医学 AI

Vision-Language Controlled Deep Unfolding for Joint Medical Image Restoration and Segmentation

视觉-语言控制的深度展开用于联合医学图像恢复与分割

Ping Chen, Zicheng Huang, Xiangming Wang, Yungeng Liu, Bingyu Liang, Haijin Zeng, Yongyong Chen

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Harvard University（哈佛大学） ； SUN YAT-SEN UNIVERSITY（中山大学） 纠错

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

AI总结 VL-DUN通过联合优化和频率感知Mamba机制，实现医学图像恢复与分割的协同学习，提升PSNR和Dice系数，展示联合学习在复杂临床任务中的优势。

Comments 18 pages, medical image

Bonnet: Ultra-fast whole-body bone segmentation from CT scans

Bonnet: 从CT扫描中快速完成全身骨骼分割

Hanjiang Zhu, Pedro Martelleto Rezende, Zhang Yang, Tong Ye, Bruce Z. Gao, Feng Luo, Siyu Huang, Jiancheng Yang

机构 * ELLIS Institute Finland（埃利斯研究所芬兰分校） ； Aalto University（艾尔沃斯大学） ； Clemson University（克莱姆森大学） ； ETH Zurich（苏黎世联邦理工学院） ； Fujian Medical University Union Hospital（福建省医科大学附属医院） ； Fujian Medical University（福建省医科大学） 纠错

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

AI总结 Bonnet通过高效算法在2.69秒内实现全身骨骼分割，准确度高且速度快。

Comments 5 pages, 2 figures. Accepted for publication at the 2026 IEEE International Symposium on Biomedical Imaging (ISBI 2026)

From Cold Start to Active Learning: Embedding-Based Scan Selection for Medical Image Segmentation

从冷启动到主动学习：基于嵌入的扫描选择用于医学图像分割

Devon Levy, Bar Assayag, Laura Gaspar, Ilan Shimshoni, Bella Specktor-Fadida

机构 * Department of Information Systems, University of Haifa（信息系统系，海法大学） ； Department of Medical Imaging Sciences, University of Haifa（医学影像科学系，海法大学） 纠错

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

AI总结 本文提出了一种结合基础模型嵌入与聚类的冷启动采样策略，并结合不确定性驱动的主动学习框架，提升医学图像分割的准确性。

Comments 19 pages without references

Region-Normalized DPO for Medical Image Segmentation under Noisy Judges

区域归一化的DPO用于在噪声裁判下的医学图像分割

Hamza Kalisch, Constantin Seibold, Jens Kleesiek, Ken Herrmann, Frederic Jonske

机构 * Institute for AI in Medicine (IKIM), University Hospital Essen (AöR), Essen, Germany（人工智能医学研究所（IKIM）、埃森大学医院（AöR）） ； Department of Nuclear Medicine, University Hospital Essen (AöR), Essen, Germany（核医学系、埃森大学医院（AöR）） ； Department of Physics, TU Dortmund, Dortmund, Germany（物理系、多特蒙德技术大学） ； Heidelberg University Hospital, Heidelberg, Germany（海德堡大学医院） 纠错

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

AI总结 本文提出区域归一化的DPO方法，用于在噪声裁判下提升医学图像分割的性能和稳定性。

Scale-Cascaded Diffusion Models for Super-Resolution in Medical Imaging

多尺度扩散模型用于医学影像超分辨率

Darshan Thaker, Mahmoud Mostapha, Radu Miron, Shihan Qiu, Mariappan Nadar

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Siemens Healthineers（西门子医疗） ； Siemens Industry Software（西门子工业软件） 纠错

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

AI总结 本文提出多尺度扩散模型用于医学影像超分辨率，通过分解图像为不同频带并训练独立先验，提升重建质量并减少推理时间。

Comments Accepted at IEEE International Symposium for Biomedical Imaging (ISBI) 2026

Training Beyond Convergence: Grokking nnU-Net for Glioma Segmentation in Sub-Saharan MRI

训练超越收敛：为撒哈拉以南MRI胶质瘤分割训练nnU-Net

Mohtady Barakat, Omar Salah, Ahmed Yasser, Mostafa Ahmed, Zahirul Arief, Waleed Khan, Dong Zhang, Aondona Iorumbur, Confidence Raymond, Mohannad Barakat, Noha Magdy

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

AI总结 本文研究了在本地数据上训练nnU-Net以提高撒哈拉以南非洲MRI胶质瘤分割性能，并探索grokking现象对模型性能的提升作用。

HEAL: Learning-Free Source Free Unsupervised Domain Adaptation for Cross-Modality Medical Image Segmentation

