医学 AI

POWDR: Pathology-preserving Outpainting with Wavelet Diffusion for 3D MRI

POWDR: 基于小波扩散的病理保持3D MRI外推

Fei Tan, Ashok Vardhan Addala, Bruno Astuto Arouche Nunes, Xucheng Zhu, Ravi Soni

机构 * GE HealthCare（GE健康护理） 纠错

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

AI总结 POWDR通过小波扩散模型生成病理保持的3D MRI外推数据，解决医学影像数据稀缺和类别不平衡问题，提升肿瘤分割性能。

Large-scale modality-invariant foundation models for brain MRI analysis: Application to lesion segmentation

大规模模态不变基础模型用于脑MRI分析：应用于病变分割

Petros Koutsouvelis, Matej Gazda, Leroy Volmer, Sina Amirrajab, Kamil Barbierik, Branislav Setlak, Jakub Gazda, Peter Drotar

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

AI总结 本文提出了一种大规模模态不变基础模型，用于提升脑MRI中病变分割的性能，通过自监督学习预训练并保留细粒度模态特定特征。

Comments Submitted to IEEE ISBI 2026

BARL: Bilateral Alignment in Representation and Label Spaces for Semi-Supervised Volumetric Medical Image Segmentation

BARL：表示空间和标签空间的双侧对齐用于半监督体积医学图像分割

Shujian Gao, Yuan Wang, Zekuan Yu

机构 * College of Biomedical and Engineering, Fudan University（复旦大学生物医学与工程学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学浙大-UIUC研究院） 纠错

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

AI总结 BARL通过双侧对齐表示空间和标签空间，提升半监督体积医学图像分割的性能。

Comments 14 pages, 5 figures

Frequency Error-Guided Under-sampling Optimization for Multi-Contrast MRI Reconstruction

频率误差引导的多对比MRI重建下采样优化

Xinming Fang, Chaoyan Huang, Juncheng Li, Jun Wang, Jun Shi, Guixu Zhang

机构 * School of Communication and Information Engineering, Shanghai University, Shanghai, 200444, China（通信与信息工程学院，上海大学，上海，200444，中国） ； School of Computational Mathematics Science and Engineering, Michigan State University, Ann Arbor, USA（计算数学科学与工程学院，密歇根州立大学，安阿伯，美国） ； School of Computer Science and Technology, East China Normal University, Shanghai, 200062, China（计算机科学与技术学院，华东师范大学，上海，200062，中国） 纠错

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

AI总结 本文提出一种频率误差引导的MRI重建方法，通过联合优化下采样模式和重建网络，提升多对比MRI重建的效率和可解释性。

Comments 44 pages, 12 figures, 7 tables

BrainSegNet: A Novel Framework for Whole-Brain MRI Parcellation Enhanced by Large Models

BrainSegNet: 一种通过大模型增强的全脑MRI分区新框架

Yucheng Li, Xiaofan Wang, Junyi Wang, Yijie Li, Xi Zhu, Mubai Du, Dian Sheng, Wei Zhang, Fan Zhang

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 BrainSegNet通过整合U-Net和SAM的特性，实现了高精度的全脑MRI分区，优于现有方法。

Use of synthetic data for training dose estimation neural networks in CT dosimetry

在CT剂量学中使用合成数据训练剂量估计神经网络

Marie-Luise Kuhlmann, Jörg Martin, Stefan Pojtinger

专题命中 医学影像 ：CT(title,abstract)

AI总结 本研究通过结合真实和合成数据训练神经网络，提升CT剂量估计的准确性与鲁棒性，同时满足不确定性要求。

From Performance to Practice: Knowledge-Distilled Segmentator for On-Premises Clinical Workflows

从性能到实践：面向本地临床工作流的知识蒸馏分割器

Qizhen Lan, Aaron Choi, Jun Ma, Bo Wang, Zhaogming Zhao, Xiaoqian Jiang, Yu-Chun Hsu

