医学 AI

UMPIRE-Net: Unrolled Magnitude-Phase Regularization Network for Accelerated MRI

UMPIRE-Net：用于加速MRI的展开式幅度-相位正则化网络

Mahdi Saberi, Toygan Kiliç, Mehmet Akçakaya

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

AI总结 针对加速MRI的不适定逆问题，提出将幅度与相位解耦正则化的UMPIRE-Net，在部分傅里叶成像场景下提升了重建质量，生成更清晰图像并减少伪影。

Comments IEEE International Workshop on Machine Learning for Signal Processing (MLSP)

MRI-guided cardiac radiotherapy using a 1.5 T MR-linac: surveying emerging patterns of care

采用1.5T MR-linac的MRI引导心脏放疗：调查新兴护理模式

O. Akdag, S. Mandija, J. Pomp, M.P.W. Intven, X. Chen, J. Yang, S. Oh, M. Trombetta, H. Tan, J. De Leon, M. Jameson, E. Efe, C. Önal, M.F. Fast

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究通过对使用1.5T MR-linac的国际机构用户开展调查，明确了心脏MRgRT治疗的模式、可行性及早期结局，为制定相关治疗建议提供真实世界依据。

Birth of the Coil: another Milestone towards a fully reproducible low-field MRI scanner for head-imaging

线圈的诞生：迈向完全可重复的低场头部磁共振成像扫描仪的又一个里程碑

Umberto Zanovello, Julia Pfitzer, Ariane Ernst, Joshua Harper, Jack Hayhoe, Tri Nguyen, Lukas Winter, Nicola De Zanche

专题命中 医学影像 ：MRI(title,summary_cn)

AI总结 该研究针对50 mT开源MRI扫描仪设计优化的开源 solenoid 头部线圈，经多机构验证其可重复性、有效性与安全性，为完全可重复的低场MRI扫描仪奠定基础，相关策略可推广至其他部位线圈设计。

MedPlex: Deep Vision-Language Co-Adaptation for Clinically Grounded Medical Segmentation

MedPlex：用于临床基础医学分割的深度视觉-语言协同适配

Rafi Ibn Sultan, Hui Zhu, Chengyin Li, Dongxiao Zhu

机构 * Wayne State University（韦恩州立大学） ； Henry Ford Health（亨利福特医疗集团） ； Institute for AI and Data Science Wayne State University（韦恩州立大学人工智能与数据科学研究院） 纠错

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

AI总结 MedPlex是一种端到端VLM框架，通过双向融合和两级概念对齐，实现医学图像分割的视觉-语言协同适配，在CT、MR的多类医学分割任务中达到最优性能。

Comments Accepted By BMVC-2026

Practical Lossless Volumetric Medical Image Compression via Tri-plane Context Tree Learning

基于三平面上下文树学习的实用无损体医学图像压缩

Yuanchao Bai, Yifan Zhao, Kai Wang, Yuanbo Du, Jie Cheng, Teng Fang, Xianming Liu, Wen Gao

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

AI总结 该研究针对体医学图像无损压缩的效率与部署难题，提出无需DNN和外部数据的三平面上下文树方法，在多数据集上达到与DNN方法相当的压缩性能，且计算成本低、编码速度快，实用性强。

VLM- and LLM-Driven Multi-Agent System for PET Image Denoising

基于视觉语言模型（VLM）与大语言模型（LLM）驱动的多智能体正电子发射断层扫描（PET）图像去噪系统

Boxiao Yu, Savas Ozdemir, Yang Xing, Fumio Hashimoto, Jiong Wu, Yizhou Chen, Axel Rominger, Ruogu Fang, Kuangyu Shi, Tinsu Pan, Kuang Gong

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

AI总结 针对PET图像分辨率低、信噪比差及深度学习去噪部署需多模型与专家干预的问题，本文提出VLM与LLM驱动的多智能体闭环PET去噪框架，自主选最优模型参数，在低剂量数据上优于UNet等基线方法。

What to Preserve, Where to Adapt: A Depth-Wise Analysis of Forgetting in Continual Gynecological Image Segmentation

保留什么，适配何处：妇科图像持续分割中遗忘的深度分析

Amal Saqib, Tausifa Jan Saleem, Numan Saeed, Mohammad Yaqub

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学（MBZUAI）） 纠错

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

AI总结 针对妇科图像持续分割中灾难性遗忘问题，通过分块消融与受控适配实验，揭示网络深度上的更新位置对遗忘的影响，为解决该场景下的持续学习问题提供依据。

CMCNet: Aligning Ultrasound Image Embeddings with Textual TI-RADS Representations for Fine-Grained Thyroid Classification

CMCNet：将超声图像嵌入与文本TI-RADS表示对齐以用于细粒度甲状腺分类

Bingxin Yu, Xueli Wang, Jerry Zhou, Wenyan Wang, Li Wen, Lan Huang, Xin Feng, Fengfeng Zhou, Kewei Li

