医学 AI

MUST-PET: MUltimodal Self-supervised learning across Tracers for whole-body PET/CT-based lesion segmentation

MUST-PET：用于基于全身PET/CT的病灶分割的跨示踪剂多模态自监督学习

Bashirul Azam Biswas, Amartya Bhattacharya, Biratal Raj Wagle, Matthew E. Maeder, James B. Yu, Indrani Bhattacharya

机构 * Geisel School of Medicine at Dartmouth（达特茅斯盖泽尔医学院） ； Dartmouth Hitchcock Medical Center（达特茅斯-希区柯克医疗中心） 纠错

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

AI总结 本研究提出MUST-PET多模态自监督学习框架，通过跨示踪剂的上下文感知掩码重建，实现全身PET-CT病灶的标注高效、可泛化分割，性能优于从头训练模型。

Comments Submitted to SPIE CAD 2027

A Strong Linear Baseline for Whole-Heart Cardiac Shape Completion on CT, with an Open Eleven-Structure Statistical Shape Model

针对CT图像全心脏形状补全的强线性基线及开源十一结构统计形状模型

Matej Gazda, Jakub Gazda, Juraj Gazda, Peter Drotar

机构 * Technical University of Košice（科希策技术大学） ； Pavol Jozef Šafárik University（帕沃尔·约瑟夫·沙法里克大学） ； L. Pasteur University Hospital（L. 巴斯德大学医院） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本研究构建十一结构心脏CT统计形状模型，对比闭式条件高斯估计器等方法，发现线性基线在心脏形状补全任务中优于深度模型与最近邻检索，支持心脏队列统一研究。

Microlocal analysis of non-linear artifacts in cone beam CT

锥束CT中非线性伪影的微局部分析

James W. Webber, Alexander Katsevich

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文对源在一维光滑曲线上的锥束CT束硬化伪影开展微局部分析，采用FBP型重建，证明伪影为余法型且弱于目标奇异性，还扩展到非光滑曲面并通过金属模拟重建验证理论。

Comments 31 pages, 4 figures

MOSAIC: A Self-supervised Dynamic Multi-encoding Reconstruction Framework for 3D Late Gadolinium Enhancement MRI

MOSAIC：用于三维钆延迟增强磁共振成像的自监督动态多编码重建框架

Muhammad A. Sultan, Yingmin Liu, Katherine Binzel, Katarzyna E. Gil, Karolina M. Zareba, Rizwan Ahmad

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

AI总结 该研究提出MOSAIC自监督动态多编码重建框架，实现加速因子超1000的运动分辨自由呼吸双回波3D LGE MRI，在图像质量上优于现有方法。

Energy-Mamba: A Physics-Constrained State-Space Model for Medical Image Classification

Energy-Mamba：用于医学图像分类的物理约束状态空间模型

Mohamed Mabrok, Yalda Zafari, Essam A. Rashed

专题命中 医学影像 ：medical image(title)；CT(abstract,abstract_cn)；diagnosis(abstract)；分类 eess.IV

AI总结 Energy-Mamba将物理约束融入Mamba状态空间模型，解决医学图像分类的表征漂移问题，在四个医学图像数据集上以更少参数实现了最优分类性能。

Comments This paper was accepted to the MICCAI 2026 workshop MLMI

Towards Clinically Faithful Medical Image Captioning via Enhanced Vision-Language Alignment

基于增强型视觉-语言对齐的临床可信医学图像描述生成研究

Yunseo Lee, Hyun Jun Kim, Heeseung Shin, Changwon Lim

机构 * Chung-Ang University（中央大学） 纠错

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

AI总结 本研究针对医学图像描述生成的临床可信性问题，提出分离训练与推理对齐的框架，结合多编码器、辅助学习及MedPAIR-SCST方法，通过选择与强化学习对齐提升临床一致性，在数据受限场景下改善医学图像描述的可信度。

Comments 10 pages, 2 figures, 7 tables. Preprint submitted to IEEE for possible publication

AsymFeX: A Symmetry-Driven Framework for Ischemic Stroke Segmentation Across Imaging Modalities and Stroke Stages

