医学 AI

PathCo-LatticE: Pathology-Constrained Lattice-Of Experts Framework for Fully-supervised Few-Shot Cardiac MRI Segmentation

PathCo-LatticE: 一种受病理约束的专家 lattice 框架，用于全监督的少样本心脏 MRI 分割

Mohamed Elbayumi, Mohammed S. M. Elbaz

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

AI总结 PathCo-LatticE通过病理引导的合成监督和动态专家lattice框架，在少样本心脏MRI分割中实现优于现有方法的性能，并在无目标域微调的情况下实现接近全监督的准确率。

Stronger is not better: Better Augmentations in Contrastive Learning for Medical Image Segmentation

更强并非更好：对比学习中用于医学图像分割的改进增强

Azeez Idris, Abdurahman Ali Mohammed, Samuel Fanijo

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文研究了医学图像分割中对比学习的增强方法，发现强数据增强不一定提升性能，并提出了改进的增强技术以提高分割效果。

Comments NeurIPS Black in AI workshop - 2022

Semantic Data Augmentation Enhanced Invariant Risk Minimization for Medical Image Domain Generalization

语义数据增强增强不变风险最小化用于医学图像领域泛化

Yaoyao Zhu, Xiuding Cai, Yingkai Wang, Yu Yao, Xu Luo, Zhongliang Fu

机构 * Chengdu Institute of Computer Application, Chinese Academy of Sciences（中国科学院成都计算机应用研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出一种基于语义数据增强的不变风险最小化方法，通过领域导向的增强方向选择器提升医学图像领域泛化性能。

Diffusion Model Regularized Implicit Neural Representation for CT Metal Artifact Reduction

扩散模型正则化的隐式神经表示用于CT金属伪影抑制

Jie Wen, Chenhe Du, Xiao Wang, Yuyao Zhang

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

AI总结 本文提出一种结合扩散模型和隐式神经表示的框架，用于改进CT图像中金属伪影的抑制效果。

Detection and Localization of Subdural Hematoma Using Deep Learning on Computed Tomography

利用深度学习进行CT扫描中硬脑膜下出血的检测与定位

Vasiliki Stoumpou, Rohan Kumar, Bernard Burman, Diego Ojeda, Tapan Mehta, Dimitris Bertsimas

机构 * Operations Research Center, Massachusetts Institute of Technology（麻省理工学院运营研究中心） ； Boston University（波士顿大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Connecticut School of Medicine（康奈尔大学医学学院） ； Hartford HealthCare（哈特福德医疗集团） ； Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） 纠错

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

AI总结 本文提出一种多模态深度学习框架，结合临床数据与CT影像，实现硬脑膜下出血的快速准确检测与定位，提升神经外科急诊处理效率。

Modality-Specific Enhancement and Complementary Fusion for Semi-Supervised Multi-Modal Brain Tumor Segmentation

模态特异性增强与互补融合用于半监督多模态脑肿瘤分割

Tien-Dat Chung, Ba-Thinh Lam, Thanh-Huy Nguyen, Thien Nguyen, Nguyen Lan Vi Vu, Hoang-Loc Cao, Phat Kim Huynh, Min Xu

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

AI总结 本文提出了一种半监督多模态脑肿瘤分割框架，通过模态特异性增强模块和互补信息融合模块提升分割性能。

Comments 9 pages, 3 figures

Causal Attribution of Model Performance Gaps in Medical Imaging Under Distribution Shifts

在分布偏移下医疗影像中模型性能差距的因果归因

Pedro M. Gordaliza, Nataliia Molchanova, Jaume Banus, Thomas Sanchez, Meritxell Bach Cuadra

机构 * CIBM Center for Biomedical Imaging（生物医学成像中心） ； Department of Radiology, Lausanne University Hospital and University of Lausanne（拉沃大学医院放射科） ； MedGIFT, Institute of Informatics, School of Management, HES–SO Valais–Wallis University of Applied Sciences and Arts Western Switzerland（MedGIFT，信息学院，管理学院，瓦莱-瓦莱大学应用科学和艺术西瑞士） 纠错

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

AI总结 本文提出一种因果归因框架，用于分析医疗影像分割中因分布偏移导致的性能下降，通过量化标注协议和获取偏移对性能的影响，帮助优先部署针对性的改进措施。

Comments Medical Imaging meets EurIPS Workshop: MedEurIPS 2025

Graph Deep Learning for Intracranial Aneurysm Blood Flow Simulation and Risk Assessment

