医学 AI

Karhunen-Loève Expansion-Based Residual Anomaly Map for Resource-Efficient Glioma MRI Segmentation

基于Karhunen-Loève展开的残差异常图用于资源高效的胶质瘤MRI分割

Anthony Hur

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

AI总结 本文提出基于KLE的残差异常图方法，实现资源高效的胶质瘤MRI分割，显著提升性能并降低计算与数据需求。

From Volumes to Slices: Computationally Efficient Contrastive Learning for Sequential Abdominal CT Analysis

从体积到切片：用于序列腹部CT分析的计算高效对比学习

Po-Kai Chiu, Hung-Hsuan Chen

机构 * Computer Science & Information Engineering National Central University（计算机科学与信息工程国家中央大学） 纠错

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

AI总结 2D-VoCo通过高效对比学习提升腹部CT多器官损伤分类性能，减少对标注数据的依赖。

Partial Decoder Attention Network with Contour-weighted Loss Function for Data-Imbalance Medical Image Segmentation

具有轮廓加权损失函数的部分解码器网络用于数据不平衡医学图像分割

Zhengyong Huang, Ning Jiang, Xingwen Sun, Lihua Zhang, Peng Chen, Jens Domke, Yao Sui

机构 * Institute of Medical Technology, Peking University Health Science Center, Peking University, Beijing, China（北京大学医学部医学技术研究所） ； National Institute of Health Data Science, Peking University, Beijing, China（北京大学国家健康数据科学研究院） ； Department of Radiology, Peking University Third Hospital, Beijing, China（北京大学第三医院放射科） ； RIKEN Center for Computational Science (R-CCS), Kobe, Japan（日本京都大学RIKEN计算科学中心） ； National Institute of Health Data Science, Peking University, the Institute of Medical Technology, Peking University Health Science Center, and the Institute for Artificial Intelligence, Peking University, Beijing, China（北京大学国家健康数据科学研究院、北京大学医学部医学技术研究所以及北京大学人工智能研究所） 纠错

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

AI总结 PDANet通过轮廓加权损失函数提升小结构分割性能，优于九种现有方法，提高Dice评分2.32%-3.60%。

Filtered 2D Contour-Based Reconstruction of 3D STL Model from CT-DICOM Images

基于CT-DICOM图像的2D轮廓过滤3DSTL模型重建

K. Punnam Chandar, Y. Ravi Kumar

机构 * Kakatiya University（卡卡蒂亚大学） ； National Institute of Technology, Warangal（瓦朗加尔国家理工学院） 纠错

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

AI总结 本文提出通过过滤2D轮廓数据点来改进从CT-DICOM图像重建3DSTL模型的几何精度。

Comments 8 pages, 18 figures

Ultra-Strong Gradient Diffusion MRI with Self-Supervised Learning for Prostate Cancer Characterization

超强梯度扩散磁共振成像结合自监督学习用于前列腺癌表征

Tanishq Patil, Snigdha Sen, Kieran G. Foley, Fabrizio Fasano, Chantal M. W. Tax, Derek K. Jones, Mara Cercignani, Marco Palombo, Paddy J. Slator, Eleftheria Panagiotaki

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

AI总结 本研究利用超强梯度和自监督学习提升前列腺微结构表征，通过深度学习方法改进VERDICT拟合，提高信噪比和对比度。

Comments 25 pages, 14 figures, 7 tables

Improving Artifact Robustness for CT Deep Learning Models Without Labeled Artifact Images via Domain Adaptation

通过领域自适应改进CT深度学习模型在无标注artifact图像情况下的鲁棒性

Justin Cheung, Samuel Savine, Calvin Nguyen, Lin Lu, Alhassan S. Yasin

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本研究通过领域自适应方法提升CT深度学习模型在无标注artifact数据下的鲁棒性，实验证明该方法在环形artifact识别中准确率达77.4%。

Comments 8 pages, 12 figures, 1 table

A Computer Vision Hybrid Approach: CNN and Transformer Models for Accurate Alzheimer's Detection from Brain MRI Scans

