医学 AI

Stro-VIGRU: Defining the Vision Recurrent-Based Baseline Model for Brain Stroke Classification

Stro-VIGRU：基于视觉循环的脑卒中分类基线模型定义

Subhajeet Das, Pritam Paul, Rohit Bahadur, Sohan Das

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出基于视觉Transformer和Bi-GRU的脑卒中分类模型，通过冻结部分编码块和数据增强解决类别不平衡问题，达到94.06%的准确率。

Comments Presented at the International Conference on Computational Intelligence and Data Communication, Accepted for publication in the Taylor and Francis Conference Proceedings

Parallel qMRI Reconstruction from 4x Accelerated Acquisitions

从4倍加速采集进行并行qMRI重建

Mingi Kang

机构 * Bowdoin College（鲍德因学院） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出了一种端到端深度学习框架，通过联合估计线圈灵敏度图和重建图像，实现4倍加速的qMRI重建，提升了图像质量并降低了PSNR/SSIM指标。

Matching-Based Few-Shot Semantic Segmentation Models Are Interpretable by Design

基于匹配的少样本语义分割模型通过设计具有可解释性

Pasquale De Marinis, Uzay Kaymak, Rogier Brussee, Gennaro Vessio, Giovanna Castellano

机构 * Department of Computer Science, University of Bari Aldo Moro（巴里大学计算机科学系） ； Jheronimus Academy of Data Science (JADS)（赫尔蒙尼数据科学学院） ； Eindhoven University of Technology (TU/e)（埃因霍温理工大学） 纠错

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

AI总结 本文提出亲和解释器方法，通过匹配分数提取属性图，提升少样本语义分割模型的可解释性与诊断能力。

Less Is More: An Explainable AI Framework for Lightweight Malaria Classification

少即是多：一种可解释的AI框架用于轻量级疟疾分类

Md Abdullah Al Kafi, Raka Moni, Sumit Kumar Banshal

机构 * Daffodil International University（达菲国际大学） ； Alliance University（联盟大学） 纠错

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

AI总结 本研究提出了一种轻量级可解释AI框架，通过特征工程实现高效的疟疾分类，相比深度学习方法在计算效率和透明性上表现更优。

Learning to Upscale 3D Segmentations in Neuroimaging

在神经影像中学习提升3D分割

Xiaoling Hu, Peirong Liu, Dina Zemlyanker, Jonathan Williams Ramirez, Oula Puonti, Juan Eugenio Iglesias

机构 * Massachusetts General Hospital and Harvard Medical School（麻省总医院和哈佛医学院） ； Department of ECE, Johns Hopkins University（约翰霍普金斯大学电子工程系） ； Danish Research Centre for Magnetic Resonance, Copenhagen University Hospital（丹麦磁共振研究所以及哥本哈根大学医院） ； Hawkes Institute, University College London（霍克斯研究所和伦敦大学学院） ； Computer Science and AI Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出了一种可扩展的框架，通过回归有符号距离图，在神经影像中实现3D分割的高分辨率上采样，提升了模型的泛化能力和可扩展性。

Comments 13 pages, 4 figures

An Unconditional Representation of the Conditional Score in Infinite-Dimensional Linear Inverse Problems

条件分数的无条件表示在无限维线性逆问题中

Fabian Schneider, Duc-Lam Duong, Matti Lassas, Maarten V. de Hoop, Tapio Helin

机构 * School of Engineering Science（工程科学学院） ； Lappeenranta-Lahti University of Technology（拉普兰塔-拉赫蒂技术大学） ； Vienna University of Technology (TU Wien)（维也纳技术大学） ； Department of Mathematics and Statistics（数学与统计学系） ； University of Helsinki（赫尔辛基大学） ； Department of Computational and Applied Mathematics（计算与应用数学系） ； Rice University（里士满大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文提出了一种针对线性逆问题的无条件条件分数表示方法，通过离线训练避免正向模型评估，实现高效且精确的采样。

Comments 37 pages, 13 figures, 3 tables. Accepted in TMLR November 2025

Stable electron-irradiated [1-$^{13}$C]alanine radicals for clinically viable metabolic imaging with Dynamic Nuclear Polarization

