医学 AI

MLFFM-SegDiff: A Multi-Level Feature Fusion Diffusion Model for Skin Lesion Segmentation

MLFFM-SegDiff：一种用于皮肤病变分割的多级特征融合扩散模型

Jingjun Gu, Chaojie Shen, Yifeng Cao, Wei Zhang, Yiliu Li, Aobo Fan

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

AI总结 针对皮肤镜图像分割中边界模糊、对比度低等问题，提出基于扩散模型的多级特征融合方法MLFFM-SegDiff，通过双路径U-Net编码器、多级特征融合模块和边界敏感损失函数提升分割精度，在ISIC2018等数据集上优于现有方法。

Tractography-Driven Synthetic Data Generation for Fiber Bundle Segmentation in Tracer Histology

基于纤维束成像的示踪组织学纤维束分割合成数据生成

Kyriaki-Margarita Bintsi, Sparsh Makharia, Yaël Balbastre, Joselyn Romero Avila, Julia F. Lehman, Suzanne N. Haber, Anastasia Yendiki

机构 * Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（马萨诸塞总医院和哈佛医学院 Athinoula A. Martinos 生物医学影像中心） ； Krea University（Krea 大学） ； Department of Experimental Psychology, University College London（伦敦大学学院实验心理学系） ； Universidad Nacional Mayor de San Marcos（国立圣马科斯大学） ； Department of Pharmacology and Physiology, University of Rochester School of Medicine（罗切斯特大学医学院药理学与生理学系） ； McLean Hospital（麦克莱恩医院） 纠错

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

AI总结 提出利用离体dMRI纤维束成像作为生成先验合成2D图像块，结合真实背景和域随机化训练U-Net，实现猕猴示踪组织学中纤维束的自动分割，在减少3倍标注数据下达到与现有方法相当的性能。

Comments MICCAI 2026

Confidence is Not Reliability: Rethinking MC Dropout in Brain Tumour Segmentation

置信度不等于可靠性：重新思考脑肿瘤分割中的MC Dropout

Xin Ci Wong, Duygu Sarikaya, Kieran Zucker, Marc De Kamps, Nishant Ravikumar

机构 * Centre for Doctoral Training in AI for Medical Diagnosis and Care（人工智能辅助医疗诊断与护理博士培训中心） ； School of Computing, University of Leeds（利兹大学计算机学院） ； School of Computer Science, University of Leeds（利兹大学计算机科学学院） ； Leeds Cancer Centre, St James’s University Hospital, Leeds, UK（利兹癌症中心，圣詹姆斯大学医院，利兹，英国） 纠错

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

AI总结 通过MC Dropout不确定性估计，发现全局不确定性-误差对齐（AUROC≈0.97）可能掩盖关键子区域（如增强肿瘤）的严重误校准（ECE=0.915），表明子区域校准评估对临床安全至关重要。

Comments Accepted for MIUA2016

When LLMs Analyze Scars: From Images to Clinically-Meaningful Features

当LLM分析疤痕：从图像到临床有意义的特征

Ruman Wang, Hangting Ye

机构 * Liaoning University of Traditional Chinese Medicine（辽宁中医药大学） ； School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） 纠错

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

AI总结 提出ScaFE框架，利用LLM作为知识驱动的特征工程师，将高维图像转化为低维临床可解释特征，在数据稀缺的疤痕分类中优于端到端深度学习方法。

Parameter-Efficient Adaptation of SAM 3 for Automated ITV Generation from 4DCT Images

基于参数高效微调SAM 3从4DCT图像自动生成内靶区

Changwoo Song

机构 * Oncosoft Inc.（Oncosoft公司） ； Department of Computer Science & Engineering, Chungnam National University（忠南大学计算机科学与工程系） 纠错

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

AI总结 提出轻量框架，通过LoRA参数高效微调SAM 3，结合硬负样本挖掘和相位相干滤波，仅用7个标注体数据实现高精度内靶区自动生成，中位Dice达0.968。

Comments 10 pages, 4 figures, 2 tables

Leptomeningeal Collateral Detection on DSA via Vessel-Graph Neural Networks

基于血管图神经网络的DSA软脑膜侧支检测

Junyong Cao, Hakim Baazaoui, Chinmay Prabhakar, Suprosanna Shit, Lukas Bastian Otto, Susanne Wegener, Bjoern Menze, Ezequiel de la Rosa