一种计算机视觉混合方法：CNN和Transformer模型用于从脑部MRI扫描中准确检测阿尔茨海默病

Md Mahmudul Hoque, Shuvo Karmaker, Md. Hadi Al-Amin, Md Modabberul Islam, Jisun Junayed, Farha Ulfat Mahi

机构 * Dept. of Computer Science \& Engineering, CCN University of Science 纠错

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

AI总结 本文提出了一种结合CNN和Transformer的混合模型Evan_V2，通过特征融合在脑MRI扫描中实现高准确率的阿尔茨海默病检测。

Three-dimensional visualization of X-ray micro-CT with large-scale datasets: Efficiency and accuracy for real-time interaction

基于大规模数据集的X射线微CT三维可视化：实时交互中的效率与精度

Yipeng Yin, Rao Yao, Qingying Li, Dazhong Wang, Hong Zhou, Zhijun Fang, Jianing Chen, Longjie Qian, Mingyue Wu

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

AI总结 本文探讨了基于大规模数据集的X射线微CT三维可视化方法，分析了精度与效率的平衡，旨在提升实时交互中材料缺陷的检测精度和效率。

Comments Page1-37

PAS-Mamba: Phase-Amplitude-Spatial State Space Model for MRI Reconstruction

PAS-Mamba：用于MRI重建的相-幅-空间状态空间模型

Xiaoyan Kui, Zijie Fan, Zexin Ji, Qinsong Li, Hao Xu, Weixin Si, Haodong Xu, Beiji Zou

机构 * School of Computer Science and Engineering, Central South University（计算机科学与工程学院，中南大学） ； Big Data Institute, Central South University（大数据研究院，中南大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Science（深圳先进技术研究所，中国科学院） ； Department of Orthopaedics, The Second Xiangya Hospital of Central South University（中南大学湘雅医院骨科部） 纠错

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

AI总结 PAS-Mamba通过解耦相位和幅度建模，结合图像域特征，提升MRI重建性能。

Trustworthy Longitudinal Brain MRI Completion: A Deformation-Based Approach with KAN-Enhanced Diffusion Model

可信的纵向脑部MRI补全：基于变形的KAN增强扩散模型

Tianli Tao, Ziyang Wang, Delong Yang, Han Zhang, Le Zhang

机构 * School of Biomedical Engineering and Imaging Science, King's College London, London, UK（生物医学工程与成像科学学院，伦敦国王学院） ； School of Biomedical Engineering, ShanghaiTech University, Shanghai, China（生物医学工程学院，上海科技大学） ； School of Computer Science and Digital Technologies, Aston University, Birmingham, UK（计算机科学与数字技术学院，阿斯顿大学） ； Kunming Medical University, Kunming, China（昆明医学院） 纠错

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

AI总结 本文提出DF-DiffCom模型，通过KAN增强扩散模型结合变形场，实现纵向脑部MRI补全，提升图像保真度和应用灵活性。

Extendable Generalization Self-Supervised Diffusion for Low-Dose CT Reconstruction

可扩展泛化自监督扩散用于低剂量CT重建

Guoquan Wei, Liu Shi, Zekun Zhou, Mohan Li, Cunfeng Wei, Wenzhe Shan, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； School of Mathematics and Computer Sciences, Nanchang University（南昌大学数学与计算机科学学院） ； Jinan Laboratory of Applied Nuclear Science（济南应用核科学实验室） ； Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所） 纠错

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

AI总结 本文提出EGenDiff方法，通过自增强相似性策略和像素级自校正融合技术，实现仅用单剂量数据训练的低剂量CT重建，显著提升多剂量泛化能力。

Automatic skull-template alignment without a guidance image

无需引导图像的自动颅骨模板对齐

Oscar Bates, Carlos Cueto, Ciaran Coleman, Cameron A. B. Smith, Lluis Guasch, Oscar Calderon Agudo

专题命中 医学影像 ：MRI(abstract)；CT(abstract)

