医学 AI

A Configurable Privacy-Preserving MRI Processing Workflow Using Deep Learning-Based Brain Extraction and Adaptive Anatomical Preservation

一种基于深度学习脑提取和自适应解剖结构保留的可配置隐私保护MRI处理工作流

Rayeef Ali Khan, Komal Raj Mahantesh

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

AI总结 该研究针对MRI的隐私问题，提出一种基于深度学习脑提取的可配置隐私保护MRI处理工作流，具备自适应解剖结构保留、交互式选择与集成质控功能，为隐私导向神经影像研究提供实用框架。

Comments 10 pages, 6 figures

Primitive Representation Learning for Unsupervised Dynamic Contrast Enhanced MRI Reconstruction

用于无监督动态对比增强MRI重建的基元表示学习

Veronika Spieker, Wenqi Huang, Cemre Ariyurek, Liam Timms, Daniel Rueckert, Onur Afacan, Julia A. Schnabel, Sila Kurugol

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

AI总结 针对无监督动态对比增强MRI重建，提出多维度基元框架解耦动态因素，性能与传统方法相当，可扩展至更高加速率，代码公开。

Comments Accepted at MICCAI Off-Grid Workshop 2026

AMPLIFAI: A Multiphase CT Dataset for Benchmarking Clinical Reasoning in LI-RADS Assessment of Liver Lesions

AMPLIFAI：用于基准测试LI-RADS肝脏病变评估临床推理的多期CT数据集

Pranav Kulkarni, Nikhil Shah, Amritansh Suryavanshi, Jana G. Delfino, James Tonascia, Jade Wong-You-Cheong, Barton Lane, Joseph Chirico, Jeffrey D. Hirsch, Ang Li, Heng Huang, Florence X. Doo

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of Maryland School of Medicine（马里兰大学医学院） ； University of Maryland Institute for Health Computing（马里兰大学健康计算研究所） ； University of Maryland Medical System（马里兰大学医学系统） 纠错

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

AI总结 研究针对LI-RADS肝脏病变评估AI模型缺乏公开高质量数据集的问题，推出首个公开多期腹部CT扫描的AMPLIFAI数据集，标注LI-RADS类别并分割关键特征，助力相关透明可复现研究。

Comments 15 pages, 6 figures, 3 tables

A continually expandable foundation model for brain MRI

可持续扩展的脑MRI基础模型

Michail Mamalakis, Carmen Jimenez-Mesa, Yonghao Li, Hao Chen, Chao Li, Antonios Mamalakis, John Suckling, Richard Bethlehem, Stephen J. Price, Richard J. Gilbertson, Pietro Lio

机构 * University of Cambridge（剑桥大学） ； University of Málaga（马拉加大学） 纠错

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

AI总结 本文提出可扩展的Alcmaeon脑MRI基础模型，结合体积编码、潜在扩散生成与Graph-Blueprint Pruning，在跨临床领域扩展时遗忘程度更低，可支持多种任务，为持续发展的脑MRI基础模型提供了可行方向。

When Two Tracers Disagree: An Investigation of Multimodal Fusion for Clinical PET/CT Segmentation

当两种示踪剂意见不合时：临床PET/CT分割的多模态融合研究

Jack A. Johnson, Bartłomiej W. Papież

机构 * University of Oxford（牛津大学） ； Nuffield Department of Medicine（纳菲尔德医学系） ； Department of Oncology（肿瘤学系） ； Big Data Institute（大数据研究所） ； Nuffield Department of Population Health（纳菲尔德人口健康系） 纠错

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

AI总结 该研究针对前列腺癌PSMA与FDG PET/CT的多模态融合分割，训练示踪剂特异性3D nnU-Net基线并对比多种融合策略，发现融合未始终优于单示踪剂模型，需更优架构保留示踪剂特异性表征

Comments 10 pages (8 pages main content and 2 pages of references), 2 figures, 2 tables, accepted to MICCAI 2026 Cancer Prevention, Detection, and IntervenTion (CaPTion) Workshop

SPARC: Slice-to-volume Pipeline for Automated Reconstruction of gated 3D+time fetal Cardiac MRI

SPARC：用于门控3D+时间胎儿心脏MRI自动重建的切片到体积流水线

Arnaud Boutillon, Naomi Clarke, Tomas Woodgate, Daniel West, Alina Schneider, Rachael Franklin, Anthony Price, Jo Hajnal, Kuberan Pushparajah, David Lloyd, Maria Deprez

