医学 AI

OREHAS: A fully automated deep-learning pipeline for volumetric endolymphatic hydrops quantification in MRI

OREHAS：一种用于MRI中体积性内淋巴液积聚定量的全自动深度学习流程

Caterina Fuster-Barceló, Claudia Castrillón, Laura Rodrigo-Muñoz, Victor Manuel Suárez-Vega, Nicolás Pérez-Fernández, Gorka Bastarrika, Arrate Muñoz-Barrutia

机构 * Bioengineering Department, Universidad Carlos III de Madrid（卡洛斯三世大学生物工程系） ； Radiology Department, Clínica Universidad de Navarra（纳瓦拉大学医院放射科） ； Otorhinolaryngology Department, Clínica Universidad de Navarra（纳瓦拉大学医院耳鼻喉科） 纠错

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

AI总结 OREHAS是一种基于深度学习的全自动MRI流程，用于准确量化内淋巴液积聚，其通过高效分割和临床对齐的工作流实现了高精度和可重复性。

PRISM: A Framework Harnessing Unsupervised Visual Representations and Textual Prompts for Explainable MACE Survival Prediction from Cardiac Cine MRI

PRISM：一种结合无监督视觉表示和文本提示的框架，用于从心脏 cine MRI 预测可解释的 MACE 生存率

Haoyang Su, Jin-Yi Xiang, Shaohao Rui, Yifan Gao, Xingyu Chen, Tingxuan Yin, Shaoting Zhang, Xiaosong Wang, Lian-Ming Wu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 PRISM通过结合无监督视觉表示和文本提示，实现了从心脏 cine MRI 预测可解释的 MACE 生存率。

Interpretable Modeling of Articulatory Temporal Dynamics from real-time MRI for Phoneme Recognition

基于实时MRI的发声时序动力学可解释建模用于音素识别

Jay Park, Hong Nguyen, Sean Foley, Jihwan Lee, Yoonjeong Lee, Dani Byrd, Shrikanth Narayanan

机构 * Signal Analysis and Interpretation Lab, University of Southern California（南加州大学信号分析与解释实验室） ； Department of Linguistics, University of Southern California（南加州大学语言学系） 纠错

专题命中 医学影像 ：MRI(title)；分类 eess.IV

AI总结 本文提出基于实时MRI的发声时序动力学建模方法，通过多特征融合提升音素识别准确率，发现舌头和嘴唇运动对识别至关重要。

Testing of Deep Learning Model in Real World Clinical Setting: A Case Study in Obstetric Ultrasound

深度学习模型在真实临床环境中的测试：产科超声成像的案例研究

Chun Kit Wong, Mary Ngo, Manxi Lin, Zahra Bashir, Amihai Heen, Morten Bo Søndergaard Svendsen, Martin Grønnebæk Tolsgaard, Anders Nymark Christensen, Aasa Feragen

机构 * Technical University of Denmark（技术大学） ； Pioneer Centre for AI（先锋人工智能中心） ； University of Copenhagen（哥本哈根大学） ； Slagelse Hospital（斯拉格尔塞医院） ； CAMES Rigshospitalet（CAMES皇家医院） 纠错

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

AI总结 本文通过在真实临床环境中测试深度学习模型，发现导航指导是改进的关键，强调了早期部署AI模型的重要性。

Comments 5 pages; ISBI 2026

BLO-Inst: Bi-Level Optimization Based Alignment of YOLO and SAM for Robust Instance Segmentation

BLO-Inst: 基于双层优化的YOLO和SAM对齐以实现鲁棒的实例分割

Li Zhang, Pengtao Xie

机构 * Electrical and Computer Engineering, University of California San Diego, CA, US（电子与计算机工程系，加州大学圣地亚哥分校） 纠错

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

AI总结 BLO-Inst通过双层优化对齐YOLO和SAM，提升实例分割的鲁棒性和性能。

Low performing pixel correction in computed tomography with unrolled network and synthetic data training

