医学 AI

RadDiff: Describing Differences in Radiology Image Sets with Natural Language

RadDiff：用自然语言描述放射学图像集的差异

Xiaoxian Shen, Yuhui Zhang, Sahithi Ankireddy, Xiaohan Wang, Maya Varma, Henry Guo, Curtis Langlotz, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 RadDiff通过多模态代理系统实现放射学图像集差异的自然语言描述，结合医学知识和多模态推理，在放射学研究配对中取得高准确率，推动临床影像分析的发展。

Staged Voxel-Level Deep Reinforcement Learning for 3D Medical Image Segmentation with Noisy Annotations

分阶段体素级深度强化学习用于带有噪声标注的3D医学图像分割

Yuyang Fu, Xiuzhen Guo, Ji Shi

机构 * the Academy for Multidisciplinary Studies, Beijing National Center for Applied Mathematic（多学科研究学院，北京应用数学中心） ； Capital Normal University（首都师范大学） 纠错

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

AI总结 本文提出分阶段体素级深度强化学习框架，通过动态迭代更新策略和新颖的强化学习方法，在噪声标注条件下提升医学图像分割的准确性和鲁棒性。

Plasticine: A Traceable Diffusion Model for Medical Image Translation

Plasticine: 一种用于医学图像翻译的可追溯扩散模型

Tianyang Zhang, Xinxing Cheng, Jun Cheng, Shaoming Zheng, He Zhao, Huazhu Fu, Alejandro F Frangi, Jiang Liu, Jinming Duan

机构 * Department of Computer Science, University of Birmingham（计算机科学系，伯明翰大学） ； Institute for Infocomm Research, A*STAR（信息与通信研究所，A*STAR） ； Imperial College London（伦敦帝国学院） ； Department of Eye and Vision Science, University of Liverpool（眼科与视觉科学系，利物浦大学） ； Institute of High Performance Computing, A*STAR（高性能计算研究所，A*STAR） ； Department of Computer Science, and the Division of Informatics, Imaging and Data Sciences, School of Health Sciences, The University of Manchester（计算机科学系，信息、成像与数据科学分会，健康科学学院，曼彻斯特大学） ； Southern University of Science and Technology（南方科技大学） ； University of Birmingham（伯明翰大学） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 Plasticine是一种以可追溯性为核心目标的端到端医学图像翻译框架，通过结合强度翻译和空间变换，在去噪扩散框架中生成具有可解释性强度过渡和空间一致变形的合成图像。

Comments Accepted by IEEE Transactions on Artificial Intelligence

Full-Wave Modeling of Transcranial Ultrasound using Volume-Surface Integral Equations and CT-Derived Heterogeneous Skull Data

利用体积-表面积分方程和CT衍生的异质颅骨数据对颅穿超声进行全波建模

Alberto Almuna-Morales, Danilo Aballay, Pierre Gélat, Reza Haqshenas, Elwin van 't Wout

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

AI总结 本文提出基于体积-表面积分方程的高效方法，用于建模颅穿超声通过异质颅骨的全波传播，验证了颅骨异质性对超声束形变的影响。

Lenz effect in conductive nonmagnetic objects moved in MRI environments

MRI环境中导电非磁性物体运动中的楞次效应

Alessandro Arduino, Oriano Bottauscio, Michael Steckner, Umberto Zanovello, Luca Zilberti

专题命中 医学影像 ：MRI(title,abstract)

AI总结 研究提出了一种在MRI环境中忽略皮肤效应建模导电非磁性物体运动的数值方法，通过验证铝板旋转和平移实验数据，证明了在忽略皮肤效应的情况下可准确预测楞次效应下的运动。

Comments 12 pages, 6 figures

Journal ref Magnetic Resonance Imaging (2026) Vol. 127, Art. no. 110605

Ensemble Models for Predicting Treatment Response in Pediatric Low-Grade Glioma Managed with Chemotherapy

