A Scalable AI-Powered System for Explainable Machine Learning Pipelines in Brain Tumor
用于脑肿瘤可解释机器学习流水线的可扩展人工智能驱动系统
专题命中 病理影像 ：medical image(abstract)
AI总结 该研究开发了一款用于神经肿瘤学的可扩展网络视觉分析系统，整合队列管理、特征提取与受保护推理功能，可提升AI可解释性，为临床脑肿瘤AI应用提供实用基础。
科学与医疗
医学 AI
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
1. 病理影像 129 篇
Dynamic phase-field model for brittle fracture in grounded glaciers
接地冰川脆性断裂的动态相场模型
专题命中 病理影像 ：pathology(abstract)
AI总结 针对接地冰川脆性断裂模拟的非物理问题，本文提出动态相场断裂模型，引入Kumar等人模型的新动态公式，考虑惯性可得到贯穿冰层的尖锐局域化裂纹，提升了冰川断裂模拟的合理性。
Can a small additional claim lower the premium? Credibility orders for collective risk models
一个小的附加索赔能否降低保费？集体风险模型的可信度排序
专题命中 病理影像 ：pathology(abstract)
AI总结 研究集体风险模型中可信度排序问题，指出标准模型规范可能违反单调性，通过给出反例说明小附加索赔可能降保费，进而形式化适用于该模型的可信度排序及充分条件，并进行数值研究和实证说明。
Bayesian Repetition Penalty: A Principled Adjacent-Conditional Framework for Reversing Attention Collapse in Autoregressive Language Models
贝叶斯重复惩罚：一种用于扭转自回归语言模型中注意力崩溃的有原则的相邻条件框架
专题命中 病理影像 ：pathology(abstract)
AI总结 针对自回归语言模型注意力崩溃问题，提出基于相邻条件概率构造的贝叶斯重复惩罚框架，通过自归一化惩罚率校正异常置信度，经指数移动平均累积到输出层偏差，实验表明该机制能拯救崩溃模型并保持生成质量。
Millimeter-scale wide-field mid-infrared photothermal imaging enabled by a broadly tunable picosecond optical parametric oscillator
由宽调谐皮秒光参量振荡器实现的毫米级宽场中红外光热成像
专题命中 病理影像 ：biomedical(abstract)
AI总结 研究克服宽场中红外光热成像在视场等方面的限制，通过开发由商用皮秒光参量振荡器驱动的F-MIP成像平台，实现毫米级宽场成像及900cm-1以下宽场MIP成像，可用于生物医学成像等，是高通量振动成像可扩展平台。
Comments 8 pages, 3 figures
Efficient classical simulation of two-dimensional long-range systems: Rydberg arrays and beyond
二维长程系统的高效经典模拟：里德堡阵列及其他
专题命中 病理影像 ：pathology(abstract)
AI总结 针对任意全对全两体相互作用的N 位量子系统，新框架将张量网络态下计算局部能量的成本从O(N³)降至O(N)，实现实时动力学和基态的可扩展精确计算，能模拟里德堡模拟器中模型。
Quaternion Nondecimated Wavelet Descriptors for Multiclass Breast Histology Classification
用于多类乳腺组织学分类的四元数非抽取小波描述符
专题命中 病理影像 ：pathology(abstract)
AI总结 提出可解释的四元数非抽取小波框架，将RGB图像编码为纯四元数场，通过二维四元数非抽取小波变换提取多尺度、方向性、颜色耦合的特征，用于乳腺组织学四分类，在BACH数据集上使用径向核SVM实现平衡识别。
Comments 19 pages, 8 figures. Code available at https://github.com/saraantonijevic/QNDWT2D-histology
CellPrior-Net: Prior-Guided Nuclei Detection and Classification for H&E Whole-Slide Images
CellPrior-Net: 基于先验引导的H&E全切片图像细胞核检测与分类
专题命中 病理影像 ：pathology(abstract)
AI总结 提出CellPriorNet，利用轻量级CNN和H通道先验信息实现高效细胞核检测与分类，在8个数据集上达到可比性能并显著减少推理时间。
Comments Submitted to Intelligence-Based Medicine Journal
Simulating Eating Disorder Patients with LLMs: Evaluating Psychological Persona Stability in Multi-Turn Conversations
使用LLM模拟饮食障碍患者：评估多轮对话中的心理角色稳定性
专题命中 病理影像 ：pathology(abstract)