机构 * D. Bradley McWilliams School of Biomedical Informatics（D. Bradley McWilliams 生物医学信息学学院） ； The University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校） ； M31 AI ； University Health Network（大学健康网络） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Center for Precision Health（精准健康中心） 纠错

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

AI总结 本文提出了一种面向部署的知识蒸馏分割器，通过减少模型参数提升本地临床工作流的实用性与可维护性。

Fair Foundation Models for Medical Image Analysis: Challenges and Perspectives

医疗图像分析中的公平基础模型：挑战与展望

Dilermando Queiroz, Anderson Carlos, André Anjos, Lilian Berton

机构 * Federal University of São Paulo（巴西圣保罗联邦大学） ； Federal Institute of Goiás（哥亚斯联邦理工学院） ； Idiap Research Institute（Idiap研究机构） 纠错

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

AI总结 本文探讨了医疗图像分析中公平基础模型的挑战与前景，强调通过系统性干预和政策参与实现公平性，以推动医疗技术的普及。

Exploiting Scale-Variant Attention for Segmenting Small Medical Objects

利用尺度变异注意力进行小医学物体分割

Wei Dai, Rui Liu, Zixuan Wu, Tianyi Wu, Min Wang, Junxian Zhou, Yixuan Yuan, Jun Liu

机构 * Centre for Robotics and Automation, City University of Hong Kong（香港城市大学机器人与自动化中心） ； Department of Electronic Engineering, The Chinese University of Hong Kong（香港中文大学电子工程系） 纠错

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

AI总结 本文提出SvANet，通过引入尺度变异注意力等模块，提升医学图像中小物体的分割精度。

Comments 14 pages, 9 figures, under review

Journal ref IEEE Transactions on Neural Networks and Learning Systems, 1-18 (2026)

Changes in Visual Attention Patterns for Detection Tasks due to Dependencies on Signal and Background Spatial Frequencies

由于信号和背景空间频率依赖性变化的视觉注意力模式变化

Amar Kavuri, Howard C. Gifford, Mini Das

机构 * Department of Biomedical Engineering, University of Houston（生物医学工程系，休斯顿大学） ； Department of Physics, University of Houston（物理系，休斯顿大学） ； Department of Electrical and Computer Engineering, University of Houston（电气与计算机工程系，休斯顿大学） 纠错

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

AI总结 研究探讨了信号和背景空间频率依赖性对视觉注意力模式的影响，发现检测性能受后期感知阶段限制，信号可检测性受目标形态和背景复杂性共同影响。

Comments 21 pages, 7 images

Variance-Penalized MC-Dropout as a Learned Smoothing Prior for Brain Tumour Segmentation

方差惩罚的MC-Dropout作为脑肿瘤分割的学得平滑先验

Satyaki Roy Chowdhury, Golrokh Mirzaei

机构 * Department of Computer Science（计算机科学系） ； Engineering, The Ohio State University（工程系，俄亥俄州立大学） 纠错

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

AI总结 UAMSA-UNet通过结合多尺度注意机制和学习的平滑先验，提升脑肿瘤分割的精度和效率，同时减少计算量。

Comments Accepted by ISBI 2026

Experimental Evidence for the Breakdown of Uniform-Electron-Gas Models in Warm Dense Aluminium

暖密铝中均匀电子气模型破裂的实验证据

Dmitrii S. Bespalov, Ulf Zastrau, Zhandos A. Moldabekov, Thomas Gawne, Tobias Dornheim, Moyassar Meshhal, Alexis Amouretti, Michal Andrzejewski, Karen Appel, Carsten Baehtz, Erik Brambrink, Khachiwan Buakor, Carolina Camarda, David Chin, Gilbert Collins, Céline Crépeisson, Adrien Descamps, Jon Eggert, Luke Fletcher, Alessandro Forte, Gianluca Gregori, Marion Harmand, Oliver S. Humphries, Hauke Höppner, Jonas Kuhlke, William Lynn, Julian Lütgert, Masruri Masruri, Emma M. McBride, Ryan Stewart McWilliams, Alan Augusto Sanjuan Mora, Jean-Paul Naedler, Paul Neumayer, Charlotte Palmer, Alexander Pelka, Lea Pennacchioni, Calum Prestwood, Natalia A. Pukhareva, Chongbing Qu, Divyanshu Ranjan, Ronald Redmer, Michael Roper, Christoph Sahle, Samuel Schumacher, Jan-Patrick Schwinkendorf, Melanie J. Sieber, Madison Singleton, Ethan Smith, Christian Sternemann, Thomas Stevens, Michael Stevenson, Cornelius Strohm, Minxue Tang, Monika Toncian, Toma Toncian, Thomas Tschentscher, Sam M. Vinko, Justin S. Wark, Max Wilke, Dominik Kraus, Thomas R. Preston