用于预测化疗反应的集成模型：在无法完全手术切除的儿童低级别胶质瘤中使用化疗

Max Bengtsson, Elif Keles, Angela J. Waanders, Ulas Bagci

专题命中 医学影像 ：MRI(abstract)；分类 eess.IV

AI总结 本文提出了一种集成模型，通过结合影像组学和临床数据，预测无法完全手术切除的儿童低级别胶质瘤患者对化疗的反应。

Neural Optimal Design of Experiment for Inverse Problems

神经最优实验设计用于反问题

John E. Darges, Babak Maboudi Afkham, Matthias Chung

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 NODE通过直接优化测量位置实现稀疏性，减少计算复杂性，并在多个基准测试中优于基线方法，提升重建精度和任务性能。

Adapting Vision-Language Foundation Model for Next Generation Medical Ultrasound Image Analysis

为下一代医学超声图像分析适应视觉-语言基础模型

Jingguo Qu, Xinyang Han, Jia Ai, Juan Wu, Tong Zhao, Tonghuan Xiao, Sheng Ning, Yuqi Yang, Jing Qin, Ann Dorothy King, Winnie Chiu-Wing Chu, Jing Cai, Michael Tin-Cheung Ying

机构 * Department of Health Technology and Informatics, The Hong Kong Polytechnic University（健康科技与信息学系，香港理工大学） ； Centre for Smart Health and School of Nursing, The Hong Kong Polytechnic University（智能健康中心及护理学院，香港理工大学） ； Department of Imaging and Interventional Radiology, The Chinese University of Hong Kong（影像与介入放射学系，香港中文大学） ； Suzhou Hospital of Traditional Chinese Medicine Affiliated to Nanjing University of Chinese Medicine（南京中医药大学附属苏州中医医院） ； Department of Ultrasound, The Affiliated Changzhou No. 2 People's Hospital of Nanjing Medical University（南京医科大学附属常州第二人民医院超声科） 纠错

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

AI总结 本文提出混合微调策略，通过频域过滤和多尺度特征聚合提升CLIP模型在超声图像分析中的性能，实现更高效和鲁棒的医学诊断应用。

Efficient 3D affinely equivariant CNNs with adaptive fusion of augmented spherical Fourier-Bessel bases

高效3D仿射等变CNN及其增强球傅里叶-贝塞尔基的自适应融合

Wenzhao Zhao, Steffen Albert, Barbara D. Wichtmann, Angelika Maurer, Ulrike Attenberger, Frank G. Zöllner, Jürgen Hesser

机构 * School of Computer and Artificial Intelligence, Nanjing University of Finance and Economics（南京金融学院计算机与人工智能学院） ； Interdisciplinary Center for Scientific Computing, Mannheim Institute for Intelligent Systems in Medicine, Medical Faculty Mannheim, Heidelberg University（科学计算交叉中心、医学智能系统研究所、曼海姆医学院、海德堡大学） ； Computer Assisted Clinical Medicine, Mannheim Institute for Intelligent Systems in Medicine, Medical Faculty Mannheim, Heidelberg University（临床医学辅助计算机、医学智能系统研究所、曼海姆医学院、海德堡大学） ； Department of Diagnostic and Interventional Radiology, University Hospital Bonn（诊断与介入放射科、波恩大学医院） ； Interdisciplinary Center for Scientific Computing, Central Institute for Computer Engineering, CSZ Heidelberg Center for Model-Based AI, Data Analysis and Modeling in Medicine, Mannheim Institute for Intelligent Systems in Medicine, Medical Faculty Mannheim, Heidelberg University（科学计算交叉中心、计算机工程中央研究所、海德堡模型驱动AI中心、医学数据与建模中心、曼海姆医学智能系统研究所、曼海姆医学院、海德堡大学） 纠错

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

AI总结 本文提出一种高效3D仿射群等变CNN，通过自适应融合增强球傅里叶-贝塞尔基，提升体积图像的特征提取与分割性能。

Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI

利用Swin Transformer提升多壳扩散MRI在阿尔茨海默病诊断中的应用

Quentin Dessain, Nicolas Delinte, Bernard Hanseeuw, Laurence Dricot, Benoît Macq

机构 * ICTEAM Institute, UCLouvain（ICTEAM研究院，UCLouvain大学） ； Institute of Neuroscience (IoNS), UCLouvain（神经科学研究所（IoNS），UCLouvain大学） 纠错

专题命中 诊断辅助 ：MRI(title,abstract)；diagnosis(title,abstract)；pathology(abstract)；biomedical(abstract)

