医学 AI

Leveraging Clinical Text and Class Conditioning for 3D Prostate MRI Generation

利用临床文本和类别条件化生成3D前列腺MRI

Emerson P. Grabke, Babak Taati, Masoom A. Haider

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

AI总结 本文提出CCELLA方法，通过结合临床文本和类别条件化，提升3D前列腺MRI生成质量及下游分类器性能。

Comments Accepted for publication in IEEE Transactions on Biomedical Engineering, 2025. This is the accepted author version. The final published version is available at https://doi.org/10.1109/TBME.2025.3648426

SRU-Pix2Pix: A Fusion-Driven Generator Network for Medical Image Translation with Few-Shot Learning

SRU-Pix2Pix：一种融合驱动的生成器网络用于医学图像翻译的少样本学习

Xihe Qiu, Yang Dai, Xiaoyu Tan, Sijia Li, Fenghao Sun, Lu Gan, Liang Liu

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子电气工程学院） ； Department of Thoracic Surgery, Zhongshan Hospital of Fudan University（复旦大学中山医院胸外科） ； Clinical Research Unit, Institute of Clinical Science, Zhongshan Hospital of Fudan University（复旦大学中山医院临床科研部） ； Department of Medical Oncology, Cancer Center, and Fudan Zhangjiang Institute, Zhongshan Hospital of Fudan University（复旦大学中山医院医学肿瘤科、癌症中心及复旦张江研究院） 纠错

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

AI总结 SRU-Pix2Pix通过整合SEResNet和U-Net++提升医学图像翻译的生成质量与结构保真度，实现少样本下的高效翻译

DB-MSMUNet:Dual Branch Multi-scale Mamba UNet for Pancreatic CT Scans Segmentation

DB-MSMUNet：双分支多尺度Mamba UNet用于胰腺CT扫描分割

Qiu Guan, Zhiqiang Yang, Dezhang Ye, Yang Chen, Xinli Xu, Ying Tang

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

AI总结 DB-MSMUNet通过双分支多尺度Mamba架构提升胰腺CT分割精度，采用边缘增强和多尺度语义特征提升边缘保留与小病变重建能力。

TokenSeg: Efficient 3D Medical Image Segmentation via Hierarchical Visual Token Compression

TokenSeg: 通过层次视觉令牌压缩实现高效的3D医学图像分割

Sen Zeng, Hong Zhou, Zheng Zhu, Yang Liu

机构 * Tsinghua University（清华大学） ； Southwest Forestry University（西南林业大学） ； GigaAI ； KCL 纠错

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

AI总结 TokenSeg通过层次视觉令牌压缩实现高效的3D医学图像分割，采用多尺度编码器、边界感知令牌化器和稀疏到密集解码器，在乳腺MRI数据集上取得94.49% Dice系数和89.61% IoU，同时降低64%的GPU内存和68%的推理延迟。

Quantitative mapping from conventional MRI using self-supervised physics-guided deep learning: applications to a large-scale, clinically heterogeneous dataset

利用自监督物理引导深度学习进行传统MRI的定量映射：应用于大规模、临床异质数据集的应用

Jelmer van Lune, Stefano Mandija, Oscar van der Heide, Matteo Maspero, Martin B. Schilder, Jan Willem Dankbaar, Cornelis A. T. van den Berg, Alessandro Sbrizzi

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

AI总结 本研究提出一种自监督物理引导深度学习框架，通过传统MRI直接生成定量T1、T2和PD图，实现了在大规模临床数据集中的高精度和稳定性。

Comments 30 pages, 13 figures, full paper

CRUNet-MR-Univ: A Foundation Model for Diverse Cardiac MRI Reconstruction

CRUNet-MR-Univ：一种用于多样化心脏MRI重建的通用模型

Donghang Lyu, Marius Staring, Hildo Lamb, Mariya Doneva

机构 * Department of Radiology, Leiden University Medical Center, Leiden, The Netherlands（莱顿大学医学中心放射科） ； Philips Innovative Technologies, Hamburg, Germany（飞利浦创新技术） 纠错

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

AI总结 CRUNet-MR-Univ是一种基于时空相关性和提示先验知识的通用模型，用于提高心脏MRI重建在多样化场景下的泛化能力与性能表现。

Comments STACOM 2025

Policy to Assist Iteratively Local Segmentation: Optimising Modality and Location Selection for Prostate Cancer Localisation

政策辅助迭代局部分割：优化模态和位置选择以定位前列腺癌

Xiangcen Wu, Shaheer U. Saeed, Yipei Wang, Ester Bonmati Coll, Yipeng Hu

机构 * Department of Medical Physics and Biomedical Engineering, University College London, London, UK（医学物理与生物医学工程系，伦敦大学学院，伦敦，英国） ； UCL Hawkes Institute, University College London, London, UK（UCL Hawkes研究所，伦敦大学学院，伦敦，英国） ； School of Computer Science and Engineering, University of Westminster, London, UK（计算机科学与工程学院，伦敦威斯敏斯特大学，伦敦，英国） 纠错