专题命中 医学影像 ：diagnosis(abstract)

AI总结 研究通过实验表明，均匀电子气模型在暖密铝中无法准确描述等离子体共振，需采用从头计算方法以可靠推断热力学条件。

Comments 14 pages, 11 figures

Ring-Gap Structures in the Class I Circumstellar Disk of CrA IRS 2 Associated with Magnetic Flux-Driven Bubble

CrA IRS 2 I类 circumstellar 盘中环隙结构与磁通量驱动的气泡

Ayumu Shoshi, Masayuki Yamaguchi, Mitsuki Omura, Kazuki Tokuda, Naofumi Fukaya, Kengo Tachihara, Masahiro. N. Machida

专题命中 医学影像 ：MRI(abstract)

AI总结 CrA IRS 2 I类盘中发现环隙结构，揭示磁通量驱动气泡与行星形成机制

Comments Accepted to ApJ

Earth-Mass Planets in Tandem Disks

类地行星在双盘中的形成

Tokuhiro Nimura, Toshikazu Ebisuzaki

专题命中 医学影像 ：MRI(abstract)

AI总结 本文通过双盘模型解释类地行星形成，显示内边缘产生岩石行星，外边缘形成气态巨行星，与太阳系类地行星分布相符。

Comments 28 pages, 11 figures, ApJ submission

ART: Action-based Reasoning Task Benchmarking for Medical AI Agents

ART：面向医疗AI代理的基于动作的推理任务基准测试

Ananya Mantravadi, Shivali Dalmia, Abhishek Mukherji

专题命中 临床大模型 ：medical AI(title,abstract)

AI总结 ART通过挖掘真实EHR数据创建挑战性任务，评估医疗AI代理在阈值评估、时间聚合和条件逻辑方面的表现，揭示其推理弱点，推动更可靠的临床决策支持系统发展。

SkinFlow: Efficient Information Transmission for Open Dermatological Diagnosis via Dynamic Visual Encoding and Staged RL

SkinFlow: 通过动态视觉编码和分阶段强化学习实现开放性皮肤病诊断的高效信息传输

Lijun Liu, Linwei Chen, Zhishou Zhang, Meng Tian, Hengfu Cui, Ruiyang Li, Zhaocheng Liu, Qiang Ju, Qianxi Li, Hong-Yu Zhou

机构 * Baichuan Inc.（百川公司） ； Department of Dermatology Peking University First Hospital（北京大学第一医院皮肤科） ； Beijing Key Laboratory of Molecular Diagnosis on Dermatoses（北京分子皮肤病诊断重点实验室） ； National Clinical Research Center for Skin and Sexually Transmitted Diseases（国家皮肤及性传播疾病临床医学研究中心） ； NMPA Key Laboratory for Quality Control and Evaluation of Cosmetics（国家药监局化妆品质量控制与评价重点实验室） ； School of Biomedical Engineering Tsinghua University（清华大学生物医学工程学院） ； University of Hong Kong（香港大学） 纠错

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

AI总结 SkinFlow通过动态视觉编码和分阶段强化学习提升皮肤病诊断效率，实现比通用模型更优的准确率

Improving AI-Based Canine Heart Disease Diagnosis with Expert-Consensus Auscultation Labeling