稳定电子辐照[1-^13C]丙氨酸自由基用于临床可行的代谢成像中的动态核极化

Catriona H. E. Rooney, Justin Y. C. Lau, Esben S. S. Hansen, Nichlas Vous Christensen, Duy A. Dang, Kristoffer Petersson, Iain D. C. Tullis, Borivoj Vojnovic, Sean Smart, Jarrod Lewis, William Myers, Zoe Richardson, Brett W. C. Kennedy, Alice M. Bowen, Lotte Bonde Bertelsen, Christoffer Laustsen, Damian J. Tyler, Jack J. Miller

专题命中 医学影像 ：MRI(abstract)；分类 q-bio

AI总结 通过超高剂量率电子辐照生成稳定的丙氨酸自由基，实现临床可行的代谢成像，克服dDNP临床转化的主要障碍。

Comments This is the original version of a manuscript submitted to Science Advances. Per editorial policy this is not the version post the first revision, but rather the manuscript as originally submitted

Differentiable Simulator for Electrically Reconfigurable Electromagnetic Structures

可微模拟器用于电可重构电磁结构

Johannes Müller, Dennis Philipp, Matthias Günther

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出一种基于PyTorch的可微模拟器，用于优化电可重构电磁结构，通过自动微分实现高效梯度优化，适用于MRI等应用。

Journal ref IEEE Access, Vol. 13, 2025, p. 191343-191356, 10.1109/ACCESS.2025.3630475

Health system learning achieves generalist neuroimaging models

健康系统学习实现通用神经影像模型

Akhil Kondepudi, Akshay Rao, Chenhui Zhao, Yiwei Lyu, Samir Harake, Soumyanil Banerjee, Rushikesh Joshi, Anna-Katharina Meissner, Renly Hou, Cheng Jiang, Asadur Chowdury, Ashok Srinivasan, Brian Athey, Vikas Gulani, Aditya Pandey, Honglak Lee, Todd Hollon

机构 * Machine Learning in Neurosurgery Lab University of Michigan（密歇根大学机器学习神经外科实验室） ； University of Michigan Computational Medicine and Bioinformatics（密歇根大学计算医学与生物信息学） ； University of Michigan Computer Science and Engineering（密歇根大学计算机科学与工程） ； University of Michigan Radiology（密歇根大学放射学） 纠错

专题命中 诊断辅助 ：medical AI(abstract)；MRI(abstract)；CT(abstract)；pathology(abstract)

AI总结 NeuroVFM通过健康系统学习范式，在临床MRI和CT影像上训练，实现高性能通用神经影像模型，提升放射学诊断和报告生成的准确性与临床实用性。

Comments 53 pages, 4 main figures, 10 extended data figures

Early Lung Cancer Diagnosis from Virtual Follow-up LDCT Generation via Correlational Autoencoder and Latent Flow Matching

通过相关自编码器和潜在流匹配进行虚拟随访LDCT生成的早期肺癌诊断

Yutong Wu, Yifan Wang, Qining Zhang, Chuan Zhou, Lei Ying

专题命中 诊断辅助 ：diagnosis(title,abstract)；CT(abstract)；分类 cs.CV

AI总结 本文提出CorrFlowNet方法，通过生成虚拟随访LDCT扫描，提高早期肺癌的诊断准确性。

Comments 10 pages, 3 figures

Fairness in Multi-modal Medical Diagnosis with Demonstration Selection

多模态医学诊断中的公平性与演示选择

Dawei Li, Zijian Gu, Peng Wang, Chuhan Song, Zhen Tan, Mohan Zhang, Tianlong Chen, Yu Tian, Song Wang

机构 * Arizona State University（亚利桑那州立大学） ； University of Rochester（罗切斯特大学） ； University of Virginia（弗吉尼亚大学） ； UCL（伦敦大学学院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Central Florida（佛罗里达中央大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；medical image(abstract,comments)；分类 cs.CV、cs.LG

AI总结 本文提出FADS方法，通过基于聚类的采样提升多模态医学影像诊断的公平性，减少性别、种族和族裔相关差异，同时保持高准确性。

Comments 10 pages (including 2 pages of references), 4 figures. This work explores fairness in multi-modal medical image reasoning using in-context learning

