医学 AI

Robust Physics-based Deep MRI Reconstruction Via Diffusion Purification

通过扩散净化实现鲁棒的基于物理的深度MRI重建

Ismail Alkhouri, Shijun Liang, Rongrong Wang, Qing Qu, Saiprasad Ravishankar

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

AI总结 本文提出通过扩散模型净化提升MRI重建的鲁棒性，避免对抗训练的minimax优化，仅需微调即可提高模型稳定性。

Leveraging topological data analysis to estimate bone strength from micro-CT as a surrogate for advanced imaging

利用拓扑数据分析从微CT估计骨强度作为先进成像的替代方案

John Rick Manzanares, Richard Leslie Abel, Paweł Dłotko

专题命中 医学影像 ：CT(title,abstract)；分类 q-bio

AI总结 本研究利用拓扑数据分析从微CT图像中提取骨强度预测特征，证明拓扑特征在骨强度预测中的有效性。

Lean Unet: A Compact Model for Image Segmentation

Lean Unet: 一种用于图像分割的紧凑模型

Ture Hassler, Ida Åkerholm, Marcus Nordström, Gabriele Balletti, Orcun Goksel

机构 * Department of Information Technology, Uppsala University（信息科技系，乌普萨拉大学） ； RaySearch Laboratories（RaySearch实验室） 纠错

专题命中 医学影像 ：MRI(abstract)；CT(abstract)；radiology(abstract)；分类 cs.CV

AI总结 本文提出了一种紧凑的U-net架构（LUnet），通过减少参数数量和优化结构，实现了与传统U-net和自适应剪枝网络相当的性能。

PULSE: A Unified Multi-Task Architecture for Cardiac Segmentation, Diagnosis, and Few-Shot Cross-Modality Clinical Adaptation

PULSE：一种用于心脏分割、诊断和少样本跨模态临床适应的统一多任务架构

Hania Ghouse, Maryam Alsharqi, Farhad R. Nezami, Muzammil Behzad

机构 * King Fahd University of Petroleum ； Institute for Medical Engineering \& Science, Massachusetts Institute of Technology, US ； Harvard Medical School, Harvard University, US ； KFUPM–SDAIA Joint Research Centre for Artificial Intelligence, Saudi Arabia 纠错

专题命中 医学影像 ：diagnosis(title)；分类 cs.CV

AI总结 PULSE是一种统一多任务框架，通过自监督表示和综合监督策略，实现心脏分割、诊断和跨模态临床适应的统一处理。

HBFormer: A Hybrid-Bridge Transformer for Microtumor and Miniature Organ Segmentation

HBFormer：一种混合桥变压器用于微肿瘤和微型器官分割

Fuchen Zheng, Xinyi Chen, Weixuan Li, Quanjun Li, Junhua Zhou, Xiaojiao Guo, Xuhang Chen, Chi-Man Pun, Shoujun Zhou

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究所，中国科学院） ； Guangdong University of Technology（广东技术大学） ； University of Macau（澳门大学） ； Huizhou University（惠州大学） 纠错

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

AI总结 HBFormer通过混合编码器-解码器与Swin Transformer结合，提出桥机制融合多尺度特征，实现微肿瘤和微型器官的高精度分割。

Comments 6 pages, 4 figures, 3 tables

Understanding Untrained Deep Models for Inverse Problems: Algorithms and Theory

理解未训练的深度模型用于逆问题：算法与理论

Ismail Alkhouri, Evan Bell, Avrajit Ghosh, Shijun Liang, Rongrong Wang, Saiprasad Ravishankar

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

AI总结 本文综述了深度图像先验（DIP）在逆问题中的应用，分析其理论并讨论缓解过拟合的方法及未来研究方向。

Pseudo-spectral model of elastic-wave propagation through toothed-whale head anatomy, and implications for biosonar

齿鲸头部解剖结构中弹性波传播的伪谱模型，及其对生物声纳的启示

Fawad Ali, Carlos García A., Aida Hejazi-Nooghabi, Lapo Boschi

专题命中 医学影像 ：CT(abstract)

