 and Fe3O4@SiO2@TiO2 CoreShell Nanostructures

超顺磁性Fe3O4@TiO2和Fe3O4@SiO2@TiO2核壳纳米结构的结构、光学与磁学性质

Wagner Henrique Gamas, Rosana R. Rangela, Grecia Alejandra Gomez-Iriarteb, Sergio Seabra. Pablo, L. Bernardo

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 本研究合成并表征Fe3O4@TiO2和Fe3O4@SiO2@TiO2核壳纳米结构，通过多种表征手段分析其性质，证实该类结构可作为多模态癌症治疗的多功能平台，具备MRI、磁热疗及光疗等应用潜力。

When Repository Labels Are Not Image-Level Truth: A Supervision Auditing Framework for Chest Radiograph AI

当仓库标签并非图像级真值：面向胸部X光AI的监督审计框架

Yesika Alexandra Agudelo-Londoño, Jhon Wilmer Pino-Román, Brahian Carrera Rodríguez, José Miguel Castañeda-Bedoya, Juan Pablo Gómez-López, Aura C. Puche-Sarmiento, Niharika S. D'Souza, Juan Sebastian Osorio-Valencia, Jon E. Duque-Grajales, Jazmín Ximena Suárez-Revelo, Jorge Mario Vélez-Arango, Gabriel Castrillón

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

AI总结 针对胸部X光仓库标签非图像级真值的问题，提出RSA框架，以MIMIC-CXR心脏肥大数据为例发现其标签与专家评估一致性极低，用专家精选队列训练的DenseNet121模型达0.853的ROC-AUC，强调监督审计的重要性。

Comments Accepted (oral) at the 3rd MICCAI Student Board (MSB) EMERGE Workshop, MICCAI 2026. This is the authors' version; the final authenticated version will appear in Springer Lecture Notes in Computer Science (LNCS). 10 pages, 3 figures

Implicit representations are dead. Long live explicit primitives!

隐式表示已死！显式基元万岁！

Nil Stolt-Ansó, Maik Dannecker, Wenqi Huang, Andras Jakab, Daniel Rueckert

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

AI总结 本文针对医学影像，对比评估了高斯显式基元与隐式神经表示，发现高斯表示重建性能相当或更优，且计算成本更低，有望成为医学影像领域的研究方向。

P3CA: Encoder-Agnostic Interpretation of Vision Foundation Model Embeddings via Spatial Probing

P3CA：通过空间探测实现与编码器无关的视觉基础模型嵌入解释

Amoon Jamzad, Dilakshan Srikanthan, Faranak Akbarifar, Nooshin Maghsoodi, Parvin Mousavi

机构 * School of Computing, Queen’s University（女王大学计算学院） 纠错

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

AI总结 针对视觉基础模型嵌入难以解释的问题，提出与编码器无关的P3CA方法，通过空间提示实现局部探测，在多类数据上验证其可揭示局部结构、提升病理判别能力等贡献。

Comments 10 pages, 5 figures, 1 table. Accepted at the iMIMIC Workshop, MICCAI 2026. This arXiv version is the pre-peer-review author manuscript

Tensor-normal maximum likelihood estimation at the operator-norm sample threshold

算子范数样本阈值下的张量正态极大似然估计

Hengzhi He, Guang Cheng

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文针对协方差为克罗内克积的高斯张量，将张量正态极大似然估计的样本阈值中$d_{\rm max}$的三次依赖改进为二次依赖，达到信息论最优，解决了前期工作提出的开放问题。

Comments Work in Progress

SABRE Hyperpolarization of Unmodified Amino Acids in Partially Aqueous Media: L-[1-13C]-Valine as a Model System

部分水相介质中未修饰氨基酸的SABRE超极化：以L-[1-13C]-缬氨酸为模型体系

Oksana A. Bondar, Thomas B. R. Robertson

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本研究以L-[1-13C]-缬氨酸为模型，利用SABRE技术实现部分水相介质中未修饰氨基酸的13C超极化，在1.1 T台式NMR上获超60倍信号增强，为其应用于甘氨酸提供初步证据。

A Framework for Joint Affine and Diffeomorphic Image Registration

联合仿射与微分同胚图像配准的框架

Anton François, Rayane Mouhli, Thomas Pierron

专题命中 医学影像 ：MRI(abstract_cn)

AI总结 该研究提出联合仿射-微分同胚图像配准框架，含FA和DA模型，优化策略结合渐进仿射丰富与变分加权，在Dice重叠度上优于CARL等基线模型。

Who Are You Explaining To? A Multi-Agent System for Audience-Aware XAI Narratives

你在向谁解释？面向受众感知的XAI叙事多智能体系统

Francesco Musicco, Danilo Danese, Giuseppe Fasano, Angela Lombardi, Alberto Carlo Maria Mancino, Tommaso Di Noia

专题命中 临床大模型 ：medical AI(abstract)

AI总结 针对现有XAI叙事无法适配不同受众的问题，提出XstrAI多智能体框架，结合三类LLM智能体与修正循环，在糖尿病、中风风险预测任务中，其叙事适配性与保真度优于多数基线。

MIRA: Medical Image Reflection for Agentic Diagnosis

MIRA：面向智能体诊断的医学图像反射

Shengzhi Wang, Jun Yang, Kai Wu, Xiaozhong Ji, Yiwen Ye, Ziyang Chen, Mingliang Xiong, Wen Fang, Mingqing Liu, Mengyuan Xu, Miaoxuan Shan, Caiyan Liu, Bin He, Qingwen Liu