低性能像素校正在计算断层扫描中的应用：基于展开网络和合成数据训练

Hongxu Yang, Levente Lippenszky, Edina Timko, Lehel Ferenczi, Gopal Avinash

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出基于展开网络和合成数据训练的方法，有效校正CT中低性能像素伪影，无需真实临床数据，提升重建图像质量。

Comments ISBI 2026 accepted

A Gradient-Based Capacity Accreditation Framework in Resource Adequacy: Formulation, Computation, and Practical Implications

基于梯度的容量认证框架在资源充足性中的应用： formulation, 计算与实际意义

Qian Zhang, Feng Zhao, Gord Stephen, Chanan Singh, Le Xie

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出了一种基于梯度的容量认证框架，统一了ELCC和MRI两种方法，并展示了通过梯度优化和蒙特卡罗实验实现高效容量认证的潜力。

Multi-modal Imputation for Alzheimer's Disease Classification

多模态缺失数据填补用于阿尔茨海默病分类

Abhijith Shaji, Tamoghna Chattopadhyay, Sophia I. Thomopoulos, Greg Ver Steeg, Paul M. Thompson, Jose-Luis Ambite

机构 * Information Sciences Institute（信息科学研究所） ； University of Southern California（美国南加州大学） ； University of California（加州大学） ； Stevens Neuroimaging and Informatics Institute（史蒂文斯神经影像与信息学研究所） 纠错

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出利用条件去噪扩散概率模型填补缺失的DWI扫描，以提高多模态深度学习模型在阿尔茨海默病三类分类中的准确性。

The Patient is not a Moving Document: A World Model Training Paradigm for Longitudinal EHR

患者并非静态文档：一种用于纵向电子健康记录的world model训练范式

Irsyad Adam, Zekai Chen, David Laprade, Shaun Porwal, David Laub, Erik Reinertsen, Arda Pekis, Kevin Brown

专题命中 临床大模型 ：biomedical(abstract)；分类 q-bio

AI总结 本文提出SMB-Structure模型，通过结合联合嵌入预测架构和next-token预测，学习捕捉疾病动态的嵌入，实现对高异质性复杂任务的竞争力表现。

Note2Chat: Improving LLMs for Multi-Turn Clinical History Taking Using Medical Notes

Note2Chat: 通过医疗笔记提升LLM在多轮临床病史采集中的表现

Yang Zhou, Zhenting Sheng, Mingrui Tan, Yuting Song, Jun Zhou, Yu Heng Kwan, Lian Leng Low, Yang Bai, Yong Liu

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 Note2Chat通过医疗笔记训练LLM提升多轮临床病史采集的准确性和效率

Comments Accepted at AAAI-26

OrthoInsight: Rib Fracture Diagnosis and Report Generation Based on Multi-Modal Large Models

OrthoInsight：基于多模态大模型的肋骨骨折诊断与报告生成

Ningyong Wu, Jiangbo Zhang, Wenhong Zhao, Jinzhi Wang, Chenzhan Yu, Zhigang Xiu, Duwei Dai, Ziyu Xu, Yongli Yang

机构 * Organizational Management Department, School of Management, Xi’an Jiaotong University（管理学院组织管理部，西安交通大学） ； West China Longquan Hospital, Sichuan University（四川大学西部临床医学院） ； School of Electronic Science and Engineering, Xi’an Jiaotong University（西安交通大学电子科学与工程学院） ； Systems Engineering Institute, Xi’an Jiaotong University（西安交通大学系统工程研究院） ； Institute of Medical Artificial Intelligence, the Second Affiliated Hospital of Xi’an Jiaotong University（西安交通大学第二附属医院医学人工智能研究所） ； School of Human Settlements and Civil Engineering, Xi’an Jiaotong University（西安交通大学人居环境与土木工程学院） ； School of Life Science and Technology, Xi’an Jiaotong University（西安交通大学生命科学与技术学院） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；medical image(abstract)；CT(abstract)；分类 cs.CV、eess.IV

AI总结 OrthoInsight通过多模态大模型实现肋骨骨折的自动诊断与报告生成，结合CT图像分析与医学知识图谱，提升诊断效率和临床实用性。

LSR-Net: A Lightweight and Strong Robustness Network for Bearing Fault Diagnosis in Noise Environment