AI总结 本研究通过伪谱时域方法建模齿鲸头部弹性波传播，揭示其生物声纳定位机制及解剖结构作用。

Time-Invariant Polytopic and Interval Observers for Uncertain Linear Systems via Non-Square Transformation

通过非平方变换设计不确定线性系统的时不变多边形和区间观测器

Feiya Zhu, Tarun Pati, Sze Zheng Yong

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出了一种基于非平方变换的时不变多边形和区间观测器设计方法，适用于所有可检测系统，能够实现可行且最优的观测器设计。

RECAP: Transparent Inference-Time Emotion Alignment for Medical Dialogue Systems

RECAP：医疗对话系统中透明的推理时间情感对齐

Adarsh Srinivasan, Jacob Dineen, Muhammad Umar Afzal, Muhammad Uzair Sarfraz, Irbaz B. Riaz, Ben Zhou

专题命中 临床大模型 ：medical AI(abstract)

AI总结 RECAP通过结构化情感推理提升医疗对话系统的情感响应质量，实现透明和可审计的同理心沟通。

Toward AI-Ready Medical Imaging Data

迈向AI-ready的医学影像数据

Milen Nikolov, Edilberto Amorim, J Harry Caufield, Nayoon Gim, Nomi L Harris, Jared Houghtaling, Xiang Li, Danielle Morrison, Anaïs Rameau, Jamie Shaffer, Hari Trivedi, Monica C Munoz-Torres

专题命中 诊断辅助 ：diagnosis(abstract)；biomedical(abstract)；分类 q-bio

AI总结 本文提出了一套适用于DICOM格式的医学影像数据管理SOPs，旨在提升数据的FAIR性，为AI-ready数据集奠定基础。

Parsimonious Clustering of Covariance Matrices

稀疏协方差矩阵聚类

Yixi Xu, Yi Zhao

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种稀疏聚类模型，整合MoE和协方差回归框架，用于静息态fMRI中基于功能性连接的个体聚类，识别大脑相干性子组并揭示与人口特征和认知功能的关联。

Echoes of AI Harms: A Human-LLM Synergistic Framework for Bias-Driven Harm Anticipation

AI危害的回响：一种人机协同框架用于偏见驱动的危害预见

Nicoleta Tantalaki, Sophia Vei, Athena Vakali

机构 * Aristotle University（亚里士多德大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出ECHO框架，通过系统映射人工智能偏见类型到危害结果，实现主动危害预见，用于高风险领域中的偏见驱动危害检测与治理。

Comments 38 pages

Quantifying the Potential to Escape Filter Bubbles: A Behavior-Aware Measure via Contrastive Simulation

量化逃离过滤气泡的潜力：一种基于对比模拟的行为感知度量

Difu Feng, Qianqian Xu, Zitai Wang, Cong Hua, Zhiyong Yang, Qingming Huang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种基于对比模拟的行为感知度量，用于量化用户逃离过滤气泡的潜力，揭示了偏好建模与过滤气泡之间的矛盾，并发现轻微随机推荐对缓解过滤气泡效果有限。

Revisiting Data Challenges of Computational Pathology: A Pack-based Multiple Instance Learning Training Framework

重新审视计算病理学的数据挑战：一种基于包的多实例学习训练框架

Wenhao Tang, Heng Fang, Ge Wu, Xiang Li, Ming-Ming Cheng

机构 * VCIP, School of Computer Science, Nankai University（VCIP，计算机科学学院，南开大学） ； Huazhong University of Science and Technology（华中科技大学） ； Nankai International Advanced Research Institute (Shenzhen Futian)（南开国际先进研究院（深圳福田）） 纠错

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

AI总结 本文提出一种基于包的多实例学习框架，通过打包变长特征序列和引入残差分支，提升计算病理学中WSI处理的效率和准确性。

Comments 24 pages, 6 figures

PixCell: A generative foundation model for digital histopathology images

PixCell：数字病理图像的生成基础模型

Srikar Yellapragada, Alexandros Graikos, Zilinghan Li, Kostas Triaridis, Varun Belagali, Tarak Nath Nandi, Karen Bai, Beatrice S. Knudsen, Tahsin Kurc, Rajarsi R. Gupta, Prateek Prasanna, Ravi K Madduri, Joel Saltz, Dimitris Samaras

