医学 AI

Bridging Radiology and Pathology: A DICOM-Based Framework for Multimodal Mapping and Integrated Visualization

连接放射学与病理科：基于DICOM的多模态映射与集成可视化框架

Nilesh P. Rijhwani, Titus J. Brinker, Peter Neher, Marco Nolden, Klaus Maier-Hein, Maximilian Fischer, Christoph Wies

专题命中 医学影像 ：pathology(title,abstract)；radiology(title,abstract)；diagnosis(abstract)

AI总结 本研究提出一种基于DICOM的跨学科工具，通过多模态映射和集成可视化，促进放射学与病理科的协同分析与研究。

ProGiDiff: Prompt-Guided Diffusion-Based Medical Image Segmentation

ProGiDiff: 基于提示引导的扩散模型医学图像分割

Yuan Lin, Murong Xu, Marc Hölle, Chinmay Prabhakar, Andreas Maier, Vasileios Belagiannis, Bjoern Menze, Suprosanna Shit

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） ； University of Zurich（苏黎世大学） 纠错

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

AI总结 ProGiDiff通过提示引导的扩散模型实现医学图像分割，结合自定义编码器和多类条件化机制，提升分割性能和跨模态适应能力。

Comments 5 pages, 4 figures. It has been accepted by IEEE ISBI

Atlas-Assisted Segment Anything Model for Fetal Brain MRI (FeTal-SAM)

基于图谱的胎儿脑MRI分割模型（FeTal-SAM）

Qi Zeng, Weide Liu, Bo Li, Ryne Didier, P. Ellen Grant, Davood Karimi

机构 * Department of Radiology, Boston Children’s Hospital, and Harvard Medical School（放射科、波士顿儿童医院和哈佛医学院） 纠错

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

AI总结 FeTal-SAM通过整合图谱提示和基础模型原理，实现了灵活的胎儿脑MRI分割，无需重新训练即可处理不同解剖结构。

DSFedMed: Dual-Scale Federated Medical Image Segmentation via Mutual Distillation Between Foundation and Lightweight Models

DSFedMed: 通过基础模型与轻量模型之间的相互蒸馏实现双尺度联邦医疗图像分割

Hanwen Zhang, Qiaojin Shen, Yuxi Liu, Yuesheng Zhu, Guibo Luo

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

AI总结 DSFedMed通过基础模型与轻量模型之间的相互蒸馏，在医疗图像分割中实现双尺度联邦学习，提升效率与可扩展性。

VHU-Net: Variational Hadamard U-Net for Body MRI Bias Field Correction

VHU-Net：变分哈达玛U-Net用于人体MRI偏场校正

Xin Zhu, Ahmet Enis Cetin, Gorkem Durak, Batuhan Gundogdu, Ziliang Hong, Hongyi Pan, Ertugrul Aktas, Elif Keles, Hatice Savas, Aytekin Oto, Hiten Patel, Adam B. Murphy, Ashley Ross, Frank Miller, Baris Turkbey, Ulas Bagci

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

AI总结 VHU-Net通过变分哈达玛U-Net有效校正人体MRI偏场，提升图像质量与分割准确性。

CT-PatchTST: Channel-Time Patch Time-Series Transformer for Long-Term Renewable Energy Forecasting

CT-PatchTST：用于长周期可再生能源预测的通道-时间补丁时间序列变压器

Kuan Lu, Menghao Huo, Yuxiao Li, Qiang Zhu, Zhenrui Chen

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学） ； Fu Foundation School of Engineering and Applied Science（富兰克林基金会工程与应用科学学院） ； Columbia University in the City of New York（纽约市哥伦比亚大学） ； School of Engineering（工程学院） ； Santa Clara University（圣克拉拉大学） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） 纠错

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

AI总结 CT-PatchTST通过捕捉时间依赖性和跨通道相关性，提升风能和太阳能的长周期预测精度，优化能源存储调度，增强电网稳定性与响应性。

Comments Published in: 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT)

Journal ref 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT), pp. 86-95

A Machine Vision Approach to Preliminary Skin Lesion Assessments

一种用于初步皮肤病变评估的机器视觉方法

Ali Khreis, Ro'Yah Radaideh, Quinn McGill

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

AI总结 本文提出了一种结合皮损镜检查规则与机器学习的皮肤病变初步评估方法，通过自定义CNN模型在小数据集上实现了优于传统方法的性能。

Comments 6 pages, 2 figures, 2 tables

A Lightweight Brain-Inspired Machine Learning Framework for Coronary Angiography: Hybrid Neural Representation and Robust Learning Strategies

