医学 AI

NEURO-GUARD: Neuro-Symbolic Generalization and Unbiased Adaptive Routing for Diagnostics -- Explainable Medical AI

NEURO-GUARD：神经符号泛化与无偏自适应路由用于诊断——可解释的医疗AI

Midhat Urooj, Ayan Banerjee, Sandeep Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

专题命中 医学影像 ：medical AI(title,abstract)；medical image(abstract)；MRI(abstract)；diagnosis(abstract)

AI总结 NEURO-GUARD通过整合视觉变换器与语言驱动推理，提升医疗图像诊断的准确性、透明性和泛化能力。

Comments Accepted at Asilomar Conference

Placenta Accreta Spectrum Detection Using an MRI-based Hybrid CNN-Transformer Model

基于MRI的混合CNN-Transformer模型用于胎盘黏连谱检测

Sumaiya Ali, Areej Alhothali, Ohoud Alzamzami, Sameera Albasri, Ahmed Abduljabbar, Muhammad Alwazzan

机构 * Department of Computer Science, Faculty of Computing and Information Technology, King Abdulaziz University（计算机科学系，计算与信息科技学院，国王阿卜杜勒阿齐兹大学） ； Faculty of Medicine, King Abdulaziz University（医学学院，国王阿卜杜勒阿齐兹大学） ； Department of Radiology, King Abdulaziz University Hospital（放射科，国王阿卜杜勒阿齐兹大学医院） 纠错

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

AI总结 本文提出基于MRI的混合CNN-Transformer模型，用于提高胎盘黏连谱检测的准确性和及时性。

Understanding Benefits and Pitfalls of Current Methods for the Segmentation of Undersampled MRI Data

理解当前方法在低采样MRI数据分割中的优缺点

Jan Nikolas Morshuis, Matthias Hein, Christian F. Baumgartner

机构 * University of Tübingen（图宾根大学） ； University of Lucerne（卢塞恩大学） 纠错

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

AI总结 本文首次提出统一基准，比较7种方法在低采样MRI数据分割中的性能，发现简单两阶段方法在分割效果上优于复杂专用方法。

Mamba-Based Modality Disentanglement Network for Multi-Contrast MRI Reconstruction

基于Mamba的多对比MRI重建模态解纠缠网络

Weiyi Lyu, Xinming Fang, Jun Wang, Jun Shi, Guixu Zhang, Juncheng Li

机构 * School of Communication and Information Engineering, Shanghai University（上海大学通信与信息工程学院） ； School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） 纠错

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

AI总结 MambaMDN通过双域框架和模态解纠缠网络，有效解决多对比MRI重建中的混叠伪影和无关信息污染问题，提升重建精度。

Comments 12 pages, 11 figures, 6 tables

brat: Aligned Multi-View Embeddings for Brain MRI Analysis

brat: 用于脑部MRI分析的对齐多视图嵌入

Maxime Kayser, Maksim Gridnev, Wanting Wang, Max Bain, Aneesh Rangnekar, Avijit Chatterjee, Aleksandr Petrov, Harini Veeraraghavan, Nathaniel C. Swinburne

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特林癌症中心） ； University of Oxford（牛津大学） ； London School of Economics（伦敦经济学院） 纠错

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

AI总结 brat通过多视图嵌入方法提升脑MRI与临床报告的对齐能力，公开发布基础模型以改进医学影像分析性能。

Comments First round accept at WACV 2026

Standardized Evaluation of Automatic Methods for Perivascular Spaces Segmentation in MRI -- MICCAI 2024 Challenge Results

自动方法在MRI中血管周围空间分割标准化评估——MICCAI 2024挑战结果

Yilei Wu, Yichi Zhang, Zijian Dong, Fang Ji, An Sen Tan, Gifford Tan, Sizhao Tang, Huijuan Chen, Zijiao Chen, Eric Kwun Kei Ng, Jose Bernal, Hang Min, Ying Xia, Ines Vati, Liz Cooper, Xiaoyu Hu, Yuchen Pei, Yutao Ma, Victor Nozais, Ami Tsuchida, Pierre-Yves Hervé, Philippe Boutinaud, Marc Joliot, Junghwa Kang, Wooseung Kim, Dayeon Bak, Rachika E. Hamadache, Valeriia Abramova, Xavier Lladó, Yuntao Zhu, Zhenyu Gong, Xin Chen, John McFadden, Pek Lan Khong, Roberto Duarte Coello, Hongwei Bran Li, Woon Puay Koh, Christopher Chen, Joanna M. Wardlaw, Maria del C. Valdés Hernández, Juan Helen Zhou

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

AI总结 本文提出MICCAI 2024 EPVS分割挑战，评估多种深度学习方法在多中心数据上的性能，揭示了跨站点泛化中的域转移问题。

Selective Phase-Aware Training of nnU-Net for Robust Breast Cancer Segmentation in Multi-Center DCE-MRI