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

AI总结 该研究提出医学视觉诊断框架MIRA，通过两阶段训练优化工具使用与证据验证，在9个医学视觉推理基准上较Qwen3-VL-8B backbone提升7.44分，改善工具使用判断并减少有害判断。

UniMod: Enhancing Multi-Modal Medical Diagnosis through Cross-Modality and Within-Modality Alignment

UniMod：通过跨模态与模态内对齐增强多模态医学诊断

Zijian Gu, Weikai Lin, Shuang Zhou, Zihan Chen, Song Wang

机构 * University of Central Florida（中佛罗里达大学） ； University of Rochester（罗切斯特大学） ； Harvard Medical School（哈佛医学院） ； University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 UniMod框架通过要求各模态独立预测诊断缓解多模态医学诊断的捷径学习，添加跨模态与模态内对齐，在两个数据集上优于基线方法，还可扩展至多标签5分类诊断。

Comments Accepted to ACM Multimedia 2026 (MM '26). 10 pages, 7 figures, 5 tables. Code: https://github.com/futurespyhi/UniMod

MoE Proxy Models for Low-Cost Failure Reproduction and Diagnosis in LLM RL Post-Training

用于LLM RL后训练中低成本故障复现与诊断的MoE代理模型

Yikai Wang, Chuansai Zhou, Yuhang Zhou, Weiqiang Wu, Cong Wu, Yue Deng, Ben Feng, Mingming Zhu, Beirong Zhou, Zhibin Wang, Sheng Zhong, Chen Tian, Wangze Zhang

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

AI总结 本文针对LLM RL后训练中故障复现成本高的问题，提出一种MoE代理模型构建方法，通过专家剪枝降低计算需求，可低成本复现故障并辅助诊断。

BREAD: Baseline-Referenced Explanations for Anomaly Diagnosis

BREAD：面向异常诊断的基线参考解释方法

Jiaqi Qiu, Rob Goedhart, Jannis Kurtz, Inez M. Zwetsloot

机构 * University of Amsterdam（阿姆斯特丹大学） ； Amsterdam Business School（阿姆斯特丹商学院） 纠错

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

AI总结 该研究针对现有异常诊断方法的缺陷，提出可扩展的基线参考诊断方法BREAD，经数学保证和实验验证，其诊断结果比LIME更忠实准确，适用于AI前瞻性异常检测场景。

SCOUT: Symmetric Consensus Outlier Detection for Failure Localization in LLM Pre-Training

SCOUT：用于大语言模型预训练中故障定位的对称共识异常检测

Zhuang Wang

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

AI总结 SCOUT是用于LLM预训练故障定位的统一运行时框架，基于等价副本严格多数共识识别异常，可与主流大模型训练框架集成，解决现有诊断方法的局限。

Physics-informed Diffusion Generative Model for Time-Series Data Synthesis in Dynamic Systems

用于动态系统时间序列数据合成的物理信息扩散生成模型

Haiteng Wang, Yunfei Zhu, Tao Wang, Yikang Li, Jiabao Dong, Xiaoge Zhang, Lei Ren

机构 * Beihang University（北京航空航天大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出PhysDGM模型，将物理规则嵌入扩散生成过程以合成符合物理定律的工业时间序列，构建的440万样本数据集可提升下游任务性能并减少数据需求，助力数据稀缺环境的AI应用。

Comments 27 pages; 5 main figures and 4 extended data figures

Cross-modal topology decodes battery faults from sparse voltage snapshots

跨模态拓扑从稀疏电压快照解码电池故障

Jinwen Li, Yunhong Che, Simona Onori, Weihan Li, Xiaosong Hu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究针对EV电池安全瓶颈，提出跨模态诊断框架DeFault，通过将电压序列展开为相空间拓扑解码故障，在99辆EV的1640万条数据上对四种故障类型平均准确率达0.96，无需新增传感器即可实现高可解释性故障诊断。

Comments 33 pages, 12 figures

LLM Ensemble Fault Classification for Automotive HiL Validation

面向汽车HiL验证的大语言模型集成故障分类

Hamza Ouarrad, Mohammad Abboush, Andreas Rausch

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出可解释多LLM集成框架，结合异构LLM输出提升汽车HiL验证故障分类性能，经多车型多场景评估，Top-3集成优于单模型及Top-5集成，实现更优诊断效果。

Comments 8 pages, 3 figures. Accepted at the 23rd Workshop on Model Driven Engineering, Verification and Validation (MoDeVVa 2026), co-located with MODELS 2026. Original submitted version

Observational Evidence Revises Presumed Large Ozone Worsening from Nitrogen Oxides Cuts

观测证据修正了关于氮氧化物减排会导致臭氧严重恶化的假设

Xiang Weng, Xiao Lu, Jiawei Li, Grant Forster, Jessica Chapman, Beckie George, Yunbo Lu, Guowen He, Haofan Wang, Jingcheng Lai, Peer Nowack

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究人员通过整合观测约束的机器学习框架，调和了空气质量模型关于NOx减排对臭氧影响的分歧，发现中国城市NOx减排普遍使臭氧下降，持续减排的益处被低估。