AI总结 MOFI通过优化全波形反演实现无需引导图像的颅骨模板对齐，提供了一种替代MRI引导的实用方法。

MTFlow: Time-Conditioned Flow Matching for Microtubule Segmentation in Noisy Microscopy Images

MTFlow：用于噪声显微图像中微管分割的时间条件流匹配

Sidi Mohamed Sid El Moctar, Achraf Ait Laydi, Yousef El Mourabit, Hélène Bouvrais

机构 * CNRS, Univ. Rennes, Institute of Genetics and Development of Rennes (IGDR), Rennes, France（法国里昂大学CNRS研究所、里昂大学基因与发育研究所） ； TIAD Laboratory, Sciences and Technology Faculty, Sultan Moulay Slimane Univ.（摩洛哥苏丹穆莱·西拉曼大学科技学院TIAD实验室） 纠错

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

AI总结 MTFlow通过时间条件流匹配模型实现微管分割，提升噪声显微图像中纤维结构的精确分析与分割效率。

Comments Accepted for presentation at ISBI 2026

U-Harmony: Enhancing Joint Training for Segmentation Models with Universal Harmonization

U-Harmony: 通过通用和谐化提升分割模型的联合训练

Weiwei Ma, Xiaobing Yu, Peijie Qiu, Jin Yang, Pan Xiao, Xiaoqi Zhao, Xiaofeng Liu, Tomo Miyazaki, Shinichiro Omachi, Yongsong Huang

机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； Yale University（耶鲁大学） ； Tohoku University（东北大学） 纠错

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

AI总结 U-Harmony通过通用和谐化方法提升分割模型的联合训练能力，实现异构数据集的统一学习与跨模态适应。

Does medical specialization of VLMs enhance discriminative power?: A comprehensive investigation through feature distribution analysis

医学专业性是否增强VLMs的判别能力？：通过特征分布分析的全面研究

Keita Takeda, Tomoya Sakai

机构 * Graduate School of Integrated Science and Technology（整合科学与技术研究生院） ； Nagasaki University（长崎大学） 纠错

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

AI总结 本研究通过特征分布分析，探讨医学专业性对VLMs判别能力的影响，发现增强文本编码器比大量医学图像训练更关键，且非医学模型易受图像文本偏见影响。

Comments A short version paper of this research has been accepted for The IEEE International Symposium on Biomedical Imaging (ISBI) 2026

LocBAM: Advancing 3D Patch-Based Image Segmentation by Integrating Location Contex

LocBAM: 通过整合位置上下文推进基于3D块的图像分割

Donnate Hooft, Stefan M. Fischer, Cosmin Bercea, Jan C. Peeken, Julia A. Schnabel

机构 * School of Computation, Information and Technology, Technical University Munich（计算、信息与技术学院，技术大学慕尼黑） ； Department of Radiation Oncology, School of Medicine and Klinikum Rechts der Isar（放射肿瘤学系，医学院和Rechts der Isar医院） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich（生物医学成像中的机器学习研究所，海德堡慕尼黑） ； Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Biomedical Engineering and Imaging Sciences, King's College London, UK（生物医学工程与成像科学学院，伦敦国王学院） 纠错

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

AI总结 LocBAM通过整合位置上下文提升3D块分割性能，实验表明其在低覆盖率场景下表现更优，优于CoordConv

Comments Accepted at ISBI 2026

RANDSMAPs: Random-Feature/multi-Scale Neural Decoders with Mass Preservation

RANDSMAPs: 随机特征/多尺度神经解码器与质量保持

Dimitrios G. Patsatzis, Alessandro Della Pia, Lucia Russo, Constantinos Siettos

机构 * Scuola Superiore Medirionale（高级医学院） ； Consiglio Nazionale delle Ricerche（国家研究委员会） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 RANDSMAPs是一种结合随机特征和多尺度方法的神经解码器，用于在流形学习中保持质量守恒，通过理论分析和实验验证其在低计算成本下的高重建精度。