机构 * Stony Brook University（石溪大学） ； Argonne National Laboratory（阿贡国家实验室） ； The University of Chicago（芝加哥大学） ； University of Utah（犹他大学） 纠错

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV、q-bio、eess.IV

AI总结 PixCell是首个针对数字病理图像的生成基础模型，通过扩散模型在大规模数据集上训练，实现隐私保护的数据生成和虚拟染色任务，提升病理学研究效率。

Comments Project page - https://histodiffusion.github.io/docs/projects/pixcell

Research on Brain Tumor Classification Method Based on Improved ResNet34 Network

基于改进ResNet34网络的脑肿瘤分类方法研究

Yufeng Li, Wenchao Zhao, Bo Dang, Weimin Wang

专题命中 病理影像 ：medical image(abstract)；radiology(abstract)；分类 cs.CV

AI总结 本文提出基于改进ResNet34网络的脑肿瘤分类模型，通过多尺度特征提取和通道注意力机制提升分类准确率至98.8%，参数量减少至原模型的80%。

A Hybrid Deep Learning Framework with Explainable AI for Lung Cancer Classification with DenseNet169 and SVM

一种结合可解释AI的深度学习混合框架用于肺癌分类（DenseNet169与SVM）

Md Rashidul Islam, Bakary Gibba, Altagi Abdallah Bakheit Abdelgadir

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

AI总结 本文提出结合DenseNet169和SVM的深度学习框架，利用可解释AI技术提升肺癌分类的准确性和透明度，实验表明两种模型均达到98%的准确率。

xEEGNet: Towards Explainable AI in EEG Dementia Classification

xEEGNet：迈向EEG痴呆分类中的可解释人工智能

Andrea Zanola, Louis Fabrice Tshimanga, Federico Del Pup, Marco Baiesi, Manfredo Atzori

机构 * Department of Neuroscience, University of Padua（帕多瓦大学神经科学系） ； Padua Neuroscience Center（帕多瓦神经科学中心） ； Department of Information Engineering, University of Padua（帕多瓦大学信息工程系） ； Department of Physics and Astronomy, University of Padua（帕多瓦大学物理与天文学系） ； Information Systems Institute, University of Applied Sciences Western Switzerland (HES-SO Valais)（瑞士西部应用科学大学信息系统研究所） 纠错

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

AI总结 xEEGNet通过减少参数和提升可解释性，在EEG痴呆分类中实现了高性能和低过拟合，展示了小型架构的有效性。

Journal ref J. Neural Eng. 22, 046042 (2025)

Cross-Stain Contrastive Learning for Paired Immunohistochemistry and Histopathology Slide Representation Learning

跨染色对比学习用于配对免疫组化和病理切片的表示学习

Yizhi Zhang, Lei Fan, Zhulin Tao, Donglin Di, Yang Song, Sidong Liu, Cong Cong

机构 * Communication University of China（通信大学） ； Tsinghua University（清华大学） ； Macquarie University（麦考瑞大学） 纠错

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

AI总结 本文提出CSCL方法，通过跨染色对比学习提升H&E与IHC特征的兼容性，实现高质量的切片级表示学习。

Comments 6 pages, 2 figures. Camera-ready version accepted for IEEE BIBM 2025

Multi-Aspect Knowledge-Enhanced Medical Vision-Language Pretraining with Multi-Agent Data Generation

多方面知识增强的医学视觉-语言预训练与多代理数据生成

Xieji Li, Siyuan Yan, Yingsheng Liu, H. Peter Soyer, Monika Janda, Victoria Mar, Zongyuan Ge

机构 * Department of Data Science and AI, Faculty of Information Technology, Monash University（数据科学与人工智能系，信息科技学院，墨尔本大学） ； Victorian Melanoma Service, Alfred Health（维多利亚黑色素瘤服务，阿尔弗雷德健康） ； Frazer Institute, The University of Queensland, Dermatology Research Centre（弗雷泽研究所，昆士兰大学，皮肤科研究中心） 纠错