利用专家共识听诊标注提升基于AI的犬类心脏病诊断

Pinar Bisgin, Tom Strube, Niklas Tschorn, Michael Pantförder, Maximilian Fecke, Ingrid Ljungvall, Jens Häggström, Gerhard Wess, Christoph Schummer, Sven Meister, Falk M. Howar

机构 * Fraunhofer Institute for Software and Systems Engineering ISST（弗劳恩霍夫软件与系统工程研究所） ； Department of Computer Science, TU Dortmund University（图林根大学计算机科学系） ； Department of Clinical Sciences, Swedish University of Agricultural Sciences（瑞典农业科学大学临床科学系） ； Clinic for Small Animal Medicine, Ludwig Maximilian University of Munich（慕尼黑路德维希-马克西米利安大学小动物医学诊所） ； Boehringer Ingelheim Vetmedica GmbH（波士顿-英氏兽医医药有限公司） ； Department of Health Informatics, School of Medicine, Witten/Herdecke University（乌尔姆-赫尔德克大学医学院健康信息学系） 纠错

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

AI总结 本文通过专家共识标注减少标签噪声，提升XGBoost在犬类心脏病杂音分类中的准确率

Comments Accepted to IEEE Engineering in Medicine and Biology Conference (EMBC) 2025

Journal ref Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) 2025 Jul:2025:1-7

DriftGuard: A Hierarchical Framework for Concept Drift Detection and Remediation in Supply Chain Forecasting

DriftGuard：一种用于供应链预测中概念漂移检测与修复的分层框架

Shahnawaz Alam, Mohammed Abdul Rahman, Bareera Sadeqa

机构 * Department of Computer Science Engineering, Muffakham Jah College of Engineering and Technology（穆法卡姆·贾赫工程与技术学院计算机科学工程系） ； Department of CSE, Shadan Women's College of Engineering and Technology（沙达恩女子工程与技术学院计算机科学与工程系） 纠错

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

AI总结 DriftGuard通过分层框架实现供应链预测中的概念漂移检测与修复，结合多种检测方法和SHAP分析，提升模型鲁棒性和修复效率。

Dialogue Telemetry: Turn-Level Instrumentation for Autonomous Information Gathering

对话 telemetry：面向自主信息收集的回合级仪器化

Dimitris Panagopoulos, Adolfo Perrusquia, Weisi Guo

机构 * Faculty of Engineering and Applied Science, Cranfield University（工程与应用科学学院，克兰菲尔德大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出对话 telemetry 框架，通过生成进度估计器和停滞指数，实现对自主信息收集对话的回合级监控与优化。

Comments 16 pages, 9 Figures, Version submitted to IEEE for publication

Equi-ViT: Rotational Equivariant Vision Transformer for Robust Histopathology Analysis

Equi-ViT：用于鲁棒病理学分析的旋转等变视觉变换器

Fuyao Chen, Yuexi Du, Elèonore V. Lieffrig, Nicha C. Dvornek, John A. Onofrey

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 Equi-ViT通过引入等变卷积核提升ViT在病理学图像中的旋转鲁棒性和数据效率。

Comments Accepted by IEEE ISBI 2026 4-page paper

Radiomics-Integrated Deep Learning with Hierarchical Loss for Osteosarcoma Histology Classification

融合放射组学的深度学习与分层损失用于骨肉瘤组织学分类

Yaxi Chen, Zi Ye, Shaheer U. Saeed, Oliver Yu, Simin Ni, Jie Huang, Yipeng Hu

机构 * University College London（伦敦大学） ； UCL Hawkes Institute（UCL霍克斯研究所） ； Queen Mary University of London（伦敦女王学院） ； Royal National Orthopaedic Hospital（国家骨科医院） 纠错

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

AI总结 本文提出融合放射组学的深度学习与分层损失方法，用于提高骨肉瘤组织学分类的准确性与可解释性。

A Benchmark for End-to-End Zero-Shot Biomedical Relation Extraction with LLMs: Experiments with OpenAI Models