LSR-Net: 一种轻量且鲁棒性强的网络用于噪声环境下的滚动轴承故障诊断

Junseok Lee, Jihye Shin, Sangyong Lee, Chang-Jae Chun

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

AI总结 LSR-Net通过轻量设计和鲁棒性增强，实现了在噪声环境下的高效轴承故障诊断。

Routing the Lottery: Adaptive Subnetworks for Heterogeneous Data

彩票路由：异构数据的自适应子网络

Grzegorz Stefanski, Alberto Presta, Michal Byra

机构 * Samsung AI Center Warsaw, Poland（三星AI中心华沙波兰） ； Institute of Fundamental Technological Research, Polish Academy of Sciences, Poland（基础技术研究所波兰科学院） 纠错

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

AI总结 本研究提出彩票路由框架，通过自适应子网络提升剪枝效果，实现更模块化的深度学习模型。

Graph-Free Root Cause Analysis

无图根因分析

Luan Pham

机构 * RMIT University, Australia（皇家墨尔本理工大学） 纠错

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

AI总结 PRISM是一种无需依赖图的高效根因分析框架，在真实世界数据集上实现了68%的Top-1准确率，比基线方法提升了258%。

Mam-App: A Novel Parameter-Efficient Mamba Model for Apple Leaf Disease Classification

Mam-App：一种新型参数高效的Mamba模型用于苹果叶病分类

Md Nadim Mahamood, Md Imran Hasan, Md Rasheduzzaman, Ausrukona Ray, Md Shafi Ud Doula, Kamrul Hasan

机构 * Computer Science and Engineering, Begum Rokeya University（计算机科学与工程，贝 Gum 罗基亚大学） ； Computer Science, Kumamoto University（计算机科学，熊本大学） ； Information and Communication Technologies, Asian Institute of Technology（信息与通信技术，亚洲理工学院） ； Computer Science, Texas State University（计算机科学，德克萨斯州立大学） 纠错

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

AI总结 Mam-App是一种参数高效的Mamba模型，用于苹果叶病分类，实现了高精度和低参数消耗，适用于资源受限环境。

Comments 18 Pages, 7 Tables, 5 Figures

Computing Supported Models via Transformation to Stable Models

通过转换到稳定模型来计算支持模型

Fang Li, Gopal Gupta

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种基于转换的方法，利用标准ASP基础设施计算支持模型，解决了传统稳定模型在探索非最小解空间时的限制，并提供了在软件验证、医学诊断和规划中的应用实例。

Comments Submitted to FLOPS 2026

PathReasoner-R1: Instilling Structured Reasoning into Pathology Vision-Language Model via Knowledge-Guided Policy Optimization

PathReasoner-R1: 通过知识引导的策略优化在病理视觉-语言模型中引入结构化推理

Songhan Jiang, Fengchun Liu, Ziyue Wang, Linghan Cai, Yongbing Zhang

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） ； Technical University of Dresden（德累斯顿技术大学） 纠错

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

AI总结 PathReasoner-R1通过知识引导的策略优化，在病理视觉-语言模型中引入结构化推理，提升模型的临床推理能力和鲁棒性。

Do Pathology Foundation Models Encode Disease Progression? A Pseudotime Analysis of Visual Representations

病理基础模型是否编码疾病进展？对视觉表示的伪时间分析

Pritika Vig, Ren-Chin Wu, William Lotter

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Pathology, Dana-Farber Cancer Institute（达纳-法伯癌症研究所病理部） ； Department of Data Science, Dana-Farber Cancer Institute（达纳-法伯癌症研究所数据科学部） ； Brigham and Women's Hospital（布里奇沃特医院） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 研究探讨视觉基础模型是否能隐式学习连续疾病进程，通过伪时间分析发现模型在表示空间中能组织疾病状态，轨迹保真度与分类性能相关。

