医学 AI

Diffusion-SDPO: Safeguarded Direct Preference Optimization for Diffusion Models

Diffusion-SDPO：用于扩散模型的受保护直接偏好优化

Minghao Fu, Guo-Hua Wang, Tianyu Cui, Qing-Guo Chen, Zhao Xu, Weihua Luo, Kaifu Zhang

机构 * School of Artificial Intelligence, Nanjing University（人工智能学院，南京大学） ； National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学） ； Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） 纠错

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

AI总结 Diffusion-SDPO通过保护性更新规则提升扩散模型对人类偏好的对齐效果。

Comments The code is publicly available at https://github.com/AIDC-AI/Diffusion-SDPO

Geometric Modeling of Hippocampal Tau Deposition: A Surface-Based Framework for Covariate Analysis and Off-Target Contamination Detection

海马体tau沉积的几何建模：一种基于表面的协变量分析和脱靶污染检测框架

Liangkang Wang, Akhil Ambekar, Ani Eloyan

专题命中 病理影像 ：pathology(abstract)；分类 q-bio

AI总结 本文提出了一种基于表面的几何建模框架，用于分析海马体tau沉积的协变量效应和脱靶污染，揭示了不同亚型的tau动态特征。

VoxRep: Enhancing 3D Spatial Understanding in 2D Vision-Language Models via Voxel Representation

VoxRep：通过体素表示增强2D视觉-语言模型的3D空间理解

Alan Dao, Norapat Buppodom

机构 * Menlo Research（Menlo研究） 纠错

专题命中 医疗多模态 ：CT(abstract)；分类 cs.CV

AI总结 本文提出VoxRep方法，通过将体素空间切分为2D切片并输入预训练的视觉-语言模型，实现对3D环境的高效语义理解。

Journal ref Proc. APSIPA ASC 2025, pp. 1464-1469

Beyond N-grams: A Hierarchical Reward Learning Framework for Clinically-Aware Medical Report Generation

超越n-gram：一种面向临床意识的医疗报告生成层次奖励学习框架

Yuan Wang, Shujian Gao, Jiaxiang Liu, Songtao Jiang, Haoxiang Xia, Xiaotian Zhang, Zhaolu Kang, Yemin Wang, Zuozhu Liu

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 本文提出HiMed-RL框架，通过层次化奖励学习提升医疗报告生成的临床质量与事实准确性。

Comments 10 pages, 4 figures

HealthContradict: Evaluating Biomedical Knowledge Conflicts in Language Models

HealthContradict: 评估语言模型在生物医学知识中的矛盾

Boya Zhang, Alban Bornet, Rui Yang, Nan Liu, Douglas Teodoro

机构 * Faculty of Medicine, University of Geneva（日内瓦大学医学院） ； Department of Biomedical Informatics, Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院生物医学信息学系） ； Department of Biostatistics & Bioinformatics, Duke University Artificial Intelligence Institute, National University of Singapore（新加坡国立大学人工智能研究所生物统计学与生物信息学系） 纠错

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

AI总结 HealthContradict数据集评估语言模型在处理生物医学知识矛盾时的推理能力，揭示模型在正确上下文利用与错误上下文抵抗方面的表现。

Interpretation of measured 3x3 partial depolarizing Mueller matrices

测量3x3部分去极化穆勒矩阵的解释

Jose J. Gil, Ignacio San Jose, Monica Canabal-Carbia, Juan Campos, Angel Lizana, Irene Estevez

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种方法，通过协方差矩阵形式和极化纯度准则，将测量的3x3穆勒矩阵完善为物理上一致的4x4矩阵，用于偏振成像和材料表征。

Comments 7 pages, 0 figures

Balancing Weights for Causal Inference in Observational Factorial Studies

在观察性因子研究中实现因果推断的权重平衡

Ruoqi Yu, Peng Ding

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种针对多因素观察性研究的加权方法，用于实现因子效应的无偏估计，同时处理缺失治疗组合和协变量平衡问题。

Benchmarking Class Activation Map Methods for Explainable Brain Hemorrhage Classification on Hemorica Dataset

在Hemorica数据集上基于类激活图方法的可解释性脑出血分类基准测试

Z. Rafati, M. Hoseyni, J. Khoramdel, A. Nikoofard

机构 * Faculty of Computer Engineering, K. N. Toosi University of Technology（计算机工程学院，K.N.托菲大学） ； Faculty of Electrical Engineering, K. N. Toosi University of Technology（电气工程学院，K.N.托菲大学） ； Faculty of Mechanical Engineering, Tarbiat Modares University（机械工程学院，塔里比亚特莫达res大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV、q-bio

AI总结 本研究通过在Hemorica数据集上评估九种CAM算法，发现AblationCAM在像素级Dice和IoU指标上表现最佳，为脑出血分类的可解释性提供了新的基准。

UnicEdit-10M: A Dataset and Benchmark Breaking the Scale-Quality Barrier via Unified Verification for Reasoning-Enriched Edits

UnicEdit-10M: 一个通过统一验证打破规模-质量壁垒的数据集和基准

Keming Ye, Zhipeng Huang, Canmiao Fu, Qingyang Liu, Jiani Cai, Zheqi Lv, Chen Li, Jing Lyu, Zhou Zhao, Shengyu Zhang

机构 * Zhejiang University（浙江大学） ； WeChat Vision, Tencent Inc.（腾讯微信视觉团队） ； Shanghai Jiao Tong University（上海交通大学） ； Xinjiang University（新疆大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV

AI总结 UnicEdit-10M通过统一验证方法构建大规模高质量数据集和基准，解决图像编辑中规模与质量的矛盾，评估模型在空间和知识推理中的表现。

Comments 31 pages, 15 figures, 12 tables

Tackling Tuberculosis: A Comparative Dive into Machine Learning for Tuberculosis Detection

应对肺结核：深入比较用于肺结核检测的机器学习方法

Daanish Hindustani, Sanober Hindustani, Preston Nguyen

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV

AI总结 本研究比较了ResNet-50和SqueezeNet在肺结核检测中的性能，发现SqueezeNet在准确率和召回率上表现更优，但需进一步优化模型以提高应用效果。

Journal ref Vol. 6, No. 1 (2024), Minnesota Undergraduate Research & Academic Journal (MURAJ)