机构 * University of Zurich（苏黎世大学） ； University Hospital Zurich（苏黎世大学医院） 纠错

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

AI总结 提出一种混合图-像素架构，在DSA血管图上对单个血管段分类，首次实现DSA中软脑膜侧支的个体化检测，PR-AUC达0.434，优于纯图或纯像素方法。

Tractogram foundation model

TractFM：纤维束图基础模型

Guikun Chen, Yuqian Chen, Yijie Li, Yogesh Rathi, Nikos Makris, Fan Zhang, Wenguan Wang, Lauren J. O'Donnell

机构 * The State Key Lab of Brain-Machine Intelligence, Zhejiang University, Hangzhou（脑机智能国家重点实验室，浙江大学，杭州） ； Department of Radiology, Brigham and Women’s Hospital, Mass General Brigham, Boston（放射科，布里洛妇女医院，马萨诸塞总医院，波士顿） ； Harvard Medical School, Boston（哈佛医学院，波士顿） ； Academy of Medical Engineering and Translational Medicine, Tianjin University, Tianjin（医学工程与转化医学研究院，天津大学，天津） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu（信息与通信工程学院，电子科技大学，成都） ； Psychiatry Neuroimaging Laboratory, Brigham and Women’s Hospital, Mass General Brigham, Boston（精神病神经影像实验室，布里洛妇女医院，马萨诸塞总医院，波士顿） ； Department of Psychiatry, Center for Morphometric Analysis, Massachusetts General Hospital, Boston（精神病科，形态分析中心，马萨诸塞总医院，波士顿） 纠错

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

AI总结 提出TractFM基础模型，直接从全脑纤维束集学习可复用表示，结合局部纤维编码器和置换等变纤维束编码器，通过密集解剖束分割预训练，实现纤维束级和受试者级任务的迁移。

Boosting Generalizable Depth Estimation in Endoscopy by Mixture of Lightweight Experts and Intrinsic Image Alignment

基于轻量级专家混合与本征图像对齐的内窥镜可泛化深度估计增强方法

Liangjing Shao, Beilei Cui, Yiming Huang, Changjing Liu, Hongliang Ren

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 本文提出自监督框架EndoMINI，结合低秩专家混合与本征图像对齐，在多内窥镜数据集上实现了更优的可泛化深度估计性能。

Comments Accepted by MICCAI 2026 @ The Efficient Medical AI (EMA4MICCAI) Workshop (Oral Presentation)

Effect of User-Prompted Priors on Semi-Automated Cancer Lesion Segmentation in Whole-Body Computed Tomography

用户提示先验对全身计算机断层扫描中半自动癌症病变分割的影响

Isac Stark, Johan Öfverstedt, Elin Lundström, Simon Ekström, Håkan Ahlström, Joel Kullberg

机构 * Uppsala University（乌普萨拉大学） ； SciLifeLab（科学生命实验室） ； Antaros Medical（安塔罗斯医疗公司） 纠错

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

AI总结 研究用户提示先验对全身CT半自动癌症病变分割的影响，利用多平面正交用户提示先验，经3折交叉验证和外部测试，结果显示该方法能提升分割性能，支持生成高质量体积真实数据。

Comments Accepted at MIUA (Medical Image Understanding and Analysis). To appear in Lecture Notes in Computer Science (LNCS). 12 pages, 2 figures

GB-SVFBP: Gaussian-Based Shift-Variant FBP neural network

GB-SVFBP：基于高斯的变移位FBP神经网络

Chengze Ye, Linda-Sophie Schneider, Yipeng Sun, Andreas Maier

专题命中 医学影像 ：CT(summary_cn)；分类 cs.CV；radiology(comments)

AI总结 针对非圆形轨迹锥束CT重建问题，提出基于高斯的变移位FBP神经网络，引入可训练二维高斯模型减少参数数量，实验表明其参数减少99%，训练时间降为四分之一，显著提升模型实用性与有效性。

Comments Accepted for poster presentation at the 18th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine (Fully3D 2025), Shanghai, China, May 27-30, 2025

$\texttt{DisMorph}$: learning to disentangle technical distortions from true biological change

DisMorph：学习解耦技术畸变与真实生物变化

Jingru Fu, Kathleen E. Larson, Douglas N. Greve, Bruce Fischl, Malte Hoffmann

专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 q-bio、eess.IV

AI总结 该研究提出DisMorph框架，通过合成数据训练解耦纵向形变中的技术畸变与生物变化，在模拟、真实畸变及AD数据上均展现出更优的配准与变化检测能力，为临床纵向形态测量提供了更准确的方案。

