医学 AI

MedDiff-FM: A Diffusion-based Foundation Model for Versatile Medical Image Applications

MedDiff-FM: 一种基于扩散的多功能医学图像应用基础模型

Yongrui Yu, Yannian Gu, Shaoting Zhang, Xiaofan Zhang

机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University（上海交通大学清元研究 institute） 纠错

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

AI总结 MedDiff-FM是一种基于扩散的医学图像基础模型，通过预训练和微调实现多种医学图像处理任务，如去噪、异常检测和超分辨率。

Learning accurate rigid registration for longitudinal brain MRI from synthetic data

从合成数据中学习准确的纵向脑部MRI刚体配准

Jingru Fu, Adrian V. Dalca, Bruce Fischl, Rodrigo Moreno, Malte Hoffmann

机构 * 1 Division of Biomedical Imaging, KTH Royal Institute of Technology, Huddinge, Sweden 2 Athinoula A.\ Martinos Center for Biomedical Imaging, Charlestown, USA 3 Department of Radiology, Massachusetts General Hospital, Boston, USA 4 Department of Radiology, Harvard Medical School, Boston, USA 5 Computer Science \& Artificial Intelligence Laboratory, MIT, Cambridge, USA 纠错

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

AI总结 本文提出了一种基于合成数据训练的模型，用于提高纵向脑部MRI刚体配准的准确性。

Comments 5 pages, 4 figures, 1 table, rigid image registration, deep learning, longitudinal analysis, neuroimaging, accepted by the IEEE International Symposium on Biomedical Imaging

Journal ref IEEE Int Symp Biomed Imaging, 2025, 1-5

Decoding with Structured Awareness: Integrating Directional, Frequency-Spatial, and Structural Attention for Medical Image Segmentation

基于结构意识的解码：整合方向、频率-空间和结构注意力用于医学图像分割

Fan Zhang, Zhiwei Gu, Hua Wang

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

AI总结 本文提出基于结构意识的解码框架，整合方向、频率-空间和结构注意力，提升医学图像分割的精度和泛化能力。

Comments Accepted to AAAI 2026

UniFS: Unified Multi-Contrast MRI Reconstruction via Frequency-Spatial Fusion

UniFS: 通过频率-空间融合实现统一的多对比MRI重建

Jialin Li, Yiwei Ren, Kai Pan, Dong Wei, Pujin Cheng, Xian Wu, Xiaoying Tang

机构 * Department of Electronic and Electrical Engineering, Southern University of Science and Technology, Shenzhen, China（电子与电气工程系，南方科技大学，深圳，中国） ； Jarvis Research Center, Tencent YouTu Lab, China（Jarvis研究中心，腾讯YouTu实验室，中国） ； Department of Electrical and Electronic Engineering, University of Hong Kong, Hong Kong, China（电子与电气工程系，香港大学，香港，中国） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 UniFS通过频率-空间融合模块实现多对比MRI重建的统一处理，提升模型泛化能力，适用于多种k空间欠采样模式。

CATNUS: Coordinate-Aware Thalamic Nuclei Segmentation Using T1-Weighted MRI

CATNUS: 基于T1加权MRI的坐标感知丘脑核团分割

Anqi Feng, Zhangxing Bian, Samuel W. Remedios, Savannah P. Hays, Blake E. Dewey, Alexa Colinco, Jiachen Zhuo, Dan Benjamini, Jerry L. Prince

专题命中 医学影像 ：MRI(title)；分类 eess.IV

AI总结 CATNUS通过3D U-Net与坐标卷积层实现丘脑核团的高精度分割，提升分割准确性和跨设备泛化能力，适用于临床和大规模神经研究。

A multi-dynamic low-rank deep image prior (ML-DIP) for 3D real-time cardiovascular MRI

一种多动态低秩深度图像先验（ML-DIP）用于3D实时心脏磁共振成像

Chong Chen, Marc Vornehm, Zhenyu Bu, Preethi Chandrasekaran, Muhammad A. Sultan, Syed M. Arshad, Yingmin Liu, Yuchi Han, Rizwan Ahmad

专题命中 医学影像 ：MRI(title)；分类 eess.IV

AI总结 本文提出了一种多动态低秩深度图像先验（ML-DIP）方法，用于3D实时心脏磁共振成像，通过欠采数据学习低秩空间和运动表示，实现高加速因子的高质量图像重建。