Comments 47 pages (23 in main text, 24 in Appendix), 19 figures (4 in main text, 15 in Appendix), 10 Tables (in Appendix)

LiNUS: Lightweight Automatic Segmentation of Deep Brain Nuclei for Real-Time DBS Surgery

LiNUS: 用于实时DBS手术的轻量级深部脑核自动分割框架

Shuo Zhang, Zihua Wang, Changgeng He, Chunhua Hu

专题命中 医学影像 ：MRI(abstract)；分类 eess.IV

AI总结 LiNUS通过轻量级深度学习框架实现了DBS手术中STN的快速准确自动分割，提升了实时临床应用的效率与精度。

Comments 6 pages, 9 figures

Investigating cerebral anomalies in preterm infants and associated risk factors with magnetic resonance imaging at term-equivalent age

研究足月等效年龄磁共振成像在早产儿脑部异常及相关风险因素中的应用

Nicolas Elbaz, Valérie Biran, Chloé Ghozland, Laurie Devisscher, Aline Gonzalez Carpinteiro, Aurélie Bourmaud, Monique Elmaleh-Bergès, Lucie Hertz-Pannier, Yann Leprince, Alice Frérot, Alice Héneau, Jessica Dubois, Marianne Alison

专题命中 医学影像 ：MRI(abstract)；分类 q-bio

AI总结 本研究通过足月等效年龄磁共振成像探讨早产儿脑部异常及相关风险因素，发现机械通气与脑部异常相关，而肠外营养则有保护作用。

Journal ref Pediatric Neurology, 2025, 175, pp.156-164

Adversarial Drift-Aware Predictive Transfer: Toward Durable Clinical AI

对抗性漂移感知的预测迁移：迈向持久的临床AI

Xin Xiong, Zijian Guo, Haobo Zhu, Chuan Hong, Jordan W Smoller, Tianxi Cai, Molei Liu

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

AI总结 ADAPT通过最小化年度性能下降，无需重新训练或标记数据，提供了一种在医疗领域维持可靠AI的可扩展方法。

Learning to Trust Experience: A Monitor-Trust-Regulator Framework for Learning under Unobservable Feedback Reliability

学习信任经验：一种监控-信任-调节框架用于不可观测反馈可靠性下的学习

Zhipeng Zhang, Zhenjie Yao, Kai Li, Lei Yang

机构 * China Mobile Research Institute（中国移动研究院） ； China Mobile GBA (Greater Bay Area) Innovation Institute（中国移动粤港澳大湾区创新研究院） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） 纠错

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

AI总结 本文提出了一种监控-信任-调节框架，通过自我诊断提升在不可观测反馈可靠性下的学习可靠性。

Comments 23 pages, 7 figures. Preprint

Dynamic Prediction for Hospital Readmission in Patients with Chronic Heart Failure

慢性心力衰竭患者医院再入院的动态预测

Rebecca Farina, Francois Mercier, Christian Wohlfart, Serge Masson, Silvia Metelli

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究开发了基于NT-proBNP纵向数据的联合模型，用于动态预测慢性心力衰竭患者再入院或死亡风险，提高了风险评估的准确性。

Comments 20 pages, 5 figures, 3 tables

Operationalising DAO Sustainability KPIs: A Multi-Chain Dashboard for Governance Analytics

将DAO可持续性KPIs operational化：一个多链仪表盘用于治理分析

Silvio Meneguzzo, Claudio Schifanella, Valentina Gatteschi, Giuseppe Destefanis

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 DAO Portal通过多链仪表盘 operationalize DAO可持续性KPIs，提供治理风险诊断和设计选择比较的工具。

AlertGuardian: Intelligent Alert Life-Cycle Management for Large-scale Cloud Systems

AlertGuardian: 大规模云系统中的智能警报生命周期管理

Guangba Yu, Genting Mai, Rui Wang, Ruipeng Li, Pengfei Chen, Long Pan, Ruijie Xu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 AlertGuardian通过结合LLMs和图模型，优化大规模云系统的警报生命周期管理，显著减少警报疲劳并提升故障诊断效率。