Comments 11 pages, 6 figures, longitudinal morphometry, deformable registration, neuroimaging, domain randomization, gradient non-linearity distortion, accepted by the SASHIMI Workshop at MICCAI 2026

CLABTOOLKIT: An Open-Source Toolkit for Routine Processing, Manipulation, and Visualization of Neuroimaging Data

CLABTOOLKIT：用于神经影像数据常规处理、操作和可视化的开源工具包

Yasser Alemán-Gómez, Nino Hervé, Patric Hagmann

机构 * Connectomics Lab, Department of Radiology, Lausanne University Hospital (CHUV)（洛桑大学医院（CHUV）放射科连接组学实验室） ； University of Lausanne (UNIL)（洛桑大学） 纠错

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

AI总结 神经影像研究面临数据结构多样、工具接口和格式不兼容问题。CLABTOOLKIT将相关操作整合为统一框架，核心数据结构可处理多种格式数据，还有多个模块支持多种分析及可视化，其配置系统方便定制工作流程。

Comments Presented at OHBM 2026 in Bordeaux, France. Submitted to Aperture Neuro

BrainWorld: A Structural-Prior-Conditioned Generative Model for Whole-Brain 4D fMRI Dynamics

BrainWorld：一种用于全脑4D fMRI动力学的结构先验条件生成模型

Junfeng Xia, Wenhao Ye, Junxiang Zhang, Xuanye Pan, Mo Wang, Quanying Liu

机构 * Department of Biomedical Engineering, Southern University of Science and Technology（南方科技大学生物医学工程系） ； School of Biomedical Engineering, Shenzhen University（深圳大学生物医学工程学院） 纠错

专题命中 医学影像 ：MRI(summary_cn)；分类 cs.CV、q-bio

AI总结 提出BrainWorld模型，利用结构MRI作为解剖先验条件，通过去噪过程生成全脑4D fMRI动态，在22个数据集上稳定生成400帧轨迹，并通过生成样本增强提升下游任务性能。

Reconstructing and forecasting disease trajectories of patients with Alzheimer's disease using routine data in resource-constrained settings

在资源受限环境中利用常规数据重建和预测阿尔茨海默病患者的疾病轨迹

Ratnadeep Das, Atri Chatterjee, Sitikantha Roy

机构 * Yardi School of Artificial Intelligence (ScAI), Indian Institute of Technology Delhi（印度理工学院德里分校亚迪人工智能学院） ； Department of Neurology, Vardhman Mahavir Medical College and Safdarjung Hospital（瓦尔丹·马哈维尔医学院和萨夫达戎医院神经内科） ； Department of Applied Mechanics, Indian Institute of Technology Delhi（印度理工学院德里分校应用力学系） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.LG、q-bio

AI总结 提出GNOVA框架，结合GRU编码器和神经ODE解码器的变分自编码器，利用常规临床数据（无需神经影像或生物标志物）实现认知评分的双向预测、插值/外推及不确定性估计，在ADNI数据集上取得低误差。

You Only Flow Once: Calibrated and Real-Time Radar Pose Estimation with Multi-Hypothesis Normalizing Flows

仅一次流：基于多假设归一化流的校准且实时雷达位姿估计

Jonas Leo Mueller, Sebastian Hoefler, Dario Zanca, Naga Venkata Sai Jitin Jami, Thomas Altstidl, Bjoern M. Eskofier

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； LMU München（慕尼黑大学） ； Helmholtz Zentrum München（慕尼黑亥姆霍兹中心） 纠错

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

AI总结 该研究针对雷达位姿估计的歧义问题，提出MH-NFPG方法，结合时空Transformer与归一化流，实现高效实时的校准位姿估计，性能优于扩散模型。

Comments Accepted at the Winter Conference on Applications of Computer Vision (WACV) 2027

Hallucinations and Constraints : Regulating surgical workflow recognition beyond accuracy

幻觉与约束：超越准确率的手术工作流程识别调控

John S. H. Baxter, Pierre Jannin

机构 * Université de Rennes（雷恩大学） ； Inserm（法国国家健康与医学研究院） 纠错

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

AI总结 该研究针对医学图像处理中AI的幻觉问题，提出用线性时序逻辑谓词结合概率图模型调控，在机器人辅助子宫切除术阶段识别中准确率提约10%且消除多数拓扑错误。

Comments 11 pages, 1 figure, 1 table, accepted to the MICCAI 2026 Workshop on Fairness, Regulation, and Ethics (FAIMI-BRIDGE-EPIMI 2026)

Agentic AI-powered flexible fiber-bundle endoscopy for high-resolution NIR-II fluorescence imaging in vivo