HEAL：无学习源自由无监督领域适应用于跨模态医学图像分割

Yulong Shi, Jiapeng Li, Lin Qi

机构 * College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, China（医学与生物信息工程学院，东北大学，沈阳，中国） ； Key Laboratory of Medical Image Computing, Ministry of Education, Northeastern University, Shenyang, China（医学图像计算重点实验室，教育部，东北大学，沈阳，中国） ； Engineering Research Center of Medical Imaging and Intelligent Analysis, Ministry of Education, Northeastern University, Shenyang, China（医学影像与智能分析工程研究中心，教育部，东北大学，沈阳，中国） 纠错

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

AI总结 HEAL提出了一种新颖的源自由无监督领域适应框架，通过分层去噪、边引导选择、大小感知融合和无学习特征，实现跨模态医学图像分割的高性能表现。

Comments Accepted by The 36th British Machine Vision Conference (BMVC 2025)

Journal ref 36th British Machine Vision Conference (BMVC2025)

A spatiotemporal fused network considering electrode spatial topology and time-window transition for MDD detection

考虑电极空间拓扑和时间窗口过渡的时空融合网络用于MDD检测

Chen-Yang Xu, Han-Guang Wang, Lan Zhang, Yong-Hui Zhang, Hui-Rang Hou, Qing-Hao Meng

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

AI总结 本文提出SET-TIME网络，通过融合电极空间拓扑和时间窗口过渡信息，提升EEG信号中MDD检测的准确率。

Comments 21pages, 8 figures

Journal ref 2025 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Wuhan, China, 2025, pp. 6433-6440

FMIR, a foundation model-based Image Registration Framework for Robust Image Registration

FMIR：一种基于基础模型的图像配准框架，用于稳健的图像配准

Fengting Zhang, Yue He, Qinghao Liu, Yaonan Wang, Xiang Chen, Hang Zhang

机构 * School of Artificial Intelligence and Robotics（人工智能与机器人学院） ； Hunan University（湖南大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Cornell University（康奈尔大学） 纠错

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

AI总结 FMIR通过基于基础模型的特征编码器和通道正则化策略，在单一数据集上实现域内最佳性能并保持域外配准的鲁棒性。

Comments Accepted to the International Symposium on Biomedical Imaging (ISBI 2026)

Reinforcement Learning for Ballbot Navigation in Uneven Terrain

基于强化学习的Ballbot在不平整地形中的导航

Achkan Salehi

机构 * VimaLabs（维马实验室） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文提出基于MuJoCo的开源Ballbot模拟器，展示了通过强化学习方法有效导航不平整地形的成果。

Comments 6 pages, 9 figures, 2 tables. Version two corrects figure 4 and adds some experiments

Fast Eikonal Phase Retrieval for High-Throughput Beamlines

高通量光束线中快速Eikonal相位恢复

Alessandro Mirone, Theresa Urban, Joseph Brunet, Claire L. Walsh, Peter D. Lee, Paul Tafforeau

专题命中 医学影像 ：CT(abstract)

AI总结 本研究提出了一种快速Eikonal相位恢复方法，通过FFT预条件和双线性重分布实现高效相位恢复，适用于高通量光束线实验。

Towards a better understanding of abdominal wall biomechanics: in vivo relationship between dynamic intra-abdominal pressure and magnetic resonance imaging measurements

深入理解腹壁生物力学：体内动态腹内压与磁共振成像测量之间的关系

Victoria Joppin, Arthur Jourdan, David Bendahan, Andréa Soucasse, Maxime Guye, Catherine Masson, Thierry Bège

专题命中 医学影像 ：MRI(abstract)

AI总结 本研究通过结合腹内压和动态MRI测量，揭示了腹壁位移与腹内压的受试者特异性关系，为个性化医疗和手术决策提供重要依据。

Journal ref Clinical Biomechanics, 2024, 121, pp.106396

Stability-Aware Prompt Optimization for Clinical Data Abstraction

面向临床数据抽象的稳定性感知提示优化

Arinbjörn Kolbeinsson, Daniel Timbie, Sajjan Narsinghani, Sanjay Hariharan

机构 * Century Health（世纪健康） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 本文提出双目标提示优化方法，通过提升临床数据抽象任务的稳定性和准确性，减少提示敏感性带来的翻转率问题。

EvoClinician: A Self-Evolving Agent for Multi-Turn Medical Diagnosis via Test-Time Evolutionary Learning

EvoClinician: 一种通过测试时进化学习进行多轮医学诊断的自进化代理

Yufei He, Juncheng Liu, Zhiyuan Hu, Yulin Chen, Yue Liu, Yuan Sui, Yibo Li, Nuo Chen, Jun Hu, Bryan Hooi, Xinxing Xu, Jiang Bian

机构 * Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；medical AI(abstract)