轻量级脑启发式机器学习框架用于冠状动脉造影：混合神经表示与鲁棒学习策略

Jingsong Xia, Siqi Wang

机构 * The Second Clinical College, Nanjing Medical University（南京医科大学第二临床学院） 纠错

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

AI总结 本文提出了一种轻量级脑启发式机器学习框架，通过混合神经表示和鲁棒学习策略提升冠状动脉造影的分类性能。

Learning Functional Graphs with Nonlinear Sufficient Dimension Reduction

利用非线性充分维度缩减学习函数图

Kyongwon Kim, Bing Li

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出一种基于非线性充分维度缩减的非参数函数图模型，通过避免维度灾难提高估计精度，并保留概率条件独立性作为边不存在的标准。

Diagnosing Interstellar Magnetic Turbulence with TeV Pulsar Halos

用太勒电子伏脉冲星晕诊断星际磁湍流

Chao-Ming Li, Ruo-Yu Liu, Huirong Yan

专题命中 医学影像 ：diagnosis(abstract)

AI总结 利用太勒电子伏脉冲星晕形态研究星际磁场的各向异性扩散特性及阿列夫数等参数。

Comments 9 pages, 6 figures, accepted by Phys. Rev. D

Journal ref Phys. Rev. D 113, L021303 (2026)

Boundary-Aware Adversarial Filtering for Reliable Diagnosis under Extreme Class Imbalance

边界感知对抗过滤用于极端类别不平衡下的可靠诊断

Yanxuan Yu, Michael S. Hughes, Julien Lee, Jiacheng Zhou, Andrew F. Laine

机构 * Columbia University, USA（哥伦比亚大学） ； Columbia University Irving Medical Center, USA（哥伦比亚大学伊万斯医学中心） 纠错

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

AI总结 AF-SMOTE通过对抗过滤和边界效用模型提高极端类别不平衡下的召回率和校准，优于现有过采样方法。

Comments Accepted to IEEE ISBI 2026

Clinical Melanoma Diagnosis with Artificial Intelligence: Insights from a Prospective Multicenter Study

人工智能在临床黑色素瘤诊断中的应用：来自一项前瞻性多中心研究的见解

Lukas Heinlein, Roman C. Maron, Achim Hekler, Sarah Haggenmüller, Christoph Wies, Jochen S. Utikal, Friedegund Meier, Sarah Hobelsberger, Frank F. Gellrich, Mildred Sergon, Axel Hauschild, Lars E. French, Lucie Heinzerling, Justin G. Schlager, Kamran Ghoreschi, Max Schlaak, Franz J. Hilke, Gabriela Poch, Sören Korsing, Carola Berking, Markus V. Heppt, Michael Erdmann, Sebastian Haferkamp, Konstantin Drexler, Dirk Schadendorf, Wiebke Sondermann, Matthias Goebeler, Bastian Schilling, Eva Krieghoff-Henning, Titus J. Brinker

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.CV、eess.IV

AI总结 该研究通过前瞻性多中心试验评估了AI在黑色素瘤诊断中的性能，发现AI在灵敏度上优于皮肤科医生，但特异性较低，显示出在复杂病例中的应用潜力。

Hybrid Vision Transformer_GAN Attribute Neutralizer for Mitigating Bias in Chest X_Ray Diagnosis

混合视觉Transformer-生成对抗网络属性中和器用于缓解胸部X光诊断中的偏见

Jobeal Solomon, Ali Mohammed Mansoor Alsahag, Seyed Sahand Mohammadi Ziabari

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.CV

AI总结 本研究通过替换U-Net卷积编码器为视觉Transformer，减少胸部X光诊断中的性别偏见，同时保持诊断准确性。

Dermatologist-like explainable AI enhances trust and confidence in diagnosing melanoma

皮肤科医生级可解释AI增强对黑色素瘤诊断的信任与信心

Tirtha Chanda, Katja Hauser, Sarah Hobelsberger, Tabea-Clara Bucher, Carina Nogueira Garcia, Christoph Wies, Harald Kittler, Philipp Tschandl, Cristian Navarrete-Dechent, Sebastian Podlipnik, Emmanouil Chousakos, Iva Crnaric, Jovana Majstorovic, Linda Alhajwan, Tanya Foreman, Sandra Peternel, Sergei Sarap, İrem Özdemir, Raymond L. Barnhill, Mar Llamas Velasco, Gabriela Poch, Sören Korsing, Wiebke Sondermann, Frank Friedrich Gellrich, Markus V. Heppt, Michael Erdmann, Sebastian Haferkamp, Konstantin Drexler, Matthias Goebeler, Bastian Schilling, Jochen S. Utikal, Kamran Ghoreschi, Stefan Fröhling, Eva Krieghoff-Henning, Titus J. Brinker

