医学 AI

RF-HiT: Rectified Flow Hierarchical Transformer for General Medical Image Segmentation

RF-HiT：校正流分层变换器用于通用医学图像分割

Ahmed Marouane Djouamaa, Abir Belaala, Abdellah Zakaria Sellam, Salah Eddine Bekhouche, Cosimo Distante, Abdenour Hadid

机构 * Computer Science department Mohamed Khider University Biskra, Algeria ； ISASI, CNR \& University of Salento 73100 Lecce, Italy ； AI University of the Basque Country (UPV/EHU), Spain ； Sorbonne Center for Artificial Intelligence, Sorbonne University Abu Dhabi, UAE 纠错

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

AI总结 RF-HiT通过整合hourglass变换器骨干和多尺度分层编码器，实现高效的医学图像分割，在保持精度的同时提升效率，达到91.27%的Dice系数。

MediRound: Multi-Round Entity-Level Reasoning Segmentation in Medical Images

MediRound：医学图像中的多轮实体级推理分割

Qinyue Tong, Ziqian Lu, Jun Liu, Rui Zuo, Zheming Lu, Yueming Jin

机构 * Zhejiang University（浙江大学） ； Zhejiang Sci-Tech University（浙江理工大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出多轮实体级医学推理分割任务MEMR-Seg，构建大规模数据集MR-MedSeg，并设计基线模型MediRound，通过判断与纠正机制缓解错误传播，在医学教育场景中优于传统方法。

Comments In this version, we have improved some suboptimal expressions in the manuscript and completed the authors' information, such as ORCID IDs

APRIL-MedSeg: A Modular Medical Image Segmentation Toolbox Embracing Modern Paradigms

APRIL-MedSeg: 一个拥抱现代范式的模块化医学图像分割工具箱

Juntao Jiang, Jinsheng Bai, Linxuan Fan, Yali Bi, Jiangning Zhang, Yong Liu

机构 * Zhejiang University, APRIL Lab（浙江大学APRIL实验室） ； Vanderbilt University（范德比尔特大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出YAML驱动的模块化框架APRIL-MedSeg，将分割网络分解为可复用组件，集成半监督、域适应、知识蒸馏、弱监督、文本引导分割及基础模型支持，通过注册配置系统实现灵活可复现的实验管理。

Comments 31 pages, 1 figure, and 8 tables

Skill-Evolving Grounded Reasoning for Free-Text Promptable 3D Medical Image Segmentation

技能演进的基于推理的自由文本提示3D医学图像分割

Tongrui Zhang, Chenhui Wang, Yongming Li, Zhihao Chen, Xufeng Zhan, Hongming Shan

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

AI总结 提出SEER框架，通过推理驱动的视觉-语言对齐和技能演进策略，解决自由文本提示3D医学图像分割中对语言变异的鲁棒性问题。

Comments MICCAI'26 Early Accept

UHR-Net: An Uncertainty-Aware Hypergraph Refinement Network for Medical Image Segmentation

UHR-Net：一种用于医学图像分割的不确定性感知超图精炼网络

Shuokun Cheng, Jinghao Shi, Kun Sun

机构 * School of Computer Sciences, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机科学学院） 纠错

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

AI总结 针对病灶边界模糊和小病灶分割困难，提出UHR-Net，采用不确定性导向实例对比预训练和不确定性引导超图精炼模块，在五个公开数据集上取得一致提升。

Comments 12 pages, 4 figures, 4 tables

People-Centred Medical Image Analysis via Fairness-Aware Human-AI Cooperation

以人为本的医学图像分析：通过公平感知的人机协作

Zheng Zhang, Milad Masroor, Cuong Nguyen, Tahir Hassan, Yuanhong Chen, David Rosewarne, Kevin Wells, Thanh-Toan Do, Gustavo Carneiro

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

AI总结 提出PecMan框架，联合建模子群依赖可靠性、决策分配和协作预测，通过门控与整合机制动态分配病例给自动模型或人类专家，无需测试时敏感属性，实现公平感知的人机协作分类。

Comments Submitted to Medical Image Analysis

MedVision: Benchmarking Quantitative Medical Image Analysis

MedVision：定量医学图像分析的基准测试

Yongcheng Yao, Yongshuo Zong, Raman Dutt, Yongxin Yang, Sotirios A Tsaftaris, Timothy Hospedales

