医学 AI

Deep Learning-Based Computer Vision Models for Early Cancer Detection Using Multimodal Medical Imaging and Radiogenomic Integration Frameworks

基于深度学习的计算机视觉模型用于多模态医学影像和放射基因组整合框架中的早期癌症检测

Emmanuella Avwerosuoghene Oghenekaro

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

AI总结 本文提出基于深度学习的计算机视觉模型，结合多模态医学影像和放射基因组学，用于早期癌症检测，提升肿瘤基因型预测和治疗抗性分析能力。

Journal ref International Journal of Computer Applications Technology and Research, vol. 14, no. 11, pp. 1-14, 2025

Cross-Domain Validation of a Resection-Trained Self-Supervised Model on Multicentre Mesothelioma Biopsies

多中心胸膜间皮瘤活检样本上基于切除样本训练的自监督模型的跨领域验证

Farzaneh Seyedshahi, Francesca Damiola, Sylvie Lantuejoul, Ke Yuan, John Le Quesne

机构 * School of Cancer Sciences, University of Glasgow（格拉斯哥大学癌症科学学院） ； Cancer Research UK Scotland Institute（癌症研究英国苏格兰研究所） ； Department of Biopathology, Léon Bérard Cancer Center（生物病理学系，勒内·贝拉尔癌症中心） ； Grenoble Alpes University（格拉斯哥大学） ； Queen Elizabeth University Hospital, NHS Greater Glasgow and Clyde（伊丽莎白女王大学医院，格拉斯哥与克莱德国家健康服务） 纠错

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

AI总结 本研究验证了在切除样本上训练的自监督模型在活检样本上的跨领域应用，通过捕捉形态学模式实现肿瘤亚型分类和生存预测。

Prediction of Distant Metastasis in Head and Neck Cancer Patients Using Tumor and Peritumoral Multi-Modal Deep Learning

利用肿瘤及周围多模态深度学习预测头颈癌患者远端转移

Nuo Tong, Changhao Liu, Zizhao Tang, Feifan Sun, Yingping Li, Shuiping Gou, Mei Shi

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

AI总结 本研究提出多模态深度学习模型，结合CT影像、放射组学和临床数据，用于预测头颈癌患者远端转移风险，通过多模态融合显著提高预测性能。

Comments 23 pages, 6 figures, 7 tables. Nuo Tong and Changhao Liu contributed equally. Corresponding Authors: Shuiping Gou and Mei Shi

Med-VCD: Mitigating Hallucination for Medical Large Vision Language Models through Visual Contrastive Decoding

Med-VCD: 通过视觉对比解码缓解医疗大视觉语言模型的幻觉问题

Zahra Mahdavi, Zahra Khodakaramimaghsoud, Hooman Khaloo, Sina Bakhshandeh Taleshani, Erfan Hashemi, Javad Mirzapour Kaleybar, Omid Nejati Manzari

机构 * Department of computer science, University of Central Florida, Orlando, USA（计算机科学系，中央佛罗里达大学） ； Department of Bioengineering, University of Pennsylvania, Philadelphia, PA, USA（生物工程系，宾夕法尼亚大学） ； Department of electrical engineering, Columbia university, New York, NY, USA（电气工程系，哥伦比亚大学） ； Technical University of Applied Sciences Regensburg, Regensburg, Germany（应用科学技术大学（雷根斯堡）） ； Department of Surgery, University of Calgary, Calgary, Alberta, Canada（外科系，卡尔加里大学） ； University College of Nabi Akram, Tabriz, Iran（纳比阿克兰大学） ； School of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran（电气工程学院，伊朗科学技术大学） 纠错

专题命中 医疗多模态 ：pathology(abstract)；radiology(abstract)；分类 cs.CV

AI总结 Med-VCD通过视觉对比解码方法提升医疗大视觉语言模型的事实准确性与幻觉准确性，减少幻觉输出并提高推理效率。

Journal ref Computers in Biology and Medicine (2026)

Scaling Down to Scale Up: Towards Operationally-Efficient and Deployable Clinical Models via Cross-Modal Low-Rank Adaptation for Medical Vision-Language Models

缩小规模以扩大规模：通过跨模态低秩适应实现操作高效且可部署的临床模型

Thuraya Alzubaidi, Farhad R. Nezami, Muzammil Behzad

机构 * King Fahd University of Petroleum（国王法赫德石油与矿物大学） ； Institute for Medical Engineering（医学工程研究所） ； Science, Massachusetts Institute of Technology, US（科学，麻省理工学院，美国） ； Harvard Medical School, Harvard University, US（哈佛医学院，哈佛大学，美国） ； SDAIA-KFUPM Joint Research Center for Artificial Intelligence, Saudi Arabia（SDAIA-KFUPM人工智能联合研究中心，沙特阿拉伯） 纠错

