医学 AI

Confidence-Calibrating Regularization for Robust Brain MRI Segmentation Under Domain Shift

面向域偏移下鲁棒脑部MRI分割的置信度校准正则化方法

Behraj Khan, Tahir Qasim Syed, Syed Ahmad Chan Bukhari, Vasile Palade, Vincent Vigneron

机构 * Institute of Business Administration（商业管理学院） 纠错

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

AI总结 针对SAM用于脑部MRI分割时的域偏移与过置信问题，提出轻量适配框架CalSAM，通过FIP与CMP仅微调解码器，在多数据集偏移任务上显著提升分割准确率与置信度校准度。

Improving Deep Learning for Accelerated MRI With Data Filtering

通过数据过滤改进用于加速MRI的深度学习

Kang Lin, Anselm Krainovic, Kun Wang, Reinhard Heckel

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

AI总结 本研究针对加速MRI重建，通过整合多源数据构建评估集，提出数据过滤策略，实验证实该策略可稳定提升当前SOTA神经网络的性能，且在分布内数据占比低时效果更显著。

A Unified Framework for Joint Detection of Lacunes and Enlarged Perivascular Spaces

一种用于腔隙和扩大血管周围空间联合检测的统一框架

Lucas He, Krinos Li, Hanyuan Zhang, Runlong He, Silvia Ingala, Luigi Lorenzini, Marleen de Bruijne, Frederik Barkhof, Rhodri Davies, Carole Sudre

机构 * Hawkes Institute, University College London, UK Unit for Lifelong Health ； Aging, University College London, UK Bioengineering Department ； Imperial-X, Imperial College London, UK Department of Diagnostic Radiology, Copenhagen University Hospital, Denmark Department of Radiology \& Nuclear Medicine, Amsterdam UMC, Vrije Universiteit, The Netherlands Department of Radiology ； Nuclear Medicine, Erasmus MC, Rotterdam, The Netherlands Queen Square Institute of Neurology, University College London, UK Institute of Cardiovascular Sciences, University College London, UK Barts Heart Centre, St Bartholomew's Hospital, London, UK 纠错

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

AI总结 本文提出了一种统一框架，通过形态解耦和混合监督策略，提高EPVS和腔隙的联合检测性能，并在大规模数据集上验证了其鲁棒性。

Comments Accepted to the 29th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2026)

AI for Mycetoma Diagnosis in Histopathological Images: The MICCAI 2024 Challenge

利用AI进行真菌病诊断的组织病理学图像分析：MICCAI 2024挑战

Hyam Omar Ali, Sahar Alhesseen, Lamis Elkhair, Adrian Galdran, Ming Feng, Zhixiang Xiong, Zengming Lin, Kele Xu, Liang Hu, Benjamin Keel, Oliver Mills, James Battye, Akshay Kumar, Asra Aslam, Prasad Dutande, Ujjwal Baid, Bhakti Baheti, Suhas Gajre, Aravind Shrenivas Murali, Eung-Joo Lee, Ahmed Fahal, Rachid Jennane

机构 * The Faculty of Mathematical Sciences, University of Khartoum（数学科学学院，喀土穆大学） ； Mycetoma Research Centre, University of Khartoum（真菌病研究中心，喀土穆大学） ； The Faculty of Pharmacy, University of Khartoum（药学院，喀土穆大学） ； Computer Vision Center, UAB（计算机视觉中心，UAB） ； School of Computer Science and Technology, Tongji University（计算机科学与技术学院，同济大学） ； College of Computer Science and Technology, National University of Defense Technology（计算机科学与技术学院，国防科技大学） 纠错

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

AI总结 本文提出mAIcetoma挑战，利用AI技术自动分割和分类真菌病颗粒，以提高资源有限地区真菌病诊断的准确性与效率。

Wrong Design Intent Is Worse Than Never Conditioning: A Derangement-Control Diagnosis of Header Conditioning in CAD Program Completion

错误的设计意图比没有更糟糕：CAD程序完成中头部条件的错位控制诊断

Yang Xiao

机构 * Sichuan University（四川大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 研究微调代码语言模型中设计意图头部对CAD生成的影响，通过CADCON及错位控制等方法，发现错误头部会降低依从性，独立指标揭示指标循环性，危害具模式特异性，错误意图会误导生成。

