医学 AI

SSL-MedSAM2: A Semi-supervised Medical Image Segmentation Framework Powered by Few-shot Learning of SAM2

SSL-MedSAM2: 一种由SAM2少样本学习驱动的半监督医学图像分割框架

Zhendi Gong, Xin Chen

机构 * School of Computer Science, University of Nottingham, UK（Nottingham大学计算机科学学院） 纠错

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

AI总结 SSL-MedSAM2通过SAM2的少样本学习和nnUNet的迭代监督学习，在肝脏分割任务中实现了高精度的半监督医学图像分割。

Comments Accepted by MICCAI 2025 CARE Challenge, waiting for publication

Denoising Diffusion Models for Anomaly Localization in Medical Images

医学图像中异常定位的去噪扩散模型

Cosmin I. Bercea, Philippe C. Cattin, Julia A. Schnabel, Julia Wolleb

机构 * School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich, Germany（生物医学影像机器学习研究所，海德堡慕尼黑德国） ； Department of Biomedical Engineering, University of Basel, Allschwil, Switzerland（巴塞尔大学生物医学工程系，瑞士Allschwil） ； School of Biomedical Engineering and Imaging Sciences, King’s College London, United Kingdom（伦敦国王学院生物医学工程与影像科学学院，英国） ； Department of Biomedical Informatics and Data Science, Yale University School of Medicine, New Haven, CT, USA（耶鲁大学医学院生物医学信息学与数据科学系，美国新罕布什尔州新 Haven） ； Yale Biomedical Imaging Institute, Yale University, New Haven, CT, USA（耶鲁大学生物医学影像研究院，美国新罕布什尔州新 Haven） 纠错

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

AI总结 本文探讨了利用去噪扩散模型在医学图像中实现异常定位的方法，分析了不同监督方案的有效性及挑战，指出扩散模型在该领域的应用潜力。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:030

Journal ref Machine.Learning.for.Biomedical.Imaging. 3 (2025)

MetaVoxel: Joint Diffusion Modeling of Imaging and Clinical Metadata

MetaVoxel：联合图像与临床元数据的扩散建模

Yihao Liu, Chenyu Gao, Lianrui Zuo, Michael E. Kim, Brian D. Boyd, Lisa L. Barnes, Walter A. Kukull, Lori L. Beason-Held, Susan M. Resnick, Timothy J. Hohman, Warren D. Taylor, Bennett A. Landman

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

AI总结 MetaVoxel通过联合扩散建模统一图像与临床元数据，实现图像生成、年龄估计和性别预测，性能媲美传统任务特定模型。

FreqDINO: Frequency-Guided Adaptation for Generalized Boundary-Aware Ultrasound Image Segmentation

FreqDINO: 基于频率引导的通用边界感知超声图像分割

Yixuan Zhang, Qing Xu, Yue Li, Xiangjian He, Qian Zhang, Mainul Haque, Rong Qu, Wenting Duan, Zhen Chen

机构 * University of Nottingham Ningbo China（诺丁汉大学宁波校区） ； University of Nottingham（诺丁汉大学） ； University of Lincoln（林肯大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 FreqDINO通过频率引导方法提升超声图像分割的边界感知与结构一致性，实现更优的泛化能力。

Weak-to-Strong Generalization Enables Fully Automated De Novo Training of Multi-head Mask-RCNN Model for Segmenting Densely Overlapping Cell Nuclei in Multiplex Whole-slice Brain Images

弱到强泛化使多头Mask-RCNN模型能够全自动训练以分割密集重叠的细胞核

Lin Bai, Xiaoyang Li, Liqiang Huang, Quynh Nguyen, Hien Van Nguyen, Saurabh Prasad, Dragan Maric, John Redell, Pramod Dash, Badrinath Roysam

机构 * Department of Electrical and Computer Engineering, University of Houston（电子与计算机工程系，休斯顿大学） ； National Institute of Neurological Disorders and Stroke（国家神经疾病与中风研究所） ； Department of Neurobiology and Anatomy, UT McGovern Medical School（神经生物学与解剖学系，UT麦戈文医学学校） ； Canva Pty Ltd. 纠错

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

AI总结 通过弱到强泛化方法，实现多头Mask-RCNN模型全自动训练，有效分割多重免疫荧光整张图像中的重叠细胞核。

Weakly Supervised Tuberculosis Localization in Chest X-rays through Knowledge Distillation

通过知识蒸馏实现胸部X光中肺结核的弱监督定位

Marshal Ashif Shawkat, Moidul Hasan, Taufiq Hasan

机构 * Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） 纠错

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

AI总结 本研究通过知识蒸馏技术，利用ResNet50架构在TBX11k数据集上训练CNN模型，实现了无需边界框注释的肺结核弱监督定位，取得了0.2428 mIOU的优异成绩。