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

AI总结 本文提出了一种推荐系统，通过优化成像模态和位置选择，提升前列腺癌分割性能，实验表明其在提高标注效率和分割准确性方面具有潜力。

Act-Adaptive Margin: Dynamically Calibrating Reward Models for Subjective Ambiguity

Act-Adaptive Margin: 动态校准奖励模型以应对主观模糊性

Feiteng Fang, Dingwei Chen, Xiang Huang, Ting-En Lin, Yuchuan Wu, Xiong Liu, Xinge Ye, Ziqiang Liu, Haonan Zhang, Liang Zhu, Hamid Alinejad-Rokny, Min Yang, Yongbin Li

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of New South Wales（新南威尔士大学） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出AAM方法，通过动态校准奖励模型偏好边际，提升主观任务中的奖励建模性能，实验显示在角色扮演任务中性能提升显著。

Unified Framework for Qualifying Security Boundary of PUFs Against Machine Learning Attacks

基于机器学习攻击的PUF安全边界统一评估框架

Hongming Fei, Zilong Hu, Prosanta Gope, Biplab Sikdar

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出统一框架评估PUF对机器学习攻击的安全性，通过数学建模和实验分析，确定PUF的安全下界并提供理论保障。

Comments 13 pages, 8 figures

MedPI: Evaluating AI Systems in Medical Patient-facing Interactions

MedPI：评估医疗患者交互中的人工智能系统

Diego Fajardo V., Oleksii Proniakin, Victoria-Elisabeth Gruber, Razvan Marinescu

机构 * Lumos 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 MedPI是一个评估医疗患者交互中AI系统表现的高维基准，通过105个维度评估医疗对话质量，发现主流LLM在鉴别诊断上表现不佳。

Comments 24 pages, 6 figures

Safety-Utility Conflicts Are Not Global: Surgical Alignment via Head-Level Diagnosis

安全与效用冲突并非全球性：通过头部层面诊断的手术对齐

Wang Cai, Yilin Wen, Jinchang Hou, Du Su, Guoqiu Wang, Zhonghou Lv, Chenfu Bao, Yunfang Wu

机构 * Baidu Inc.（百度公司） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（中国科学院计算技术研究所人工智能安全重点实验室） 纠错

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

AI总结 本文提出CAST框架，通过头部层面诊断与稀疏微调相结合，解决LLMs中安全与效用冲突问题，减少训练损失并提升安全性。

Breaking Robustness Barriers in Cognitive Diagnosis: A One-Shot Neural Architecture Search Perspective

打破认知诊断的鲁棒性壁垒：从单次神经架构搜索视角出发

Ziwen Wang, Shangshang Yang, Xiaoshan Yu, Haiping Ma, Xingyi Zhang

机构 * School of Computer Science and Technology, Key Laboratory of Intelligent Computing and Signal Processing of Ministry of Education, Anhui University（计算机科学与技术学院、教育部智能计算与信号处理重点实验室、安徽大学） ； Anhui Province Key Laboratory of Intelligent Computing and Applications（安徽省智能计算与应用重点实验室） ； School of Computer Science and Technology, Anhui University（计算机科学与技术学院、安徽大学） ； School of Artificial Intelligence, Anhui University（人工智能学院、安徽大学） ； Institutes of Physical Science and Information Technology, Anhui University（物理科学与信息技术研究院、安徽大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出OSCD方法，通过单次神经架构搜索提升认知诊断模型的鲁棒性和性能，解决现有方法在噪声污染和架构设计上的不足。

Comments KDD2026, 15 pages

Detection of Deployment Operational Deviations for Safety and Security of AI-Enabled Human-Centric Cyber Physical Systems

面向AI赋能的人本型网络物理系统的部署操作偏差检测

Bernard Ngabonziza, Ayan Banerjee, Sandeep K. S. Gupta

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

AI总结 本文提出了一种基于个性化图像的新技术，用于检测AI赋能的人本型网络物理系统在部署中的操作偏差，以确保其安全性和可靠性。

Unlocking the Pre-Trained Model as a Dual-Alignment Calibrator for Post-Trained LLMs

解封预训练模型作为后训练LLMs的双对齐校准器

Beier Luo, Cheng Wang, Hongxin Wei, Sharon Li, Xuefeng Du

机构 * Department of Statistics and Data Science, Southern University of Science and Technology（统计与数据科学系，南方科技大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） ； Department of Computer Sciences, University of Wisconsin-Madison（计算机科学系，威斯康星大学麦迪逊分校） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 本文提出Dual-Align方法，通过双对齐策略校正后训练LLMs的置信度漂移和过程漂移，提升校准性能。