智能体驱动的柔性光纤束内窥镜用于体内高分辨率近红外二区（NIR-II）荧光成像

Yanzhao Shi, Yuanhua Liu, Sixin Xu, Wayne Jason Li, Yuyuan Chen, Danyang Xu, Zhisheng Wu, Hanze Yu, Ian Yu-Hong Wong, Simon Ying-Kit Law, Hongjie Dai, Liangqiong Qu, Feifei Wang

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

AI总结 该研究开发了AI驱动的柔性光纤束内窥镜平台，通过光学-计算协同设计及GAME流水线提升NIR-II成像分辨率，实现体内生物样本高分辨率成像，为临床转化奠定基础。

NeuroPilot: An Agent-Driven Smart Pipeline for Processing, Quality Control, and Managing Neuroimages

NeuroPilot：一种用于神经影像处理、质量控制与管理的智能体驱动智能流程

Yiyao Chen, Yucheng Li, Jungong Tong, Shaoqi Wang, Kunhao Zhou, Ziquan Wei, Monica Murea, Marissa DiPiero, Tingting Dan, Guorong Wu

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 该研究提出NeuroPilot多智能体系统，整合神经影像处理、质控与管理流程，在17个超12.3万受试者的队列中验证，将传统2-3个月的工作压缩至一周，提升了可扩展性与效率。

Comments 21 pages, 6 figures

Toward surface-based registration of a virtual preoperative cutting guide onto the mandible for reconstruction surgery

面向虚拟术前切割导板与下颌骨的基于表面的配准技术用于重建手术

Yue Yang, Jie Ying Wu

机构 * Vanderbilt University（范德堡大学） 纠错

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

AI总结 该研究提出一种无标记AR方案，通过扩展表面配准技术实现虚拟切割导板与术中暴露下颌骨的配准，经测试其配准误差与延迟支持替代物理打印导板的可行性。

A neural operator view on U-Nets for inverse imaging problems

逆成像问题中U-Net的神经算子视角

Alexander Auras, Martin Burger, Samira Kabri, Michael Moeller, Michael Schopf-Kuester

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

AI总结 本研究从神经算子视角分析逆成像问题的U-Net架构，对比不同神经算子U-Net的优缺点，发现经典U-Net对分辨率变化的鲁棒性优于天生分辨率不变的U型神经算子架构。

Intrinsic-Hybrid Latent Diffusion Models for Generative Modeling on Unknown Manifolds

用于未知流形生成建模的内在混合隐式扩散模型

Yizhu Wang, Mu Niu, Xiaochen Yang

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

AI总结 该研究提出ILDM框架，将概率降维与未知流形几何感知扩散结合，通过混合扩散与近似去噪得分匹配方法，在三类数据集上实现生成质量提升，降低了FID和LPIPS分数。

HarMoE: Multi-Source Chest Radiograph Pretraining with Dataset-Disentangled Experts

HarMoE：基于数据集解耦专家的多源胸部X射线预训练

Haozhe Luo, Ziyu Zhou, Shelley Zixin Shu, Mauricio Reyes

机构 * University of Bern（伯尔尼大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本研究提出HarMoE框架，通过解耦数据集专家从异构胸部X射线数据集学习，提升了放射学视觉-语言模型的零样本分类、分布外迁移等性能，相关代码与87.3万份数据集将公开。

Similarity Weighted Aggregation with Global Differential Privacy for Federated Brain Lesion Segmentation

面向联邦脑病灶分割的结合全局差分隐私的相似度加权聚合

Muhammad Irfan Khan, Eero Lehtonen, Joni Obradovic, Elina Kontio, Esa Alhoniemi, Suleiman A. Khan, Mojtaba Jafaritadi

机构 * Turku University of Applied Sciences（图尔库应用科学大学） 纠错

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

AI总结 本研究提出DP-SimAgg框架，结合相似度加权聚合与服务器端差分隐私，在FeTS 2022数据集上验证其可在保护隐私的同时保持脑病灶分割的竞争力性能。

Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided

基于动态可靠性引导的骨盆骨分割模型测试时适应

Ling Ren, Chao Deng, Ziming Wang, Yuecong Xu, Kai Zheng

机构 * College of Automation, Nanjing University of Posts and Telecommunications（南京邮电大学自动化学院） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； the Affiliated Stomatological Hospital of Nanjing Medical University（南京医科大学附属口腔医院） 纠错