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

AI总结 本研究构建含600个甲状腺结节的STN数据集，提出CMCNet模型，通过中心间隔对比损失对齐图像与文本嵌入，实现细粒度甲状腺分类，性能优于多类基线方法。

Deep Vision in Smart Manufacturing: MODERN Framework for Intelligent Quality Monitoring and Diagnosis

智能制造中的深度视觉：用于智能质量监测与诊断的MODERN框架

Yicheng Kang, Yuling Jiao, Xin Geng, Mahesh Nagarajan

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

AI总结 本文提出用于智能质量监测与诊断的MODERN深度学习框架，结合Inception残差神经网络、迁移学习等技术，经理论证明最优收敛速率且实验表现优于现有方法，得出反直觉管理启示。

Ontology-Grounded World Models for Failure Diagnosis and Closed-Loop Repair in Physical AI Systems

用于物理人工智能系统故障诊断与闭环修复的本体论驱动世界模型

Kailin Wang, Haoxiang Jie, Yaoyuan Yan, Jiacheng Zhou, Zhiyou Heng

机构 * AI Lab, Country Garden Services Group（碧桂园服务集团AI实验室） ； Fudan University（复旦大学） ； Omni AI 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出分层于EV-WM之上的Onto-EV-WM本体驱动接口，在PointMaze、LIBERO-Goal等基准测试中实现高故障修复成功率，为物理AI系统提供有效的故障诊断与闭环修复方案。

A Graph-Based Reinforcement Learning Framework for Structured Drift Diagnosis and Recovery in Autonomous LLM Agents

面向自主大语言模型智能体中结构化漂移诊断与恢复的基于图的强化学习框架

Ismail El Hamraoui, Sagar Jose, Nicolas Bureau, Robert Plana

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本研究针对自主LLM智能体的运行时行为漂移问题，提出基于图的强化学习即插即用恢复框架，经AppWorld基准验证，该框架可利用漂移信息做出正确恢复决策且输出符合要求。

LoopVSR: A Loop Engineering Framework for Automated Repair of Visual Speech Recognition Inference Pipelines

LoopVSR：用于自动修复视觉语音识别推理流水线的循环工程框架

Fei Qin, Bowen Zhang, Chao Fan, Pengcheng Luo, Genke Yang

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.IV

AI总结 LoopVSR是一种循环工程框架，可让代码智能体结合端到端执行证据自动修复VSR推理流水线，在CMLR VSR系统上的表现远优于静态防护，可实现100%平均修复率。

More Correct Mass, Worse Answers: Why Power Sampling Can Fail and How to Fix It

更多正确质量，更差答案：幂采样为何会失效及如何修复

Haohui Yang, Jiaxing Sun, Xiujun Ma

机构 * State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能 State Key Laboratory） 纠错

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

AI总结 研究发现幂采样存在悖论，即提升正确轨迹概率却降低下游推理性能，归因于剂量与覆盖不匹配，提出修复后的支持保留幂采样器可逆转损失并优于标准多采样推理。

Comments 16 pages, 8 figures, 1 table. Haohui Yang and Jiaxing Sun contributed equally. Xiujun Ma is the corresponding author

Solving QBF by Clause Selection

通过子句选择求解量化布尔公式（QBF）

Mikoláš Janota, Joao Marques-Silva

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对QBF问题，开发了一种推广隐式击中集枚举概念的新颖算法，经实验验证其性能可与现有最优QBF求解器媲美且常更优。

APTER: Adaptive Post-Training with Expert-Grounded Rubrics

APTER：基于专家准则的自适应后训练

Xukai Wang, Liangqi Li, Zhiyue Xu, Jingang Zhou, Xiaoyu Shi, Jiansheng Cai, Bo Zhang, Zhe Li, Xu-Yao Zhang

机构 * Ant Digital Technologies, Ant Group（蚂蚁集团数字科技） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 APTER是将结构化领域知识融入专业复杂推理评估、优化与诊断的框架，通过专家准则生成查询级准则并用于自适应后训练，在数学、医学领域三代模型上均实现性能提升。

The Architect: Interactive Visualization of Deep Learning Mathematics Directly in Microsoft Excel

架构师（The Architect）：直接在微软 Excel 中实现深度学习数学的交互式可视化工具

Mohammad Imrul Jubair, Tom Yeh

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究提出名为 The Architect 的系统，可将微软 Excel 变为深度学习数学交互式视图，支持可视化神经网络计算、生成 PyTorch 代码片段，助力理解小型神经网络。

Comments Technical Report

Spatial Message Passing in Language Space for Pathology Image Interpretation

面向病理图像解读的语言空间空间消息传递

Jing-Cheng Yang, Hao-Jung Wang, Jinhao Du, Yang Hu, Ming-shan Tsai, Jens Rittscher, Bin Li

机构 * National Taiwan University（台湾大学） ； University of Oxford（牛津大学） ； ZYTCA Limited（ZYTCA有限公司） 纠错