Comments 18 pages, 9 figures, 4 tables

CTorch: PyTorch-Compatible GPU-Accelerated Auto-Differentiable Projector Toolbox for Computed Tomography

CTorch: 一种兼容PyTorch的GPU加速自动可微分投影工具箱，用于计算机断层扫描

Xiao Jiang, Grace J. Gang, J. Webster Stayman

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 CTorch是一种兼容PyTorch的GPU加速自动可微分投影工具箱，支持多种CT几何结构和算法，用于提升CT成像研究的灵活性和效率。

Multiscale Causal Geometric Deep Learning for Modeling Brain Structure

多尺度因果几何深度学习用于建模大脑结构

Chengzhi Xia, Jianwei Chen, Yixuan Jiang, Qi Yan, Chao Li

专题命中 医学影像 ：MRI(abstract)；分类 q-bio

AI总结 本文提出一种多尺度因果几何深度学习方法，通过多模态MRI整合与谱图理论实现大脑结构建模，提升模型的可解释性和性能。

Targeting the Synergistic Interaction of Pathologies in Alzheimer's Disease: Rationale and Prospects for Combination Therapy

针对阿尔茨海默病病理相互作用的协同作用：联合治疗的合理性与前景

Xutong She

专题命中 临床大模型 ：pathology(abstract)；分类 q-bio

AI总结 本文探讨了阿尔茨海默病中Abeta、tau和神经炎症病理的协同作用，强调联合治疗在疾病修正中的潜力及未来精准医学的发展方向。

Comments 58 pages

Confirmatory Biomarker Identification with k-FWER Control Using Derandomized Knockoffs with Cox Regression

使用Cox回归的去随机化敲offs方法实现k-FWER控制的确认性生物标志物识别

Rui Liu, Nan Sun

专题命中 临床大模型 ：biomedical(abstract)

AI总结 本文提出了一种基于Cox回归的去随机化敲offs方法，用于在控制k-FWER的前提下提高高维生存分析中生物标志物识别的稳定性与准确性。

Deep Learning-Based Detection of Cognitive Impairment from Passive Smartphone Sensing with Routine-Aware Augmentation and Demographic Personalization

基于深度学习的被动智能手机传感认知障碍检测：具有常规感知增强和人口统计学个性化

Yufei Shen, Ji Hwan Park, Minchao Huang, Jared F. Benge, Justin F. Rousseau, Rosemary A. Lester-Smith, Edison Thomaz

机构 * Department of Electrical and Computer Engineering, Cockrell School of Engineering, The University of Texas at Austin（电气与计算机工程系，Cockrell工程学院，德克萨斯大学奥斯汀分校） ； Department of Neurology, Dell Medical School, The University of Texas at Austin（神经病学系，德克萨斯医学学院，德克萨斯大学奥斯汀分校） ； Department of Neurology, University of Texas Southwestern Medical Center（神经病学系，德克萨斯西南医学中心） ； Peter O’Donnell Jr. Brain Institute, University of Texas Southwestern Medical Center（彼得·奥·唐纳德·杰罗姆脑研究所，德克萨斯西南医学中心） ； Department of Speech, Language, and Hearing Sciences, Moody College of Communication, The University of Texas at Austin（语言病理学系，摩依学院，德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出基于深度学习的被动智能手机传感方法，通过常规感知增强和人口统计学个性化技术，提高模型在老年人认知障碍检测中的泛化能力。

Comments Accepted at 2025 IEEE EMBS International Conference on Biomedical and Health Informatics (IEEE BHI 2025)

Methodological Precedence in Health Tech: Why ML/Big Data Analysis Must Follow Basic Epidemiological Consistency. A Case Study

健康科技中的方法论优先性：为什么ML/大数据分析必须遵循基本流行病学一致性。一个案例研究

Marco Roccetti

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

AI总结 该研究指出，健康科技中ML/大数据分析必须遵循基本流行病学一致性，否则可能产生误导性结果。

Comments 6 Tables; ML/Big data paper on medical data

CP-Env: Evaluating Large Language Models on Clinical Pathways in a Controllable Hospital Environment

CP-Env：在可控医院环境中评估大型语言模型在临床路径中的表现

Yakun Zhu, Zhongzhen Huang, Qianhan Feng, Linjie Mu, Yannian Gu, Shaoting Zhang, Qi Dou, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； SenseTime Research（商汤科技研究院） 纠错

专题命中 诊断辅助 ：medical AI(abstract)

AI总结 CP-Env通过可控医院环境评估大型语言模型在复杂临床路径中的表现，揭示其在决策和伦理方面的挑战，并推动医疗AI的发展。

Information-driven Fusion of Pathology Foundation Models for Enhanced Disease Characterization