AsymFeX：一种用于跨成像模态和卒中阶段的缺血性卒中分割的对称性驱动框架

Maunil Shah, Vaanathi Sundaresan

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

AI总结 该研究提出与nnU-Net兼容的两阶段3D分割方法AsymFeX，通过对称性驱动设计跨模态跨卒中阶段实现缺血性卒中分割，在AISD等数据集上性能优于现有方法，具备临床应用潜力。

Flow Matching Meets 3D Curvilinear Structure Segmentation in Medical Imaging

流匹配在医学影像三维曲线结构分割中的应用

Sidi Mohamed Sid'El Moctar, Nicolas Vitry, Hélène Bouvrais

机构 * CNRS（法国国家科学研究中心） ； Univ. Rennes（雷恩大学） ； Institute of Genetics and Development of Rennes (IGDR)（雷恩遗传与发育研究所） 纠错

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

AI总结 本研究提出基于流匹配的3D-CurvSegFlow模型，用于三维医学图像的曲线结构分割，在三个不同公开数据集上的表现优于通用及血管专用方法，为医学图像分析提供高效泛化的新方向。

Comments International Workshop on Machine Learning in Medical Imaging (MLMI 2026) @ MICCAI

RIPE++: Reinforced Keypoint Learning from Positive Pairs Only

RIPE++：仅从正样本对中学习的强化关键点学习

Johannes Künzel, Peter Eisert, Anna Hilsmann

机构 * Fraunhofer Heinrich-Hertz-Institute, HHI（弗劳恩霍夫海因里希·赫兹研究所） ； Humboldt University Berlin（柏林洪堡大学） 纠错

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

AI总结 本文提出RIPE++，一种仅从正样本对学习的强化关键点学习方法，适配LightGlue后提升了MegaDepth1500的AUC@5，可用于低纹理医学视频等监督有限的场景。

Comments LIMIT@ECCV 2026

Prompt-Conditioned Channel Attention for Hierarchical Feature Modulation toward Anatomy-Agnostic Segmentation

面向解剖结构无关分割的提示条件通道注意力用于分层特征调制

Mosharof Hossain, Md Rabiul Islam, Limon Halder, Erchin Serpedin, Md Kamrul Hasan

机构 * Khulna University of Engineering & Technology (KUET)（库尔纳工程技术大学） ； Texas A&M University（德克萨斯农工大学） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 针对现有医学图像分割方法的提示融合局限，提出PCCA机制与PROMISE-Net两种变体，在四个基准测试中较对应基线取得一致IoU提升，为医学图像分割提供可扩展的提示感知分层特征调制框架。

V-REX: Efficient Specialist VLM Training for Veterinary X-Rays

V-REX：面向兽医X光片的高效专用视觉语言模型（VLM）训练

Tim Elsner, Nicole McNally, Andre Dourson, Michael Fitzke

机构 * Vyyo AI ； Mars Petcare（玛氏宠物护理） 纠错

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

AI总结 该研究针对兽医X光片领域，提出高效专用VLM训练方案，无需依赖额外数据，用更少资源开发出能生成兽医X光诊断报告的模型，性能远超同类开源基础模型。

Simultaneous 3D co-registered perfusion and oxygenation with ULM, photoacoustic imaging, and a planar matrix array

结合ULM、光声成像与平面矩阵阵列实现三维共配准的灌注与氧合同步成像

Léa Davenet (LIB, CRC (UMR\_S\_1138 / U1138)), Jacques Battaglia (LIB), Franck Lager, Pascal Dargent (LIB), Charlotte Lussey-Lepoutre (CRC (UMR\_S\_1138 / U1138)), Bertrand Tavitian (PARCC (UMR\_S 970/ U970)), Olivier Couture (LIB), Lori Bridal (LIB), Jérôme Gateau (LIB)

专题命中 医学影像 ：biomedical(abstract)

AI总结 本研究开发了基于平面超声矩阵阵列的双模态成像平台，同步实现共配准的三维组织氧合与微血管灌注成像，经体外仿体与小鼠体内验证，为相关生物医学研究奠定基础。

A knowledge-guided agentic framework for mitigating patient-context ambiguity in health queries

一种用于缓解医疗查询中患者上下文歧义的知识引导智能体框架

Mahyar Abbasian, Saba A. Farahani, Arshia Ilaty, Hung Cao, Ramesh Jain, Amir M. Rahmani