AI总结 本研究通过饮食障碍案例和双评估框架，发现LLM在模拟患者时过度稳定且不准确，系统性地高估严重程度12-30%，并存在“缺失中间态”问题。
Conformal Recovery-Deadline Certificates for Runtime Assurance of Adapting Controllers
自适应控制器运行时保证的共形恢复截止证书
机构 * Myers-Lawson School of Construction, Virginia Tech（迈尔斯-劳森建设学院，弗吉尼亚理工学院）
专题命中 病理影像 ：pathology(abstract)
AI总结 针对在线自适应控制器在恢复瞬态期间被安全防护误触发的问题，提出共形恢复截止证书，基于分裂共形预测提供恢复时间的分布无关有限样本上界，实现延迟切换并保证覆盖，分离自主性与安全性。
TASR: Training-Free Adaptive Stopping for Iterative Retrieval
TASR：无需训练的迭代检索自适应停止规则
专题命中 病理影像 ：pathology(abstract)
AI总结 提出TASR，一种无需训练的迭代检索停止规则，通过重复答案检测和逻辑回归边际阈值减少冗余检索，在多种配置下保持高F1值并降低调用次数。
Comments 20 pages, 5 figures. Accepted at Agent4IR Workshop, KDD 2026
Deviance from a pink noise regime in the temporal organization of semantic relations in psychosis
精神病语义关系时间组织中粉红噪声模式的偏离
专题命中 病理影像 ：pathology(abstract)
AI总结 通过去趋势波动分析（DFA）量化BERT导出的余弦相似度时间序列，发现精神病患者语义波动中存在异常强的长程时间相关性，表明语言时间组织偏离粉红噪声。
Minimal Oversight: Uncertainty-Aware Governance for Delegated AI Systems
最小监督：委托AI系统的不确定性感知治理
机构 * Independent Researcher（独立研究员）
专题命中 病理影像 ：pathology(abstract)
AI总结 提出最小充分监督原则（MSO），通过Fisher信息流形上的变分法最小化治理负担，导出任务空间的水填充分配，并证明容量定理、局部近似和漂移主导的自律时间标度律，为委托AI系统提供可计算的治理框架。
Comments Companion Python package: pip install minimal-oversight | Code: https://github.com/crbazevedo/delegation-lab | 26 pages, 1 figure, 5 tables
Bayesian machine learning approach for recurrent events studies using Soft Bayesian Additive Regression Trees (SBART)
基于贝叶斯机器学习方法的复发事件研究：软贝叶斯加性回归树（SBART）
专题命中 病理影像 ：biomedical(abstract)
AI总结 提出软贝叶斯加性回归树（SBART）非参数方法，结合软决策树与贝叶斯集成学习，用于复发事件建模，通过两层数据增强实现高效计算，在模拟和实际数据中优于现有方法。
Recent applications of the subtracted second RPA method
减除二阶RPA方法的最新应用
专题命中 病理影像 ：pathology(abstract)
AI总结 综述减除二阶RPA（SSRPA）方法在核物理中的最新进展，克服了二阶RPA在能量密度泛函理论中的病态问题，并展示了在电荷守恒和电荷交换激发中的应用。
Comments Accepted for publication in Progress in Particle and Nuclear Physics
Journal ref Progress in Particle and Nuclear Physics 2026
Compact Optical-Resolution Photoacoustic Microscopy System with Reflective Objective-Based Transducer Integration
紧凑型光学分辨率光声显微镜系统：基于反射物镜的换能器集成
专题命中 病理影像 ：biomedical(abstract)
AI总结 提出一种紧凑型光学分辨率光声显微镜系统，通过反射物镜将大面积PVDF换能器集成于光学遮挡区，实现高光学性能与声检测效率，并验证了对黑色素的无标记成像能力。
2. 医疗多模态 77 篇
Scalable Training of Spatially Grounded 2D Vision-Language Models for Radiology
面向放射学的空间定位2D视觉-语言模型的可扩展训练
机构 * Computer Vision Group, University of Freiburg, Germany（德国弗莱堡大学计算机视觉组） ； Department of Radiology, Medical Center -- University of Freiburg, Germany（德国弗莱堡大学医学中心放射科） ； CRIION-AI Lab, Freiburg, Germany（德国弗莱堡CRIION-AI实验室）