机构 * University of Edinburgh（爱丁堡大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） 纠错

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

AI总结 针对当前医学视觉语言模型缺乏定量推理能力的问题，提出MedVision数据集和基准，涵盖22个公共数据集、3080万图像-标注对，通过监督和强化微调显著提升检测、肿瘤/病变大小估计和角度/距离测量性能。

Comments 22 pages, 13 figures, 14 tables

BCNet: Bronchus Classification via Structure Guided Representation Learning

BCNet：基于结构引导表征学习的支气管分类

Wenhao Huang, Haifan Gong, Huan Zhang, Yu Wang, Xiang Wan, Haofeng Li, Guanbin Li, Hong Shen

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

AI总结 该研究针对自动支气管分类的个体拓扑差异挑战，提出结构引导的BCNet框架，在BronAtlas基准上F1分数超现有最优方法8%以上，还发布了支气管成像分析开放基准BronAtlas。

Comments The benchmark is available at https://osf.io/pskr9/?viewonly=94fa3d87274b4095ac9a4b88cc9a1341

Adaptable Segmentation Pipeline for Diverse Brain Tumors with Radiomic-Guided Subtyping and Lesion-Wise Model Ensemble

适用于多样化脑肿瘤的自适应分割流程：放射组学引导的亚型分类与病灶级模型集成

Daniel Capellán-Martín, Abhijeet Parida, Zhifan Jiang, Nishad Kulkarni, Krithika Iyer, Austin Tapp, Syed Muhammad Anwar, María J. Ledesma-Carbayo, Marius George Linguraru

机构 * Sheikh Zayed Institute for Pediatric Surgical Innovation（Sheikh Zayed儿童外科创新研究所） ； Children’s National Hospital（儿童医院） ； University of Washington（华盛顿大学） ； Universidad Politécnica de Madrid（马德里理工大学） ； CIBER-BBN ； ISCIII ； School of Medicine and Health Sciences（医学与健康科学学院） 纠错

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

AI总结 提出一种灵活模块化的自适应分割流程，通过放射组学特征检测肿瘤亚型并平衡训练，结合病灶级性能指标优化模型集成与后处理，在BraTS 2025挑战赛中达到顶尖性能，支持临床定量肿瘤测量。

Comments 12 pages, 5 figures, 3 tables. Algorithm presented at MICCAI BraTS 2025

MoPET: Parameter-Efficient Mixture-of-Experts for Unified Medical Image Classification

MoPET：面向统一医学图像分类的参数高效混合专家模型

Sebastian Doerrich, Daniel Würtinger, Francesco Di Salvo, Shyam Nandan Rai, Christian Ledig

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

AI总结 MoPET作为参数高效混合专家模型，通过稀疏路由整合多任务PEFT专家，在MedMNIST基准上实现了医学图像分类准确率提升，缓解了跨域梯度冲突与负迁移问题。

Comments Accepted to EMA4MICCAI 2026

Neural Born Series Operator for Biomedical Ultrasound Computed Tomography

用于生物医学超声计算机断层扫描的神经玻恩级数算子

Zhijun Zeng, Yihang Zheng, Youjia Zheng, Yubing Li, Zuoqiang Shi, He Sun

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

AI总结 该研究针对超声计算机断层扫描（USCT）全波形反演计算密集的问题，提出神经玻恩级数算子（NBSO），在脑部和乳腺数据集上验证其可加速波模拟与USCT图像重建，推动USCT临床应用。

Comments Withdrawn by the authors because this manuscript is an incomplete preliminary version. The work has since been substantially revised and expanded, and the present version no longer reflects the authors' final results. The updated work is available as arXiv:2508.12226

In-batch Relational Features Enhance Precision in An Unsupervised Medical Anomaly Detection Task

批内关系特征提升无监督医学异常检测任务的精度

P. Bilha Githinji, Ijaz Gul, Lian Zhang, Jinhao Xu, Peiwu Qin, Dongmei Yu

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

AI总结 在无监督医学图像异常检测中，将病理与正常解剖变异混淆是挑战。通过批内超图估计和共享权重图卷积层增强CNN自动编码器潜在表示，提升健康与病理样本可分性，降低误报率。