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 该研究提出知识引导智能体框架，通过解析医疗查询、构建假设、识别缺失上下文并提问，缓解患者上下文歧义，在诊断检索和饮食安全分类任务中显著提升了多种语言模型的性能。

Comments 48 pages, 3 figures, 6 tables, journal

Longitudinal Bayesian Learning of Continuous Disease Position across the Alzheimer's Disease Continuum

阿尔茨海默病连续体中疾病位置的纵向贝叶斯学习

Yingying Zhang, Kun Zhao, Guodong Liu, Qi Huang, Pengfei Gu, Dongchul Kim, Erik Enriquez, Alex D. Leow, Paul M. Thompson, Heng Huang, Hongchang Gao, Liang Zhan, Haoteng Tang

机构 * University of Texas Rio Grande Valley（德克萨斯大学里奥格兰德河谷分校） ； University of Pittsburgh（匹兹堡大学） ； Eli and Lilly Company（礼来公司） ； Washington University in St. Louis（圣路易斯华盛顿大学） 纠错

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

AI总结 该研究针对阿尔茨海默病连续体提出纵向贝叶斯学习框架DCP，推导DCS量化疾病位置，在ADNI队列上验证其性能优于现有方法，可连续评估AD进展。

A Bayesian Edge-Space Framework for Whole-Connectome Inference in Multisite Autism Neuroimaging

用于多站点自闭症神经影像全连接组推断的贝叶斯边空间框架

Montserrat Fuentes, Veronica B. Patterson

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究提出贝叶斯边空间回归框架，用于多站点自闭症神经影像全连接组推断，在模拟和ABIDE数据中识别出ASD相关连接的异质性变化，支持分布式神经系统的异质性重组。

Comments 49 pages, 4 main-text figures, 2 main-text tables; supplementary material includes theoretical results, simulation studies, computational diagnostics, and additional figures

Bounded Sovereignty and the Control Tax: Pricing AI Oversight When the Deployer Does Not Own the Model

有限主权与控制成本：当部署方不拥有模型时的AI监管定价

Zhen Wen Lim

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文针对部署方不拥有模型的AI监管场景，提出有限主权概念与主权折扣成本，通过135万次模拟实验明确控制协议需明确访问假设的结论。

Comments 25 pages, 5 figures. Synthetic access-ablation study; not real-world payment-system evidence

Experimental Realization of Topological Surface Acoustic Wave Resonances under Surface Liquid Loading for Micro-volume sample Sensings

用于微体积样品传感的表面液体负载下拓扑表面声波共振的实验实现

Bowei Wu, Tingfeng Ma, Hanbang Deng, Shuanghuizhi Li

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 该研究设计制备了一种拓扑表面声波谐振传感器，利用拓扑界面态与谐振腔的干涉耦合，可在表面液体负载下实现微体积样品的高灵敏度浓度传感，为高性能SAW生物医学芯片提供了技术路线。

ADORA: a differentiable optical modeling and astrometric retrieval framework for SHERA

ADORA：面向SHERA的可微分光学建模与天体测量检索框架

Dylan McKeithen, Stuart Shaklan, Gautam Vasisht, Joe Green, Rhonda Morgan, Louis Desdoigts, Peter Tuthill

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 ADORA是面向SHERA的可微分光学建模与天体测量检索框架，通过结合三平面可微分物理光学模型与分层天体测量推断算法，在模拟中展现出对特定探测器校准误差的鲁棒性，为SHERA的相关研究提供了灵活框架。

Comments Submitted to Proceedings of SPIE, Astronomical Telescopes + Instrumentation 2026

Automatic bioinformatic software named entity recognition from literature

从文献中自动识别生物信息学软件命名实体

Hao Xuan, Rithvij Pasupuleti, Ben Liu, Haishuo Sun, Jun Zhang, Zijun Yao, Cuncong Zhong

专题命中 生物医学文本 ：biomedical(abstract)；分类 q-bio

AI总结 本研究提出混合命名实体识别框架SNAIL，结合词汇与语义建模策略，在基准数据集及真实文献上识别生物信息学软件/数据库，性能优于现有方法，可用于大规模文献的资源元分析。