专题命中 医疗多模态 ：radiology(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV、cs.LG
AI总结 提出RefRad2D大规模双语数据集，通过LLM和自动分割生成空间定位数据，训练RadGrounder模型联合完成报告生成、VQA和空间定位，在外部基准上取得竞争性结果。
Comments Accepted for MICCAI 2026. First two authors: equal contribution. Last two authors: equal supervision
E-MRL: Cross-view Aligned Evidence-driven Multimodal Reinforcement Learning for Reliable 3D Tumor Analysis
E-MRL: 跨视图对齐的证据驱动多模态强化学习用于可靠的3D肿瘤分析
机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； Hupan Lab（华平实验室） ； Huazhong University of Science and Technology（华中科技大学） ； East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 医疗多模态 ：CT(summary_cn,abstract)；diagnosis(abstract)；分类 cs.CV、eess.IV
AI总结 提出跨视图对齐的证据驱动多模态强化学习框架E-MRL，通过将生成过程建模为“诊断-定位-验证”的马尔可夫决策过程，并引入跨视图一致性奖励，减少视觉幻觉并提升3D CT肿瘤诊断准确性。
Comments 9 pages, 2 figures
Med-OPD: Improving Medical Vision-Language Models via Evidence-Aware On-Policy Distillation
Med-OPD：通过证据感知策略蒸馏改进医学视觉语言模型
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 医疗多模态 ：MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV
AI总结 研究针对医学视觉语言模型依赖语言先验而非视觉证据推理的问题，提出Med-OPD框架，引入医学证据优势信号，在令牌和轨迹级别重新分配蒸馏信号，实验证明该方法能加强模型对关键视觉证据的依赖，提升多模态医学推理能力。
Medical-Checklist: Assessing the Comprehension of Medical Images by Multimodal Models
医学检查表：评估多模态模型对医学图像的理解
专题命中 医疗多模态 ：medical image(title,abstract)；分类 cs.CV；biomedical(comments)
AI总结 介绍医学检查表这一基准测试，通过给模型一张图像及一正一误两个标题进行二元测试，可统一评估不同多模态模型，验证其对医学概念的理解，评估其处理分布外输入的能力，用其评估四个先进模型发现它们理解图像能力待提升。
Comments Accepted for publication in IEEE Journal of Biomedical and Health Informatics
RadFusion: Towards Threshold-Controllable Radiology Report Generation
RadFusion：迈向阈值可控的放射学报告生成
机构 * Microsoft（微软公司）
专题命中 医疗多模态 ：radiology(title,abstract)；分类 cs.CV
AI总结 RadFusion框架为放射学报告生成赋予阈值可控性，融合多标签分类器与VQA报告生成器，提升诊断准确率，支持ROC分析，适配不同临床场景，更易通过监管审批。
LocAnyMed: Vision-Language Grounding for Multimodal Medical Images
LocAnyMed：面向多模态医学图像的视觉-语言定位
专题命中 医疗多模态 ：medical image(title,abstract)；分类 cs.CV
AI总结 该研究构建多模态医学视觉定位数据集LocAnyMed-200K及理由增强子集LocAnyMed-CoT-20K，通过微调LocateAnything-3B提升医学定位性能，为相关研究提供统一基础。
Comments Technical report; work in progress. 28 pages, 5 figures, and 16 tables. Code: https://github.com/MiliLab/LocAnyMed
TIER-MoE: Trust-Informed Expert Routing via Conditional Modality Risk for Multimodal Fusion in Biomedical Classification
TIER-MoE：用于生物医学分类多模态融合的、基于条件模态风险的信任感知专家路由
专题命中 医疗多模态 ：biomedical(title,abstract)；分类 cs.LG
AI总结 该研究提出TIER-MoE风险引导子空间混合专家模型，用于生物医学分类多模态融合，可提升预测性能与概率校准，在多数据集上优于现有最优方法且具备强零样本泛化能力。
Do Pathology Vision-Language Models Truly See Pathology?