Comments 47 pages, 4 figures. v5: one change in Sec. 6. The repaired-extractor re-run, previously listed as the first follow-up, has now been run under an independent pre-registration: the deficit reproduces on the repaired scoring surface under both tokenizations, bounded by the repair changing only 11.2% of scored rows. Anchor, verdict, per-row scores on both surfaces and run log are public

Defensive Pessimism: Growth, Culture, and the Survival of Evidence

防御性悲观主义：增长、文化与证据的存续

Georgy Lukyanov

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文研究发展社会中合作与攫取型政权的关系，提出文化维系的外部实践可纠正合作失败，揭示规模-份额楔子机制，还提出滚动履约保证金机制以保障相关实践的执行与改革。

Token Reduction Is Not Cost Reduction

令牌减少并非成本降低

Sarel Weinberger, Amir Hozez

机构 * PointFive 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究基于 API 的编码代理上下文减少层，通过对 2848 次 Claude Code 运行分析，发现提示缓存流量主导成本，工具输出减少不能可靠预测计费成本降低，压缩可能损害任务完成，进而提出以成功调整计费成本为核心的分层证据标准。

Foam-Agent: A Large Language Model-Based Multi-Agent Framework for Automating Computational Fluid Dynamics Workflows

Foam-Agent：迈向自动化智能CFD工作流程

Ling Yue, Nithin Somasekharan, Tingwen Zhang, Yadi Cao, Zhangze Chen, Shimin Di, Shaowu Pan

机构 * Department of Computer Science, Rensselaer Polytechnic Institute（里士满理工学院计算机科学系） ； Department of Mechanical, Aerospace, and Nuclear Engineering, Rensselaer Polytechnic Institute（里士满理工学院机械、航空航天与核工程系） ； Department of Computer Science and Engineering, University of California San Diego（加州大学圣地亚哥分校计算机科学与工程系） ； College of Education, Zhejiang Normal University（浙江师范大学教育学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 Foam-Agent通过多智能体框架和大型语言模型，实现自动化CFD工作流程，显著提升模拟效率和成功率。

Comments 34 pages, 9 figures, 9 tables

Journal ref Computer Methods in Applied Mechanics and Engineering, Vol. 461, 119271 (2026)

An Information Theory Analysis of Whole Slide Image Pathology AI and Diagnostic Field Selection AI Under Limited Resources

有限资源下全切片病理图像AI与诊断视野选择AI的信息论分析

Tatsuaki Tsuruyama

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 q-bio、eess.IV

AI总结 本研究在有限资源下通过构建三种图像模型，对比WSI-AI与DFS-AI的性能，得出应根据诊断任务信息结构选择两者的结论。

Gated Spatial Redundancy Projection for Pathology Transformer Attentions

用于病理Transformer注意力机制的门控空间冗余投影

Zhiyuan Yang, Jiahao Cheng, Vincent Quoc-Huy Trinh, Mahdi S. Hosseini

机构 * Concordia University（康考迪亚大学） ； Université de Montréal（蒙特利尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Centre de recherche du CHUM（CHUM研究中心） 纠错

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

AI总结 针对病理Transformer自注意力的局部空间冗余失效模式，提出轻量即插即用的Gated SRP模块，在TCGA生存队列和切片分类数据集上均实现性能提升，仅增加极少量参数。

Comments Accepted at BMVC 2026 Conference

From Multi-Resolution Cells to Gigapixel Whole Slide Images Foundation Model for Computational Pathology

从多分辨率细胞到千兆像素全切片图像：用于计算病理学的基础模型

Basit Alawode, Moshira Ali Abdalla, Dwarikanath Mahapatra, Muzammal Naseer, Sajid Javed

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

AI总结 针对现有计算病理学模型泛化性受限的问题，提出多分辨率金字塔Transformer（MRPT），经多分辨率自监督预训练后，在34个数据集的多项任务中性能优于同类模型与多模态大语言模型。