专题命中 医疗多模态 ：CT(abstract)；pathology(abstract)；分类 cs.CV

AI总结 通过跨模态低秩适应，MedCT-VLM在零样本分类中实现了对CT影像的高效适应，显著提升了病理分类的性能。

PETAR: Localized Findings Generation with Mask-Aware Vision-Language Modeling for PET Automated Reporting

PETAR：基于掩码感知的视觉-语言建模的局部发现生成用于PET自动报告

Danyal Maqbool, Changhee Lee, Zachary Huemann, Samuel D. Church, Matthew E. Larson, Scott B. Perlman, Tomas A. Romero, Joshua D. Warner, Meghan Lubner, Xin Tie, Jameson Merkow, Junjie Hu, Steve Y. Cho, Tyler J. Bradshaw

机构 * University of Wisconsin–Madison Department of Computer Sciences（威斯康星大学麦迪逊分校计算机科学系） ； University of Wisconsin–Madison Department Radiology（威斯康星大学麦迪逊分校放射学系） ； Microsoft（微软公司） 纠错

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

AI总结 PETAR通过引入PETARSeg-11K数据集和PETAR-4B模型，实现基于掩码感知的3D PET自动报告生成，提升医学影像分析的精度与实用性。

Parallel Delayed Memory Units for Enhanced Temporal Modeling in Biomedical and Bioacoustic Signal Analysis

并行延迟记忆单元用于生物医学和生物声学信号分析中的增强时间建模

Pengfei Sun, Wenyu Jiang, Paul Devos, Dick Botteldooren

机构 * Department of Information Technology, WAVES Research Group, Ghent University（信息科技系、WAVES研究组、根特大学） ； Department of Electrical and Electronic Engineering, Imperial College London（电子与电气工程系、伦敦帝国学院） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 并行延迟记忆单元通过门控延迟线机制提升生物医学和生物声学信号的时间建模能力，增强记忆效率与模型性能。

Comments Accepted for publication in IEEE Transactions on Audio, Speech and Language Processing, 2025

Journal ref IEEE Transactions on Audio, Speech and Language Processing, 2025

Hybrid Quantum State Preparation via Data Compression

通过数据压缩实现混合量子态制备

Emad Rezaei Fard Boosari, Maryam Afsary

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究提出一种无辅助量子的混合经典-量子策略，通过数据压缩降低量子态制备的CNOT门和电路深度，实现高效且可扩展的QSP方法。

Comments 14 pages, 11 figures, 2 tables

Comparative Analysis of 47 Context-Based Question Answer Models Across 8 Diverse Datasets

47种基于上下文的问题回答模型在8种多样化数据集上的比较分析

Muhammad Muneeb, David B. Ascher, Ahsan Baidar Bakht

机构 * School of Chemistry and Molecular Biology, The University of Queensland（化学与分子生物学学院，昆士兰大学） ； Computational Biology and Clinical Informatics, Baker Heart and Diabetes Institute（计算生物学与临床信息学，贝克心脏病与糖尿病研究所） ； Mechanical Engineering Department, Khalifa University（机械工程系，卡利法大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文比较了47种基于上下文的问题回答模型在8种数据集上的表现，发现ahotrod/electra_large_discriminator_squad2_512在多个数据集上表现最佳。

Robust Wrapped Gaussian Process Inference for Noisy Angular Data

鲁棒的包裹高斯过程推断用于噪声角度数据

Andrew Cooper, Justin Strait, Mary Frances Dorn, Robert B. Gramacy, Brendon Parsons, Alessandro Cattaneo

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种鲁棒的包裹高斯过程模型，用于处理单向包裹的角度数据，通过估计包裹位置和改进的似然函数提升推断性能。

Modeling and Control of Magnetic Forces between Microrobots

微机器人之间磁力的建模与控制

Amelia Fernández Seguel, Alejandro I. Maass

机构 * Robotic Engineering, School of Engineering, Pontificia Universidad Católica de Chile（机器人工程系，工程学院，Pontificia Universidad Católica de Chile） ； Department of Electrical Engineering, School of Engineering, Pontificia Universidad Católica de Chile（电气工程系，工程学院，Pontificia Universidad Católica de Chile） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究提出了一种基于全局磁场角度的级联控制方法，用于精确调节微机器人之间的径向距离，提高了控制精度和响应速度。

