医学 AI

CTest-Metric: A Unified Framework to Assess Clinical Validity of Metrics for CT Report Generation

CTest-Metric：一个统一框架，用于评估CT报告生成中度量的临床有效性

Vanshali Sharma, Andrea Mia Bejar, Gorkem Durak, Ulas Bagci

机构 * Machine and Hybrid Intelligence Lab, Northwestern University, Chicago, IL, USA（机器与混合智能实验室，西北大学） 纠错

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

AI总结 CTest-Metric通过三个模块评估CT报告生成中度量的临床有效性，发现GREEN Score与专家判断最一致，BERTScore-F1对事实性错误最不敏感。

Comments Accepted at ISBI 2026

Visual question answering-based image-finding generation for pulmonary nodules on chest CT from structured annotations

基于视觉问答的肺部结节胸部CT图像查找生成

Maiko Nagao, Kaito Urata, Atsushi Teramoto, Kazuyoshi Imaizumi, Masashi Kondo, Hiroshi Fujita

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

AI总结 本研究提出基于视觉问答的肺部结节胸部CT图像查找生成方法，通过构建VQA数据集实现交互式诊断支持，提升医生对影像发现的精准解读能力。

Medical SAM3: A Foundation Model for Universal Prompt-Driven Medical Image Segmentation

医学SAM3：一种通用提示驱动的医学图像分割基础模型

Chongcong Jiang, Tianxingjian Ding, Chuhan Song, Jiachen Tu, Ziyang Yan, Yihua Shao, Zhenyi Wang, Yuzhang Shang, Tianyu Han, Yu Tian

机构 * University of Central Florida, Orlando, USA（佛罗里达大学） ； University College London, London, UK（伦敦大学学院） ； University of Illinois Urbana-Champaign, Champaign, USA（伊利诺伊大学厄巴纳-香槟分校） ； University of Trento, Trento, Italy（特伦托大学） ； The Hong Kong Polytechnic University, China（香港理工大学） ； University of Pennsylvania, Philadelphia, USA（宾夕法尼亚大学） 纠错

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

AI总结 Medical SAM3通过微调SAM3模型，提升医学图像分割的通用提示驱动能力，解决领域偏移和复杂结构推理问题。

Causal-SAM-LLM: Large Language Models as Causal Reasoners for Robust Medical Segmentation

Causal-SAM-LLM：大型语言模型作为因果推理器用于稳健的医学分割

Tao Tang, Shijie Xu, Jionglong Su, Zhixiang Lu

机构 * City University of Hong Kong, Hong Kong, China（香港城市大学） ； Xi’an Jiaotong-liverpool University, Suzhou, China（西安交通大学利物浦大学） 纠错

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

AI总结 Causal-SAM-LLM利用大型语言模型作为因果推理器，提升医学图像分割的鲁棒性和泛化能力。

Comments Accepted by IEEE ICASSP 2026

Universal Architectures for the Learning of Polyhedral Norms and Convex Regularizers

通用架构用于学习多面体范数和凸正则化器

Michael Unser, Stanislas Ducotterd

机构 * Biomedical Imaging Group, École polytechnique fédérale de Lausanne (EPFL)（瑞士洛桑联邦理工学院生物医学成像组） 纠错

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

AI总结 本文提出通用架构用于学习多面体范数和凸正则化器，通过合成和分析形式实现图像重建，优于稀疏性方法。

Comments Accepted for publication in SIAM Journal on Imaging Sciences

UniX: Unifying Autoregression and Diffusion for Chest X-Ray Understanding and Generation

UniX: 统一自回归与扩散以实现胸部X光理解与生成

Ruiheng Zhang, Jingfeng Yao, Huangxuan Zhao, Hao Yan, Xiao He, Lei Chen, Zhou Wei, Yong Luo, Zengmao Wang, Lefei Zhang, Dacheng Tao, Bo Du

机构 * Wuhan University（武汉大学） ； Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 UniX通过统一自回归与扩散模型，实现了胸部X光的高效理解和生成，显著提升了性能并减少了参数使用。

