医学 AI

Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg

面向对比度和病理无关的临床胎儿脑MRI分割的SynthSeg方法

Ziyao Shang, Misha Kaandorp, Kelly Payette, Marina Fernandez Garcia, Roxane Licandro, Georg Langs, Jordina Aviles Verdera, Jana Hutter, Bjoern Menze, Gregor Kasprian, Meritxell Bach Cuadra, Andras Jakab

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

AI总结 本文提出了一种数据驱动的训练时采样策略，用于提升胎儿脑MRI分割的域通用性，通过SynthSeg框架实现更广泛的域偏移适应。

Comments 29 pages, 12 figures

Journal ref NeuroImage 327 (2026)

A Lightweight Medical Image Classification Framework via Self-Supervised Contrastive Learning and Quantum-Enhanced Feature Modeling

通过自监督对比学习和量子增强特征建模的轻量级医学图像分类框架

Jingsong Xia, Siqi Wang

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

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

AI总结 本文提出一种结合自监督对比学习和量子增强特征建模的轻量级医学图像分类框架，通过MobileNetV2和量子电路实现高效模型，实验表明其在性能上优于传统方法。

Domain-invariant Mixed-domain Semi-supervised Medical Image Segmentation with Clustered Maximum Mean Discrepancy Alignment

领域不变的混合域半监督医学图像分割与聚类最大均值差异对齐

Ba-Thinh Lam, Thanh-Huy Nguyen, Hoang-Thien Nguyen, Quang-Khai Bui-Tran, Nguyen Lan Vi Vu, Phat K. Huynh, Ulas Bagci, Min Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Ho Chi Minh University of Science（胡志明科学大学） ； Northwestern University（西北大学） ； University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学） 纠错

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

AI总结 本文提出一种领域不变的混合域半监督分割框架，通过Copy-Paste机制和聚类最大均值差异对齐，提升数据多样性并缓解域偏移，实现高精度分割。

Comments accepted in ICASSP 2026

Scribble-Supervised Medical Image Segmentation with Dynamic Teacher Switching and Hierarchical Consistency

带有动态教师切换和层次一致性的人工书写监督医学图像分割

Thanh-Huy Nguyen, Hoang-Loc Cao, Dat T. Chung, Mai-Anh Vu, Thanh-Minh Nguyen, Minh Le, Phat K. Huynh, Ulas Bagci

机构 * 1 Carnegie Mellon University, PA 15213, United States 2 PASSIO Lab, North Carolina A\&T State University, NC 27401, United States 3 University of Houston, TX 77004, United States 4 Northwestern University, IL 60611, United States 纠错

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

AI总结 SDT-Net通过动态教师切换和层次一致性机制，提升人工书写监督下医学图像分割的准确性和解剖合理性。

Non-invasive imaging of solute redistribution below evaporating surfaces using 23Na-MRI

利用23Na-MRI非侵入式成像研究蒸发表面下溶质再分布

M. A. Chaudhry, S. Kiemle, A. Pohlmeier, R. Helmig, J. A. Huisman

专题命中 医学影像 ：MRI(title,abstract)

AI总结 利用23Na-MRI研究蒸发表面下溶质再分布，揭示高渗透性和低渗透性多孔介质中溶质积累与再分布的差异。

Comments 35 pages, 9 figures

Journal ref Water Resources Research, 62, e2025WR041207

Efficient Multi-scale Masked Autoencoders with Hybrid-Attention Mechanism for Breast Lesion Classification

高效的多尺度掩码自编码器与混合注意力机制用于乳腺病变分类

Hung Q. Vo, Pengyu Yuan, Zheng Yin, Kelvin K. Wong, Chika F. Ezeana, Son T. Ly, Hien V. Nguyen, Stephen T. C. Wong

机构 * Department of Electrical and Computer Engineering, University of Houston（电气与计算机工程系，德克萨斯大学） ； Systems Medicine and Biomedical Engineering, Houston Methodist（系统医学与生物医学工程，休斯顿 Methodist） 纠错

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

AI总结 MIRAM通过混合注意力机制和双解码器设计，实现高效多尺度掩码自编码器，提升乳腺病变分类准确率并降低计算需求。

On The Robustness of Foundational 3D Medical Image Segmentation Models Against Imprecise Visual Prompts

关于基础3D医学图像分割模型对不精确视觉提示的鲁棒性

Soumitri Chattopadhyay, Basar Demir, Marc Niethammer

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本研究探讨了基础3D医学图像分割模型在面对不精确视觉提示时的鲁棒性，通过实验揭示了模型对视觉形状和空间线索的依赖性及扰动的抗性。

Comments Accepted at ISBI 2026

Learned Hemodynamic Coupling Inference in Resting-State Functional MRI

学习静息态功能磁共振成像中的血流动力学耦合推断

William Consagra, Eardi Lila

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

AI总结 本文提出了一种基于深度学习和归一化流的方法，用于从静息态fMRI中推断皮层表面的血流动力学耦合，提高了血流动力学估计和连接性分析的准确性。

A Cautionary Tale of Self-Supervised Learning for Imaging Biomarkers: Alzheimer's Disease Case Study