A method for tissue-mask supported whole-body image registration in the UK Biobank

一种基于组织掩膜支持的全身图像配准方法用于UK Biobank

Yasemin Utkueri, Elin Lundström, Håkan Ahlström, Johan Öfverstedt, Joel Kullberg

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

AI总结 本文提出了一种基于性别的全身MRI图像配准方法，利用皮下脂肪和肌肉掩膜提升配准精度，提高了Dice分数和减少了标签错误频率，增强了医学研究中的应用价值。

Journal ref Sci Rep 16, 19383 (2026)

HSMLA: Hierarchical Softmax Multi-scale Linear Attention for Efficient Vision Transformers

HSMLA：用于高效视觉Transformer的分层Softmax多尺度线性注意力

Dong Liu, Yanxuan Yu, Renata Borovica-Gajic, Tong Geng, Ying Nian Wu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Columbia University（哥伦比亚大学） ； The University of Melbourne（墨尔本大学） 纠错

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

AI总结 针对视觉Transformer高分辨率密集预测的计算开销问题，提出HSMLA，结合多类注意力机制与深度卷积，在多项任务上实现精度与效率的优异平衡。

SemICP: Semantic Non-Rigid Point Cloud Registration with Elastic Energy Regularization

SemICP：基于弹性能量正则化的语义非刚性点云配准

Wanwen Chen, Qi Zeng, Carson Studders, Zongze Li, Jamie J. Y. Kwon, Tara Kemper, Emily H. T. Pang, Eitan Prisman, Septimiu E. Salcudean

机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Faculty of Medicine, University of British Columbia（医学院，不列颠哥伦比亚大学） 纠错

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

AI总结 研究针对计算机辅助干预中点云配准问题，提出SemICP框架，结合语义信息点匹配与变形正则化，经多数据集测试，相比其他方法降低多种距离误差，结合AI分割后为多模态配准提供有效管道。

NetForge RL: A Multi-Agent Simulation Environment for Cyber Defense with Durative Actions

事件驱动的时间图网络用于NetForge_RL中的异步多智能体网络防御

Igor Jankowski

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

AI总结 本文提出CT-GMARL方法，通过固定步长神经微分方程处理非规则采样警报，解决多智能体强化学习在仿真到现实转换中的瓶颈问题，实验证明其在连续时间POSMDP中的有效性。

Comments 7 pages

Confidence-Uncertainty Boundary Calibration for Bayesian Deep Learning in Medical Image Analysis

医学图像分析中贝叶斯深度学习的置信-不确定性边界校准

Hua Xu, Julián D. Arias-Londoño, Juan I. Godino-Llorente

机构 * Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad Politécnica de Madrid（电信工程高级学院马德里理工大学） 纠错

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

AI总结 提出基于贝叶斯深度学习的概率优化框架，通过置信-不确定性边界曲线（CUBC）和边界损失（CUB-Loss）校准预测置信与不确定性，并引入双温度缩放（DTS）进行后处理，在肺炎、糖尿病视网膜病变和皮肤病变三个医学图像任务上验证了有效性。

Comments 26 pages, 4 figures

NEURON: A Neuro-symbolic System for Grounded Clinical Explainability

NEURON：一种面向临床可解释性的神经符号系统

Anuradha Chandrasekaran, Dimitrios Zikos, Mutlu Mete, Alan Pang, Brady D. Lund, Kewei Sha

机构 * University of North Texas（北卡罗来纳大学达顿分校） ； Texas Tech University Health Sciences Center（德克萨斯农工大学健康科学中心） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)；clinical AI(abstract)

AI总结 NEURON结合医学本体和机器学习模型，提升预测可靠性与临床可解释性，通过RAG层生成自然语言解释，在MIMIC-IV数据集上提升AUC至0.84-0.88。

Rapid quantitative chemical composition mapping using model-based MRI reconstruction with field inhomogeneity correction

基于场不均匀性校正的模型磁共振成像重建实现快速定量化学成分映射

Artyom Tsanda, Stefan Benders, Muhammad Adrian, Alexander Penn, Tobias Knopp

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

AI总结 研究针对化学工程中快速评估化学成分空间变化的需求，采用基于模型的重建框架，嵌入先验光谱知识并考虑场不均匀性，通过体模实验验证方法有效性及精度，应用稀疏k空间采样可进一步减少采集时间。