Domain-randomized deep learning for neuroimage analysis

领域随机化的深度学习用于神经影像分析

Malte Hoffmann

机构 * Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） 纠错

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

AI总结 本文介绍了一种领域随机化深度学习方法，通过合成数据提升神经影像分析的泛化能力和鲁棒性，减少对计算资源的依赖。

Comments 12 pages, 6 figures, 2 tables, deep learning, domain generalization, domain randomization, neuroimaging, medical image analysis, accepted for publication in IEEE Signal Processing Magazine

Journal ref IEEE Signal Process Mag, 42 (4), 2025, 78-90

AortaDiff: A Unified Multitask Diffusion Framework For Contrast-Free AAA Imaging

AortaDiff：一种用于无对比剂AAA成像的统一多任务扩散框架

Yuxuan Ou, Ning Bi, Jiazhen Pan, Jiancheng Yang, Boliang Yu, Usama Zidan, Regent Lee, Vicente Grau

机构 * Department of Engineering Science, University of Oxford, United Kingdom（牛津大学工程科学系） ； Nuffield Department of Surgical Sciences, University of Oxford, United Kingdom（牛津大学外科科学努尔菲尔德系） ； Technical University of Munich, Germany（慕尼黑技术大学） ； ELLIS Institute Finland, Finland（芬兰ELLIS研究所） ； Aalto University, Finland（阿alto大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 AortaDiff通过统一多任务扩散框架实现无对比剂AAA成像，同时生成合成CECT图像并分割主动脉腔和血栓，提升了分割精度和临床测量准确性。

Comments WACV 2026

3D Path Planning for Robot-assisted Vertebroplasty from Arbitrary Bi-plane X-ray via Differentiable Rendering

基于不同可微渲染的任意双平面X射线引导的机器人辅助椎体成形术3D路径规划

Blanca Inigo, Benjamin D. Killeen, Rebecca Choi, Michelle Song, Ali Uneri, Majid Khan, Christopher Bailey, Axel Krieger, Mathias Unberath

专题命中 医学影像 ：CT(abstract)

AI总结 本研究提出了一种基于不同可微渲染的3D路径规划方法，利用双平面X射线实现无需CT的机器人辅助椎体成形术路径规划，提升了重建精度和泛化能力。

Fate of gadolinium in inflamed mouse brain: Release and phosphate interaction post-contrast agent administration

钆在炎症小鼠脑中的命运：对比剂给药后释放及与磷酸盐的相互作用

Lina Anderhalten, Nicole Höfer, Daria Dymnikova, Julia Hahndorf, Matthias Taupitz, Heike Traub, Christian Teutloff, Carmen Infante-Duarte, Robert Bittl

专题命中 医学影像 ：MRI(abstract)

AI总结 研究通过EPR和ENDOR光谱学揭示炎症条件下小鼠脑中钆的释放及与磷酸盐的相互作用，表明体内和体外分析结合能更准确评估长期钆保留机制。

Comments 50 pages (41 main part, 9 supplementary material), 13 figures (6 main part, 7 supplementary material)

EXR: An Interactive Immersive EHR Visualization in Extended Reality

EXR：一种基于扩展现实的交互式电子健康记录可视化

Benoit Marteau, Shaun Q. Y. Tan, Jieru Li, Andrew Hornback, Yishan Zhong, Shaunna Wang, Christian Lowson, Jason Woloff, Joshua M. Pahys, Steven W. Hwang, Coleman Hilton, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Wallace H. Coulter Department of Biomedical Engineering, Georgia Tech & Emory University（佐治亚理工学院生物医学工程系及埃默里大学） ； Shriners Hospitals for Children, Headquarters, Tampa, FL（夏普斯儿童医院，总部，佛罗里达州坦帕） ； Shriners Hospitals for Children, Philadelphia, PA（夏普斯儿童医院，费城，宾夕法尼亚州） 纠错

专题命中 临床大模型 ：CT(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出了一种基于扩展现实的EHR可视化平台，整合结构化和非结构化患者数据，支持沉浸式交互和实时协作，为下一代临床决策支持工具奠定基础。

Comments 11 pages, 6 figures. Preprint version. This paper has been accepted to IEEE ICIR 2025. This is the author-prepared version and not the final published version. The final version will appear in IEEE Xplo