The unsuitability of existing regulations to reach sustainable AI

现有法规在实现可持续人工智能方面的不适用性

Thomas Le Goff

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文分析现有法规在规范人工智能环境足迹方面的不足，提出加强透明度、协调国际标准和加强公众参与的建议。

Journal ref Pre-COP Side Event ``From Knowledge to Action: Strategic Dialogue towards COP30'', Institute for Applied Economic Research (Ipea), Oct 2025, Rio de Janeiro (BRAZIL), Brazil. pp.108

AgentDevel: Reframing Self-Evolving LLM Agents as Release Engineering

AgentDevel: 将自演化大语言模型代理重新定义为发布工程

Di Zhang

机构 * Fudan University（复旦大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 AgentDevel将LLM代理改进重新定义为发布工程，通过无实现偏见的批评者、可执行诊断和翻转中心门控，实现稳定改进和可审计的发布流程。

Personalized Model-Based Design of Human Centric AI enabled CPS for Long term usage

面向长期使用的以人为本的人工智能增强型控制系统个性化建模设计

Bernard Ngabonziza, Ayan Banerjee, Sandeep K. S. Gupta

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出个性化建模方法，以解决人工智能增强的人本控制系统在长期使用中的安全、可持续性和安全性分析问题。

AssertFlip: Reproducing Bugs via Inversion of LLM-Generated Passing Tests

AssertFlip: 通过翻转LLM生成的通过测试来复现错误

Lara Khatib, Noble Saji Mathews, Meiyappan Nagappan

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 AssertFlip通过翻转LLM生成的通过测试来复现错误，有效提升错误复现效率。

AI-assisted prostate cancer detection and localisation on biparametric MR by classifying radiologist-positives

通过分类放射科阳性病例来辅助前列腺癌检测与定位的双参数MRI

Xiangcen Wu, Yipei Wang, Qianye Yang, Natasha Thorley, Shonit Punwani, Veeru Kasivisvanathan, Ester Bonmati, Yipeng Hu

机构 * Centre for Medical Image Computing, Department of Medical Physics and Biomedical Engineering, University College London（医学图像计算中心，医学物理与生物医学工程系，伦敦大学学院） ； Div of Surgery & Interventional Sci, University College London（外科与介入科学部，伦敦大学学院） ； School of Computer Science and Engineering, University of Westminster（计算机科学与工程学院，威斯敏斯特大学） 纠错

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

AI总结 本文提出通过分类放射科阳性病例来提升MRI中前列腺癌检测的准确性，利用AI辅助提高诊断性能，减少不必要的活检和筛查成本。

Widefield two-photon random illumination microscopy (2P-RIM)

宽场双光子随机照明显微镜（2P-RIM）

Assia Benachir, Xiangyi Li, Eric M. Fantuzzi, Guillaume Giroussens, Thomas Mangeat, Federico Vernuccio, Hervé Rigneault, Anne Sentenac, Sandro Heuke

专题命中 病理影像 ：biomedical(abstract)

AI总结 本研究提出2P-RIM技术，通过宽场散斑照明和图像标准差匹配算法，实现低光损伤、快速成像和高分辨率的宽场双光子显微成像。

SciClaims: An End-to-End Generative System for Biomedical Claim Analysis

SciClaims: 一种用于生物医学声明分析的端到端生成系统

Raúl Ortega, José Manuel Gómez-Pérez

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 SciClaims是一种基于大语言模型的端到端生物医学声明分析系统，可自动提取声明、检索证据并验证真实性，无需额外微调。

Comments In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing: System Demonstrations

easyplater: The easy way to generate microplate designs deconvolved from multivariate clinical data

easyplater: 通过多变量临床数据生成微孔板设计的简便方法

Avigail Taylor, Micah P. Fletcher

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

AI总结 easyplater通过加权多变量评分和网络方法，简化微孔板设计流程，提高解卷效果。

Comments All in one PDF: 18 pages, 10 figures, 2 boxes, 1 table

Ultra-high performance microwave spectral filters using optical microcombs

利用光学微梳实现超高性能微波频谱滤波器

David J. Moss

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种基于光学微梳的自适应微波光子滤波器，实现了高滚降率和可重构性的高性能微波频谱滤波器，适用于下一代无线网络、雷达成像和生物传感等应用。

Comments 31 pages, 7 figures, 190 references

Journal ref Laser and Photonics Reviews Volume 19 (2025)

Self-MedRAG: a Self-Reflective Hybrid Retrieval-Augmented Generation Framework for Reliable Medical Question Answering