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

AI总结 本研究开发了一种皮肤科医生级可解释AI系统，通过生成可理解的解释提升诊断信任和信心，验证了其在黑色素瘤诊断中的有效性。

FAIR-ESI: Feature Adaptive Importance Refinement for Electrophysiological Source Imaging

FAIR-ESI：面向脑电生理源成像的特征自适应重要性细化

Linyong Zou, Liang Zhang, Xiongfei Wang, Jia-Hong Gao, Yi Sun, Shurong Sheng, Kuntao Xiao, Wanli Yang, Pengfei Teng, Guoming Luan, Zhao Lv, Zikang Xu

机构 * School of Artificial Intelligence, Anhui University（安徽大学人工智能学院） ； Anhui Province Key Laboratory of Biomedical Imaging and Intelligent Processing, Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（安徽省生物医学成像与智能处理重点实验室，人工智能研究院，合肥综合性国家科学中心） ； School of Automation, Northwestern Polytechnical University（自动化学院，西北工业大学） ； Department of Neurosurgery, Beijing Key Laboratory of Epilepsy, Sanbo Brain Hospital Capital Medical University（神经外科，北京癫痫重点实验室，首都医科大学三博脑科医院） ； McGovern Institute for Brain Research, Peking University（麦戈文脑科学研究所，北京大学） ； Anhui Province Key Laboratory of Multimodal Cognitive Computation, School of Computer Science and Technology, Anhui University（安徽省多模态认知计算重点实验室，计算机科学与技术学院，安徽大学） 纠错

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

AI总结 FAIR-ESI 通过自适应细化不同视图的特征重要性，提升脑电生理源成像的精度，为脑部疾病诊断提供新方法。

Materealize: a multi-agent deliberation system for end-to-end material design and synthesis

Materealize: 一种用于端到端材料设计与合成的多智能体协商系统

Seongmin Kim, Jaehwan Choi, Kunik Jang, Junkil Park, Varinia Bernales, Alán Aspuru-Guzik, Yousung Jung

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 Materealize通过多智能体协商系统实现端到端无机材料设计与合成，结合工具精度与推理整合，提升计算发现与实验实现的衔接。

Comments 30 pages main text, 8 main figures

Geometric Morphometrics approach for classifying children's nutritional status on out of sample data

基于几何形态测量学的儿童营养状况分类方法：用于外样本数据

Laura Medialdea, Ana Arribas-Gil, Álvaro Pérez-Romero, Amador Gómez

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种基于几何形态测量学的儿童营养状况分类方法，旨在通过外样本数据提升分类效果，开发离线智能手机工具以支持不同营养筛查活动的训练样本更新。

Journal ref Scientific Reports 15, 3906 (2025)

Uncovering Latent Bias in LLM-Based Emergency Department Triage Through Proxy Variables

通过代理变量揭示基于LLM的急诊科分诊中的潜在偏见

Ethan Zhang

机构 * Palo Alto High School（帕洛阿尔托高中） 纠错

专题命中 诊断辅助 ：medical AI(abstract)

AI总结 本研究通过代理变量揭示基于LLM的急诊科分诊中的潜在偏见，发现LLMs在输入上下文中会修改对患者严重程度的感知，表明AI系统仍需改进以确保临床应用的安全性。

Comments 15 pages, 3 figures

Magneto-photoelectrochemical 2D heterojunction platform for biosensing detection

磁光光电化学2D异质结平台用于生物传感检测

Tao Wang, Nan Zhang, Hongjie Huang, Yunhe An, Yunyun Dai, Yongrui Li, Nan Yang, Chaojie Yang, Xinran Zhou, Yucheng Zhu, Yingshan Ma, Lingling Huang, Yongtian Wang, Yang Liu, Zhiyong Yan

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究提出一种磁调制的光电化学2D异质结平台，实现对蛋白激酶A活性的超灵敏检测，检测灵敏度提升68.75%，检测限低至0.00016 U/mL。

PAINT: Pathology-Aware Integrated Next-Scale Transformation for Virtual Immunohistochemistry

PAINT: 用于虚拟免疫组化病理学的路径感知集成下尺度转换

Rongze Ma, Mengkang Lu, Zhenyu Xiang, Yongsheng Pan, Yicheng Wu, Qingjie Zeng, Yong Xia

机构 * School of Computer Science and Engineering, Northwestern Polytechnical University（计算机科学与工程学院，西北工业大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 PAINT通过结构优先的自回归框架，提升虚拟免疫组化合成的结构保真度和临床应用效果。

Reconstructing Patched or Partial Holograms to allow for Whole Slide Imaging with a Self-Referencing Holographic Microscope

