医学 AI

Automated Motion Artifact Check for MRI (AutoMAC-MRI): An Interpretable Framework for Motion Artifact Detection and Severity Assessment

自动MRI运动伪影检查（AutoMAC-MRI）：一种可解释的运动伪影检测和严重程度评估框架

Antony Jerald, Dattesh Shanbhag, Sudhanya Chatterjee

机构 * GE HealthCare（通用电气医疗） 纠错

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

AI总结 AutoMAC-MRI通过监督对比学习实现运动伪影的可解释性分级，提升MRI质量控制效率

Model Agnostic Preference Optimization for Medical Image Segmentation

无模型偏好优化用于医学图像分割

Yunseong Nam, Jiwon Jang, Dongkyu Won, Sang Hyun Park, Soopil Kim

机构 * DGIST, School of Undergrad Studies（DGIST研究生院） ； DGIST, Department of Robotics and Mechatronics Engineering（DGIST机器人与机电工程系） ； DGIST, Division of Intelligent Robot（DGIST智能机器人系） 纠错

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

AI总结 MAPO通过Dropout驱动的随机分割假设实现无模型偏好优化，提升医学图像分割的边界遵循性和稳定性。

TPG-INR: Target Prior-Guided Implicit 3D CT Reconstruction for Enhanced Sparse-view Imaging

TPG-INR：目标先验引导的隐式3D CT重建用于增强稀疏视图成像

Qinglei Cao, Ziyao Tang, Xiaoqin Tang

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

AI总结 TPG-INR通过目标先验引导隐式学习，提升稀疏视图CT重建的效率和质量。

Comments We are withdrawing to restructure and refine the research plan to enhance its systematic rigor, completeness, and overall depth

Multiscale Cross-Modal Mapping of Molecular, Pathologic, and Radiologic Phenotypes in Lipid-Deficient Clear Cell Renal CellCarcinoma

多尺度跨模态映射分子、病理和放射表型在脂质缺乏型清细胞癌肾癌中的应用

Ying Cui, Dongzhe Zheng, Ke Yu, Xiyin Zheng, Xiaorui Wang, Xinxiang Li, Yan Gu, Lin Fu, Xinyi Chen, Wenjie Mei, Xin-Gui Peng

机构 * Nurturing Center of Jiangsu Province for State Laboratory of AI Imaging & Interventional Radiology, Department of Radiology, Zhongda Hospital, School of Medicine, Southeast University（江苏省人工智能影像与介入放射学 state laboratory 育成中心，放射科，中大医院，东南大学） ； Department of Mechanical and Aerospace Engineering, Princeton University（机械与航空航天工程系，普林斯顿大学） ； School of Automation, Southeast University（自动化学院，东南大学） ； Department of Biomedical Engineering, Columbia University（生物医学工程系，哥伦比亚大学） ； Automation and Electrical Engineering College, Lanzhou University of Technology（自动化与电气工程学院，兰州理工大学） ； The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学附属第一医院，生命科学与医学学院，中国科学技术大学） ； Lianyungang First People’s Hospital（连云港第一人民医院） ； School of Robotics and Automation, Suzhou Campus, Nanjing University（机器人与自动化学院，南京大学苏智校区） 纠错

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

AI总结 本研究提出多尺度跨模态框架，用于术前识别脂质缺乏型清细胞肾癌的分子、病理和放射表型，实现非侵入性分子表型分析。

Integrating Background Knowledge in Medical Semantic Segmentation with Logic Tensor Networks

在医学语义分割中整合背景知识与逻辑张量网络

Luca Bergamin, Giovanna Maria Dimitri, Fabio Aiolli

机构 * Department of Mathematics University of Padua（数学系 帕尔马大学） 纠错

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

AI总结 本文提出利用逻辑张量网络整合医学背景知识，提升医学图像语义分割性能，尤其在数据稀缺时表现更优。

Comments Accepted at TAIM@IJCNN 2025

Radiomics and Clinical Features in Predictive Modelling of Brain Metastases Recurrence

放射组学与临床特征在脑转移瘤复发预测模型中的应用

Ines Faria, Matheus Silva, Crystian Saraiva, Jose Soares, Victor Alves

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

AI总结 本研究利用放射组学和临床数据构建模型，预测脑转移瘤复发并探讨辐射剂量差异与复发风险的关系。

Comments 14 pages, 6 figures, 3 tables

MedicoSAM: Robust Improvement of SAM for Medical Imaging

MedicoSAM：医疗影像的SAM鲁棒性改进

Anwai Archit, Luca Freckmann, Constantin Pape

机构 * Institute of Computer Science, University of Göttingen（计算机科学研究所，哥廷根大学） 纠错

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

AI总结 MedicoSAM通过改进Segment Anything模型，提升医疗影像交互式分割性能，但未提升语义分割效果，模型已公开提供。

Tracking spatial temporal details in ultrasound long video via wavelet analysis and memory bank