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

AI总结 针对骨盆骨分割模型跨中心域偏移导致的性能下降问题，提出ReGA框架，结合SICE准则、信任加权细化模块、对比学习与TS方案，在三个数据集上优于现有TTA方法，实现有效适应。

Comments Provisionally accepted for presentation at MICCAI 2026

Reconstruction-Shift Discrimination via Mask-Guided Latent Diffusion for Medical Anomaly Detection

基于掩码引导的潜在扩散的重构-偏移判别用于医学异常检测

Yibo Wan, Jinyu Cai, Yunhe Zhang, Yi Bin, See-kiong Ng

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

AI总结 该研究提出判别式掩码引导扩散（DMD）框架，结合自监督分类的重构-偏移判别与残差定位，在五种医学影像数据集上实现了最优的无监督医学异常检测性能。

tFUSOperator: Operator Learning for Transcranial Focused Ultrasound Digital Twins

tFUSOperator：用于经颅聚焦超声数字孪生的算子学习

Minjee Seo, Haris Ghafoor, Minju Seol, Seonaeng Cho, Kyungho Yoon

机构 * School of Mathematics and Computing (Computational Science and Engineering), Yonsei University（延世大学数学与计算科学学院（计算科学与工程）） ； Innovative & Intelligent Computational Science Institute (IN2CSI)（创新与智能计算科学研究所） 纠错

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

AI总结 该研究提出首个基于算子的tFUS声场预测模型tFUSOperator，其定位声焦点精度高、速度远快于数值模拟，为患者特异性tFUS治疗数字孪生提供了无辐射的快速方案。

Comments Published at Digital Twin for Healthcare (MICCAI 2026 Workshop)

SAM+D: Parameter-Efficient Dimensional Lifting of SAM-Family Models via Depth-Routed LoRA and Depth Shifting

SAM+D：通过深度路由LoRA与深度移位实现SAM系列模型的参数高效维度提升

Yu Song, Hao Sun, Shiyu Teng, Ikuko Nishikawa, Yen-wei Chen

机构 * College of Information Science and Engineering, Ritsumeikan University（立命馆大学信息科学与工程学院） 纠错

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

AI总结 该研究提出SAM+D框架，通过DRLoRA与DSM两个轻量模块，以仅微调约2.8%（SAM）或3.7%（SAM2）参数的方式，实现2D SAM至3D、SAM2至4D的高效分割，在多个基准上取得具竞争力结果。

Comments Accepted to ECCV2026

A Query-Efficient Stochastic Volume Rendering Framework for Time-Varying Implicit Neural Volumes

面向时变隐式神经体积的查询高效随机体积渲染框架

Alper Sahistan, Haichao Miao, Zhimin Li, Peer-Timo Bremer, Joshua A Levine, Valerio Pascucci

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

AI总结 针对时变隐式神经体积渲染的性能挑战，提出基于delta跟踪的查询高效随机体积渲染框架，采用四阶段异构并行流水线，结合光线预算与查询剪枝，在RTX 4090上实现1024×1024分辨率下30-40 FPS及毫秒级时间步更新，支持交互式时变数据探索。

SAFViT: Spatial Attention Fusion Gating for Vision Transformer-Based Nucleus Segmentation and Classification

SAFViT：用于基于视觉Transformer的细胞核分割与分类的空间注意力融合门控

Harshit Mittal, Arash Rabbani

机构 * School of Computer Science, University of Leeds（利兹大学计算机学院） 纠错

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

AI总结 本研究针对数字病理学中细胞分割与分类的冗余信息问题，提出SAF门控模块替换CellViT的传统跳跃连接，在PanNuke和MoNuSeg数据集上使mPQ达0.471，死亡类F1分数提升14.5个百分点。

Explaining BiomedCLIP with Weighted Banzhaf Interactions Supported by Tree-Gram Parsing

用基于树图解析支持的加权班扎夫交互解释生物医学CLIP

Jakub Rymarski, Adam Rempała, Bartłomiej Sobieski, Przemysław Biecek

机构 * University of Warsaw（华沙大学） ； Centre for Credible AI, Warsaw University of Technology（华沙理工大学可信人工智能中心） 纠错

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

AI总结 研究针对视觉语言模型在医学任务中解释难的问题，引入ParseFIxLIP方法，将树图解析融入班扎夫交互博弈，通过smart_depth分组策略减轻概念碎片化，提升跨模态交互可解释性，为VLM决策提供医学领域相关见解。

Comments 12 pages, 13 figures. Accepted at EXPLIMED 2026 (Third Workshop on Explainable Artificial Intelligence for the medical domain), IJCAI-ECAI 2026