机构 * King’s College London（伦敦国王学院） ； Guys and St Thomas’ NHS Foundation Trust（盖伊和圣托马斯国民保健信托基金会） 纠错

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

AI总结 该研究提出SPARC流水线，结合物理信息SVR与DL模型辅助，实现胎儿心脏MRI自动重建，缩短时间、提升质量，适配临床部署且公开可用。

Cross-Modal MRI Ovary Segmentation in Endometriosis Using Unpaired TVUS Prototype Priors

基于未配对经阴道超声（TVUS）原型先验的子宫内膜异位症跨模态MRI卵巢分割

Xingjian Kang, Lina Felsner, Dominik Perrin, Daiqi Liu, Jasmin Arjomandi, Franziska Mathis-Ullrich, Alexandra Stoll, Katharina Breininger

机构 * Center for AI and Data Science (CAIDAS), Julius-Maximilians-Universität Würzburg（维尔茨堡大学人工智能与数据科学中心） ； Institute for Computational Imaging and AI in Medicine (CompAI), Technical University of Munich（慕尼黑工业大学计算成像与医学人工智能研究所） ； Pattern Recognition Lab, Friedrich-Alexander Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学模式识别实验室） ； Department Artificial Intelligence in Biomedical Engineering (AIBE), Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学生物医学工程人工智能系） 纠错

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

AI总结 针对子宫内膜异位症MRI卵巢分割难题，本研究提出结合TVUS原型库的双分支框架，适配MedSAM3对齐跨模态特征，在相关数据集上较SOTA方法提升超5个百分点，验证了原型库与热身预训练的作用。

An Open Source Reference System for Portable Low-Field MRI

用于便携式低场MRI的开源参考系统

David Schote, Helge Herthum, Umberto Zanovello, Julia Pfitzer, Ivo Jutte, Jan Gregor Frintz, Ilia Kulikov, Sebastian Littin, Frank Seifert, Christoph Kolbitsch, Lukas Winter

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究提出一种基于~50 mT永磁体的开源便携式低场MRI参考系统，集成云原生平台与Pulseq序列，经双站点验证可实现高可重复性与定量对比，支持跨站点研究及技术协作开发。

Comments 23 pages, 11 figures

Cine MRI-Validated Biventricular Electromechanical Digital Twin Framework for Predicting Regional Endocardial Motion

经 Cine MRI 验证的双心室电机械数字孪生框架用于预测区域心内膜运动

Milad Hasani, Tomas Zaremba, Sam Riahi, Alireza Rezania

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究提出经 Cine MRI 验证的双心室电机械数字孪生框架，整合多类心脏生理机制，可预测区域心内膜运动，为心内植入物植入部位选择及患者特异性规划提供支持。

Bound-Aware Per-Organ Recall Risk Control for Multi-Organ CT Segmentation under Clinical Domain Shift

临床域偏移下多器官CT分割的边界感知器官级召回率风险控制

Souraj Adhikary, Negar Chabi, Andre Mastmeyer

机构 * Jade Hochschule Wilhelmshaven（威廉港雅德应用科学大学） 纠错

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

AI总结 针对临床域偏移下多器官CT分割的召回率保证问题，该研究为AMOS训练的nnU-Net校准器官级阈值，对比多种风险控制方法，提出WSR投注界可高效重新认证Tier-1器官，为多器官分割的风险控制提供了新方案。

Comments 12 pages, 4 figures, 2 tables

LM-CartSeg: Automated Segmentation of Lateral and Medial Cartilage and Subchondral Bone for Radiomics Analysis

LM-CartSeg：膝关节MRI放射组学分析中侧向和 medial 半月板及下骨板的自动分割

Tongxu Zhang, Zongpan Li, Aaron Kam Lun Leung, Siu Ngor Fu

机构 * Department of Rehabilitation Sciences, The Hong Kong Polytechnic University, Kowloon, Hong Kong, China（香港理工大学康复科学系） ； Department of Physical Therapy and Rehabilitation Science, University of Maryland, Baltimore, Maryland, USA（马里兰大学巴尔的摩分校物理治疗与康复科学系） 纠错