重建拼接或部分全息图以实现全滑片成像的自参考全息显微镜

Philip Groult, Julia D. Sistermanns, Ellen Emken, Oliver Hayden, Wolfgang Utschick

专题命中 病理影像 ：biomedical(abstract)；分类 q-bio、eess.SP

AI总结 本研究提出了一种自参考全息显微镜的重建算法，实现宫颈涂片的全滑片成像，结合了全滑片成像与定量相位成像技术。

Comments \c{opyright} 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Design and Validation of a Modular Smart Headband with Embroidered Electrodes for Comfortable EEG Monitoring

模块化智能头带的设计与验证：带有刺绣电极的舒适EEG监测

Komal Komal, Frances Cleary, Ram Prasadh Narayanan, John Wells, Marco Buiatti, Louise Bennett

专题命中 病理影像 ：pathology(abstract)

AI总结 本研究提出了一种模块化智能头带，通过可调节刺绣电极实现舒适且可靠的EEG监测，适用于日常应用。

PyTDC: A multimodal machine learning training, evaluation, and inference platform for biomedical foundation models

PyTDC: 一种用于生物医学基础模型的多模态机器学习训练、评估和推理平台

Alejandro Velez-Arce, Jesus Caraballo, Marinka Zitnik

机构 * arcellai（ArcellAI公司） ； calculus（The Residency公司） ； mit（麻省理工学院） ； hms（哈佛医学院生物医学信息学系） ； broad（MIT与哈佛大学Broad研究所） ； harvard-ds（哈佛大学数据科学倡议） ； kempner（哈佛大学Kempner研究所） 纠错

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

AI总结 PyTDC是一种多模态机器学习平台，旨在提升生物医学基础模型的训练、评估和推理能力，通过统一数据源和模型权重，促进多模态、上下文感知的研究。

Comments Proceedings of the 42nd International Conference on Machine Learning, Vancouver, Canada. PMLR 267, 2025

GeMM-GAN: A Multimodal Generative Model Conditioned on Histopathology Images and Clinical Descriptions for Gene Expression Profile Generation

GeMM-GAN: 一种基于组织病理图像和临床描述的多模态生成模型，用于基因表达谱生成

Francesca Pia Panaccione, Carlo Sgaravatti, Pietro Pinoli

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

AI总结 GeMM-GAN通过结合图像和文本信息生成逼真的基因表达谱，提升疾病预测准确性。

Comments 12 pages, 2 figures. Published at Image Analysis and Processing - ICIAP 2025 Workshops

Data complexity signature predicts quantum projected learning benefit for antibiotic resistance

数据复杂性特征预测抗生素耐药性的量子投影学习效益

Kahn Rhrissorrakrai, Filippo Utro, Alex Milinovich, Sandip Vasavada, Daniel Rhoads, Laxmi Parida, Glenn T. Werneburg

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

AI总结 本研究通过量子投影学习方法探索抗生素耐药性预测，发现数据复杂性特征可指导量子计算在医疗领域的应用。

Calibration Method of Spacecraft-Inertial Sensor Center-of-Mass Offset for the Taiji Gravitational Wave Detection Mission under Science Mode

太阶引力波探测任务在科学模式下航天器-惯性传感器质心偏移校准方法

Haoyue Zhang, Dong Ye, Peng Xu, Yunhai Geng, Li-E Qiang, Ziren Luo

专题命中 健康监测 ：diagnosis(abstract)

AI总结 本文提出了一种无需航天器机动的校准方法，通过基于模型的自适应卡尔曼滤波器实现高精度质心偏移估计，确保引力波信号的连续性和相干性。

Comments 15 pages, 12 figures, Calibration study for the Taiji gravitational-wave mission in science mode

Who Benefits From Sinus Surgery? Comparing Generative AI and Supervised Machine Learning for Predicting Surgical Outcomes in Chronic Rhinosinusitis

哪些人会从鼻窦手术中受益？比较生成式AI与监督学习在预测慢性鼻窦炎手术结果中的应用

Sayeed Shafayet Chowdhury, Snehasis Mukhopadhyay, Shiaofen Fang, Vijay R. Ramakrishnan

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） ； Department of Computer Science, Indiana University Indianapolis（计算机科学系，印第安纳大学印第安纳波利斯分校） ； Department of Otolaryngology—Head and Neck Surgery, Indiana University School of Medicine（耳鼻喉科—头颈外科，印第安纳大学医学院） 纠错

专题命中 医学数据与评测 ：CT(abstract)；分类 cs.LG

AI总结 本文比较生成式AI与监督学习在预测慢性鼻窦炎手术预后中的表现，发现监督学习在准确率和校准上优于生成式AI，后者在解释性上与临床经验一致，支持以ML为主、生成式AI辅助的决策流程。