LymphAtlas- A Unified Multimodal Lymphoma Imaging Repository Delivering AI-Enhanced Diagnostic Insight

LymphAtlas- 一种统一的多模态淋巴瘤影像存储库，提供人工智能增强的诊断洞察

Jiajun Ding, Beiyao Zhu, Xiaosheng Liu, Lishen Zhang, Zhao Liu

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

AI总结 LymphAtlas通过整合PET与CT数据，构建高质量多模态数据集，提升淋巴瘤分割精度与临床应用价值。

Comments 12 pages,3 figures

CureAgent: A Training-Free Executor-Analyst Framework for Clinical Reasoning

CureAgent：一种无需训练的执行-分析框架用于临床推理

Ting-Ting Xie, Yixin Zhang

机构 * Cambridge（剑桥） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；biomedical(abstract)

AI总结 CureAgent提出无需训练的执行-分析框架，通过模块化架构和分层集合策略提升临床推理性能，实现CURE-Bench上的最佳表现。

Comments 2nd Place Solution to the CURE-Bench Competition @ NeurIPS 2025. Code available at https://github.com/June01/CureAgent

MCP-AI: Protocol-Driven Intelligence Framework for Autonomous Reasoning in Healthcare

MCP-AI：面向医疗领域自主推理的协议驱动智能框架

Zag ElSayed, Craig Erickson, Ernest Pedapati

机构 * School of Information Technology University of Cincinnati Ohio, USA（信息科技学院 俄亥俄州立大学 奥哈伊俄州） ； Adolescent Psychiatry Cincinnati Children’s Hospital Medical Center Ohio, USA（青少年精神病学 奥克兰儿童医院医疗中心 奥哈伊俄州） 纠错

专题命中 诊断辅助 ：healthcare AI(abstract)；分类 q-bio

AI总结 MCP-AI是一种基于模型上下文协议的医疗自主推理框架，通过整合临床逻辑和安全协作，提升医疗决策的可解释性和适应性。

Comments 6 pages, 4 figures

Journal ref IEEE ICMLA 2025

Hypothesis-Based Particle Detection for Accurate Nanoparticle Counting and Digital Diagnostics

基于假设的粒子检测用于准确的纳米粒子计数和数字诊断

Neil H. Kim, Xiao-Liu Chu, Joseph B. DeGrandchamp, Matthew R. Foreman

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

AI总结 本文提出了一种基于多重假设统计检验的纳米粒子计数算法，用于提高数字诊断中的粒子检测精度，并通过实验验证其在不同条件下的鲁棒性和有效性。

Comments Main text (14 pages, 5 figures, 1 table) and supplementary information (5 pages, 3 figures, 2 tables). Supporting code at https://github.com/Optical-Theory-Group/Hypothesis-Test-Based-Particle-Detection

Invisible Load: Uncovering the Challenges of Neurodivergent Women in Software Engineering

不可见的负担：软件工程中神经多样性女性所面临的挑战

Munazza Zaib, Wei Wang, Dulaji Hidellaarachchi, Isma Farah Siddiqui

机构 * Monash University（墨尔本大学） ； RMIT（皇家墨尔本理工大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文研究软件工程中神经多样性女性面临的挑战，结合包容性框架与性别框架，提出混合方法论以支持包容性变革。

Open-PMC-18M: A High-Fidelity Large Scale Medical Dataset for Multimodal Representation Learning

Open-PMC-18M: 一种高保真大规模医学数据集用于多模态表示学习

Negin Baghbanzadeh, Mohammed Saidul Islam, Sajad Ashkezari, Elham Dolatabadi, Arash Afkanpour

机构 * Vector Institute（Vector研究所） ； York University（约克大学） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 Open-PMC-18M通过高保真医学数据集提升多模态表示学习性能，实现子图提取与上下文丰富化，支持多种视觉-语言任务。

Comments 21 pages

Multimodal Oncology Agent for IDH1 Mutation Prediction in Low-Grade Glioma

多模态肿瘤代理用于低级别胶质瘤IDH1突变预测

Hafsa Akebli, Adam Shephard, Vincenzo Della Mea, Nasir Rajpoot

机构 * Department of Mathematics, Computer Science and Physics, University of Udine（乌迪大学数学、计算机科学与物理系） ； Tissue Image Analytics Centre, Department of Computer Science, University of Warwick（沃里克大学计算机科学系组织图像分析中心） ； Histofy Ltd（Histofy有限公司） 纠错