病理学视觉语言模型真的能‘看到’病理学吗？
专题命中 医疗多模态 ：pathology(title,abstract)；分类 cs.CV
AI总结 研究病理学视觉语言模型评估中被忽视的问题，提出含多类型样本的PathBind基准，通过对多个VLMs评估发现，当前病理学VLMs在答案性能与视觉语义绑定间有显著差距。
ALICE: Learning a General-Purpose Pathology Foundation Model from Vision, Vision-Language, and Slide-Level Experts
ALICE：从视觉、视觉语言和玻片级专家学习通用病理学基础模型
机构 * Institute of Biopharmaceutical and Health Engineering, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学生物医药与健康工程研究院，清华大学深圳国际研究生院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Department of Pathology, The First Affiliated Hospital of Sun Yat-sen University（中山大学附属第一医院病理科） ； Medical Optical Technology R&D Center, Research Institute of Tsinghua, Pearl River Delta（清华珠三角研究院医学光学技术研发中心）
专题命中 医疗多模态 ：pathology(title,abstract)；分类 cs.CV
AI总结 研究提出通过多阶段凝聚蒸馏训练的ALICE统一基础模型，将多种教师模型知识整合到单个主干。它在大量图像上预训练，经多场景多任务评估，在任务匹配病理基础模型中平均排名最佳，证明凝聚蒸馏可整合能力用于广泛病理学应用。
Text Over Image: Auditing Multimodal Robustness in Synthetic Medical Image Detection
超越视觉取证：审计多模态鲁棒性用于合成医学图像检测
机构 * University of Notre Dame（圣母大学） ； IBM Research（IBM研究院） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） ； Optum AI, UnitedHealth Group（Optum AI, 联合健康集团）
专题命中 医疗多模态 ：medical image(title,abstract)；分类 cs.CV
AI总结 针对合成医学图像检测中多模态鲁棒性不足的问题，提出图像-记录配对基准，揭示视觉语言模型因过度依赖记录上下文而导致的预测偏差。
Comments Accepted at MICCAI 2026. Version 2 is a substantial journal extension of the MICCAI 2026 conference version, with additional provenance perturbations, paired statistical analysis, extended SAVC mitigation experiments, and broader deployment discussion. 19 pages, 3 figures, 2 tables
PathView-Bench: Can Multimodal Large Language Models Achieve Fine-grained Multiscale Understanding of Pathology Images?
PathView-Bench：多模态大语言模型能否实现病理图像的细粒度多尺度理解？
机构 * National Institute for Data Science in Health and Medicine, Xiamen University（厦门大学健康与医学数据科学国家研究院）
专题命中 医疗多模态 ：pathology(title,abstract)
AI总结 研究针对现有病理多模态基准的不足，推出PathVU基准，评估发现主流MLLMs在多尺度病理图像细粒度视觉任务上存在显著局限，为相关模型的开发评估提供了可复现基础。
Evaluating medical AI under missing information: same-provider judges and human raters change apparent safety
在信息缺失情况下评估医疗人工智能：同提供者评判者和人类评分者会改变表面安全性
机构 * Kinvectum AB（金维图姆公司）
专题命中 医疗多模态 ：medical AI(title,abstract)
AI总结 研究在信息缺失下评估医疗人工智能，通过删除对话部分对四个模型压力测试，发现评判者选择影响表面安全性，语言模型评判者更宽松，安全差距在于校准，还发布了相关测试工具等。
Comments GitHub https://github.com/KAVentures/health-ai-readiness-robustness
Multimodal Semantic-Aware Contrastive Learning For False Negative Mitigation in 3D Medical Imaging
用于减轻 3D 医学成像中假阴性的多模态语义感知对比学习
机构 * University of Toronto（多伦多大学） ； The Hospital for Sick Children（病童医院） ； Vector Institute（向量研究所） ； University Hospital Augsburg（奥格斯堡大学医院）
专题命中 医疗多模态 ：MRI(abstract,abstract_cn)；radiology(abstract)；分类 cs.LG、q-bio
AI总结 研究针对3D医学成像中假阴性问题，提出多模态语义感知对比学习框架MseaCL，通过纳入放射学报告语义相似性作指导信号，经实验验证该框架用于预训练可提升下游任务表现，如儿科脑肿瘤分子分类AUC至少增22.6%。
TextSLIP: Text Self-Supervised CLIP for Medical Report Generation
TextSLIP：用于医学报告生成的文本自监督CLIP
专题命中 医疗多模态 ：MRI(abstract,abstract_cn)；radiology(abstract)；分类 cs.CV
AI总结 研究针对现有CLIP方法在医学报告生成中语义监督不足问题，提出TextSLIP框架，通过模态内文本对比学习增强CLIP，经实验验证其在报告生成指标上有改进，表明文本级对比学习对改善医学视觉-文本对齐有潜力。
Comments 9 pages