选择性相感知训练nnU-Net以在多中心DCE-MRI中实现稳健的乳腺癌分割

Beyza Zayim, Aissiou Ikram, Boukhiar Naima

机构 * Université Bourgogne Europe, CNRS, ICMUB UMR 6302 Laboratory, Dijon 21000, France（法国布尔格ogne欧洲大学、法国国家科学研究中心、ICMUB UMR 6302实验室） ； University of Algiers 1 Benyoucef Benkhedda Algiers, Algeria（阿尔及利亚阿尔及尔第一大学） 纠错

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

AI总结 本文提出一种选性相感知训练框架，通过高质量数据选择提升nnU-Net在多中心DCE-MRI中乳腺癌分割的鲁棒性。

NodMAISI: Nodule-Oriented Medical AI for Synthetic Imaging

NodMAISI：面向结节的医学AI用于合成成像

Fakrul Islam Tushar, Ehsan Samei, Cynthia Rudin, Joseph Y. Lo

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

AI总结 NodMAISI通过面向结节的CT合成与增强框架，提升医学影像数据的分布忠实度和病变检测性能，尤其在小肺结节识别上表现优异。

Comments 3 tables, 7 figures, 12 Supplement tables, 9 Supplement figures

Dynamic Stream Network for Combinatorial Explosion Problem in Deformable Medical Image Registration

动态流网络用于变形医学图像配准中组合爆炸问题

Shaochen Bi, Yuting He, Weiming Wang, Hao Chen

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Case Western Reserve University（凯斯西储大学） ； Hong Kong Metropolitan University（香港理工大学） 纠错

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

AI总结 本文提出动态流网络DySNet，通过自适应流盆地和动态流注意力机制解决变形医学图像配准中的组合爆炸问题，实现更高效的特征建模与匹配。

Adaptive Frequency Domain Alignment Network for Medical image segmentation

自适应频域对齐网络用于医学图像分割

Zhanwei Li, Liang Li, Jiawan Zhang

机构 * College of Intelligence and Computing（智能与计算学院） ； Tianjin University（天津大学） 纠错

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

AI总结 AFDAN通过自适应频域对齐技术提升医学图像分割的准确性和鲁棒性，有效解决数据稀缺问题。

A First Look at Hydrogen Generation in an Ultramafic Rock with Micro-CT and SEM-BEX

超基性岩中氢气生成的首次观察：微CT与SEM-BEX

Hannah P. Menke, Zaid Z. Jangda, Max Webb, Jim Buckman, Amy Gough

专题命中 医学影像 ：CT(title,abstract)

AI总结 通过微CT和SEM-BEX研究超基性岩中氢气生成机制，揭示低温流体-岩石反应过程及孔隙尺度气体生成与多相流行为的关系。

Comments 20 pages, 6 figures, 2 tables

Topological-Insulator and Spintronic Boundary Electrodynamics for MRI RF Coils: A Theoretical Framework for Loss, Noise, and Reciprocity

拓扑绝缘体与自旋电子边界电磁学用于MRI射频线圈：一种理论框架用于损耗、噪声和互易性

Zoran Milosavljevic

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出了一种理论框架，利用拓扑绝缘体和自旋电子学特性，改进MRI射频线圈的电磁学模型，以减少损耗、改变噪声机制并实现非互易性响应。

Comments Approximately 10 pages, theoretical analysis

Prompt-Aware Adaptive Elastic Weight Consolidation for Continual Learning in Medical Vision-Language Models

面向提示的自适应弹性权重固化用于医学视觉-语言模型的持续学习

Ziyuan Gao, Philippe Morel

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 PA-EWC通过提示引导的参数专门化，有效缓解医疗视觉-语言模型在持续学习中的灾难性遗忘问题，提升多模态医学任务的性能。

Comments Accepted by 32nd International Conference on MultiMedia Modeling (MMM 2026)

DPL: Spatial-Conditioned Diffusion Prototype Enhancement for One-Shot Medical Segmentation

DPL：基于扩散的原型增强用于单次医疗分割

Ziyuan Gao, Philippe Morel

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 DPL通过扩散增强和空间感知条件机制，提升单次医疗图像分割的原型表示能力，实现更鲁棒的泛化性能。

Comments Accepted at IVCNZ 2025. To be published in IEEE proceedings

Journal ref 2025 40th International Conference on Image and Vision Computing New Zealand (IVCNZ), IEEE, 2025

SAMSA 2.0: Prompting Segment Anything with Spectral Angles for Hyperspectral Interactive Medical Image Segmentation

SAMSA 2.0：基于光谱角度的提示分割任意事物用于超光谱交互医学图像分割

Alfie Roddan, Tobias Czempiel, Chi Xu, Daniel S. Elson, Stamatia Giannarou

机构 * The Hamlyn Centre for Robotic Surgery, Department of Surgery and Cancer Imperial College London（哈姆林机器人手术中心、外科与癌症系帝国理工学院伦敦） 纠错