基于图深度学习的颅内动脉瘤血流模拟与风险评估

Paul Garnier, Pablo Jeken-Rico, Vincent Lannelongue, Chiara Faitini, Aurèle Goetz, Lea Chanvillard, Ramy Nemer, Jonathan Viquerat, Ugo Pelissier, Philippe Meliga, Jacques Sédat, Thomas Liebig, Yves Chau, Elie Hachem

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 本研究提出基于图深度学习的模型，通过血管几何结构快速模拟血流动力学，实现颅内动脉瘤风险评估的实时预测与临床应用。

Explainable Fundus Image Curation and Lesion Detection in Diabetic Retinopathy

可解释性视网膜图像整理与糖尿病视网膜病变病变检测

Anca Mihai, Adrian Groza

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

AI总结 本文提出了一种可解释性视网膜图像质量控制框架，通过特征筛选、图像增强和标注一致性评估，提升糖尿病视网膜病变病变检测的准确性与可靠性。

Dense Matchings of Linear Size in Graphs with Independence Number 2

图中独立数为2时的线性大小匹配

Jung Hon Yip

专题命中 医学影像 ：CT(abstract)

AI总结 该研究证明了独立数为2的图中存在线性大小的匹配，并探讨了Hadwiger猜想的相关问题。

Comments V2. Comments welcome!

Influence of bone microstructure on ultrasound loss through skull-mimicking digital phantoms

骨微结构对颅骨模拟数字假体中超声衰减的影响

Samuel Clinard, Taylor Webb, Henrik Odéen, Dennis L. Parker, Douglas A. Christensen

专题命中 医学影像 ：CT(abstract)

AI总结 研究探讨了骨微结构对超声衰减的影响，发现孔隙率和孔径影响插入损失，650kHz下衰减-HU关系不确定，影响CT衍生声学模型。

Comments Submitted to Medical Physics

Journal ref Med Phys. 2025; 52:e70113

Access to healthcare for people with Alzheimer's Diseases and related dementias

阿尔茨海默病及相关痴呆症患者获得医疗服务的可及性

Saeed Saleh Namadi, Jie Chen, Deb Niemeier

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本研究探讨了阿尔茨海默病及相关痴呆症患者在马里兰州的医疗服务可及性问题，发现欠服务区域存在高死亡率，揭示了城乡和地理间的不平等。

Dynamic Facial Expressions Analysis Based Parkinson's Disease Auxiliary Diagnosis

基于帕金森病辅助诊断的动态面部表情分析

Xiaochen Huang, Xiaochen Bi, Cuihua Lv, Xin Wang, Haoyan Zhang, Wenjing Jiang, Xin Ma, Yibin Li

机构 * School of Control Science and Engineering, Shandong University, Jinan, 250061, China（控制科学与工程学院，山东大学，济南，250061，中国） ； Engineering Research Center of Intelligent Unmanned System, Ministry of Education, China（智能无人系统工程研究中心，教育部，中国） ； Department of Geriatric Neurology, Qilu Hospital of Shandong University, Jinan, 250061, China（老年神经内科，山东大学齐鲁医院，济南，250061，中国） ； Shandong Inspur Science Research Institute Co., Ltd.（山东浪潮科学研究院有限公司） 纠错

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

AI总结 本文提出了一种基于动态面部表情分析的帕金森病辅助诊断方法，利用多模态网络和 LSTM 分类器实现高准确率的疾病检测。

Breast Cancer Diagnosis: A Comprehensive Exploration of Explainable Artificial Intelligence (XAI) Techniques

乳腺癌诊断：可解释人工智能（XAI）技术的全面探索

Samita Bai, Sidra Nasir, Rizwan Ahmed Khan, Alexandre Meyer, Hubert Konik

机构 * Canadian Institute of Cybersecurity (CIC)（加拿大网络安全研究所） ； University of New Brunswick（新不伦瑞克大学） ； Dipartimento di Informatica, Università di Verona（威尼斯大学信息学院） ； Università di Verona（威尼斯大学） ； Department of Computer Science, School of Mathematics and Computer Science, Institute of Business Administration（计算机科学系，数学与计算机科学学院，商学院） ； LIRIS, CNRS, Université Claude Bernard Lyon 1（LIRIS，国家科学研究中心，克莱尔伯恩大学 Lyon 1 分校） ； LHC, UMR5516, Université de Saint-Etienne（LHC，UMR5516，圣艾蒂安大学） 纠错

