医学 AI

INFORM-CT: INtegrating LLMs and VLMs FOR Incidental Findings Management in Abdominal CT

INFORM-CT：整合LLM和VLM用于腹部CT的偶发发现管理

Idan Tankel, Nir Mazor, Rafi Brada, Christina LeBedis, Guy ben-Yosef

机构 * GE Healthcare Technology and Innovation Center（GE医疗技术与创新中心） ； Boston Medical Center（波士顿医疗中心） 纠错

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

AI总结 本文提出基于LLM和VLM的计划-执行框架，用于提高腹部CT偶发发现的检测、分类和报告效率与精度，通过自动化流程提升临床应用效果。

Comments Spotlight presentation at the 9th International Conference on Medical Imaging with Deep Learning (MIDL) 2026 Additional code and implementation details available at this https URL (https://idan-tankel.github.io/InformCT_ProjectPage/)

Contextual Cellular Growth (ConCeG) of neural cells for realistic grey matter tissue generation for diffusion MRI simulations

用于扩散MRI模拟的真实灰质组织生成的神经细胞上下文细胞生长 (ConCeG)

Charlie Aird-Rossiter, Kadir Şimşek, Maëliss Jallais, Derek K. Jones, Lida Kanari, Marco Palombo

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 针对灰质扩散MRI信号解释难题，引入ConCeG框架，结合拓扑神经元合成与空间约束生长网络，依真实神经胶质形态生成细胞构建三维多细胞灰质基质，经验证可用于扩散MRI模拟。

J-RAS: Mutual Adaptation for Medical Image Segmentation via Contrastive Retrieval-Augmented Joint Optimization

J-RAS：基于对比检索增强联合优化的医学图像分割互适应方法

Salma J. Ahmed, Emad A. Mohammed, Azam Asilian Bidgoli

机构 * Laurier University（劳里尔大学） 纠错

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

AI总结 提出J-RAS框架，通过交替对比学习和监督学习联合优化分割与检索模型，实现检索与分割的互适应，提升医学图像分割的边界描绘、鲁棒性和跨数据集泛化能力。

NEURON: A Neuro-symbolic System for Grounded Clinical Explainability

NEURON：一种面向临床可解释性的神经符号系统

Anuradha Chandrasekaran, Dimitrios Zikos, Mutlu Mete, Alan Pang, Brady D. Lund, Kewei Sha

机构 * University of North Texas（北卡罗来纳大学达顿分校） ； Texas Tech University Health Sciences Center（德克萨斯农工大学健康科学中心） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)；clinical AI(abstract)

AI总结 NEURON结合医学本体和机器学习模型，提升预测可靠性与临床可解释性，通过RAG层生成自然语言解释，在MIMIC-IV数据集上提升AUC至0.84-0.88。

Towards Practical Algorithm Selection for Unsupervised Domain Adaptation in Medical Imaging

面向医学影像无监督域适应的实用算法选择

Yiheng Xiong, Luisa Gallée, Daniel Santak Wolf, Heiko Hillenhagen, Michael Götz

机构 * Ulm University Medical Center（乌尔姆大学医学中心） ； Ulm University（乌尔姆大学） 纠错

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

AI总结 针对医学影像无监督域适应算法选择的临床难题，提出无标注准则联合选择算法与超参数，在多数据集多场景实验中表现优于其他方法。

Comments Accepted to AMAI @ MICCAI 2026

BUZZY: Contrastive Scoring to Mitigate Text-Induced Bias in Multimodal Multiple-Choice QA

当选择成为先验：用于科学图表多选问答的对比解码

Taeyun Roh, Suhyeong Park, Dongyoung Lee, Eunyeong Jo, Wonjune Jang, Junha Jung, Jaewoo Kang

机构 * Korea University（高丽大学） ； Konkuk University（建国大学） ； Myongji University（明知大学） ； AIGEN Sciences 纠错

专题命中 医学影像 ：medical image(abstract)；biomedical(abstract)

AI总结 本文提出SCICON方法，通过对比文本和图像信息，减少选择偏差，提升科学图表多选问答的准确性。

Graph Laplacian assisted regularization method under noise level free heuristic and statistical stopping rule

图拉普拉西安辅助的正则化方法：在无噪声水平启发式和统计停止规则下

Harshit Bajpai, Ankik Kumar Giri

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文提出一种基于图拉普拉西安的正则化方法，通过无噪声水平启发式和统计停止规则解决线性和非线性病态反问题，通过迭代更新图拉普拉西安提升重建效果。

RUBRIC: Realism--Utility Balanced Ranking for Imbalanced Classification

RUBRIC：用于不平衡分类的现实-效用平衡排序

Yanxuan Yu, Dong Liu, Shu Wang, Wenxiao Zhao, Eric Jiang, Chang Liu, Jinxi Yu, Hui Pan, Ben Lengerich, Tong Geng, Renata Borovica-Gajic, Ying Nian Wu