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

AI总结 SAMSA 2.0通过引入光谱角度提示，提升超光谱医学图像分割的准确性和鲁棒性，实现比RGB-only模型和先前光谱融合方法更高的Dice分数。

Local Patches Meet Global Context: Scalable 3D Diffusion Priors for Computed Tomography Reconstruction

局部片段与全局上下文：用于计算机断层扫描重建的可扩展3D扩散先验

Taewon Yang, Jason Hu, Jeffrey A. Fessler, Liyue Shen

机构 * EECS Department, University of Michigan（密歇根大学电子工程与计算机科学系） 纠错

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

AI总结 本文提出一种3D片段基扩散模型，通过学习3D片段先验实现高效高分辨率3D CT重建，优于现有方法。

Weakly Supervised Segmentation and Classification of Alpha-Synuclein Aggregates in Brightfield Midbrain Images

弱监督分割和分类Brightfield中脑图像中的α-突触素聚集物

Erwan Dereure, Robin Louiset, Laura Parkkinen, David A Menassa, David Holcman

机构 * Computational Biology, Ecole Normale Sup\'erieure, PSL University, Paris, France. 2 AP-HP, Hôpital Henri Mondor-Albert Chenevier, Service de Neurologie, F-94010 Créteil, France. 3 INSERM U955, Institut Mondor de Recherche Biomédicale, UPEC, Equipe NeuroPsychologie Interventionnelle, F-94010 Creteil, France. 4 Département d'Etudes Cognitives, École normale supérieure, PSL University, 75005 Paris, France. 5 NeurATRIS, Créteil, France. 6 Nuffield Department of Clinical Neurosciences ； the Queen’s College, University of Oxford, UK. 7 Department of Women’s ； Children’s Health, Karolinska Institutet, Sweden. 8 Churchill College, Cambridge University, CB30DS UK. 纠错

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

AI总结 本研究提出了一种基于弱监督分割的自动图像处理流程，用于中脑Brightfield图像中α-突触素聚集物的分割和分类，实现了80%的平衡准确率，为研究其空间分布和与周围细胞的关系提供了新方法。

Cross-organ all-in-one parallel compressed sensing magnetic resonance imaging

跨器官一体化平行压缩感知磁共振成像

Baoshun Shi, Xin Meng, Shuangni Lv, Zheng Liu, Yan Yang

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

AI总结 CAPNet通过统一框架和跨器官提示生成，实现多器官高效磁共振成像重建

From Brain Scans to Therapy Response: PDE Modelling of Immunotherapy for Glioblastoma

从脑部扫描到治疗反应：基于PDE的胶质母细胞瘤免疫治疗建模

Francesca Ballatore, Lorenzo Scolaris, Chiara Giverso

专题命中 医学影像 ：MRI(abstract)；分类 q-bio

AI总结 本研究通过PDE建模探讨胶质母细胞瘤免疫治疗策略，利用空间信息优化治疗方案。

High Critical Temperature and Field Superconductivity in Nb$_{0.85}$X$_{0.15}$, (X = Ti, Zr, Hf) Alloys: Promising Candidates for Superconducting Devices

高临界温度和磁场超导性在Nb$_{0.85}$X$_{0.15}$合金中的表现：超导器件的有前途的候选材料

R. K. Kushwaha, S. Jangid, P. Mishra, S. Sharma, R. P. Singh

专题命中 医学影像 ：MRI(abstract)

AI总结 研究发现Nb$_{0.85}$X$_{0.15}$合金具有高临界温度和磁场超导性，具备超导器件应用的潜力。

Comments 0 pages, 6 figures

The Dead Salmons of AI Interpretability

AI可解释性的‘死沙丁鱼’

Maxime Méloux, Giada Dirupo, François Portet, Maxime Peyrard

机构 * Université Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学、国家科学研究中心、格勒诺布尔研究所、LIG） 纠错

专题命中 医学影像 ：MRI(abstract)

AI总结 本文探讨了AI可解释性中‘死沙丁鱼’现象，主张通过统计-因果重构，将解释视为模型参数，提升可解释性方法的严谨性和实用性。

Comments 10 pages, 3 figures

Generalized Couch--Torrence inversions

广义的库奇-托伦斯反转

Panagiotis Charalambous, Laura Donnay, Alexandru Lupsasca

专题命中 医学影像 ：CT(abstract)

AI总结 研究揭示了CT反转对称性在极端克尔-新曼几何中的扩展，并发现其在不同自旋场中的普遍性。

Comments 20+8 pages, 4 figures, 1 table

The effect of split endcaps on the flow dynamics in a tall Taylor-Couette setup

分裂端帽对高塔雷-库埃特装置中流动动力学的影响

A. Mishra, P. Personnettaz, G. Mamatsashvili, V. Galindo, F. Stefani

专题命中 医学影像 ：MRI(abstract)

AI总结 本文研究了高雷诺数下分裂端帽对塔雷-库埃特流动动力学的影响，发现端帽会降低磁旋转不稳定性（MRI）的临界阈值，促进其在相关实验中的出现。

Comments 15 pages, 15 figures, 2 Tables, accepted for publication in Physical Review Fluids