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

AI总结 本文探讨了XAI技术在乳腺癌诊断中的应用，分析了多种XAI方法与机器学习模型的整合，旨在提高诊断准确性与患者治疗效果。

SimClinician: A Multimodal Simulation Testbed for Reliable Psychologist AI Collaboration in Mental Health Diagnosis

SimClinician: 一种多模态模拟测试平台，用于心理健康诊断中可靠的心理学家AI协作

Filippo Cenacchi, Longbing Cao, Deborah Richards

机构 * Macquarie University（麦考瑞大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 SimClinician是一种多模态模拟平台，通过整合音频、文本和目光-表情模式，帮助心理学家在心理健康诊断中与AI协作，提升诊断的准确性和交互的流畅性。

Learning When to Ask: Simulation-Trained Humanoids for Mental-Health Diagnosis

学习何时提问：为心理健康诊断训练的仿真 humanoid

Filippo Cenacchi, Deborah Richards, Longbing Cao

机构 * Macquarie University（麦考瑞大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本文提出了一种基于仿真的方法，通过训练人形机器人以更有效地进行心理健康诊断，利用反事实回放和安全学习循环提升对话节奏和关系建立。

Enhanced Chest Disease Classification Using an Improved CheXNet Framework with EfficientNetV2-M and Optimization-Driven Learning

基于改进的CheXNet框架的增强胸部疾病分类

Ali M. Bahram, Saman Muhammad Omer, Hardi M. Mohammed, Sirwan Abdolwahed Aula

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

AI总结 本文提出基于改进CheXNet与EfficientNetV2-M的胸部疾病分类框架，通过优化训练方法提升准确率，达到96.45%的测试准确率，显著提升关键疾病检测性能。

Comments 23 pages, 6 figures, 7 tables

QuanvNeXt: An end-to-end quanvolutional neural network for EEG-based detection of major depressive disorder

QuanvNeXt：一种用于基于EEG的抑郁症检测的端到端量化卷积神经网络

Nabil Anan Orka, Ehtashamul Haque, Maftahul Jannat, Md Abdul Awal, Mohammad Ali Moni

机构 * The University of Queensland（昆士兰大学） ； BRAC University（布拉克大学） ； Bangladesh Medical University（孟加拉医学大学） ； University of Southern Queensland（南方昆士兰大学） ； Charles Sturt University（查尔斯·斯特劳特大学） 纠错

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

AI总结 QuanvNeXt通过引入新颖的交叉残差块，实现了高效且可靠的EEG抑郁症检测，准确率高达93.1%

Comments Under review

A Clinically Interpretable Deep CNN Framework for Early Chronic Kidney Disease Prediction Using Grad-CAM-Based Explainable AI

一种具有临床可解释性的深度CNN框架，用于利用基于Grad-CAM的可解释AI进行早期慢性肾病预测

Anas Bin Ayub, Nilima Sultana Niha, Md. Zahurul Haque

专题命中 诊断辅助 ：CT(abstract)；分类 cs.CV

AI总结 本研究提出一种结合SMOTE和Grad-CAM的深度CNN框架，用于通过CT图像实现CKD的早期预测，取得100%准确率。

Riemannian vs. Euclidean Representation of Gait Kinematics: A Comparative Analysis

黎曼几何与欧几里得表示法在步态运动学中的比较分析

Tomáš Bůžek

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

AI总结 本文比较了黎曼几何与欧几里得方法在步态运动学中的表现，发现黎曼方法能更准确捕捉步态的非线性特性与效率优化。

On Parameter Identification in Three-Dimensional Elasticity and Discretisation with Physics-Informed Neural Networks

在三维弹性力学中参数识别与物理信息神经网络的离散化

Federica Caforio, Martin Holler, Matthias Höfler

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种基于物理信息神经网络的三维弹性力学参数识别方法，通过同时估计状态和参数实现稳定逼近，并与传统网格方法进行比较。

Knowledge-Guided Large Language Model for Automatic Pediatric Dental Record Understanding and Safe Antibiotic Recommendation

基于知识引导的大型语言模型用于自动解析儿童牙科记录并安全推荐抗生素

Zihan Han, Junyan Ge, Caifeng Li

专题命中 诊断辅助 ：radiology(abstract)

AI总结 本研究提出基于知识引导的大型语言模型，通过整合知识图谱、检索增强生成和多阶段安全验证，提升儿童牙科记录解析与安全抗生素推荐的准确性。

The Adoption Paradox for Veterinary Professionals in China: High Use of Artificial Intelligence Despite Low Familiarity