A Statistical Multi-Objective Framework for Assessing Sensitivity of Radiomic AI Models to Acquisition Parameters

放射组学AI模型对获取参数的敏感性如何？

D. Gil, I. Sanchez, C. Sanchez

机构 * Computer Vision Center（计算机视觉中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)；diagnosis(abstract)

AI总结 本研究提出了一种性能导向的框架，用于量化放射组学AI模型对扫描参数的敏感性，并识别与跨数据集鲁棒性提升相关的临床重要参数区域。

Reduced NEXI protocol for the quantification of human gray matter microstructure on the Connectome 2.0 scanner

用于Connectome 2.0扫描仪中人类灰质微结构量化的一种简化NEXI协议

Quentin Uhl, Tommaso Pavan, Julianna Gerold, Kwok-Shing Chan, Yohan Jun, Shohei Fujita, Aneri Bhatt, Yixin Ma, Qiaochu Wang, Hong-Hsi Lee, Susie Y. Huang, Berkin Bilgic, Ileana Jelescu

机构 * Lausanne University Hospital (CHUV) and University of Lausanne（拉沃斯大学医院（CHUV）和拉沃斯大学） ； Massachusetts General Hospital（麻省总医院） ； Athinoula A. Martinos Center for Biomedical Imaging（阿提诺拉A.马丁诺斯生物医学成像中心） 纠错

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

AI总结 本文提出一种简化NEXI协议，利用可解释AI框架减少扫描时间，验证了其在体内的有效性，并展示了其在微结构映射中的优势。

Comments Submitted to Imaging Neuroscience. This all-in-one version includes supplementary materials. 34 pages, 145 figures, 4 tables

VERITAS: A Multi-Agent Co-Scientist for Verifiable Image-Derived Hypothesis Testing

VERITAS：通过智能系统进行图像派生假设检验的可验证认知推理

Lucas Stoffl, Benedikt Wiestler, Johannes C. Paetzold

专题命中 医学影像 ：MRI(abstract,abstract_cn)；medical image(abstract)

AI总结 VERITAS通过多智能体系统自主测试自然语言假设，生成可审计的证据链，通过四阶段工作流和认知证据标签框架提升医学影像研究的可验证性，达到81.4%的准确率。

Comments 43 pages, 5 figures. Code available at https://github.com/LucZot/veritas

Structured SIR: Efficient and Expressive Importance-Weighted Inference for High-Dimensional Image Registration

Structured SIR: 高效且富有表现力的重要性加权推断用于高维图像配准

Ivor J. A. Simpson, Neill D. F. Campbell

机构 * University of Sussex（萨塞克斯大学） ； University College London（伦敦大学学院） ； University of Bath（巴斯大学） 纠错

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

AI总结 提出Structured SIR方法，结合采样重要性重采样与低秩加稀疏Cholesky精度因子的协方差参数化，实现高维3D图像配准中高效且多模态的不确定性量化。

Forensic Reproducibility Audit of a Radiology Vision-Language Model Benchmark: From Intended Protocol to Released Artifact

放射学视觉语言模型基准的法证可重复性审计：从预期协议到发布工件

Mateusz Kozłowski

专题命中 医学影像 ：radiology(title)；分类 cs.CV

AI总结 对胸部X光视觉语言模型试点进行法证可重复性审计，追踪提示绑定等多方面情况，发现存在图像渲染、数据分割等问题，重建队列改变统计值，撤回原声明并指定机器可验证控制。

Comments Withdrawn by the author. On further review, the archived artifacts underlying this audit are too incomplete to support the reported statistics, and the paper's conclusions do not follow from the available evidence. The work is withdrawn in full; earlier versions should not be cited

Med-SegLens: Latent-Level Model Diffing for Interpretable Medical Image Segmentation

Med-SegLens: 基于潜在层的模型差分用于可解释的医学图像分割

Salma J. Ahmed, Emad A. Mohammed, Azam Asilian Bidgoli

机构 * Department of Physics（物理系） ； Computer Science, Wilfrid Laurier University, Waterloo, Canada（计算机科学，威尔弗里德·劳里尔大学，温哥华，加拿大） 纠错