Self-MedRAG：一种用于可靠医学问答的自反思混合检索增强生成框架

Jessica Ryan, Alexander I. Gumilang, Robert Wiliam, Derwin Suhartono

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 Self-MedRAG通过混合检索与自反思机制提升医学问答的准确性和可靠性。

Leveraging Language Models and RAG for Efficient Knowledge Discovery in Clinical Environments

利用语言模型和RAG实现临床环境中的高效知识发现

Seokhwan Ko, Donghyeon Lee, Jaewoo Chun, Hyungsoo Han, Junghwan Cho

机构 * Clinical Omics Institute, Kyungpook National University（临床组学研究所，庆北国立大学） ； Department of Biomedical Science, School of Medicine Kyungpook National University（生物医学科学系，庆北国立大学医学院） ； Department of Physiology, School of Medicine Kyungpook National University（生理学系，庆北国立大学医学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究提出一种基于RAG的系统，利用本地部署的LLaMA3和PubMedBERT，在临床环境中实现高效生物医学知识发现。

Comments 11pages, 3 figures

Smart IoT-Based Wearable Device for Detection and Monitoring of Common Cow Diseases Using a Novel Machine Learning Technique

基于智能物联网的可穿戴设备用于利用新型机器学习技术检测和监测常见奶牛疾病

Rupsa Rani Mishra, D. Chandrasekhar Rao, Ajaya Kumar Tripathy

机构 * Department of CSE, CUPGS, Biju Patnaik University, India（计算机科学系，CUPGS，比贾·帕塔尼克大学，印度） 纠错

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

AI总结 本研究提出基于物联网的智能系统，利用新型机器学习算法实现奶牛常见疾病的多疾病检测与高效健康监测。

Comparative Analysis of Binarization Methods For Medical Image Hashing On Odir Dataset

对医疗图像哈希的二值化方法的比较分析：ODIR数据集

Nedim Muzoglu

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

AI总结 本文提出SDH方法在ODIR数据集上实现了优于其他二值化方法的医疗图像哈希性能，以更少的位数达到接近最先进的检索准确率。

Comments After publication of the conference version, we identified fundamental methodological and evaluation issues that affect the validity of the reported results. These issues are intrinsic to the current work and cannot be addressed through a simple revision. Therefore, we request full withdrawal of this submission rather than replacement

FedKDX: Federated Learning with Negative Knowledge Distillation for Enhanced Healthcare AI Systems

FedKDX: 联邦学习中的负知识蒸馏用于增强医疗AI系统

Quang-Tu Pham, Hoang-Dieu Vu, Dinh-Dat Pham, Hieu H. Pham

机构 * Faculty of EEE, Phenikaa School of Engineering（电子工程系，Phenikaa工程学院） ； Phenikaa University（Phenikaa大学） ； VinUni-Illinois Smart Health Center（VinUniversity-伊利诺伊智能健康中心） ； VinUniversity（Vin大学） ； College of Engineering & Computer Science（工程与计算机科学学院） 纠错

专题命中 医学数据与评测 ：healthcare AI(title,abstract)；分类 cs.LG

AI总结 FedKDX通过负知识蒸馏提升医疗AI性能，实现隐私保护与通信成本降低的平衡。

DermaCon-IN: A Multi-concept Annotated Dermatological Image Dataset of Indian Skin Disorders for Clinical AI Research

DermaCon-IN：一个包含印度皮肤疾病多概念标注的皮肤病图像数据集，用于临床AI研究

Shanawaj S Madarkar, Mahajabeen Madarkar, Madhumitha Venkatesh, Deepanshu Bansal, Teli Prakash, Konda Reddy Mopuri, Vinaykumar MV, KVL Sathwika, Adarsh Kasturi, Gandla Dilip Raj, PVN Supranitha, Harsh Udai

机构 * Department of Artificial Intelligence, Indian Institute of Technology Hyderabad, India（人工智能系，印度理工学院海得拉巴学院，印度） ； Indian Navy（印度海军） ； Department of Dermatology, S R Patil Medical College, India（皮肤科系，S R Patil医学院，印度） ； Department of Dermatology, S Nijalingappa Medical College, India（皮肤科系，S Nijalingappa医学院，印度） ； Department of Dermatology, Sri Chamundeshwari Medical College, Hospital & Research, India（皮肤科系，Sri Chamundeshwari医学院，医院及研究，印度） ； Indian Institute of Technology Hyderabad, India（印度理工学院海得拉巴学院，印度） 纠错

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

AI总结 DermaCon-IN是一个包含印度皮肤疾病多概念标注的皮肤病图像数据集，用于临床AI研究，旨在提供可扩展且具有代表性的基础，推动皮肤病AI的发展。

Comments Accepted at NeurIPS 2025 (D&B Track)