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

AI总结 本研究提出多模态肿瘤代理，结合组织学工具和外部生物医学资源，实现低级别胶质瘤IDH1突变的高精度预测。

Comments 4 pages, 2 figures

A Non-Invasive Path to Animal Welfare: Contactless Vital Signs and Activity Monitoring of In-Vivo Rodents Using a mm-Wave FMCW Radar

动物福利的非侵入性途径：利用毫米波FMCW雷达进行活体啮齿动物的无接触生命体征和活动监测

Tommaso Polonelli, Manuel Glahn, Stefano Kron, Stefan Selbert, Marco Garzola, Michele Magno

专题命中 生物医学文本 ：biomedical(abstract)；分类 eess.SP

AI总结 本文提出了一种基于毫米波雷达的无接触活体啮齿动物监测系统，实现非侵入性生命体征和活动检测，提升动物福利与测量可靠性。

GRASP: Graph Reasoning Agents for Systems Pharmacology with Human-in-the-Loop

GRASP：具有人机交互循环的图推理代理用于系统药理学

Omid Bazgir, Vineeth Manthapuri, Ilia Rattsev, Mohammad Jafarnejad

机构 * Clinical Pharmacology, Genentech（基因泰克临床药理部） ； Preclinical & Translational PKPD, Genentech Inc.（基因泰克预临床与转化药代动力学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 GRASP通过图推理代理实现系统药理学模型开发的自动化与严谨性，提升生物医学建模的效率和准确性。

Physics-Guided Surrogate Modeling for Machine Learning-Driven DLD Design Optimization

物理引导的代理建模用于机器学习驱动的DLD设计优化

Khayrul Islam, Mehedi Hasan, Yaling Liu

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

AI总结 本文提出了一种基于物理引导的代理建模方法，结合高保真模拟和机器学习，用于快速设计无标记DLD装置，以优化细胞排序性能。

Comments 33 pages, 5 figures

Optimizing Medical Question-Answering Systems: A Comparative Study of Fine-Tuned and Zero-Shot Large Language Models with RAG Framework

优化医疗问答系统：基于RAG框架的微调与零样本大语言模型比较研究

Tasnimul Hassan, Md Faisal Karim, Haziq Jeelani, Elham Behnam, Robert Green, Fayeq Jeelani Syed

机构 * Department of Electrical Engineering ； Computer Science University of Toledo Toledo, USA ； Institute of Mathematical Sciences Claremont Graduate University Claremont, USA ； Department of Bioengineering University of Toledo Toledo, USA ； Department of Computer Science Bowling Green State University Bowling Green, USA 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文通过RAG框架结合微调与零样本大语言模型，提升医疗问答系统的准确性与可靠性，实验证明检索增强显著提高回答质量。

Modulation of Electroosmotic Flow through Short Nanopores by Charged Exterior Surfaces

通过带电外部表面调节短纳米孔电渗流

Chao Zhang, Xiaomei Zhang, Hongwen Zhang, Zekun Gong, Xiuhua Ren, Mengnan Guo, Yinghua Qiu

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究通过带电外部表面调节短纳米孔电渗流，揭示了有效宽度与孔径、电荷密度及电压的关系，为优化纳米孔膜性能提供理论依据。

Comments 31 pages, 7 figures

Journal ref Electrochimica Acta. 2025. 543. 147623

Fine-Tuning BERT for Domain-Specific Question Answering: Toward Educational NLP Resources at University Scale

针对特定领域的问题回答微调BERT：迈向大学规模的自然语言处理资源

Aurélie Montfrond

机构 * Dept. of Electronic & Computer Engineering, University of Limerick（电子与计算机工程系，利默里克大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究通过微调BERT模型，针对大学课程材料开发了首个领域特定问答系统，展示了基础模型在教育领域的应用潜力。

Comments 4 pages, 2 figures

Multi-Task Learning for Sparsity Pattern Heterogeneity: Statistical and Computational Perspectives

多任务学习中的稀疏性模式异质性：统计与计算视角

Kayhan Behdin, Gabriel Loewinger, Kenneth T. Kishida, Giovanni Parmigiani, Rahul Mazumder

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种新的多任务学习方法，通过允许不同任务间稀疏性模式和非零系数值的差异，提升变量选择和预测性能。

Comments Journal of Royal Statistical Society, Series B (to appear)