中国兽医专业人员的人工智能采用悖论：尽管对AI不熟悉，但使用率高

Shumin Li, Xiaoyun Lai

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 中国兽医专业人员尽管对AI不熟悉，但高使用率揭示了独特的'内部-外部'整合模式，需专门工具和监管框架以安全应用AI。

Comments 2 Tables, 5 Figures (included in the end), Supplemental Material is included in the end

PoultryTalk: A Multi-modal Retrieval-Augmented Generation (RAG) System for Intelligent Poultry Management and Decision Support

PoultryTalk: 一种用于智能家禽管理与决策支持的多模态检索增强生成（RAG）系统

Kapalik Khanal, Biswash Khatiwada, Stephen Afrifa, Ranjan Sapkota, Sanjay Shah, Frank Bai, Ramesh Bahadur Bist

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 PoultryTalk是一种多模态RAG系统，通过文本和图像交互为家禽管理提供实时专家指导，实现了高准确率和用户满意度。

Deep Multi-modal Breast Cancer Detection Network

深度多模态乳腺癌检测网络

Noor Ul Huda Shah, Tanveer Hussain, Amr Ahmed, Yonghuai Liu, Usman Ali, Ardhendu Behera

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

AI总结 本文提出深度多模态乳腺癌检测网络，整合视觉与临床数据提升诊断准确率，实验显示在Mini-DDSM数据集上准确率提升至90.87%。

Comments The paper is withdrawn because we identified an error in the dataset splitting procedure used in the experiments for MMCDNET. The training/validation split was incorrectly implemented, leading to data leakage and invalid performance results

Learning Robust Representations for Malicious Content Detection via Contrastive Sampling and Uncertainty Estimation

通过对比采样和不确定性估计学习稳健的恶意内容检测表示

Elias Hossain, Umesh Biswas, Charan Gudla, Sai Phani Parsa

机构 * 1 College of Engineering ； Computer Science, University of Central Florida, Orlando, USA, 2 Department of Computer Science \& Engineering, Mississippi State University, MS State, USA , 3 Department of Computer Science, University of Nevada, Las Vegas, USA 纠错

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

AI总结 UCF通过对比采样和不确定性估计提升恶意内容分类的准确率与召回率，实现高精度的稳健表示学习。

Activation of Polylactic Acid and Polycarbonate Surfaces with Non-Thermal Plasma

非热等离子体激活聚乳酸和聚碳酸酯表面

Jairo Rondón, Ginger Urrutia, Angel Gonzalez-Lizardo

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 非热等离子体活化聚乳酸和聚碳酸酯表面，通过多模式分析提升细胞-材料相互作用，为下一代生物材料设计提供指导。

Comments 4 pages

Stanford Sleep Bench: Evaluating Polysomnography Pre-training Methods for Sleep Foundation Models

斯坦福睡眠基准：评估多导睡眠图预训练方法用于睡眠基础模型

Magnus Ruud Kjaer, Rahul Thapa, Gauri Ganjoo, Hyatt Moore, Poul Joergen Jennum, Brandon M. Westover, James Zou, Emmanuel Mignot, Bryan He, Andreas Brink-Kjaer

机构 * Stanford University（斯坦福大学） ； Technical University of Denmark（技术大学） ； Danish Center for Sleep Medicine（丹麦睡眠医学中心） ； University of Copenhagen（哥本哈根大学） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 斯坦福睡眠基准通过大规模多导睡眠图数据集评估多种自监督预训练方法，提升睡眠分析的准确性和可重复性。

Hands-on Evaluation of Visual Transformers for Object Recognition and Detection

视觉变换器在物体识别和检测中的实践评估

Dimitrios N. Vlachogiannis, Dimitrios A. Koutsomitropoulos

机构 * Dept. of Computer Engineering and Informatics（计算机工程与信息学系） ； University of Patras（帕特拉斯大学） 纠错

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

AI总结 本文评估了不同类型的视觉变换器在物体识别和检测任务中的性能，发现混合和分层变换器在准确性和计算资源之间取得良好平衡，尤其在医学影像中表现突出。

Journal ref 37th International Conference on Tools with Artificial Intelligence (ICTAI 2025)

Assessing the Feasibility of Early Cancer Detection Using Routine Laboratory Data: An Evaluation of Machine Learning Approaches on an Imbalanced Dataset

利用常规实验室数据评估早期癌症检测的可行性：对机器学习方法在不平衡数据集上的评估

Shumin Li

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

AI总结 本研究评估了利用常规实验室数据通过机器学习检测癌症的可行性，发现其在临床分类上表现欠佳，需整合多模态数据以提升效果。