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

AI总结 本研究提出一种多代理数据生成与多方面知识增强的医学视觉-语言预训练框架，通过提升数据质量和细粒度对齐，实现零样本性能的突破。

Comments 10 pages. Under Review

A Comprehensive Review of Casein Kinase 2 in Drosophila Circadian Timing and Its Biomedical Relevance

对果蝇昼夜节律中Casein Kinase 2的全面综述及其生物医学相关性

Yasmin Fatima, Md. Zubair Malik, Prashant Ankur Jain

专题命中 生物医学文本 ：biomedical(title)；分类 q-bio

AI总结 本研究综述了Casein Kinase 2在果蝇昼夜节律中的作用及其在生物医学中的相关性，探讨了CK2对PER蛋白的调节及其对健康的影响。

Passive Silicon Nitride On-Chip Polarimetry: Precise Polarization Detection with Imperfect Components

被动硅氮化物芯片偏振测量：利用不完美组件实现精确偏振检测

Christoph Stockinger, Natale G. Pruiti, Isaac Tribaldo, Jörg S. Eismann, Marc Sorel, Peter Banzer

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硅氮化物芯片的被动光子集成电路，利用紧凑的偏振分裂光栅耦合器和干涉仪实现精确偏振检测，并通过校准程序克服制造缺陷带来的影响。

Comments Main text: 21 pages, 5 figures; Supplementary document: 9 pages 5 figures

A Finite Volume and Levenberg-Marquardt Optimization Framework for Benchmarking MHD Flows over Backward-Facing Steps

一种有限体积与列文伯格-马夸尔特优化框架用于背向台阶处磁流体动力学流动的基准测试

Spyridon C. Katsoudas, Grigorios T. Chrimatopoulos, Michalis A. Xenos, Efstratios E. Tzirtzilakis

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种有限体积与列文伯格-马夸尔特优化框架，用于验证背向台阶处磁流体动力学流动的数值解，发现磁场角度对流体流动有显著影响。

Comments 15 pages, 15 figures

Journal ref Mathematics, 13 (2025) 2953

PERCS: Persona-Guided Controllable Biomedical Summarization Dataset

PERCS：基于人物的可控生物医学摘要数据集

Rohan Charudatt Salvi, Chirag Chawla, Dhruv Jain, Swapnil Panigrahi, Md Shad Akhtar, Shweta Yadav

机构 * Department of Computer Science, University of Illinois, Chicago, IL, 60607, USA（伊利诺伊大学芝加哥分校计算机科学系） ； Indian Institute of Technology, Varanasi, India（印度班加罗尔理工学院） ； Department of Computer Science & Engineering, Indraprastha Institute of Information Technology, Delhi, New Delhi, 110020, India（印度德里印度信息技术研究所计算机科学与工程系） 纠错

专题命中 医学数据与评测 ：biomedical(title,abstract)

AI总结 PERCS数据集通过针对不同医学素养角色的可控摘要，提升生物医学信息的可及性与准确性。

Comments 9 pages, 4 figures, 6 tables

HalluGen: Synthesizing Realistic and Controllable Hallucinations for Evaluating Image Restoration

HalluGen: 合成逼真且可控的幻觉以评估图像修复

Seunghoi Kim, Henry F. J. Tregidgo, Chen Jin, Matteo Figini, Daniel C. Alexander

机构 * Hawkes Institute, UCL（UCL哈维斯研究所） ； Dept. of Medical Physics and Biomedical Engineering, UCL（UCL医学物理与生物医学工程系） ； Dept. of Computer Science, UCL（UCL计算机科学系） ； Centre for AI, DS&AI, AstraZeneca, UK（阿斯利康AI中心） 纠错

专题命中 医学数据与评测 ：MRI(abstract)；分类 cs.CV

AI总结 HalluGen 通过合成逼真可控的幻觉，构建首个大规模幻觉数据集，用于评估图像修复中的幻觉检测与缓解。