机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of Melbourne（墨尔本大学） 纠错

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

AI总结 研究类别不平衡问题，提出RUBRIC框架，将合成样本选择设为质量优化问题，用现实-效用权衡排序，能收紧泛化边界，经实验验证其在信用卡欺诈检测等任务中可提升F1宏和召回率，保持ROC-AUC并可进行lambda敏感性分析。

Spinal Coupling in Frontal and Transversal Plane During Gait - A Segmental and Time-Dependent Analysis of the Thoracic and Lumbar Spine

步态过程中额状面与横断面上的脊柱耦合：胸椎与腰椎的节段性及时间依赖性分析

Jonas Dully, Carlo Dindorf, Henriette Rönsch, Dennis Perchthaler, Jürgen Konradi, Ulrich Betz, Michael Fröhlich

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究分析642名受试者的脊柱运动学，揭示步态中T3至L4椎体的脊柱耦合存在颅尾方向模式，静态矢状位姿势可调节该模式，为脊柱生物力学研究及相关疾病诊疗提供基础。

XtraLight-MedMamba for Classification of Neoplastic Tubular Adenomas

XtraLight-MedMamba用于神经内分泌瘤分类

Aqsa Sultana, Rayan Afsar, Ahmed Rahu, Surendra P. Singh, Brian Shula, Brandon Combs, Derrick Forchetti, Vijayan K. Asari

机构 * Vision Lab and Dept. of Electrical and Computer Engineering, University of Dayton（视觉实验室和电气与计算机工程系，代顿大学） ； Dept. of Computer Science, University of Georgia（计算机科学系，佐治亚大学） ； The University of Toledo Medical Center（托莱多大学医学中心） ； Honeywell International Inc.（霍尼韦尔国际公司） ； South Bend Medical Foundation（南本迪医疗基金会） 纠错

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

AI总结 本文提出XtraLight-MedMamba模型，通过轻量级状态空间框架对全滑片图像中的神经内分泌瘤进行分类，利用ConvNeXt和Mamba块结合SCAB模块和FNOClassifier，实现高精度分类。

Comments 18 pages, 11 figures

NAST: Improving Negation Handling in Medical Vision-Language Models through Negation-Aware Selective Training

针对医学视觉-语言模型中否定处理改进的分层微调

Ali Abbasi, Mehdi Taghipour, Rahmatollah Beheshti

机构 * University of Delaware（德克萨斯大学） 纠错

专题命中 医疗多模态 ：radiology(abstract)；分类 cs.CV

AI总结 本研究提出NAST方法，通过因果追溯效应调节逐层梯度更新，提升医学视觉-语言模型对否定处理的识别能力，同时保持一般视觉-语言对齐。

Comments 16 pages, 6 figures. Accepted to MLHC 2026

Investigating individual writing style as a contributor to gender gaps in science and technology

探究个人写作风格对科技领域性别差距的影响

Kara Kedrick, Ekaterina Levitskaya, Russell J. Funk

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Coleridge Initiative（科尔里奇倡议） ； University of Minnesota（明尼苏达大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 该研究发现科技领域女性写作风格比男性更具参与性，这种性别化的写作风格差异会影响论文的引用情况，揭示了评价偏见持续存在的微妙渠道。

Leveraging Few-Shot Learning and Large Language Models for Analyzing Blood Pressure Variations Across Biological Sex from Scientific Literature

利用小样本学习与大语言模型从科学文献中分析不同生物性别间的血压差异

Yuting Guo, Seyedeh Somayyeh Mousavi, Reza Sameni, Abeed Sarker

专题命中 生物医学文本 ：diagnosis(abstract)

AI总结 本研究利用小样本学习、LLaMA3及GPT-3.5等大语言模型，从PubMed文献中提取血压相关信息，分析不同生物性别间的血压差异，生成可视化图表开展研究。

Comments Accepted by the journal of Computers in Biology and Medicine

A Negative-Control Protocol for Clinical EEG Foundation-Model Benchmarks: Dataset Identity and External-Cohort Stress Testing

用于临床解码的脑电图基础模型压力测试：数据集标识和目标阴性对照

Marzieh Zare

机构 * Université Laval（拉瓦尔大学） ； NeuroGenis Inc.（NeuroGenis公司） 纠错

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

AI总结 研究预训练脑电图基础模型在临床解码中的表现，通过多种方法在多数据集多任务上对六个模型进行基准测试，发现模型结论依赖评估单元、数据集偏移等因素，如在韩国痴呆症等任务中不同模型和方法表现各异。