基于信息驱动的病理基础模型融合以增强疾病表征

Brennan Flannery, Thomas DeSilvio, Jane Nguyen, Satish E. Viswanath

机构 * Case Western Reserve University（凯斯西储大学） ； Department of Biomedical Engineering（生物医学工程系） ； Cleveland Clinic（克利夫兰诊所） ； Department of Pathology（病理学系） ； Emory University（埃默里大学） ； Department of Pediatrics（儿科学系） ； Louis Stokes VA Cleveland Medical Center（路易斯·斯托克斯退伍军人医疗中心） 纠错

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

AI总结 本研究提出基于信息驱动的病理基础模型融合方法，通过智能融合提升癌症分级和分期的预测性能与可解释性。

Comments 29 Pages, 10 figures

Multimodal Learning for Scalable Representation of High-Dimensional Medical Data

多模态学习用于高维医学数据的可扩展表示

Areej Alsaafin, Abubakr Shafique, Saghir Alfasly, Krishna R. Kalari, H. R. Tizhoosh

机构 * Kimia Lab, Dept. of Artificial Intelligence & Informatics, Mayo Clinic, Rochester, MN, USA（Kimia实验室，人工智能与信息学系，梅奥诊所，罗切斯特，MN，美国） ； Division of Computational Biology, Dept. of Quantitative Health Sciences, Mayo Clinic, Rochester, MN, USA（计算生物学部门，定量健康科学系，梅奥诊所，罗切斯特，MN，美国） 纠错

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

AI总结 MarbliX通过多模态学习实现高维医学数据的可扩展表示，提升癌症诊断的准确性和效率。

Reducing Domain Gap with Diffusion-Based Domain Adaptation for Cell Counting

通过扩散域适应减少领域差距用于细胞计数

Mohammad Dehghanmanshadi, Wallapak Tavanapong

机构 * Computer Science Department , Iowa State University, IA, USA（计算机科学系，爱荷华州立大学，IA，USA） 纠错

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

AI总结 本研究通过基于InST的风格迁移方法，有效减少合成与真实显微镜数据间的领域差距，提升细胞计数性能，同时减少人工标注工作量。

Comments Accepted at ICMLA 2025

Synthetic Vasculature and Pathology Enhance Vision-Language Model Reasoning

合成血管和病理增强视觉-语言模型推理

Chenjun Li, Cheng Wan, Laurin Lux, Alexander Berger, Richard B. Rosen, Martin J. Menten, Johannes C. Paetzold

机构 * Cornell University（康奈尔大学） ； Weill Cornell Medicine（韦尔·康奈尔医学） ； Technical University of Munich（慕尼黑技术大学） ； New York Eye and Ear Infirmary of Mount Sinai（圣文森特医院） ； Cornell Tech（康奈尔科技） 纠错

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

AI总结 本研究提出合成血管推理框架，通过生成具有糖尿病视网膜病变特征的图像和文本，提升视觉-语言模型在OCTA图像诊断中的推理能力与病理定位精度。

Comments 23 pages, 8 figures, 6 tables. Full paper under review for MIDL 2026 (Medical Imaging with Deep Learning)

DentalGPT: Incentivizing Multimodal Complex Reasoning in Dentistry

DentalGPT: 促进牙科多模态复杂推理的激励机制

Zhenyang Cai, Jiaming Zhang, Junjie Zhao, Ziyi Zeng, Yanchao Li, Jingyi Liang, Junying Chen, Yunjin Yang, Jiajun You, Shuzhi Deng, Tongfei Wang, Wanting Chen, Chunxiu Hao, Ruiqi Xie, Zhenwei Wen, Xiangyi Feng, Zou Ting, Jin Zou Lin, Jianquan Li, Guangjun Yu, Liangyi Chen, Junwen Wang, Shan Jiang, Benyou Wang

机构 * Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University（南方医科大学深圳口腔医院（平山）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； State Key Laboratory of Membrane Biology, Beijing Key Laboratory of Cardiometabolic Molecular Medicine, Institute of Molecular Medicine, National Biomedical Imaging Center, School of Future Technology, Peking University（北京大学膜生物学国家重点实验室、北京心代谢分子医学重点实验室、分子医学研究院、国家生物医学成像中心、未来技术学院） ； Freedom AI ； Division of Applied Oral Sciences & Community Dental Care Faculty of Dentistry, The University of Hong Kong（香港大学牙科学院应用口腔科学与社区牙科护理系） ； Beijing Institute of Collaborative Innovation（北京协同创新研究院） ； National Health Data Institute, Shenzhen（深圳国家健康数据研究院） ； Shenzhen Loop Area Institute（深圳河套学院） ； Shenzhen Institute of Big Data（深圳大数据研究院） 纠错