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

AI总结 Med-SegLens通过潜在层模型差分技术，实现了对医学图像分割失败的诊断和数据集偏移的缓解，通过干预潜在特征提升分割性能。

MedP-CLIP: Medical CLIP with Region-Aware Prompt Integration

MedP-CLIP：具有区域感知提示集成的医学CLIP

Jiahui Peng, He Yao, Jingwen Li, Yanzhou Su, Sibo Ju, Yujie Lu, Jin Ye, Hongchun Lu, Xue Li, Lincheng Jiang, Min Zhu, Junlong Cheng

机构 * Sichuan University（四川大学） ； Xinjiang University（新疆大学） ； Alibaba Group（阿里巴巴集团） ； Fuzhou University（福州大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Southwest Jiaotong University（西南交通大学） 纠错

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

AI总结 提出MedP-CLIP，一种区域感知医学视觉语言模型，通过特征级区域提示集成机制，支持多种提示形式，在保持全局上下文的同时聚焦局部区域，在零样本识别、交互式分割等任务中显著优于基线方法。

Comments Accepted by Medical Image Analysis (MedIA)

Journal ref Medical Image Analysis, 113 (2026), 104193

Delta-Diffusion: Modeling Longitudinal Brain Amyloid-PET Trajectories via Conditional Poisson Diffusion Bridge

Delta-Diffusion: 通过条件泊松扩散桥建模纵向脑淀粉样蛋白-PET轨迹

Yongheng Sun, Minhui Yu, Mengqi Wu, Maureen Kohi, Mingxia Liu

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、eess.IV

AI总结 提出Delta-Diffusion框架，将纵向PET合成建模为条件泊松扩散桥过程，结合扩散Transformer和物理启发的泊松扰动，在542名受试者上优于现有方法，准确捕捉淀粉样蛋白沉积的纵向变化。

Generalized Least Squares Kernelized Tensor Factorization

广义最小二乘核张量分解

Mengying Lei, Lijun Sun

机构 * McGill University（麦吉尔大学） 纠错

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

AI总结 针对恢复多维张量结构数据问题，提出GLSKF框架，通过整合全局与局部相关分量，利用协方差正则化等方法建模，结合交替最小二乘算法求解，在多个实际数据补全任务中展现出卓越性能和良好扩展性。

Journal ref Pattern Recognition, 114342 (2026)

TRACE: A Concept Bottleneck Model for Longitudinal 3D Glioblastoma Response Assessment

TRACE：用于纵向3D胶质母细胞瘤反应评估的概念瓶颈模型

Alia Tarek, Hamsa Saberr, Hamza Elghonemy, Youssef Afify, Tamer Basha, Omair Shahzad Bhatti, Abdulrahman M. Selim, Hasan Md Tusfiqur Alam, Daniel Sonntag

机构 * Department of Biomedical and Healthcare Data Engineering, Faculty of Engineering, Cairo University（生物医学与健康数据工程系，工程学院，开罗大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； University of Oldenburg（奥尔登堡大学） 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TRACE模型，通过概念瓶颈架构将RANO 2.0标准融入深度学习，实现可解释的4类胶质母细胞瘤纵向反应分类，在LUMIERE数据集上达到4类宏F1为0.4769，并支持概念校正。

Comments Accept in the EXPLIMED: Explainable Artificial Intelligence for the Medical Domain workshop in IJCAI 2026

BMDS-Net:Deployment-aware multi-modal brain tumor segmentation with adaptive fusion,decoder regularization,and Bayesian calibration

BMDS-Net：一种用于鲁棒脑肿瘤分割的贝叶斯多模态深度监督网络

Yan Zhou, Suncheng Xiang, Zhen Huang, Yue Ouyang, Yingqiu Li, Zehua Wang

机构 * School of Mathematics and Statistics, Changsha University of Science and Technology（数学与统计学学院，长沙理工大学） ； School of Biomedical Engineering, Shanghai Jiao Tong University（生物医学工程学院，上海交通大学） ； Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine（上海胸科医院，上海交通大学医学院） 纠错

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

AI总结 BMDS-Net通过贝叶斯方法提升多模态脑肿瘤分割的鲁棒性和可信度，实现更稳定的临床应用。

Comments 21 pages, 6 figures. Manuscript prepared for submission to ACM HEALTH