Comments 21 pages, 17 figures. Appendix included

Early and Prediagnostic Detection of Pancreatic Cancer from Computed Tomography

从计算机断层扫描中早期和预诊断性检测胰腺癌

Wenxuan Li, Pedro R. A. S. Bassi, Lizhou Wu, Xinze Zhou, Yuxuan Zhao, Qi Chen, Szymon Plotka, Tianyu Lin, Zheren Zhu, Marisa Martin, Justin Caskey, Shanshan Jiang, Xiaoxi Chen, Jaroslaw B. Ćwikla, Artur Sankowski, Yaping Wu, Sergio Decherchi, Andrea Cavalli, Chandana Lall, Cristian Tomasetti, Yaxing Guo, Xuan Yu, Yuqing Cai, Hualin Qiao, Jie Bao, Chenhan Hu, Ximing Wang, Arkadiusz Sitek, Kai Ding, Heng Li, Meiyun Wang, Dexin Yu, Guang Zhang, Yang Yang, Kang Wang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Bologna（博洛尼亚大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Shandong Provincial Qianfoshan Hospital（山东省千佛山医院） ； Qilu Hospital of Shandong University（山东大学齐鲁医院） ； Jagiellonian University（杰齐洛尼亚大学） ； University of California, San Francisco（加州大学旧金山分校） ； University of California, Berkeley（加州大学伯克利分校） ； Johns Hopkins Medicine（约翰霍普金斯医学中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Warmia and Mazury（马尔堡大学） ； National Medical Institute of the Ministry of Internal Affairs and Administration（内政部和行政管理局国家医疗研究所） ； Henan Provincial People’s Hospital & The People’s Hospital of Zhengzhou University（河南省人民医院及郑州大学人民医院） ； City of Hope National Medical Center（希望国家医学中心） ； Centre Européen de Calcul Atomique et Moléculaire, École Polytechnique Fédérale de Lausanne（欧洲原子和分子计算中心，洛桑联邦理工学院） ； Northeastern University（东北大学） ； Rutgers University（罗格斯大学） ； The First Affiliated Hospital of Soochow University（苏州大学第一附属医院） ； Massachusetts General Hospital（麻省总医院） 纠错

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

AI总结 ePAI通过人工智能在CT扫描中早期检测胰腺癌，显著提高灵敏度并准确定位微小病变。

Expected Return Causes Outcome-Level Mode Collapse in Reinforcement Learning and How to Fix It with Inverse Probability Scaling

预期回报导致强化学习中的结果层面模式崩溃及如何通过逆概率缩放修复它

Abhijeet Sinha, Sundari Elango, Dianbo Liu

机构 * National University of Singapore, Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出逆概率缩放方法，通过修正预期回报目标来解决强化学习中的结果层面模式崩溃问题，有效提升多模式策略优化的可靠性。

Better without U: Impact of Selective Hubbard U Correction on Foundational MLIPs

无需U：选择性Hubbard U修正对基础MLIPs的影响

Thomas Warford, Fabian L. Thiemann, Gábor Csányi

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

AI总结 本文指出，选择性应用Hubbard U修正导致fMLIPs出现不一致的势能面，从而引起结合不足和排斥，建议未来数据集排除+U以提升模型性能。

Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification

多模态视觉代理压缩用于阿尔茨海默病分类

Dexuan Ding, Ciyuan Peng, Endrowednes Kuantama, Jingcai Guo, Jia Wu, Jian Yang, Amin Beheshti, Ming-Hsuan Yang, Yuankai Qi

机构 * Macquarie University（麦考瑞大学） ； Federation University Australia（联邦大学澳大利亚） ； The Hong Kong Polytechnic University（香港理工大学） ； University of California at Merced（加州大学默塞德分校） 纠错

专题命中 医疗多模态 ：MRI(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 MVSC通过压缩和适应大尺寸3D sMRI体积为紧凑的2D视觉代理，提升阿尔茨海默病分类性能。

Hypernetwork-Based Adaptive Aggregation for Multimodal Multiple-Instance Learning in Predicting Coronary Calcium Debulking