自监督学习在影像生物标志物中的警示故事：阿尔茨海默病案例研究

Maxwell Reynolds, Chaitanya Srinivasan, Vijay Cherupally, Michael Leone, Ke Yu, Li Sun, Tigmanshu Chaudhary, Andreas Pfenning, Kayhan Batmanghelich

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 本研究提出R-NCE框架，通过整合FreeSurfer特征和增强不变信息，提升阿尔茨海默病生物标志物的预测性能，并揭示其在神经退行性过程中的生物相关性。

Decoupling Multi-Contrast Super-Resolution: Self-Supervised Implicit Re-Representation for Unpaired Cross-Modal Synthesis

解耦多对比超分辨率：自监督隐式重表示用于无配对跨模态合成

Yinzhe Wu, Hongyu Rui, Fanwen Wang, Jiahao Huang, Zhenxuan Zhang, Haosen Zhang, Zi Wang, Guang Yang

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出了解耦多对比超分辨率框架，通过自监督隐式重表示实现无配对跨模态合成，提升极端尺度下的超分辨率性能。

RF Applications

射频应用

Thomas Geoffrey Lucas

专题命中 医学影像 ：diagnosis(abstract)

AI总结 本文探讨了射频系统在粒子加速器中的关键作用，重点介绍了射频腔的设计与开发，以瑞士弗莱明自由电子激光为例，展示了跨学科合作的重要性。

Comments 10 pages, contribution to the CAS - CERN Accelerator School: Mechanical & Materials Engineering for Particle Accelerators and Detectors, 2-15 June 2024, Sint-Michielsgestel, Netherlands

CardioMOD-Net: A Modal Decomposition-Neural Network Framework for Diagnosis and Prognosis of HFpEF from Echocardiography Cine Loops

CardioMOD-Net：一种用于从超声心动图动态循环视频中诊断和预测HFpEF的模态分解神经网络框架

Andrés Bell-Navas, Jesús Garicano-Mena, Antonella Ausiello, Soledad Le Clainche, María Villalba-Orero, Enrique Lara-Pezzi

机构 * Center for Computational Simulation (CCS)（计算仿真中心） 纠错

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

AI总结 CardioMOD-Net通过模态分解和神经网络实现从超声心动图动态循环视频中多类诊断和连续预测HFpEF发病，提升预临床模型的诊断与预后能力。

Comments 9 pages; 1 figure; letter

Identifying heat-related diagnoses in emergency department visits among adults in Chicago: a heat-wide association study

识别芝加哥成年人急诊部门就诊中的热相关诊断：一项热广泛关联研究

Hyojung Jang, Peter M. Graffy, Benjamin W. Barrett, Daniel E. Horton, Jennifer L. Chan, Abel N. Kho

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究通过热广泛关联研究，识别了芝加哥成年人急诊就诊中与极端高温相关的诊断，利用两阶段分析方法评估了热相关疾病的风险和影响。

EvoConfig: Self-Evolving Multi-Agent Systems for Efficient Autonomous Environment Configuration

EvoConfig：用于高效自主环境配置的自演化多智能体系统

Xinshuai Guo, Jiayi Kuang, Linyue Pan, Yinghui Li, Yangning Li, Hai-Tao Zheng, Ying Shen, Di Yin, Xing Sun

机构 * Tsinghua University（清华大学） ； Sun-Yat Sen University（孙逸人大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 EvoConfig通过自演化多智能体系统提升自主环境配置效率，实现更高成功率和更强调试能力。

VISTA-PATH: An interactive foundation model for pathology image segmentation and quantitative analysis in computational pathology

VISTA-PATH: 一种交互式的基础模型用于计算病理学中病理图像分割和定量分析

Peixian Liang, Songhao Li, Shunsuke Koga, Yutong Li, Zahra Alipour, Yucheng Tang, Daguang Xu, Zhi Huang

机构 * Department of Pathology and Laboratory Medicine, University of Pennsylvania（病理学与实验室医学系，宾夕法尼亚大学） ； Department of Electrical and System Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） ； Department of Biomedical Engineering, Georgia Institute of Technology and Emory University（生物医学工程系，佐治亚理工学院和埃默里大学） ； NVIDIA Corporation（NVIDIA公司） ； Department of Biostatistics, Epidemiology and Informatics, University of Pennsylvania（生物统计学、流行病学与信息学系，宾夕法尼亚大学） 纠错

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

AI总结 VISTA-PATH是一种交互式基础模型，通过整合专家反馈和多类分割，提升病理图像分割的临床应用价值。

Intelligent Systems in Neuroimaging: Pioneering AI Techniques for Brain Tumor Detection

神经影像中的智能系统：开创性AI技术用于脑肿瘤检测

Md. Mohaiminul Islam, Md. Mofazzal Hossen, Maher Ali Rusho, Nahiyan Nazah Ridita, Zarin Tasnia Shanta, Md. Simanto Haider, Ahmed Faizul Haque Dhrubo, Md. Khurshid Jahan, Mohammad Abdul Qayum

