医学 AI

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。

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。

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。

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。

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

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。

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

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。

A Cloud-Edge System for Multimodal Clinical Screening in Resource-Constrained Rural Settings

面向资源受限农村地区多模态临床筛查的云边协同系统

Hei Ting (Una) Chan, Chenwei Wu, Xueshen Liu, Zesen Zhao, Boyuan Zheng, Luis Filipe Nakayama, Michael G. Morley, Liyue Shen, Jiasi Chen, Z. Morley Mao

机构 * University of Michigan（密歇根大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 该研究针对资源受限农村地区的多模态临床筛查问题，提出云边协同架构，经实验验证其诊断性能优异且成本更低，可适配部署约束。

Comments 31 pages, 3 figures. In Proceedings of Machine Learning Research, Volume 340, 2026 (Machine Learning for Healthcare Conference)

Stratified wakes of a prolate spheroid at moderate angle of attack

Sheel Nidhan, Sanidhya Jain, Jose L. Ortiz-Tarin, Sutanu Sarkar

专题命中 诊断辅助 ：diagnosis(abstract)

Comments Accepted to TSFP 13. Conference paper available at: this http URL (http://www.tsfp-conference.org/proceedings/2023/97.pdf)

Eyes on the Image: Gaze Supervised Multimodal Learning for Chest X-ray Diagnosis and Report Generation

聚焦图像：用于胸部X光诊断与报告生成的注视监督多模态学习

Tanjim Islam Riju, Shuchismita Anwar, Saman Sarker Joy, Farig Sadeque, Swakkhar Shatabda

机构 * Department of Computer Science and Engineering, Brac University（计算机科学与工程系，布拉克大学） 纠错

专题命中 医疗多模态 ：diagnosis(title)；分类 cs.CV、cs.LG

AI总结 本研究基于MIMIC-Eye数据集构建两阶段多模态框架，引入注视监督提升胸部X光诊断准确率与报告空间可解释性，为该领域提供了可复现的新基准。

How Do VLMs Fail? Vision-Operation Misalignment in Compositional VQA

视觉语言模型如何失败？组合式视觉问答中的视觉-操作不对齐

Navya Gupta, Bingjie Xu, Avinash Anand, Timothy Liu, Zhengchen Zhang

机构 * Singapore Institute of Technology（新加坡科技学院） ； NVIDIA（英伟达） 纠错

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

AI总结 研究组合式视觉问答中视觉语言模型失败的机制，引入以操作为中心的框架分解失败模式，揭示四种失败模式及传播路径，表明不同失败类型需不同纠正策略，为提升模型可靠性提供基础。

Comments Accepted at ACM Multimedia 2026

When Audio-Language Models Fail to Leverage Multimodal Context for Dysarthric Speech Recognition

音频-语言模型在利用多模态上下文进行构音障碍语音识别时的失效问题

Pehuén Moure, Niclas Pokel, Bilal Bounajma, Yingqiang Gao, Roman Boehringer, Longbiao Cheng, Shih-Chii Liu

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 该研究构建基于SAP数据集的基准，发现现有音频-语言模型无法有效利用构音障碍语音的临床上下文，而LoRA适配方法可将WER降低52%，为包容性ASR提供测试平台。