通过小波分析和记忆库实现超声长视频中空间时间细节的跟踪

Chenxiao Zhang, Runshi Zhang, Junchen Wang

机构 * School of Mechanical Engineering and Automation, Beihang University（机械工程与自动化学院，北航） 纠错

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

AI总结 本文提出基于记忆库的小波过滤和融合网络，用于提高超声长视频中细粒度空间特征提取和小物体分割的精度。

Comments Chenxiao Zhang and Runshi Zhang contributed equally to this work. 14 pages, 11 figures

Journal ref Medical Image Analysis 2026

FAIR sharing of Chromatin Tracing datasets using the newly developed 4DN FISH Omics Format

基于新开发的4DN FISH Omics格式实现染色质追踪数据集的FAIR共享

Rahi Navelkar, Andrea Cosolo, Bogdan Bintu, Yubao Cheng, Vincent Gardeux, Silvia Gutnik, Taihei Fujimori, Antonina Hafner, Atishay Jay, Bojing Blair Jia, Adam Paul Jussila, Gerard Llimos, Antonios Lioutas, Nuno MC Martins, William J Moore, Yodai Takei, Frances Wong, Kaifu Yang, Huaiying Zhang, Quan Zhu, Magda Bienko, Lacramioara Bintu, Long Cai, Bart Deplancke, Marcelo Nollmann, Susan E Mango, Bing Ren, Peter J Park, Ahilya N Sawh, Andrew Schroeder, Jason R Swedlow, Golnaz Vahedi, Chao-Ting Wu, Sarah Aufmkolk, Alistair N Boettiger, Irene Farabella, Caterina Strambio-De-Castillia, Siyuan Wang

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

AI总结 本文提出FOF-CT标准，实现染色质追踪数据的FAIR共享，提升数据重用与分析能力。

Comments A detailed description of the FISH Omics Format for Chromatin Tracing (FOF-CT) can be found on ReadTheDocs at this link: https://fish-omics-format.readthedocs.io/en/latest/ This publication includes 3 Figures and 3 Supplemental Tables

Vector Flow Imaging in Layered Models With a High Speed of Sound Contrast Using Pulse-Echo Ultrasound and Photoacoustics

在具有高声速对比的分层模型中使用脉冲回声超声和光电声学进行矢量流成像

Caitlin Smith, Guillaume Renaud, Kasper van Wijk, Jami Shepherd

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

AI总结 本研究提出了一种基于折射校正的延迟求和算法，用于在具有高声速对比的分层模型中实现更准确的矢量流成像，适用于生物医学和非破坏性检测应用。

Comments 14 pages, 11 figures. Preprint

A Critical Perspective on Finite Sample Conformal Prediction Theory in Medical Applications

对医学应用中有限样本符合预测理论的批判性视角

Klaus-Rudolf Kladny, Bernhard Schölkopf, Lisa Koch, Christian F. Baumgartner, Michael Muehlebach

机构 * Max Planck Institute for Intelligent Systems, Germany（德国马克斯·普朗克智能系统研究所） ； Tübingen AI Center, Germany（图宾根人工智能中心） ； ELLIS Institute Tübingen, Germany（图宾根ELLIS研究所） ； Department of Digital Medicine, University of Bern, Switzerland（伯恩大学数字医学系） ； Department of Diabetes, Endocrinology, Nutritional Medicine and Metabolism UDEM, Inselspital, Bern University Hospital, University of Bern, Switzerland（伯恩大学糖尿病、内分泌学、营养医学和代谢学系） ； Diabetes Center Berne, Bern, Switzerland（伯恩糖尿病中心） ； University of Tübingen, Germany（图宾根大学） ； University of Lucerne, Switzerland（卢塞恩大学） 纠错

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

AI总结 本文批判性地探讨了有限样本下符合预测理论在医学应用中的有效性，指出校准样本大小对实际效用的影响，并通过医学图像分类任务验证了这一观点。

Nonparametric Linear Discriminant Analysis for High Dimensional Matrix-Valued Data