AI总结 本研究利用Swin Transformer模型，通过多壳扩散MRI数据提升阿尔茨海默病诊断和淀粉样蛋白检测的准确率。

A Super-Learner with Large Language Models for Medical Emergency Advising

基于大语言模型的医疗急救顾问超级学习器

Sergey K. Aityan, Abdolreza Mosaddegh, Rolando Herrero, Haitham Tayyar, Jiang Han, Vikram Sawant, Qi Chen, Rishabh Jain, Aruna Senthamaraikannan, Stephen Wood, Manuel Mersini, Rita Lazzaro, Mario Balzanelli, Nicola Iacovazzo, Ciro Gargiulo Isacco

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出基于大语言模型的医疗急救顾问超级学习器，通过整合多个模型提升诊断准确率，达到70%甚至85%的高水平表现。

Comments 12 pages, 3 figures, 2 tables

Layer-Order Inversion: Rethinking Latent Multi-Hop Reasoning in Large Language Models

层序倒置：重新思考大语言模型中的潜在多跳推理

Xukai Liu, Ye Liu, Jipeng Zhang, Yanghai Zhang, Kai Zhang, Qi Liu

机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出"层序倒置"现象，通过概率性回忆与提取框架解释大语言模型中多跳推理的机制，揭示了层序倒置与总跳步数的关系，并提供了多跳失败的诊断方法。

Comments 16 pages, 18 figures

Scanner-Induced Domain Shifts Undermine the Robustness of Pathology Foundation Models

扫描诱导的域偏移损害病理基础模型的鲁棒性

Erik Thiringer, Fredrik K. Gustafsson, Kajsa Ledesma Eriksson, Mattias Rantalainen

机构 * Department of Medical Epidemiology and Biostatistics, Karolinska Institutet（卡罗林斯卡研究所医学流行病学与生物统计学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） 纠错

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

AI总结 本文研究了扫描诱导的域偏移对病理基础模型鲁棒性的影响，发现现有模型在面对扫描设备变异性时存在显著偏差，需改进嵌入稳定性和校准以提升临床可靠性。

A Fast and Precise Method for Searching Rectangular Tumor Regions in Brain MR Images

在脑部MRI图像中快速且精确搜索矩形肿瘤区域的方法

Hidenori Takeshima, Shuki Maruyama

机构 * Software Technologies Group, MRI Systems Development Department, MRI Systems Division, Canon Medical Systems Corporation, Tochigi, Japan（Canon医疗系统公司软件技术组、MRI系统开发部、MRI系统事业部，Tochigi） 纠错

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

AI总结 本文提出了一种快速且精确的脑部MRI图像中矩形肿瘤区域搜索方法，通过改进的分割网络和快速搜索算法，提升了搜索效率和精度。

$\textit{sentropy}$: A Python Package for Revealing Hidden Differences in Complex Datasets

sentropy：用于揭示复杂数据集隐藏差异的Python包

Phuc Nguyen, Rohit Arora, Elliot D. Hill, Jasper Braun, Alexandra Morgan, Liza M. Quintana, Gabrielle Mazzoni, Ghee Rye Lee, Rima Arnaout, Ramy Arnaout

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

AI总结 sentropy是一个专为大数据集设计的Python包，用于计算S-熵及频率敏感和相似性敏感度量，适用于免疫组学、宏基因组学等领域。

Comments 43 pages, 8 figures

Personalization of Large Foundation Models for Health Interventions

为健康干预个性化设计大型基础模型

Stefan Konigorski, Johannes E. Vedder, Babajide Alamu Owoyele, İbrahim Özkan

专题命中 医疗多模态 ：healthcare AI(abstract)；分类 cs.LG

AI总结 本文提出混合框架，结合LFMs和N-of-1试验，以实现个性化医疗中的因果推断与责任AI整合。

Comments Accepted to the AAAI 2026 Workshop on Personalization in the Era of Large Foundation Models (PerFM)

Emergence of Pascal's triangle in cascaded polarization optics: an intuitive framework for field transformation

帕斯卡三角形在级联偏振光学中的出现：一种直观的场变换框架

Ata Ur Rahman Khalid, Naeem Ullah, Nannan Li, Hui Li, Muhammad Ali Babar Abbasi, Robert M Bowman