NeuroSleepNet: A Multi-Head Self-Attention Based Automatic Sleep Scoring Scheme with Spatial and Multi-Scale Temporal Representation Learning

NeuroSleepNet: 一种基于多头自注意力的自动睡眠评分方案，结合空间和多尺度时间表示学习

Muhammad Sudipto Siam Dip, Mohammod Abdul Motin, Chandan Karmakar, Thomas Penzel, Marimuthu Palaniswami

专题命中 健康监测 ：diagnosis(abstract)；分类 eess.SP

AI总结 NeuroSleepNet通过多头自注意力和空间多尺度时间表示学习，实现高效自动睡眠评分，取得与最先进方法相当的性能。

Comments IEEE Access, 2025

UG-FedDA: Uncertainty-Guided Federated Domain Adaptation for Multi-Center Alzheimer's Disease Detection

UG-FedDA: 用于多中心阿尔茨海默病检测的不确定性引导联邦域适应

Fubao Zhu, Zhanyuan Jia, Zhiguo Wang, Huan Huang, Danyang Sun, Chuang Han, Yanting Li, Jiaofen Nan, Chen Zhao, Weihua Zhou

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

AI总结 UG-FedDA通过结合不确定性量化与联邦域适应，实现多中心阿尔茨海默病检测的高效准确分类，同时保护隐私。

Comments The code is already available on GitHub: https://github.com/chenzhao2023/UG_FADDA_AlzhemiersClassification

Distilling Expert Surgical Knowledge: How to train local surgical VLMs for anatomy explanation in Complete Mesocolic Excision

萃取专家手术知识：如何训练局部手术VLMs用于完全网膜切除术的解剖解释

Lennart Maack, Julia-Kristin Graß, Lisa-Marie Toscha, Nathaniel Melling, Alexander Schlaefer

机构 * 1 Institute of Medical Technology ； Intelligent Systems, Hamburg University of Technology, Hamburg, Germany 2 Department of General, Visceral ； Thoracic Surgery, University Medical Center Hamburg-Eppendorf, Hamburg, Germany 纠错

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

AI总结 本文提出一种隐私保护框架，通过从大型通用LLM中萃取知识，训练出高效的本地手术VLM，用于在完全网膜切除术中进行解剖解释。

Retrieving Semantically Similar Decisions under Noisy Institutional Labels: Robust Comparison of Embedding Methods

在噪声机构标签下检索语义相似的决定：嵌入方法的稳健比较

Tereza Novotna, Jakub Harasta

机构 * Faculty of Law, Masaryk University, Brno, Czechia（法律系，马萨里克大学，布拉格） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文比较了两种嵌入方法在噪声标签下的表现，发现通用嵌入器在多个指标上均优于领域预训练模型。

Comments The manuscript has been accepted for presentation as a short paper at the 38th International Conference on Legal Knowledge and Information Systems (JURIX 2025) in Torino, Italy

Automated Identification of Incidentalomas Requiring Follow-Up: A Multi-Anatomy Evaluation of LLM-Based and Supervised Approaches

自动识别需要随访的偶发瘤：基于LLM和监督方法的多解剖评估

Namu Park, Farzad Ahmed, Zhaoyi Sun, Kevin Lybarger, Ethan Breinhorst, Julie Hu, Ozlem Uzuner, Martin Gunn, Meliha Yetisgen

机构 * Department of Biomedical Informatics and Medical Education, University of Washington, Seattle, WA, USA（生物医学信息学与医学教育系，华盛顿大学，西雅图，华盛顿州，美国） ； Department of Information Sciences and Technology, George Mason University, Fairfax, VA, USA（信息科学与技术系，乔治·马歇尔大学，弗吉尼亚州，美国） ； Department of Radiology, Te Whatu Ora Health New Zealand, Te Toka Tumai Auckland, Auckland, New Zealand（放射学系，新西兰Te Whatu Ora健康机构，奥克兰，新西兰） ； Department of Radiology, School of Medicine, University of Washington, Seattle, WA, USA（放射学系，医学院，华盛顿大学，西雅图，华盛顿州，美国） 纠错

专题命中 医学数据与评测 ：radiology(abstract)

AI总结 本文提出了一种基于LLM和监督方法的多解剖评估，通过结构化病变标记和解剖学上下文提升偶发瘤检测性能，达到与人类专家相当的水平。