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

AI总结 本文提出LM-CartSeg方法，通过自动分割、几何分室和放射组学分析，提高膝关节MRI中半月板和下骨板分割的准确性和质量控制，实现多中心研究的基础。

A Few Cases Are All You Need: An Empirical Study of Annotation-Efficient LoRA Fine-Tuning of MedSAM3

少数案例足矣：对MedSAM3的标注高效LoRA微调的实证研究

Sachin Dudda Nagaraju, Bendik Skarre Abrahamsen, Ashkan Moradi, Mattijs Elschot

机构 * Norwegian University of Science and Technology（挪威科技大学） ； St. Olavs Hospital, Trondheim University Hospital（圣奥拉夫斯医院（特隆赫姆大学医院）） 纠错

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

AI总结 该研究针对MedSAM3，用LoRA微调实现仅10个标注案例即可让医学图像分割达到临床可用性能，在腹部器官和心脏分割任务上优于部分专业工具，且训练速度更快。

Clinically Structured Surrogate Rewards for Post-SFT Medical Image Captioning

SFT后医学图像字幕生成的临床结构化替代奖励

Hyun Jun Kim, Heeseung Shin, Changwon Lim

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

AI总结 该研究针对SFT后医学图像字幕生成，提出临床结构化替代奖励框架，结合生物医学语义等，在ImageCLEFmedical Caption测试集及三个主干上，提升了整体、相关性与事实性指标。

Comments 8 pages, 2 figures, 3 tables

Semantic Class Distribution Learning for Debiasing Semi-Supervised Medical Image Segmentation

语义类分布学习用于去偏半监督医学图像分割

Yingxue Su, Yiheng Zhong, Keying Zhu, Zimu Zhang, Zhuoru Zhang, Yifang Wang, Yuxin Zhang, Xinyuan Zheng, Jingxin Liu, Xiaofeng Liu

机构 * Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University College London（伦敦大学学院） ； Wuhan University（武汉大学） 纠错

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

AI总结 本文提出语义类分布学习框架，通过学习结构化的类条件特征分布来缓解半监督医学图像分割中的类别不平衡问题，显著提升分割性能，尤其在少数类上表现优异。

Continuous-Time Reinforcement Learning for Controlled Hawkes Jump-Diffusions

受控霍克斯跳扩散过程的连续时间强化学习

Tomasz R. Bielecki, Thibaut Mastrolia, Haoze Yan

机构 * UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 针对非马尔可夫环境下霍克斯驱动随机微分方程的随机控制问题，提出Hawkes-CT DDPG算法，通过马尔可夫化近似实现无模型学习，并在三类核上与离散时间强化学习方法对比。

Finite-player Optimal Stopping Games: Randomization, $α$-potentiality, and Learning

有限玩家最优停止博弈：随机化、α-位势与学习

Xin Guo, Mehdi Talbi, Qinxin Yan

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 针对有限玩家最优停止博弈复杂度随玩家数快速增长的问题，引入独立随机化形式，构造α-位势函数，提出Potential-CT-DDPG学习算法，数值实验验证了方法的有效性。

Hubb_DMFT and Wan2mb_DMFT: Continuous-Time Quantum Monte Carlo Solvers for Single- and Multi-Orbital Hubbard Model

Hubb_DMFT与Wan2mb_DMFT：适用于单轨道与多轨道哈伯德模型的连续时间量子蒙特卡洛求解器

A. A. Katanin

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 该研究开发了Hubb_DMFT与Wan2mb_DMFT两款定制软件，基于iQIST v.0.7杂质求解器，采用改进的CT-QMC核心，分别适配单轨道和多轨道哈伯德模型，可精确求解强关联电子系统的DMFT方程。

Comments 15 pages, 3 figures

Simple, Safe, and Overlooked: Reclaiming Sustainable Domain Generalization with Statistical Color Matching

简单、安全且被忽视：通过统计色彩匹配重拾可持续的领域泛化

Sebastian Doerrich, Francesco Di Salvo, Shyam Nandan Rai, Marco Lents, Christian Ledig

机构 * University of Bamberg（班贝格大学） ； xAILab 纠错

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

AI总结 该研究提出高效可解释的Colorist策略，通过RGB空间统计色彩匹配提升医学图像分类器的领域泛化能力，在多类医学数据集上显著优于现有方法，且安全低耗。

Comments Accepted to DEMI @ MICCAI 2026 (4th Workshop in Data Engineering in Medical Imaging)

Conditions for planetesimal formation via the streaming instability persist under turbulence driven by magnetorotational instability