机构 * Dept.of ECE North South University Dhaka, Bangladesh（电子与计算机工程系北南大学达卡，孟加拉国） ； NMR Spectroscopist Lassonde School of Engineering York University Toronto, Canada（核磁共振谱仪师拉索nde工程学院约克大学多伦多，加拿大） ； Dept. of ECE North South University Dhaka, Bangladesh（电子与计算机工程系北南大学达卡，孟加拉国） 纠错

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

AI总结 本研究利用先进AI技术通过MRI实现脑肿瘤分类，采用Xception架构达到98.71%的检测准确率，推动临床应用的可行性。

Comments This paper contains 11 pages, 2 tables, and 7 figures. This Paper is already accepted in IEEE Computational Intelligence Magazine (CIM)

Journal ref IEEE Computational Intelligence Magazine (CIM) in 19th July 2025

Hierarchy-Aware Multimodal Unlearning for Medical AI

层次感知的多模态反遗忘用于医疗AI

Fengli Wu, Vaidehi Patil, Jaehong Yoon, Yue Zhang, Mohit Bansal

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 MedForget提出一个层次感知的多模态反遗忘基准和CHIP方法，有效解决医疗数据中层次结构的遗忘问题，同时保持下游效用。

Comments Dataset and Code: https://github.com/fengli-wu/MedForget

Better Generalizing to Unseen Concepts: An Evaluation Framework and An LLM-Based Auto-Labeled Pipeline for Biomedical Concept Recognition

更好地泛化到未见概念：一种评估框架和一个基于LLM的自动标注流水线用于生物医学概念识别

Shanshan Liu, Noriki Nishida, Fei Cheng, Narumi Tokunaga, Rumana Ferdous Munne, Yuki Yamagata, Kouji Kozaki, Takehito Utsuro, Yuji Matsumoto

机构 * RIKEN AIP ； University of Tsukuba（大学） 纠错

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

AI总结 本文提出了一种评估框架和基于LLM的自动标注流水线，用于提升生物医学概念识别中对未见概念的泛化能力。

Comments Accepted to EACL 2026 (Main)

Signal Recovery Using a Spiked Mixture Model

利用尖峰混合模型进行信号恢复

Paul-Louis Delacour, Sander Wahls, Jeffrey M. Spraggins, Lukasz Migas, Raf Van de Plas

机构 * Delft University of Technology（代尔夫特理工大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） 纠错

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

AI总结 本文提出尖峰混合模型及其EM算法，用于在低信噪比情况下提升信号恢复性能，应用于生物医学和计算机视觉领域，优于传统方法。

Journal ref IEEE Transactions on Signal Processing, vol. 73, pp. 3748-3761, 2025

Standardizing Longitudinal Radiology Report Evaluation via Large Language Model Annotation

通过大型语言模型标注标准化纵向放射学报告评估

Xinyi Wang, Grazziela Figueredo, Ruizhe Li, Xin Chen

专题命中 医学数据与评测 ：radiology(title,abstract)

AI总结 本文提出基于大型语言模型的标注方法，用于标准化放射学报告中的纵向信息评估，通过对比实验验证了其在疾病进展检测和跟踪方面的优越性能。

Data Poisoning Vulnerabilities Across Healthcare AI Architectures: A Security Threat Analysis

医疗AI架构中的数据中毒漏洞：安全威胁分析

Farhad Abtahi, Fernando Seoane, Iván Pau, Mario Vega-Barbas

专题命中 医学数据与评测 ：healthcare AI(title,abstract)

AI总结 医疗AI面临数据中毒威胁，需多层防御措施和可解释系统以提高安全性。

Journal ref J Med Internet Res 2026

Curated endoscopic retrograde cholangiopancreatography images dataset

精选内镜逆行胆胰造影图像数据集

Alda João Andrade, Mónica Martins, André Ferreira, Tarcísio Araújo, Luís Lopes, Victor Alves

机构 * Department of Gastroenterology, Hospital Santa Luzia, ULS Alto Minho, Viana do Castelo, Portugal（圣卢西亚医院消化内科部，葡萄牙） ； Center Algoritmi / LASI, University of Minho, Braga, 4710-057, Portugal（米尼奥大学算法中心/拉斯伊，葡萄牙） ； Institute for Artificial Intelligence in Medicine (IKIM), Essen University Hospital (AöR), University of Duisburg-Essen, Essen, Germany（医学人工智能研究所（IKIM），埃森大学医院（AöR），德国） ； Life and Health Sciences Research Institute (ICVS), School of Medicine, University of Minho, Braga, Portugal（生命与健康科学研究所（ICVS），米尼奥大学医学院，葡萄牙） ； ICVS/3B’s - PT Government Associate Laboratory, Braga/Guimarães（ICVS/3B’s - 葡萄牙政府关联实验室，布拉加/吉马拉雷斯） 纠错

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

AI总结 本研究提出一个大规模、精心整理的ERCP图像数据集，用于推动自动ERCP分析和诊断的基准研究。