Comments Accepted by ASE 2025

Krylov complexity of purification

纯化过程的Krylov复杂度

Rathindra Nath Das, Takato Mori

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究通过分析纯化过程的Krylov复杂度，揭示了其与热态演化、Rindler粒子数及量子速度限制的关系，并提出Krylov互复杂度作为引力对偶的诊断工具。

Comments 11 pages, 5 figures; Lloyd bound with the energy is added and a slight rearrangement of texts, typos are corrected, references are added (v2); numerical results of random matrix ensemble are added and the whole text is reorganized (v3); published version in PRL (v4)

Journal ref Phys. Rev. Lett. 136, 030201 (2026)

Transfer Learning from One Cancer to Another via Deep Learning Domain Adaptation

通过深度学习领域适应从一种癌症转移到另一种癌症的迁移学习

Justin Cheung, Samuel Savine, Calvin Nguyen, Lin Lu, Alhassan S. Yasin

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 病理影像 ：medical image(abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 本研究通过深度学习领域适应技术，将乳腺和结肠的标注数据训练的DANN应用于肺腺癌的未标注数据，显著提升分类准确率，同时验证了染色标准化对不同领域适应效果的影响。

Comments 8 pages, 6 figures, 3 table

ReinPath: A Multimodal Reinforcement Learning Approach for Pathology

ReinPath：一种用于病理学的多模态强化学习方法

Kangcheng Zhou, Jun Jiang, Qing Zhang, Shuang Zheng, Qingli Li, Shugong Xu

机构 * East China Normal University（华东师范大学） ； Shanghai University（上海大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

专题命中 医疗多模态 ：pathology(title,abstract)；分类 cs.CV

AI总结 ReinPath提出了一种多模态强化学习方法，通过构建高质量病理学VQA数据集，结合语义奖励策略和群体相对策略优化，提升了病理图像和文本的多模态推理能力，并在零样本分类任务中表现出色。

From Chaos to Clarity: Schema-Constrained AI for Auditable Biomedical Evidence Extraction from Full-Text PDFs

从混沌到清晰：基于模式约束的AI用于可审计的生物医学证据提取从全文PDFs

Pouria Mortezaagha, Joseph Shaw, Bowen Sun, Arya Rahgozar

机构 * Methodological Implementation Research（方法学实施研究） ； Ottawa Hospital Research Institute（渥太华医院研究所在） ； School of Engineering Design and Teaching Innovation（工程设计与教学创新学院） 纠错

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

AI总结 本文提出了一种基于模式约束的AI系统，用于可审计地从复杂科学PDF中提取生物医学证据，提升提取精度和可追溯性。

Real-Time Super-Resolution Imaging System Based on Zero-Shot Learning for Infrared Non-Destructive Testing

基于零样本学习的实时超分辨率成像系统用于红外非破坏性检测

Pengfei Zhu, Ziang Wei, Ahmad Osman, Clemente Ibarra-Castanedo, Andreas Mandelis, Xavier Maldague, Hai Zhang

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出基于零样本学习的实时超分辨率成像系统，用于提升红外热成像和光热共焦层析成像的实时性和分辨率，通过实验验证其在工业和生物医学领域的有效性。

Benchmarking the Influence of Pre-training on Explanation Performance in MR Image Classification

在MRI分类任务中评估预训练对解释性能影响的基准测试

Marta Oliveira, Rick Wilming, Benedict Clark, Céline Budding, Fabian Eitel, Kerstin Ritter, Stefan Haufe

机构 * Physikalisch-Technische Bundesanstalt（物理技术联邦机构） ； Technische Universität Berlin（技术大学柏林） ； Charité – Universitätsmedizin Berlin（柏林查理医院） 纠错

专题命中 医学数据与评测 ：MRI(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出一个MRI分类任务的基准数据集，评估迁移学习对解释性能的影响，发现不同XAI方法在相同模型上表现差异显著，且解释性能依赖于预训练任务和CNN层数量。

Comments Under review