Comments Codes and models are available at https://github.com/ZrH42/UniX

Exploring the Challenge and Value of Deep Learning in Automated Skin Disease Diagnosis

探索深度学习在自动皮肤疾病诊断中的挑战与价值

Runhao Liu, Ziming Chen, Guangzhen Yao, Peng Zhang

机构 * Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院） ； School of Social and Public Administration, East China University Of Science And Technology（东华大学社会科学与公共管理学院） ； College of Science, National University of Defense Technology（国防科技大学科学学院） ； School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院） 纠错

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

AI总结 本文探讨深度学习在自动皮肤疾病诊断中的挑战与价值，提出数据增强、混合模型等方法，强调其在临床决策中的潜力。

PatientVLM Meets DocVLM: Pre-Consultation Dialogue Between Vision-Language Models for Efficient Diagnosis

PatientVLM 与 DocVLM 相遇：为高效诊断的预咨询对话

K Lokesh, Abhirama Subramanyam Penamakuri, Uday Agarwal, Apoorva Challa, Shreya K Gowda, Somesh Gupta, Anand Mishra

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

AI总结 本文提出预咨询对话框架，通过视觉语言模型模拟医生与患者对话，利用合成症状提升诊断效率。

Comments Accepted at AAAI 2026 Main Track

Depression Detection Based on Electroencephalography Using a Hybrid Deep Neural Network CNN-GRU and MRMR Feature Selection

基于脑电图的抑郁症检测：一种混合深度神经网络CNN-GRU与MRMR特征选择

Mohammad Reza Yousefi, Hajar Ismail Al-Tamimi, Amin Dehghani

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

AI总结 本文提出基于CNN-GRU和MRMR特征选择的深度学习框架，用于高准确率检测抑郁症状态。

Comments 20 pages, 8 figures

Entropy Production in Machine Learning Under Fokker-Planck Probability Flow

机器学习中的熵产率与福克-普朗克概率流

Lennon Shikhman

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

AI总结 本文提出基于熵的重新训练框架，利用福克-普朗克方程解释数据漂移，通过熵产率指导重新训练策略，在多个非稳态数据流中取得与频繁重新训练相当的性能，但生物医学ECG场景中表现欠佳。

Comments 10 pages, 4 figures, 1 table

AnyECG: Evolved ECG Foundation Model for Holistic Health Profiling

AnyECG：用于整体健康概况的进化ECG基础模型

Jun Li, Hongling Zhu, Yujie Xiao, Qinghao Zhao, Yalei Ke, Gongzheng Tang, Guangkun Nie, Deyun Zhang, Jin Li, Canqing Yu, Shenda Hong

机构 * National Institute of Health Data Science, Peking University（北京大学健康数据科学国家研究院） ； Institute of Medical Technology, Health Science Center of Peking University（北京大学医学技术研究所） ； Department of Internal Medicine, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology（同济大学同济医学院内科部） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） ； Department of Epidemiology and Biostatistics, School of Public Health, Peking University（北京大学公共卫生学院流行病与生物统计学系） ； Peking University Center for Public Health and Epidemic Preparedness & Response（北京大学公共卫生与突发卫生事件应对中心） ； Key Laboratory of Epidemiology of Major Diseases (Peking University), Ministry of Education（北京大学主要疾病流行病学重点实验室） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； HeartVoice Medical Technology（心声医疗技术） 纠错

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

AI总结 AnyECG通过迁移学习构建基础模型，实现对多种疾病的系统预测和长期风险评估，提升整体健康概况能力。

Comments in progress

Generation of Chest CT pulmonary Nodule Images by Latent Diffusion Models using the LIDC-IDRI Dataset

利用LIDC-IDRI数据集通过潜在扩散模型生成胸部CT肺结节图像

Kaito Urata, Maiko Nagao, Atsushi Teramoto, Kazuyoshi Imaizumi, Masashi Kondo, Hiroshi Fujita

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

AI总结 本文提出利用潜在扩散模型生成胸部CT肺结节图像，通过LIDC-IDRI数据集验证，生成图像质量与真实图像相当。