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

AI总结 DentalGPT通过高质量数据和强化学习提升牙科多模态推理能力，实现优于现有模型的诊断性能。

Few-Shot Learning from Gigapixel Images via Hierarchical Vision-Language Alignment and Modeling

通过层次化视觉-语言对齐和建模实现高像素图像的少样本学习

Bryan Wong, Jong Woo Kim, Huazhu Fu, Mun Yong Yi

机构 * KAIST（韩国科学技术院） ； IHPC, A*STAR（A*STAR研究院） 纠错

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

AI总结 HiVE-MIL通过层次化视觉-语言对齐和建模，提升高像素图像的少样本学习性能，实现4.1%的宏F1提升。

Comments Accepted at NeurIPS 2025

MedRule-KG: A Knowledge-Graph--Steered Scaffold for Reliable Mathematical and Biomedical Reasoning

MedRule-KG: 一种基于知识图谱的可靠数学和生物医学推理框架

Crystal Su

专题命中 生物医学文本 ：biomedical(title)

AI总结 MedRule-KG通过知识图谱框架和轻量验证器，提升科学推理和药物发现的可靠性与准确性。

Comments This paper is withdrawn due to issues with attribution and citation accuracy

Large Language Model Agent for Modular Task Execution in Drug Discovery

用于药物发现模块化任务执行的大型语言模型代理

Janghoon Ock, Radheesh Sharma Meda, Srivathsan Badrinarayanan, Neha S. Aluru, Achuth Chandrasekhar, Amir Barati Farimani

机构 * Department of Chemical Engineering, Carnegie Mellon University（化学工程系，卡内基梅隆大学） ； Department of Material Science and Engineering, Carnegie Mellon University（材料科学与工程系，卡内基梅隆大学） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

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

AI总结 本文提出了一种基于大型语言模型的模块化框架，用于药物发现中的任务执行，通过自动化分子生成和属性预测提升药物筛选效率。

Tera-MIND: Tera-scale mouse brain simulation via spatial mRNA-guided diffusion

Tera-MIND：通过空间mRNA引导扩散实现千兆级小鼠大脑模拟

Jiqing Wu, Ingrid Berg, Yawei Li, Ender Konukoglu, Viktor H. Koelzer

机构 * Department of Biomedical Engineering, University of Basel, Switzerland（巴塞尔大学生物医学工程系） ； Department of Pathology and Molecular Pathology, University Hospital, University of Zurich, Switzerland（苏黎世大学病理学与分子病理学系，苏黎世大学医院） ； Computer Vision Lab, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机视觉实验室） ； Integrated System Laboratory, ETH Zurich, Switzerland（苏黎世联邦理工学院集成系统实验室） ； Institute of Medical Genetics and Pathology, University Hospital Basel, Switzerland（巴塞尔大学医学遗传学与病理学研究所，巴塞尔大学医院） 纠错

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

AI总结 Tera-MIND通过空间mRNA引导扩散模型，实现千兆级小鼠大脑的三维模拟，用于研究大脑分子相互作用和生物医学应用

Bridge2AI Recommendations for AI-Ready Genomic Data

Bridge2AI推荐用于AI准备的基因组数据

Matthew Cannon, Wesley Goar, In-Hee Lee, James Stevenson, Amy Heiser, Nathan Sheffield, James Eddy, Monica Munoz-Torres, Sek Wong Kong, Alex H Wagner

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

AI总结 Bridge2AI提出基因组数据集的AI准备性标准，旨在通过AI技术推动医学新发现。

Comments 19 pages, 6 tables, 1 supplementary use case, 1 supplementary table

Covariate-assisted graph matching

协变量辅助图匹配

Trisha Dawn, Jesús Arroyo

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出两种协变量辅助的图匹配方法，利用种子节点的局部结构或全局对齐来提高网络匹配的准确性。

MedBioRAG: Semantic Search and Retrieval-Augmented Generation with Large Language Models for Medical and Biological QA

MedBioRAG: 基于大语言模型的语义搜索与检索增强生成用于医学和生物学问答

Seonok Kim

机构 * Seonok Kim（独立研究者） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 MedBioRAG通过结合语义搜索、文档检索和监督微调，提升医学和生物学问答任务的性能。

Comments Submitted to ACL 2025. 9 pages, 4 figures, 5 tables (including 2 appendix tables)

Sensitivity of literature T1 mapping methods to the underlying magnetization transfer parameters

文献T1映射方法对基础磁化转移参数的敏感性

Jakob Assländer

专题命中 生物医学文本 ：MRI(abstract)

AI总结 本研究评估了T1映射方法对磁化转移参数的敏感性，发现不同序列对参数变化的响应差异显著。