非参数线性判别分析用于高维矩阵值数据

Seungyeon Oh, Seongoh Park, Hoyoung Park

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出了一种非参数线性判别分析方法，用于高维矩阵值数据的分类，通过非参数最大似然估计提升分类性能。

Comments 24 pages, 11 figures, 5 tables and Supplementary Material (7 pages, 13 figures and 1 table )

Explainable AI for Classifying UTI Risk Groups Using a Real-World Linked EHR and Pathology Lab Dataset

利用真实世界链接的电子健康记录和病理实验室数据集进行UTI风险分组分类的可解释AI

Yujie Dai, Brian Sullivan, Axel Montout, Amy Dillon, Chris Waller, Peter Acs, Rachel Denholm, Philip Williams, Alastair D Hay, Raul Santos-Rodriguez, Andrew Dowsey

机构 * University of Bristol（布里斯托大学） ； Kettering General Hospital NHS Foundation Trust（凯特林医院国家健康服务基金会信托） ； NHS England（英格兰国家健康服务） ； University Hospitals Bristol and Weston NHS Foundation Trust（布里斯托和韦斯特医院国家健康服务基金会信托） 纠错

专题命中 临床大模型 ：pathology(title)；分类 cs.LG

AI总结 本研究利用真实世界链接的EHR和病理实验室数据集，通过可解释AI技术对UTI风险分组进行分类，以提高临床决策的透明性和可解释性。

Comments Peer-reviewed; accepted at Health Intelligence (W3PHIAI-25) Workshop, AAAI Conference 2025 (to appear in Studies in Computational Intelligence, Springer/Nature)

SGEMAS: A Self-Growing Ephemeral Multi-Agent System for Unsupervised Online Anomaly Detection via Entropic Homeostasis

SGEMAS：一种自生长瞬时多智能体系统，用于通过熵稳态的无监督在线异常检测

Mustapha Hamdi

机构 * InnoDeep, PhD, Co-founder（InnoDeep） 纠错

专题命中 临床大模型 ：medical AI(abstract)；biomedical(abstract)；分类 cs.LG

AI总结 SGEMAS通过熵稳态机制实现自生长多智能体系统，用于无监督在线异常检测，实验表明其在跨患者零样本设置中性能优于传统方法。

Cross-modal ultra-scale learning with tri-modalities of renal biopsy images for glomerular multi-disease auxiliary diagnosis

跨模态超尺度学习：利用三种模态的肾活检图像进行肾小球多病种辅助诊断

Kaixing Long, Danyi Weng, Yun Mi, Zhentai Zhang, Yanmeng Lu, Jian Geng, Zhitao Zhou, Liming Zhong, Qianjin Feng, Wei Yang, Lei Cao

机构 * School of Biomedical Engineering, Southern Medical University（生物医学工程学院，南方医科大学） ； Guangdong Provincial Key Laboratory of Medical Image Processing（广东省医学影像处理重点实验室） ； Guangdong Province Engineering Laboratory for Medical Imaging and Diagnostic Technology（广东省医学影像与诊断技术工程实验室） ； Central Laboratory, Southern Medical University（中心实验室，南方医科大学） ； Department of Pathology, School of Basic Medical Sciences, Southern Medical University（病理学部，基础医学学院，南方医科大学） ； Guangzhou Huayin Medical Laboratory Center（广州华英医学实验室中心） 纠错

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

AI总结 本文提出CMUS-Net，通过跨模态超尺度学习，利用三种模态的肾活检图像实现肾小球多病种的自动分类，提升了诊断准确性。

Mapis: A Knowledge-Graph Grounded Multi-Agent Framework for Evidence-Based PCOS Diagnosis

Mapis：一种基于知识图谱的多智能体框架，用于基于证据的多囊卵巢综合征诊断

Zanxiang He, Meng Li, Liyun Shi, Weiye Daia, Liming Nie

专题命中 诊断辅助 ：diagnosis(title,abstract)；radiology(abstract)

AI总结 Mapis是一种基于知识图谱的多智能体框架，专门用于基于指南的多囊卵巢综合征诊断，通过结构化协作流程和全面的知识图谱提升诊断准确性。

Empirical Investigation of the Impact of Phase Information on Fault Diagnosis of Rotating Machinery

旋转机械故障诊断中相位信息影响的实证研究

Hiroyoshi Nagahama, Katsufumi Inoue, Masayoshi Todorokihara, Michifumi Yoshioka

机构 * Graduate School of Informatics, Osaka Metropolitan University（信息学研究生院，大阪 Metropolitan 大学） ； Microdevices Operations Division, Seiko Epson Corp.（微器件操作部，Seiko Epson 公司） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG、eess.SP