Comments 38 pages, 10 figures

An optimization framework for task allocation in the edge/hub/cloud paradigm

边缘/中枢/云范式下的任务分配优化框架

Andreas Kouloumpris, Georgios L. Stavrinides, Maria K. Michael, Theocharis Theocharides

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出基于BILP的优化框架，用于在边缘/中枢/云范式中实现最优任务分配，以降低延迟或能耗。

Comments This version of the manuscript has been accepted for publication in Future Generation Computer Systems after peer review (Author Accepted Manuscript). It is not the final published version (Version of Record) and does not reflect any post-acceptance improvements. The Version of Record is available online at https://doi.org/10.1016/j.future.2024.02.005

Journal ref A. Kouloumpris, G. L. Stavrinides, M. K. Michael, and T. Theocharides, "An optimization framework for task allocation in the edge/hub/cloud paradigm", Future Gener. Comput. Syst., vol. 155, pp. 354-366, Jun. 2024

Vacancy Engineering in Metals and Alloys

金属与合金中的空位工程

Sreenivas Raguraman, Homero Reyes Pulido, Christopher Hutchinson, Arun Devaraj, Marc H. Weber, Michael L. Falk, Timothy P. Weihs

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文探讨了通过空位工程优化金属和合金性能的方法，强调了空位在微观结构调控中的关键作用。

Comments 21 pages, 5 display items

Using a Two-Parameter Sensitivity Analysis Framework to Efficiently Combine Randomized and Non-randomized Studies

利用双参数敏感性分析框架高效整合随机化和非随机化研究

Ruoqi Yu, Bikram Karmakar, Jessica Vandeleest, Eleanor Bimla Schwarz

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种整合随机化和非随机化研究的方法，通过三元组匹配和双参数敏感性分析框架，提高因果推断的稳健性和外部效度。

Sleep Apnea Detection on a Wireless Multimodal Wearable Device Without Oxygen Flow Using a Mamba-based Deep Learning Approach

基于Mamba深度学习方法的无线多模态可穿戴设备无氧流睡眠呼吸暂停检测

Dominik Luszczynski, Richard Fei Yin, Nicholas Afonin, Andrew S. P. Lim

机构 * University of Toronto Department of Medicine（多伦多大学医学系） ； Sunnybrook Research Institute Department of Medicine Neurology Div.（圣玛丽医院研究学院医学系神经病学部） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 本文提出基于Mamba架构的深度学习模型，利用无线多模态可穿戴设备无氧流信号，实现睡眠呼吸暂停的准确检测与事件级表征。

Comments 29 pages, 14 figures. Authors Dominik Luszczynski, Richard Fei Yin and Nicholas Afonin contributed equally

Exploring the changes in brain network SC-FC coupling patterns of partial sleep deprivation based on DTI-fMRI fusion analysis

基于DTI-fMRI融合分析探讨部分睡眠剥夺对脑网络SC-FC耦合模式变化的影响

Mengyuan Liu, Jing Hu, Zhenzhen Ru, Ruomeng Quan, Xu Zhang, Ning Qiang, Jin Li

专题命中 健康监测 ：MRI(abstract)；分类 q-bio

AI总结 本研究通过DTI-fMRI融合分析，探讨部分睡眠剥夺对脑网络SC-FC耦合模式的影响，发现睡眠剥夺导致神经网络结构和功能连接的异常，提出SC-FC耦合方法作为睡眠相关情绪失调的新型生物标记物。

HeartFormer: Semantic-Aware Dual-Structure Transformers for 3D Four-Chamber Cardiac Point Cloud Reconstruction

HeartFormer：用于3D四腔心脏点云重建的语义感知双结构变换器

Zhengda Ma, Abhirup Banerjee

机构 * Institute of Biomedical Engineering, Department of Engineering Science, University of Oxford, UK（生物医学工程研究所，工程科学系，牛津大学，英国） 纠错

专题命中 医学数据与评测 ：MRI(abstract)；分类 cs.CV

AI总结 HeartFormer通过语义感知双结构变换器网络和几何特征细化网络，实现3D四腔心脏点云的高保真重建，并构建首个大规模心脏数据集验证其性能。

Reinventing Clinical Dialogue: Agentic Paradigms for LLM Enabled Healthcare Communication

重新定义临床对话：面向LLM赋能医疗沟通的代理范式

Xiaoquan Zhi, Hongke Zhao, Likang Wu, Chuang Zhao, Hengshu Zhu

专题命中 其他医学AI ：medical AI(abstract)；分类 q-bio

AI总结 本文提出一种新的分类法，通过知识源和代理目标的正交轴分析，揭示医疗AI从生成文本预测转向代理自主性的认知架构，并探讨四种范式在创造力与可靠性间的权衡。