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 该研究在偏振光学中发现帕斯卡三角形模式，提出了一种直观的场变换框架，实现了高效的像素到像素变换，并统一了超材料与传统波片，降低了计算成本。

eTracer: Towards Traceable Text Generation via Claim-Level Grounding

eTracer：通过声明级 grounding 实现可追溯的文本生成

Bohao Chu, Qianli Wang, Hendrik Damm, Hui Wang, Ula Muhabbek, Elisabeth Livingstone, Christoph M. Friedrich, Norbert Fuhr

机构 * University of Duisburg-Essen（杜伊斯堡-埃森大学） ； Technische Universität Berlin（柏林技术大学） ； University of Applied Sciences and Arts Dortmund（多特蒙德应用科学大学） ； University Hospital Essen（埃森大学医院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 eTracer 通过声明级 grounding 提升文本生成的可追溯性和可信度，改进了生物医学领域响应的验证效率。

Comments ACL 2026 Conference Submission (8 main pages)

HemBLIP: A Vision-Language Model for Interpretable Leukemia Cell Morphology Analysis

HemBLIP：一种用于可解释性白血病细胞形态分析的视觉-语言模型

Julie van Logtestijn, Petru Manescu

机构 * Department of Computer Science, University College London, United Kingdom（计算机科学系，伦敦大学学院，英国） 纠错

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

AI总结 HemBLIP是一种基于视觉-语言模型的白血病细胞形态分析工具，通过可解释的描述提升诊断透明度和效率。

Learn2Reg 2024: New Benchmark Datasets Driving Progress on New Challenges

Learn2Reg 2024：新基准数据集推动新挑战的进步

Lasse Hansen, Wiebke Heyer, Christoph Großbröhmer, Frederic Madesta, Thilo Sentker, Wang Jiazheng, Yuxi Zhang, Hang Zhang, Min Liu, Junyi Wang, Xi Zhu, Yuhua Li, Liwen Wang, Daniil Morozov, Nazim Haouchine, Joel Honkamaa, Pekka Marttinen, Yichao Zhou, Zuopeng Tan, Zhuoyuan Wang, Yi Wang, Hongchao Zhou, Shunbo Hu, Yi Zhang, Qian Tao, Lukas Förner, Thomas Wendler, Bailiang Jian, Christian Wachinger, Jin Kim, Dan Ruan, Marek Wodzinski, Henning Müller, Tony C. W. Mok, Xi Jia, Jinming Duan, Mikael Brudfors, Seyed-Ahmad Ahmadi, Yunzheng Zhu, William Hsu, Tina Kapur, William M. Wells, Alexandra Golby, Aaron Carass, Harrison Bai, Yihao Liu, Perrine Paul-Gilloteaux, Joakim Lindblad, Nataša Sladoje, Andreas Walter, Junyu Chen, Reuben Dorent, Alessa Hering, Mattias P. Heinrich

机构 * EchoScout GmbH ； Institute of Medical Informatics（医学信息学研究所） ； Institute of Applied Medical Informatics（应用医学信息学研究所） ； Institute of Computational Neuroscience（计算神经科学研究所） ； School of Artificial Intelligence and Robotics（人工智能与机器人学院） ； Cornell University（康奈尔大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Mechanical Engineering Department（机械工程系） ； Harvard Medical School（哈佛医学院） ； Technical University of Munich（慕尼黑技术大学） ； Aalto University（阿德莱德大学） ； Canon Medical Systems (China) Co., Ltd.（佳能医疗系统（中国）有限公司） ； Smart Medical Imaging, Learning and Engineering (SMLE) Lab（智能医学影像、学习和工程实验室） ； School of Information Science and Engineering（信息科学与工程学院） ； Department of Imaging Physics（影像物理系） ； Clinical Computational Medical Imaging Research（临床计算医学成像研究） ； TUM Klinikum Rechts der Isar（慕尼黑工业大学医院） ； University of California（加州大学） ； AGH University of Krakow（克拉科夫应用科学大学） 纠错

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

AI总结 Learn2Reg 2024通过引入新任务和数据集，推动医学图像配准领域在模态多样性和任务复杂性方面的进展。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:034

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