AI总结 本文通过实证研究，提出两种相位感知预处理策略，提升旋转机械故障诊断的准确率，其中单轴参考方法在保持空间相位关系方面表现最优，准确率提升达96.2%。

Comments This work has been submitted to the IEEE for possible publication

MedChat: A Multi-Agent Framework for Multimodal Diagnosis with Large Language Models

MedChat: 一种基于大语言模型的多智能体多模态诊断框架

Philip R. Liu, Sparsh Bansal, Jimmy Dinh, Aditya Pawar, Ramani Satishkumar, Shail Desai, Neeraj Gupta, Xin Wang, Shu Hu

机构 * University at Albany, State University of New York（纽约州立大学阿布扎克分校） 纠错

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

AI总结 MedChat通过多智能体框架结合专用视觉模型和角色特定LLM代理，提升多模态诊断的可靠性与交互性。

Journal ref Proc. 2025 IEEE 8th International Conference on Multimedia Information Processing and Retrieval (MIPR), pp. 456-462, 2025

Enhancing Alzheimer's Detection through Late Fusion of Multi-Modal EEG Features

通过多模态EEG特征晚融合增强阿尔茨海默病检测

Nguyen Thanh Vinh, Manoj Vishwanath, Thinh Nguyen-Quang, Nguyen Viet Ha, Bui Thanh Tung, Huy-Dung Han, Nguyen Quang Linh, Nguyen Hai Linh, Hung Cao

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.SP

AI总结 本研究提出一种基于多模态EEG特征晚融合的深度学习框架，用于提高阿尔茨海默病的早期检测准确率。

MUSE: Multi-Scale Dense Self-Distillation for Nucleus Detection and Classification

MUSE：多尺度密集自蒸馏用于核检测与分类

Zijiang Yang, Hanqing Chao, Bokai Zhao, Yelin Yang, Yunshuo Zhang, Dongmei Fu, Junping Zhang, Le Lu, Ke Yan, Dakai Jin, Minfeng Xu, Yun Bian, Hui Jiang

机构 * DAMO Academy, Alibaba Group（阿里集团 DAMO 院） 纠错

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

AI总结 MUSE通过多尺度密集自蒸馏方法，有效解决组织病理学中核检测与分类的核心挑战，提升细粒度核级表示能力。

Comments 12 pages, 7 figures

Hidden in the Haystack: Smaller Needles are More Difficult for LLMs to Find

haystack中隐藏的针：更小的针对LLM来说更难找到

Owen Bianchi, Mathew J. Koretsky, Maya Willey, Chelsea X. Alvarado, Tanay Nayak, Adi Asija, Nicole Kuznetsov, Mike A. Nalls, Faraz Faghri, Daniel Khashabi

机构 * Center for Alzheimer’s Disease and Related Dementias, NIA, NIH（阿尔茨海默病及相关痴呆症研究中心，国家老龄化研究所，国家卫生研究院） ； DataTecnica LLC（DataTecnica公司） ； Johns Hopkins University（约翰霍普金斯大学） ； Laboratory of Neurogenetics, NIA, NIH（神经遗传学实验室，国家老龄化研究所，国家卫生研究院） 纠错

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

AI总结 本文研究了黄金上下文大小对LLM长上下文问答性能的影响，发现较短的黄金上下文会显著降低模型性能，揭示了上下文长度对模型表现的关键作用。

Comments Under Review

Bayesian Updating of constitutive parameters under hybrid uncertainties with a novel surrogate model applied to biofilms

在混合不确定性下利用新型代理模型进行本构参数的贝叶斯更新

Lukas Fritsch, Hendrik Geisler, Jan Grashorn, Felix Klempt, Meisam Soleimani, Matteo Broggi, Philipp Junker, Michael Beer

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种基于新型代理模型的贝叶斯更新框架，用于在混合不确定性下校准多物种生物膜生长模型，实现参数准确恢复和预测一致性。

Female anatomies disguise ECG abnormalities following myocardial infarction: an AI-enabled modelling and simulation study

女性解剖结构掩盖心肌梗死后的ECG异常：一种基于人工智能的建模与模拟研究

Hannah Smith, Abhirup Banerjee, Leto Luana Riebel, Ruben Doste, Maxx Holmes, Vicente Grau, Blanca Rodriguez