AI总结 EvoClinician通过测试时进化学习实现多轮医学诊断，采用'诊断-评分-进化'循环提升诊断效率

Dynamic Welfare-Maximizing Pooled Testing

动态福利最大化混合检测

Nicholas Lopez, Francisco Marmolejo-Cossío, Jose Roberto Tello Ayala, David C. Parkes

机构 * Harvard University（哈佛大学） ； Boston College（波士顿学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文研究动态福利最大化混合检测策略，通过动态分配测试来提高社会福利，发现贪心策略在低预算情况下表现优异。

Stalled, Biased, and Confused: Uncovering Reasoning Failures in LLMs for Cloud-Based Root Cause Analysis

停滞、偏见和困惑：揭示LLM在基于云的根本原因分析中的推理失败

Evelien Riddell, James Riddell, Gengyi Sun, Michał Antkiewicz, Krzysztof Czarnecki

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文通过实证评估揭示LLM在基于云的根本原因分析中的推理失败，评估六种LLM在两种工作流程下的表现，识别16种常见推理失败类型，为未来推理驱动的系统诊断提供指导。

Comments FORGE 2026

ModalTune: Fine-Tuning Slide-Level Foundation Models with Multi-Modal Information for Multi-task Learning in Digital Pathology

ModalTune: 通过多模态信息细调滑片级基础模型以实现数字病理学中的多任务学习

Vishwesh Ramanathan, Tony Xu, Pushpak Pati, Faruk Ahmed, Maged Goubran, Anne L. Martel

机构 * Sunnybrook Research Institute（辛普森布鲁斯研究所在） ； University of Toronto（多伦多大学） ； Google Research（谷歌研究） 纠错

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

AI总结 ModalTune通过引入多模态信息和大型语言模型，实现数字病理学中多任务学习的统一细调框架，提升癌症生存和亚型预测性能。

Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2025

Leveraging Multi-Rater Annotations to Calibrate Object Detectors in Microscopy Imaging

利用多评分注释校准显微成像中的目标检测器

Francesco Campi, Lucrezia Tondo, Ekin Karabati, Johannes Betge, Marie Piraud

机构 * Helmholtz AI, Helmholtz Zentrum München（海德堡医学中心） ； Department of Medicine II, University Medical Center Mannheim, Medical Faculty Mannheim（曼海姆大学医学中心） 纠错

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

AI总结 本文提出利用多评分注释校准显微成像目标检测器，通过训练独立模型并集成预测以提高校准性能，同时保持检测准确性。

Comments Accepted as a conference paper at ISBI 2026

Exo-Plore: Exploring Exoskeleton Control Space through Human-aligned Simulation

Exo-Plore：通过与人类对齐的模拟探索外骨骼控制空间

Geonho Leem, Jaedong Lee, Jehee Lee, Seungmoon Song, Jungdam Won

机构 * Seoul National University（首尔国立大学） ； Holiday Robotics（假日机器人） ； Northeastern University（东北大学） 纠错

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

AI总结 Exo-Plore通过神经机械模拟与深度强化学习优化髋部外骨骼辅助，无需真实人类实验，生成逼真步态数据并推广至病理性步态。

Comments 10 pages, 9 figures, ICLR 2026 accepted

CONCUR: High-Throughput Agentic Batch Inference of LLM via Congestion-Based Concurrency Control

CONCUR: 通过基于拥堵的并发控制实现LLM的高吞吐量代理批推断

Qiaoling Chen, Zhisheng Ye, Tian Tang, Peng Sun, Boyu Tian, Guoteng Wang, Shenggui Li, Yonggang Wen, Zhenhua Han, Tianwei Zhang

专题命中 病理影像 ：pathology(abstract)

AI总结 CONCUR通过基于拥堵的并发控制，有效缓解LLM批推断中的中间阶段抖动问题，提升吞吐量达4.09倍。

Bi-MCQ: Reformulating Vision-Language Alignment for Negation Understanding

Bi-MCQ：重新表述视觉-语言对齐以理解否定

Tae Hun Kim, Hyun Gyu Lee

机构 * Department of Electrical and Computer Engineering, Inha University, Republic of Korea（电气与计算机工程系，印哈大学，大韩民国） ； College of Medicine, Inha University, Republic of Korea（医学学院，印哈大学，大韩民国） 纠错

专题命中 医疗多模态 ：medical image(abstract)；分类 cs.CV、cs.LG

AI总结 Bi-MCQ通过重新表述视觉-语言对齐为条件语义比较，提升医学VLM对否定理解的性能。

Comments 15 pages, 4 figures, Submitted to ICPR 2026 (under review)

BioMedSearch: A Multi-Source Biomedical Retrieval Framework Based on LLMs

BioMedSearch: 基于LLMs的多源生物医学检索框架

Congying Liu, Xingyuan Wei, Peipei Liu, Yiqing Shen, Yanxu Mao, Tiehan Cui

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； Henan University（河南大学） 纠错

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

AI总结 BioMedSearch基于LLMs构建多源生物医学检索框架，通过整合文献、蛋白质数据库和网络搜索，提升复杂生物医学问题的准确回答能力。

Journal ref Proceedings of the IEEE International Conference on Bioinformatics and Biomedicine (BIBM), 2025