基于超网络的自适应聚合用于多模态多实例学习在预测冠状动脉钙化去除中的应用

Kaito Shiku, Ichika Seo, Tetsuya Matoba, Rissei Hino, Yasuhiro Nakano, Ryoma Bise

机构 * Department of Advanced Information Technology, Kyushu University（九州大学先进信息技术系） ； Department of Cardiovascular Medicine, Kyushu University（九州大学心血管医学系） 纠错

专题命中 医疗多模态 ：CT(abstract)；分类 cs.CV

AI总结 本文提出HyperAdAgFormer，通过超网络自适应聚合策略，用于多模态多实例学习预测冠状动脉钙化去除的必要性。

Comments Accepted to ISBI 2026

End-to-end audio-visual learning for cochlear implant sound coding simulations in noisy environments

端到端音频视觉学习用于在噪声环境中的人工耳蜗声音编码模拟

Meng-Ping Lin, Enoch Hsin-Ho Huang, Shao-Yi Chien, Yu Tsao

机构 * Graduate Institute of Electronics Engineering（电子工程研究所） ； the Department of Electrical Engineering, National Taiwan University, Taipei 106319, Taiwan（国立台湾大学电子工程系） ； Research Center for Information Technology Innovation Technology, Academia Sinica, Taipei 115201, Taiwan（中科院资讯科技创新研究中心） ； Department of Electrical Engineering, Chung Yuan Christian University, Taoyuan 320314, Taiwan（Chung Yuan Christian University 电子工程系） 纠错

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

AI总结 本文提出了一种端到端的人工耳蜗声音编码系统，通过整合音频视觉信息提升噪声环境中的语音可懂度和信噪比。

Comments 7 pages, 2 figures

Journal ref JASA Express Lett. 6 (2026) 015202

Rational Gaussian wavelets and corresponding model driven neural networks

有理Gaussian小波与相应的模型驱动神经网络

Attila Miklós Ámon, Kristian Fenech, Péter Kovács, Tamás Dózsa

机构 * Eötvös Loránd University（埃斯特哈兹·洛朗大学） ； HUN-REN Institute for Computer Science and Control（HUN-REN计算机科学与控制研究所） ； University of Győr（盖尔堡大学） 纠错

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

AI总结 本文提出有理Gaussian小波及模型驱动神经网络，用于高效信号处理与可解释特征学习，应用于心室逸搏检测。

Comments Submitted to IEEE Transactions on Signal Processing, 2024 (under review)

Single-exposure holographic 3D printing via inverse-designed phase masks

单次曝光全息三维打印 via 逆向设计的相位掩模

Dajun Lin, Xiaofeng Chen, Connor O. Dea, Ji-Won Kim, Keldy S. Mason, Kwong Sang Lee, Apratim Majumder, Chih-Hao Chang, Michael Cullinan, Zachariah A. Page, Rajesh Menon

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 该研究提出了一种单次曝光全息三维打印方法，利用逆向设计的相位掩模和优化树脂配方，实现高吞吐量的3D打印，适用于微光学组件和生物医学支架等精密工程系统。

Comments This version is the original draft submitted to the journal on 9/15/2025. The Editorial staff asked us to do the following: "Please post your original submission dated 9/15/2025 over the current posting, so that the landing page goes directly to that original rather than to the revised version."

Magnetorheological Characterization of Blood Analogues Seeded with Paramagnetic Particles

含磁性粒子的血类物质磁流变特性表征

R. Rodrigues, F. J. Galindo-Rosales, L. Campo-Deaño

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究通过不同浓度磁性粒子的血类物质在磁场下的响应，揭示了磁流变特性变化，为生物医学系统设计提供基础。

Bridging the Arithmetic Gap: The Cognitive Complexity Benchmark and Financial-PoT for Robust Financial Reasoning

弥合算术鸿沟：认知复杂性基准与金融-PoT用于稳健的金融推理

Boxiang Zhao, Qince Li, Zhonghao Wang, Yi Wang, Peng Cheng, Bo Lin

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出认知复杂性基准和金融-PoT框架，通过架构解耦提升金融推理的鲁棒性，使Qwen3-235B模型在复杂任务中的准确率显著提高。