专题命中 健康监测 ：MRI(abstract)；diagnosis(abstract)

AI总结 本研究利用人工智能建模揭示女性解剖结构导致ECG异常，从而影响心肌梗死诊断和治疗

Bayesian Latent Class Regression and Variable Selection with Applications to Sleep Patterns Data

贝叶斯潜在类别回归与变量选择及其在睡眠模式数据中的应用

Matthew Heaney, Olive Healy, Jason Wyse, Arthur White

专题命中 健康监测 ：diagnosis(abstract)

AI总结 本文提出了一种贝叶斯潜在类别回归方法，用于识别儿童睡眠问题的潜在亚组，并通过变量选择提高模型准确性。

Comments 24 pages, 4 figures

PANDA-PLUS-Bench: A Clinical Benchmark for Evaluating Robustness of AI Foundation Models in Prostate Cancer Diagnosis

PANDA-PLUS-Bench：用于评估前列腺癌诊断中AI基础模型鲁棒性的临床基准

Joshua L. Ebbert, Dennis Della Corte

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

AI总结 PANDA-PLUS-Bench通过定制基准数据集评估AI基础模型在前列腺癌Gleason分级中的鲁棒性，揭示模型在生物特征捕获和跨滑片准确率上的差异。

Comments 21 pages, 5 figures, 6 Tables

Advanced Multi-Architecture Deep Learning Framework for BIRADS-Based Mammographic Image Retrieval: Comprehensive Performance Analysis with Super-Ensemble Optimization

先进多架构深度学习框架用于基于BIRADS的乳腺X线图像检索：结合超集成优化的全面性能分析

MD Shaikh Rahman, Feiroz Humayara, Syed Maudud E Rabbi, Muhammad Mahbubur Rashid

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

AI总结 本文提出先进多架构深度学习框架，通过超集成优化提升基于BIRADS的乳腺图像检索性能，实现显著的精度提升和高效搜索。

Journal ref Journal of Imaging Informatics in Medicine (2025)

The LUMirage: An independent evaluation of zero-shot performance in the LUMIR challenge

LUMirage：在LUMIR挑战中对零样本性能的独立评估

Rohit Jena, Pratik Chaudhari, James C. Gee

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文对LUMIR挑战中的零样本性能进行了独立评估，发现深度学习方法在分布内表现良好但对分布外数据和高分辨率数据存在显著局限，需谨慎对待零样本优越性断言。

From Pretraining to Privacy: Federated Ultrasound Foundation Model with Self-Supervised Learning

从预训练到隐私：具有自监督学习的联邦超声基础模型

Yuncheng Jiang, Chun-Mei Feng, Jinke Ren, Jun Wei, Zixun Zhang, Yiwen Hu, Yunbi Liu, Rui Sun, Xuemei Tang, Juan Du, Xiang Wan, Yong Xu, Bo Du, Xin Gao, Guangyu Wang, Shaohua Zhou, Shuguang Cui, Zhen Li

机构 * FNii-Shenzhen, The Chinese University of Hong Kong, Shenzhen（深圳FNii，香港中文大学（深圳）） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（科学与工程学院，香港中文大学（深圳）） ； West China Hospital of Sichuan University, Chengdu（四川大学华西医院） ； School of Computer Science, University College Dublin, Ireland（计算机科学学院，都柏林大学（爱尔兰）） ； College of Computer Science and Software Engineering, Shenzhen University, Shenzhen（计算机科学与软件工程学院，深圳大学） ； South China Hospital, Health Science Center, Shenzhen University, Shenzhen（南方医院，深圳大学健康科学中心） ； School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing（计算机科学学院，南京邮电大学） ； Affiliated Hospital of North Sichuan Medical College, Sichuan（北川医学院附属医院） ； North Sichuan Medical College, Sichuan（北川医学院） ； Shenzhen Research Institute of Big Data, Shenzhen（深圳大数据研究院） ； Bio-Computing Research Center, Harbin Institute of Technology, Shenzhen（生物计算研究中心，哈尔滨工业大学（深圳）） ； School of Computer Science, Wuhan University, Wuhan（计算机科学学院，武汉大学） ； Computer Science Program, Computer, E（计算机科学项目，计算机） 纠错

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

AI总结 UltraFedFM通过联邦学习和自监督学习，构建了一个隐私保护的超声基础模型，实现了在多种疾病诊断和病变分割上的高准确率，超越了中级医师水平，达到了专家级表现。

Comments npj digital medicine(2025)