AcousTools: A 'Full-Stack', Python-Based, Acoustic Holography Library

AcousTools：一个基于 Python 的‘全栈’声学全息库

Joshua Mukherjee, Giorgos Christopoulos, Zhouyang Shen, Sriram Subramanian, Ryuji Hirayama

机构 * University College London（伦敦大学学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 AcousTools 是一个基于 Python 的全栈声学全息库，旨在提供完整的声学全息应用支持，通过完整的功能集和易用性促进研究和开发。

Comments 14 Pages, 7 Figures, 1 Table, This work has been submitted to the IEEE for possible publication

PSDNorm: Test-Time Temporal Normalization for Deep Learning in Sleep Staging

PSDNorm：深度学习中睡眠分期的测试时时间归一化

Théo Gnassounou, Antoine Collas, Rémi Flamary, Alexandre Gramfort

机构 * Université Paris-Saclay（巴黎-萨克雷大学） ； Inria（法国国家信息与自动化技术研究院） ； CEA（法国原子能委员会） ； École Polytechnique（巴黎政治学院） ； IP Paris（巴黎信息处理中心） ； UMR 7641（7641号研究所） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 cs.LG

AI总结 PSDNorm通过利用Monge映射和时间上下文，在深度学习中实现睡眠分期的测试时时间归一化，提升了模型在不同数据集上的性能和鲁棒性。

Quantifying sleep apnea heterogeneity using hierarchical Bayesian modeling

利用分层贝叶斯建模量化睡眠呼吸暂停的异质性

Glenn Palmer, Narat Srivali, David B. Dunson

专题命中 健康监测 ：diagnosis(abstract)

AI总结 本文通过分层贝叶斯建模量化睡眠呼吸暂停的异质性，提出了一种基于随机效应的患者聚类方法，发现OSA与认知表现的关联。

Metric Hub: A metric library and practical selection workflow for use-case-driven data quality assessment in medical AI

Metric Hub: 一个用于医疗AI中以用例为导向的数据质量评估的度量库和实用选择流程

Katinka Becker, Maximilian P. Oppelt, Tobias S. Zech, Martin Seyferth, Sandie Cabon, Vanja Miskovic, Ivan Cimrak, Michal Kozubek, Giuseppe D'Avenio, Ilaria Campioni, Jana Fehr, Kanjar De, Ismail Mahmoudi, Emilio Dolgener Cantu, Laurenz Ottmann, Andreas Klaß, Galaad Altares, Jackie Ma, Alireza Salehi M., Nadine R. Lang-Richter, Tobias Schaeffter, Daniel Schwabe

专题命中 医学数据与评测 ：medical AI(title)；分类 cs.LG

AI总结 Metric Hub提出一个医疗AI中以用例为导向的数据质量评估度量库和选择流程，通过度量卡片和决策树提升数据质量评估的实用性与可信度。

Fréchet Radiomic Distance (FRD): A Versatile Metric for Comparing Medical Imaging Datasets

Fréchet Radiomic Distance (FRD): 一种用于比较医学影像数据集的多功能度量

Nicholas Konz, Richard Osuala, Preeti Verma, Yuwen Chen, Hanxue Gu, Haoyu Dong, Yaqian Chen, Andrew Marshall, Lidia Garrucho, Kaisar Kushibar, Daniel M. Lang, Gene S. Kim, Lars J. Grimm, John M. Lewin, James S. Duncan, Julia A. Schnabel, Oliver Diaz, Karim Lekadir, Maciej A. Mazurowski

专题命中 医学数据与评测 ：medical image(abstract,comments)；分类 cs.CV、cs.LG、eess.IV

AI总结 FRD是一种专为医学影像设计的感知度量标准，通过标准化且可解释的图像特征提升医学影像分析中的比较和评估能力。

Comments Codebase for FRD computation: https://github.com/RichardObi/frd-score. Codebase for medical image similarity metric evaluation framework: https://github.com/mazurowski-lab/medical-image-similarity-metrics

Journal ref Medical Image Analysis, 103943 (2026)

Beyond Medical Chatbots: Meddollina and the Rise of Continuous Clinical Intelligence

超越医疗聊天机器人：Meddollina与持续临床智能的兴起

Vaibhav Ram S. V. N. S, Swetanshu Agrawal, Samudra Banerjee, Abdul Muhsin

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 Meddollina是一种以治理优先的临床智能系统，通过约束推断和保持临床适当性，解决生成模型在临床部署中的不足，推动持续临床智能的发展。