通过流体不稳定性形成行星胚胎的过程在由磁旋转不稳定性驱动的湍流中持续存在

Linn E.J.Eriksson, Ziyan Xu, Jeonghoon Lim, Chao-Chin Yang, Pinghui Huang, Mordecai-Mark Mac Low

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 研究探讨了磁旋转不稳定性驱动的湍流对流体不稳定性形成行星胚胎的影响，发现自洽生成的湍流不会抑制行星胚胎形成。

Comments Accepted for publication in A&A

Optic Disc Segmentation in Fundus Images: From Classical Image Processing and Deformable Models to Modern AI

眼底图像中的视盘分割：从经典图像处理与可变形模型到现代人工智能

Buket D. Barkana

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

AI总结 本综述梳理视盘分割技术从经典方法到现代AI方法的发展，总结核心原则，指出边界模糊等持续挑战，为该领域研究提供方法学参考。

Subgroup performance analysis of adaptation strategies for chest X-ray foundation models

胸部X射线基础模型适配策略的子组性能分析

Dhruv Gupta, Emma A.M. Stanley, Fabio De Sousa Ribeiro, Sujal Desai, Ben Glocker

机构 * Imperial College London（帝国理工学院） ； Royal Brompton Hospital（皇家布朗普顿医院） ； Causality in Healthcare AI Hub（医疗保健AI因果关系中心） ； National Heart & Lung Institute（国家心肺研究所） 纠错

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

AI总结 该研究针对胸部X射线基础模型，探究三种参数高效适配技术对病理分类性能与子组公平性的影响，发现整体性能提升未必减少子组差异，公平性影响需直接按任务评估

Comments Accepted at MICCAI Workshop on Fairness of AI in Medical Imaging (FAIMI) 2026

Learning-State-Aware Dynamic Generative Data Augmentation on Small-Scale Datasets

面向小规模数据集的学习状态感知动态生成式数据增强

Ting Xiang, Chenxi Deng, Jinhui Zhao, Bingting Jiang, Ke Zhang, Changjian Chen, Zhuo Tang

机构 * Hunan University（湖南大学） 纠错

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

AI总结 针对小规模图像分类数据稀缺问题，提出LSADA方法，通过构建样本学习状态映射增强强度，采用解耦增强与扩散融合策略，在9个数据集上较SOTA动态GDA方法取得平均2.5%-4.5%的性能提升。

OptiModNet: A UNet-Transformer Hybrid with Grouped-Query and Channel Attention for Optic Disc and Cup Segmentation

OptiModNet：用于视盘和视杯分割的结合分组查询与通道注意力的UNet-Transformer混合模型

Soumili Ghosh, Debapriya Roy, Aryan Das, Bikash Santra

机构 * IEM Saltlake（IEM盐湖校区） ； Techno Main Salt Lake（Techno主盐湖校区） ； VIT Bhopal University（博帕尔维洛尔理工大学） ； IIT Jodhpur（焦特布尔印度理工学院） 纠错

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

AI总结 本研究提出OptiModNet，一款用于视盘和视杯分割的轻量混合架构，结合分组查询与通道注意力及聚合金字塔损失，在REFUGE2数据集上实现超现有方法2.5%的最优性能，且仅需3.73 GFLOPs和1.93M参数，兼顾高性能与低计算量。

Learning Coarse-to-Fine Osteoarthritis Representations under Noisy Hierarchical Labels

在噪声层次标签下学习粗到细的骨关节炎表示

Tongxu Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文探讨在噪声层次标签下通过双头模型提升骨关节炎诊断的表示学习，通过比较不同3D模型的性能，发现双头监督能提升KL分级指标，并改善潜在表示的层次结构和解剖对齐。

Entrywise Positivity Preservers on Green Matrices

Wei Xie

专题命中 医学影像 ：CT(abstract)

Comments 22 pages

A systematic review of machine learning techniques to address diagnosis and treatment of autism: challenges and opportunities