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

AI总结 提出SLMP框架，在语言空间对病理图像执行空间推理，无需微调MLLM，提升肿瘤描述准确率，缩小通用与病理专用MLLM的性能差距。

Comments Accepted at MICCAI 2026 Workshop (Oral)

Engineering Signals of Human-AI Collaboration in the Agentic Coding Era: A Longitudinal Analysis of 33,228 Pull Requests from vLLM and SGLang with Implications for Biomedical AI Agents and Bioinformatics Pipeline Developmen

智能体编码时代人机协作的工程信号：对vLLM和SGLang中33228个拉取请求的纵向分析及其对生物医学智能体和生物信息学流程开发的启示

Jiada Li, Xuesong Ye, Olamide Olowoniyi

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

AI总结 该研究对vLLM和SGLang的33228个拉取请求进行纵向分析，发现AI辅助开发提升了开源软件的吞吐量、贡献者参与度及人机协作信号，且增长主要由人类驱动，为生物医学智能体开发提供启示。

Comments 24 pages, 9 Figures

AutoSchema: Live Schema Grounding for Agentic Text-to-Sparql over Heterogeneous Knowledge Graphs

AutoSchema：面向异构知识图谱的智能体文本转SPARQL的实时模式接地

Yiming Zhang, Koji Tsuda

机构 * The University of Tokyo（东京大学） ； National Institute for Materials Science（国立材料科学研究所） ； RIKEN Center for Advanced Intelligence Project（理化学研究所高级智能项目中心） 纠错

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

AI总结 提出无需训练的AutoSchema框架，用于异构知识图谱的智能体文本转SPARQL的实时模式接地，在多项生物医学KGQA等任务中优于TogoMCP，可支持未记录RDF图谱。

FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data

FastJM：用于高效实现纵向与生存数据半参数联合模型的R包

Shanpeng Li, Emily Ouyang, Ace Isabel Mejia-Sanchez, Xinping Cui, Gang Li

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 FastJM是用于高效实现三类半参数联合模型的R包，采用定制线性扫描算法解决计算瓶颈，提供统一接口支持模型相关操作及动态预测等功能。

Limitations of post accelerating ion beams using the snowplow field in a near-critical density target

近临界密度靶中利用雪犁场加速离子束的局限性

Davide Terzani, Stepan S. Bulanov, Lieselotte Obst-Huebl, Carlo Benedetti, Franklin Dollar, Eric Esarey, Axel Huebl, Aodhan McIlvenny, John Palastro, Jessica Shaw, Carl B. Schroeder, Douglass Schumacher, Mingsheng Wei, Louise Willingale

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文探究级联离子加速方案，讨论将离子束加速扩展至相对论能量的可能性，指出激光驱动离子加速受带电粒子与强电磁场相互作用基本特性限制，该方案或为实现相对论能量提供途径。

MedMix: Specialization-Consistent Federated Sparse MoEs under Modality Heterogeneity

MedMix：模态异质性下的专业化一致联邦稀疏混合专家模型

Adiba Orzikulova, Dong Min Kim, Jaehong Yoon, Sung-Ju Lee

机构 * KAIST（韩国科学技术院） ； NTU Singapore（新加坡南洋理工大学） 纠错

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

AI总结 针对联邦多模态医疗AI的客户端与样本级模态异质性问题，提出MedMix框架，通过模态上下文感知路由、共识引导路由对齐与客户端自适应专家聚合，在多模态医疗数据集上取得最优平均F1值，严重异质性下提升显著。

Hybrid Quantum-inspired Kolmogorov-Arnold Networks for Privacy-Aware Federated Biosignal Learning

面向隐私感知的联邦生物信号学习的混合量子启发式柯尔莫哥洛夫-阿诺尔德网络

Chun-Hua Lin, Samuel Yen-Chi Chen, Yu-Chao Hsu, Kuo-Chung Peng, Jiun-Cheng Jiang, Chi-Sheng Chen, Tai-Yue Li, Nan-Yow Chen, En-Jui Kuo, Hsi-Sheng Goan

机构 * National Taiwan University（台湾大学） ； National Center for High-Performance Computing（国家高速计算机中心） ； National Institutes of Applied Research（应用研究院） ； Brookhaven National Laboratory（布鲁克海文国家实验室） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard University（哈佛大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Center for Theoretical Sciences（国家理论科学中心） 纠错

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

AI总结 该研究针对联邦生物信号学习的隐私与效率挑战，提出混合量子启发式柯尔莫哥洛夫-阿诺尔德网络（HQKAN），在两类心电数据集上较MLP实现参数与通信成本降低，且分类性能更优。

Comments 7 pages, 4 figures

Information Satisfaction: A Reader-Centered Axis for Summarization Evaluation

信息满意度：面向读者的摘要评估轴

Isabel Cachola, William Walden, Reno Kriz, Mark Dredze

机构 * St. Edward’s University（圣爱德华大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 本研究提出以读者的信息满意度作为摘要评估的面向读者的轴，发现主流摘要指标无法衡量该满意度，且与人工判断一致性差。