Rethinking Plant Disease Diagnosis: Bridging the Academic-Practical Gap with Vision Transformers and Zero-Shot Learning

重新思考植物疾病诊断：利用视觉变换器和零样本学习弥合学术与实践之间的差距

Wassim Benabbas, Mohammed Brahimi, Samir Akhrouf, Bilal Fortas

机构 * Department of Computer Science, Mohamed El Bachir El Ibrahimi University（计算机科学系，莫亨德·埃巴希里·埃布拉希米大学） ； Laboratory of Physical Chemistry and Biological Materials（物理化学与生物材料实验室） ； Laboratory of Informatics and its Applications of M’sila, Mohamed Boudiaf University（信息学及其应用实验室，莫赫梅德·布迪亚夫大学） ； Department of Computer Science, Mohamed Boudiaf University（计算机科学系，莫赫梅德·布迪亚夫大学） ； Department of agricultural science, Mohamed El Bachir El Ibrahimi University（农业科学系，莫亨德·埃巴希里·埃布拉希米大学） ； Laboratoire d’Amélioration et de Développement de la Production Végétale et Animale (LADPVA), University of Ferhat ABBAS (UFAS-Sétif1)（植物和动物生产改良与发展实验室（LADPVA），费哈特·阿巴斯大学（UFAS-Sétif1）） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 本文通过视觉变换器和零样本学习方法，解决植物疾病诊断中学术数据与实际应用之间的差距问题。

Computer Vision for Real-Time Monkeypox Diagnosis on Embedded Systems

面向嵌入式系统的实时猴痘诊断计算机视觉

Jacob M. Delgado-López, Ricardo A. Morell-Rodriguez, Sebastián O. Espinosa-Del Rosario, Wilfredo E. Lugo-Beauchamp

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of Puerto Rico Mayagüez（波多黎各五月谷大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG

AI总结 本研究提出一种基于MobileNetV2和TensorRT优化的嵌入式系统猴痘诊断工具，实现高精度、低能耗的实时诊断。

Towards Robust and Fair Next Visit Diagnosis Prediction under Noisy Clinical Notes with Large Language Models

基于大型语言模型的噪声临床笔记下的稳健与公平下次就诊诊断预测

Heejoon Koo

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出基于大型语言模型的稳健与公平下次就诊诊断预测方法，通过标签缩减和分层推理策略提升预测鲁棒性和公平性。

Comments Accepted by the Association for the Advancement of Artificial Intelligence (AAAI) 2026 1st Workshop on Safe, Ethical, Certified, Uncertainty-aware, Robust, and Explainable AI for Health (SECURE-AI4H)

Leveraging Evidence-Guided LLMs to Enhance Trustworthy Depression Diagnosis

利用证据引导的LLM提升可信的抑郁症诊断

Yining Yuan, J. Ben Tamo, Micky C. Nnamdi, Yifei Wang, May D. Wang

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出EGDR框架，通过证据引导推理和置信度评分提升抑郁症诊断的准确性和可信度。

Hierarchical knowledge guided fault intensity diagnosis of complex industrial systems

分层知识引导的复杂工业系统故障强度诊断

Yu Sha, Shuiping Gou, Bo Liu, Johannes Faber, Ningtao Liu, Stefan Schramm, Horst Stoecker, Thomas Steckenreiter, Domagoj Vnucec, Nadine Wetzstein, Andreas Widl, Kai Zhou

机构 * School of Artificial Intelligence, Xidian University, Xian, China（西安电子科技大学人工智能学院） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China（香港科技大学（深圳）科学与工程学院） ； Frankfurt Institute for Advanced Studies, Frankfurt am Main, Germany（法兰克福高级研究院） ； Xidian-FIAS international Joint Research Center, Frankfurt am Main, Germany（西电-法兰克福国际联合研究中心） ； Institut für Theoretische Physik, Goethe Universität Frankfurt, Frankfurt am Main, Germany（法兰克福歌德大学理论物理研究所） ； GSI Helmholtzzentrum für Schwerionenforschung GmbH, Darmstadt, Germany（重离子研究中心（GSI）） ； SAMSON AG, Frankfurt am Main, Germany（SAMSON公司） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出了一种分层知识引导的故障强度诊断框架，通过引入层次知识相关矩阵解决依赖关系问题，提升复杂工业系统故障诊断的准确性。