A Distributional Robustness Margin For Pathology Foundation Models

超越计数：病理学基础模型的分布稳健性余量

Clément Grisi, Jeroen van der Laak, Geert Litjens

机构 * Radboud University Medical Center（拉德堡德大学医学中心） 纠错

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

AI总结 研究病理学基础模型受非生物学变异影响的问题，提出交叉混杂稳健性余量（CRoMa），通过直接比较距离评估模型稳健性，将其重塑为队列范围的余量分布，为模型选择和稳健性评估提供原则基础。

Comments Preprint

Pathryoshka: Compressing Pathology Foundation Models via Multi-Teacher Knowledge Distillation with Nested Embeddings

Pathryoshka: 通过多教师知识蒸馏与嵌套嵌入压缩病理基础模型

Christian Grashei, Christian Brechenmacher, Rao Muhammad Umer, Jingsong Liu, Carsten Marr, Peter J. Schüffler, Ewa Szczurek

机构 * Technical University of Munich（慕尼黑技术大学） ； Helmholtz Munich（马克斯·普朗克研究所慕尼黑分部） ； Munich Data Science Institute（慕尼黑数据科学研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 Pathryoshka通过多教师知识蒸馏与嵌套嵌入技术，显著压缩病理基础模型规模，同时保持性能和精度，提升模型的可部署性与普及性。

Comments Author list in metadata corrected to match the paper

Can Generalist Vision Language Models (VLMs) Rival Specialist Medical VLMs? Benchmarking and Strategic Insights

通用视觉语言模型（VLMs）能否在医疗领域超越专门化模型？基准测试与战略洞察

Yuan Zhong, Ruinan Jin, Qi Dou, Xiaoxiao Li

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

专题命中 医疗多模态 ：clinical AI(abstract)；diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 研究比较了通用与专门化医疗VLMs的性能，发现高效微调的通用模型在多数任务中表现可比或更优，尤其在处理未见医疗模态时。

Comments version 5

SpinCastML an Open Decision-Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling and Inverse Monte Carlo Approach

SpinCastML：一种用于电纺制造逆向设计的开源决策应用：一种机器学习、最优采样和逆蒙特卡洛方法

Elisa Roldan, Tasneem Sabir

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 SpinCastML通过机器学习和逆蒙特卡洛方法实现电纺逆向设计，整合化学约束和分布感知，提高纤维直径预测精度和设计效率。

Comments Paper published at https://doi.org/10.1021/acsomega.6c07333. The associated software developed in this study is released under the GNU GPL 3.0 license and is openly available as a citable archive at https://doi. org/10.5281/zenodo.18557989

Journal ref Elisa Roldan, Tasneem Sabir; SpinCastML An Open Decision Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling, and Inverse Monte Carlo Approach. ACS Omega 2026

Doctorina MedBench: A Dialogue-Based Benchmark and Evaluation Framework for Agent-Based Medical AI

Doctorina MedBench：基于真实医患交互的医疗AI端到端评估框架

Anna Kozlova, Stanislau Salavei, Pavel Satalkin, Hanna Plotnitskaya, Sergey Parfenyuk, Andy Nkansah

机构 * A.I. Doctor Medical Assist LTD（A.I. Doctor Medical Assist有限公司） 纠错

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

AI总结 Doctorina MedBench通过模拟真实医患对话评估医疗AI系统，包含诊断、观察、治疗和步骤计数四项指标，用于评估临床正确性和对话效率，同时支持多层级测试和质量监控。

Toward Federated Large Language Models in Medicine: A Parameter-Efficient Framework for Privacy-Preserving, Multi-Institutional Adaptation

一种联邦学习和参数高效的大型语言模型在医学中的训练框架

Anran Li, Yuanyuan Chen, Wenjun Long, Yu Yin, Yan Hu, Hyunjae Kim, Weipeng Zhou, Yujia Zhou, Hongyi Peng, Yang Ren, Xuguang Ai, Zhenyue Qin, Ming Hu, Xiaoxiao Li, Han Yu, Yih-Chung Tham, Lucila Ohno-Machado, Hua Xu, Qingyu Chen

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出Fed-MedLoRA框架，通过低秩适配器参数实现医学LLM的联邦学习，提升跨机构异质性下的模型收敛性和泛化能力。

Comments 41 pages, 11 tables, 3 figures; Just accepted