解决自闭症诊断与治疗的机器学习技术系统综述：挑战与机遇

Rafael Muñoz-Terol, Jesús Peral, Sandra Amador, David Gil

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

AI总结 本系统综述分析2017-2023年55项研究，探究ML在ASD诊断治疗的应用，指出监督学习为主、深度学习作用扩大，需整合多模态数据并加强跨学科合作。

Comments 17 pages, 8 figures

Teaching agentic AI to learn expert reasoning for rare disease diagnosis

LiteOdyssey: 一种用于可解释罕见病诊断的轻量级推理AI智能体

Minh-Ha Nguyen, Erica Gray, Bryce A. Schuler, Kevin W. Byram, Chih-Ting Yang, Fan Ma, Hua Xu, Wu-Chen Su, Chao Yan, Wei-Qi Wei, Adam Wright, Lisa Bastarache, Josh F. Peterson, Lingyao Li, Siyuan Ma, Undiagnosed Diseases Network, Rizwan Hamid, Thomas A. Cassini, Cathy Shyr

机构 * Vanderbilt University（范德堡大学） ； Vanderbilt University Medical Center（范德堡大学医学中心） ； University of South Florida（南佛罗里达大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 提出轻量级框架LiteOdyssey，通过人类-AI协作的诊断策略和公共生物医学工具增强单个推理语言模型，在罕见病诊断基准上达到最先进性能，无需微调或多智能体集成。

Comments Updated abalation experiments and layout

Verifiable abstention makes AI leak diagnosis accountable in water distribution networks

可验证弃权使AI在供水管网泄漏诊断中具备可问责性

Tianwei Mu, Yue Wang, Mingzhe Yuan, Manhong Huang, Wenhong Wang, Xuerui Yin, Qing Luo, Min Xiao, Hui Yang, Jun Li, Dan Xue

机构 * School of Municipal Engineering and Environment, Shenyang Jianzhu University（沈阳建筑大学市政工程与环境学院） ； Guangzhou Institute of Industrial Intelligence（广州工业智能研究院） ； College of Environment, Shenyang University（沈阳大学环境学院） ； Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； College of Environmental Science and Engineering, State Environmental Protection Engineering Center for Pollution Treatment and Control in Textile Industry, Donghua University（东华大学环境科学与工程学院（国家环境保护纺织污染防治工程技术中心）） ； School of Information Science and Engineering, Shenyang University of Technology（沈阳工业大学信息科学与工程学院） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 该研究针对供水管网泄漏诊断中AI缺乏问责性的问题，提出结合执行器智能体、监督智能体与LLM审计员的可验证弃权决策方法，提升了决策精度与挖掘正确性，为自主水基础设施运营提供可行路径。

Comments 42 pages, 5 main figures, 1 main table, 2 extended data figures, 3 supplementary figures, 15 supplementary tables. Code and data availability described in the paper

MIFR: A Modality-Invariant and Fair Representation Framework for Skin Disease Classification

MIFR：用于皮肤病分类的模态不变公平表示框架

Asonyu Senge Njih, Yvan Guifo Fodjo, Vianney Kengne Tchendji, Jerry Lacmou Zeutouo, Kerol Djoumessi

机构 * University of Dschang（德昌大学） ； Université Paris-Panthéon-Assas（巴黎先贤祠-阿萨斯大学） ； Université de Picardie Jules Verne（儒勒·凡尔纳皮卡第大学） ； Hertie Institute for AI in Brain Health, University of Tübingen（蒂宾根大学赫蒂脑健康人工智能研究所） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG；medical AI(comments)

AI总结 本研究提出MIFR框架，通过配对临床与皮肤镜图像的多目标损失训练，实现皮肤病分类的模态不变性与公平性，在多数据集上验证了其预测性能与公平性。

Comments Accepted for publication at the First Workshop on Advancing African Medical AI through Global Integration (AFRICAI)-MICCAI 2026

Hierarchical Classification via Cascading Feature Elimination: Application to Human Phenotype Ontology-Aligned Facial Phenotyping (FaceMesh2HPO)

通过级联特征消除进行层次分类：在人类表型本体对齐的面部表型分析（FaceMesh2HPO）中的应用

Fabio Hellmann, Alexander Hustinx, Benjamin D. Solomon, GestaltMatcher Database Consortium, Tzung-Chien Hsieh, Peter Krawitz, Elisabeth André

机构 * University of Augsburg（奥格斯堡大学） ； University of Bonn（波恩大学） 纠错

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

AI总结 FaceMesh2HPO框架利用临床医生注释及图像生成3D面部网格，基于PointNet训练含级联分类与特征消除的分层管道，结合多种数据实现面部表型分类，虽有成果但罕见叶节点性能受限，需改进策略增强实用性。