一个用于基于LLM的端到端零样本生物医学关系抽取的基准：使用OpenAI模型进行实验

Aviv Brokman, Xuguang Ai, Yuhang Jiang, Shashank Gupta, Ramakanth Kavuluru

机构 * Division of Biomedical Informatics（生物医学信息学系） ； Department of Internal Medicine（内科部） ； University of Kentucky（肯塔基大学） 纠错

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

AI总结 本文提出一个基于LLM的端到端零样本生物医学关系抽取基准，评估了OpenAI模型在不同数据集上的表现，发现其在部分数据集上接近监督方法，但在复杂输入上仍有不足。

Comments Accepted to appear in proceedings of the 3rd Workshop on Artificial Intelligence for Scientific Publications (WASP@AACL 2025). Code and data are available here: https://github.com/bionlproc/ZeroShotRE

Semiparametric estimation of GLMs with interval-censored covariates via an augmented Turnbull estimator

半参数估计GLMs中的区间截断协变量通过增强Turnbull估计器

Andrea Toloba, Klaus Langohr, Guadalupe Gómez Melis

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

AI总结 本文提出了一种基于似然的方法GELc，用于估计具有区间截断协变量的广义线性模型，并通过模拟研究和实际应用验证了其有效性。

ReGraM: Region-First Knowledge Graph Reasoning for Medical Question Answering

ReGraM：面向医疗问答的区域优先知识图谱推理

Chaerin Lee, Sohee Park, Hyunsik Na, Daseon Choi

机构 * Department of Software, Soongsil University（软件系，顺斯大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 ReGraM通过区域优先的知识图谱推理框架，提升医疗问答的准确性和一致性。

Comments 18 pages, 2 figures. Preprint

A Cooperative Contactless Object Transport with Acoustic Robots

基于声学机器人的协同非接触式物体运输

Narsimlu Kemsaram, Akin Delibasi, James Hardwick, Bonot Gautam, Diego Martinez Plasencia, Sriram Subramanian

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

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种基于声学机器人的非接触式空中物体运输系统，通过相位超声波换能器和机器人控制系统实现物体的精确操控，并验证了其在独立和协同运输中的可行性。

Comments This paper has been accepted for publication in the Proceedings of the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025) as oral presentation, 8 pages with 8 figures

Journal ref In Proc. 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, Oct. 2025, pp. 18043-18050

A Comparison of Deep Learning Methods for Cell Detection in Digital Cytology

数字细胞学中深度学习方法的比较

Marco Acerbis, Nataša Sladoje, Joakim Lindblad

机构 * Center for Image Analysis, Dept. of Information Technology, Uppsala University, Sweden（图像分析中心，信息科技系，乌普萨拉大学，瑞典） 纠错

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

AI总结 本文比较了多种深度学习方法在数字细胞学中的性能，发现基于质心的方法在准确性和效率上优于传统分割方法。

Comments 14 pages, 6 figures, SCIA2025

MedicalNarratives: Connecting Medical Vision and Language with Localized Narratives

MedicalNarratives: 通过局部化叙述连接医学视觉与语言

Wisdom O. Ikezogwo, Kevin Zhang, Mehmet Saygin Seyfioglu, Fatemeh Ghezloo, Linda Shapiro, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） ； Amazon（亚马逊） 纠错

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

AI总结 MedicalNarratives通过局部化鼠标轨迹连接医学视觉与语言，训练出的GenMedClip在12个医学领域均优于现有最佳模型。

Towards Efficient Patient Recruitment for Clinical Trials: Application of a Prompt-Based Learning Model

迈向临床试验高效患者招募：基于提示学习模型的应用

Mojdeh Rahmanian, Seyed Mostafa Fakhrahmad, Seyedeh Zahra Mousavi

专题命中 医学数据与评测 ：CT(abstract)

AI总结 本研究提出基于提示学习模型的高效患者招募方法，利用SNOMED CT本体实现医疗文本的精准分类，提升了临床试验招募效率。

Journal ref 2025;31(4):367-377