Comments 12 pages

Journal ref In Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining(KDD 2024)

Enhancing Multi-Label Thoracic Disease Diagnosis with Deep Ensemble-Based Uncertainty Quantification

通过深度集成不确定性量化提升多标签胸腔疾病诊断

Yasiru Laksara, Uthayasanker Thayasivam

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of Moratuwa（莫塔瓦大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.CV、cs.LG

AI总结 本研究通过深度集成不确定性量化方法，提升多标签胸腔疾病诊断的可靠性与解释性，实现更准确的临床决策支持。

Unified Deep Learning Platform for Dust and Fault Diagnosis in Solar Panels Using Thermal and Visual Imaging

基于热成像和视觉成像的太阳能板尘埃和故障诊断统一深度学习平台

Abishek Karthik, Sreya Mynampati, Pandiyaraju V

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Vellore Institute of Technology（维洛雷理工学院） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.CV

AI总结 本文提出了一种基于热成像和视觉成像的统一深度学习平台，用于高效检测太阳能板上的灰尘和故障，结合CNN、ResNet和自注意力机制，提升检测精度和效率。

Diagnosis of mixed-state topological phases in strongly correlated systems via disorder parameters

通过 disorder 参数诊断强关联系统中的混合态拓扑相

Shao-Hang Shi, Xiao-Qi Sun, Zi-Xiang Li

专题命中 诊断辅助 ：diagnosis(title)

AI总结 通过 disorder 参数诊断强关联系统中的混合态拓扑相，利用行列式量子蒙特卡洛算法高效评估拓扑缩放指标，成功识别量子自旋霍尔绝缘体到平凡 Mott 绝缘体的转变以及量子异常霍尔相。

Comments 6+8 pages, 4+4 figures

A Lightweight, Interpretable Deep Learning System for Automated Detection of Cervical Adenocarcinoma In Situ (AIS)

一种轻量且可解释的深度学习系统，用于自动化检测宫颈腺癌原位癌（AIS）

Gabriela Fernandes

机构 * Department of Periodontics and Endodontics, Department of Oral Biology, SUNY Buffalo（牙周病学与牙体医学系，口腔生物学系，SUNY比弗利） 纠错

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

AI总结 本研究提出了一种轻量且可解释的深度学习系统，用于自动检测宫颈腺癌原位癌，实现了73.23%的总体准确率，并通过Grad-CAM热图验证了模型的生物可解释性。

LungX: A Hybrid EfficientNet-Vision Transformer Architecture with Multi-Scale Attention for Accurate Pneumonia Detection

LungX：一种结合多尺度特征、CBAM注意力机制和视觉Transformer的高效Net混合架构，用于准确的肺炎检测

Mansur Yerzhanuly

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 LungX通过结合EfficientNet、CBAM注意力和Vision Transformer，实现了86.5%的肺炎检测准确率，比基线模型提升了6.7%的AUC，具有更高的诊断准确性。

Comments 13 pages, 3 figures, 1 table

Neurocircuitry-Inspired Hierarchical Graph Causal Attention Networks for Explainable Depression Identification

受神经回路启发的分层图因果注意网络用于可解释的抑郁症识别

Weidao Chen, Yuxiao Yang, Yueming Wang

机构 * MOE Frontier Science Center for Brain Science and Brain-machine Integration（脑科学与脑机融合前沿科学中心） ； Nanhu Brain-computer Interface Institute（南湖脑机接口研究院） ； School of Computer Science and Technology（计算机科学与技术学院） ； Qiushi Academy for Advanced Studies（启硕高级研究院） ； State Key Laboratory of Brain-machine Intelligence（脑机智能国家重点实验室） ； The Department of Neurosurgery, Second Affiliated Hospital, School of Medicine, Zhejiang University Hangzhou, China（浙江大学医学院附属第二医院神经外科） 纠错

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

AI总结 本文提出NH-GCAT网络，通过分层图因果注意机制，结合神经科学知识，实现对抑郁症的可解释识别。

Comments Under review for ICLR 2026

MindCraft: How Concept Trees Take Shape In Deep Models

MindCraft: 深度模型中概念树如何形成

Bowei Tian, Yexiao He, Wanghao Ye, Ziyao Wang, Meng Liu, Ang Li

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） 纠错

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

AI总结 MindCraft通过概念树框架揭示深度模型中概念的层次结构和分离过程，为可解释AI提供新的分析方法。

DeCoRL: Decoupling Reasoning Chains via Parallel Sub-Step Generation and Cascaded Reinforcement for Interpretable and Scalable RLHF

DeCoRL：通过并行子步骤生成和级联强化学习解耦推理链

Ziyuan Gao, Di Liang, Xianjie Wu, Philippe Morel, Minlong Peng

机构 * Ziyuan Gao 1（某大学） ； Di Liang 2（某大学） ； Xianjie Wu 3（某大学） ； Philippe Morel 1（某大学） ； Minlong Peng 2（某大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 DeCoRL通过并行子步骤生成和级联强化学习，实现了推理链的解耦，提升了推理效率、可解释性和系统性能。

Comments Accepted by AAAI 2026

A Recommender System Based on Binary Matrix Representations for Cognitive Disorders

基于二进制矩阵表示的认知障碍推荐系统

Raoul H. Kutil, Georg Zimmermann, Christian Borgelt

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究提出基于二进制矩阵表示的推荐系统，用于认知障碍诊断，通过分析症状与障碍的关系，推荐下一步需检测的症状以提高诊断准确性。

Comments 19 pages, 1 figure, 3 tables

Cognitive Foundations for Reasoning and Their Manifestation in LLMs

认知基础与推理及其在大语言模型中的体现

Priyanka Kargupta, Shuyue Stella Li, Haocheng Wang, Jinu Lee, Shan Chen, Orevaoghene Ahia, Dean Light, Thomas L. Griffiths, Max Kleiman-Weiner, Jiawei Han, Asli Celikyilmaz, Yulia Tsvetkov

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文通过分析LLMs推理机制，揭示其在复杂问题上的表现优于简单变体，提出基于认知科学的28项元素分类，并开发测试时推理指导方法，提升复杂问题性能达66.7%。

Comments 40 pages, 4 tables, 6 figures

Leveraging large language models for structured information extraction from pathology reports

利用大型语言模型从病理报告中提取结构化信息

Jeya Balaji Balasubramanian, Daniel Adams, Ioannis Roxanis, Amy Berrington de Gonzalez, Penny Coulson, Jonas S. Almeida, Montserrat García-Closas

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.LG

AI总结 本文提出利用大型语言模型从病理报告中提取结构化信息，通过对比人类标注员和多个LLM模型的准确性，展示了一种可定制、模块化的开源工具，提升病理数据的分析效率和互操作性。

Comments 29 pages, 6 figures

Journal ref J. Pathol. Inform. 19 (2025) 100521

Enhancing Breast Cancer Prediction with LLM-Inferred Confounders

利用大语言模型推断的混杂因素增强乳腺癌预测

Debmita Roy

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 利用大语言模型推断混杂因素以提升乳腺癌预测，通过改进随机森林模型性能，促进早期诊断和临床决策。

Comments 2 pages, 1 figure, 1 table

PSA-MIL: A Probabilistic Spatial Attention-Based Multiple Instance Learning for Whole Slide Image Classification

PSA-MIL: 一种基于概率空间注意力的多实例学习方法用于整张滑动图像分类

Sharon Peled, Yosef E. Maruvka, Moti Freiman

机构 * Technion – Israel Institute of Technology（技术学院–以色列理工学院） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 PSA-MIL通过整合空间上下文的注意力机制，提升整张滑动图像分类的准确性和效率，同时减少计算成本。

Comments Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2026

Upstream Probabilistic Meta-Imputation for Multimodal Pediatric Pancreatitis Classification

上游概率元填补用于多模态儿童胰腺炎分类

Max A. Nelson, Elif Keles, Eminenur Sen Tasci, Merve Yazol, Halil Ertugrul Aktas, Ziliang Hong, Andrea Mia Bejar, Gorkem Durak, Oznur Leman Boyunaga, Ulas Bagci

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

AI总结 本文提出UPMI方法，通过元特征空间中的概率元填补提升多模态儿童胰腺炎分类性能，实现AUC提升5%。

Comments 5 pages, 5 figures