医学 AI

BioTamperNet: Affinity-Guided State-Space Model Detecting Tampered Biomedical Images

BioTamperNet：基于状态空间模型的亲和引导检测篡改生物医学图像

Soumyaroop Nandi, Prem Natarajan

机构 * USC Information Sciences Institute（USC信息科学研究所） ； USC Thomas Lord Department of Computer Science（USC汤姆·劳德计算机科学系） 纠错

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

AI总结 BioTamperNet通过亲和引导的注意力机制，高效检测生物医学图像中的篡改区域，提升检测精度。

OmniRad: A Radiological Foundation Model for Multi-Task Medical Image Analysis

OmniRad：一种多任务医学图像分析的放射学基础模型

Luca Zedda, Andrea Loddo, Cecilia Di Ruberto

机构 * Department of Mathematics and Computer Science, University of Cagliari（数学与计算机科学系，卡利亚里大学） 纠错

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

AI总结 OmniRad通过预训练医学图像数据，提升多任务医学图像分析的性能，尤其在分类和分割任务中表现出色。

Comments 19 pages, 4 figures, 12 tables

LEAD: Layer-wise Expert-aligned Decoding for Faithful Radiology Report Generation

LEAD：逐层专家对齐解码以生成准确的放射学报告

Ruixiao Yang, Yuanhe Tian, Xu Yang, Huiqi Li, Yan Song

专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)

AI总结 LEAD通过逐层专家对齐解码方法，提升放射学报告生成的准确性并减少幻觉。

Adaptive Knowledge Transferring with Switching Dual-Student Framework for Semi-Supervised Medical Image Segmentation

具有切换双学生框架的自适应知识转移用于半监督医学图像分割

Hoang-Thien Nguyen, Thanh-Huy Nguyen, Ba-Thinh Lam, Vi Vu, Bach X. Nguyen, Jianhua Xing, Tianyang Wang, Xingjian Li, Min Xu

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

AI总结 本文提出了一种切换双学生框架，通过动态选择可靠学生和损失感知移动平均策略，提升半监督医学图像分割的性能。

Comments The paper is published at Pattern Recognition Journal

An Intuitionistic Fuzzy Logic Driven UNet architecture: Application to Brain Image segmentation

直觉模糊逻辑驱动的UNet架构：应用于脑图像分割

Hanuman Verma, Kiho Im, Pranabesh Maji, Akshansh Gupta

机构 * Department of Mathematics, Bareilly College, Bareilly (MJP Rohilkhand University), Uttar Pradesh, India（印度乌塔兰普尔邦巴雷利学院数学系） ； Division of Newborn Medicine, Fetal Neonatal Neuroimaging and Developmental Science Center, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA（美国哈佛医学院波士顿儿童医院新生儿医学部） ； Department of Pediatrics, Harvard Medical School, Boston, MA, USA（美国哈佛医学院儿科系） ； CSIR–Central Electronics Engineering Research Institute, Pilani 333031, Rajasthan, India（印度拉贾斯坦邦比拉尼中央电子工程研究机构） ； Academy of Scientific and Innovative Research (AcSIR), Ghaziabad 201002, India（印度德里阿齐亚德瓦学术与创新研究院） ； CSIR–National Institute of Science Communication and Policy Research, New Delhi, India（印度新德里国家科学传播与政策研究所） 纠错

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

AI总结 本文提出基于直觉模糊逻辑的UNet架构，用于提升脑图像分割中对不确定性的处理能力。

Human-organ-scale x-ray fluorescence ghost imaging for radioisotope-free diagnostics

人体器官尺度的X射线荧光鬼成像用于无放射性诊断

E. Levinson, R. H. Shukrun, N. Vigano, S. Shwartz

专题命中 医学影像 ：MRI(abstract)；CT(abstract)

AI总结 本文提出了一种基于X射线荧光计算鬼成像的人体器官尺度非放射性诊断方法，实现了高保真碘分布重建，无需放射性示踪剂，具有与CT相当的空间分辨率。

Comments 5 figures, 13 pages

DINO-AD: Unsupervised Anomaly Detection with Frozen DINO-V3 Features

DINO-AD：基于冻结DINO-V3特征的无监督异常检测

Jiayu Huo, Jingyuan Hong, Liyun Chen

机构 * National Heart and Lung Institute, Imperial College London, London, UK（帝国理工学院伦敦心脏和肺研究所） ； Department of Digital Twins for Healthcare, BMEIS, King’s College London, London, UK（King’s College London医疗数字双领域部门） ； SonoScape Medical Corp.（SonoScape医疗公司） 纠错

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

AI总结 DINO-AD通过冻结DINO-V3特征实现无监督异常检测，利用自监督特征进行精确定位，实验表明其在准确性和鲁棒性上优于现有方法。

Comments Accepted by ISBI 2026, 4 pages, 2 figures, 3 tables

Explaining and Improving Information Complementarities in Multi-Agent Decision-making

解释并改进多智能体决策中的信息互补性

Ziyang Guo, Yifan Wu, Jason Hartline, Jessica Hullman

机构 * Northwestern University（西北大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本文提出了一种新的解释技术ILIV-SHAP，用于改进多智能体决策中的信息互补性，通过人机协作提升决策准确性。

Ultrasonic sensing of the mechanical fingerprint of reactive transport in rock

超声传感用于岩石中反应输运机械指纹的检测

Ali Aminzadeh, Prasanna Salasiya, Joseph F. Labuz, Mohammad Nooraiepour, Bojan B. Guzina

专题命中 医学影像 ：CT(abstract)

AI总结 本研究利用超声传感技术，通过全场监测砂岩样本在反应输运过程中的机械性质变化，揭示了矿物化导致的弹性模量降解和衰减增加的机制。

Keeping Medical AI Healthy and Trustworthy: A Review of Detection and Correction Methods for System Degradation

保持医疗AI的健康与可信：对系统退化检测与纠正方法的综述

Hao Guan, David Bates, Li Zhou

专题命中 临床大模型 ：medical AI(title,abstract)；分类 cs.LG；biomedical(journal_ref)

AI总结 本文综述了医疗AI系统退化检测与纠正方法，探讨了性能退化原因、检测技术、根本原因分析及纠正策略，旨在提升医疗AI的可靠性和安全性。

Comments 16 pages, 5 figures

Journal ref IEEE Transactions on Biomedical Engineering, 2026

RISE: Interactive Visual Diagnosis of Fairness in Machine Learning Models

RISE: 机器学习模型中公平性的交互式可视化诊断

Ray Chen, Christan Grant

机构 * University of Florida（佛罗里达大学） 纠错

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

AI总结 RISE通过交互式可视化工具帮助诊断机器学习模型中的公平性问题，揭示准确率与公平性的权衡，支持更明智的模型选择。

iSight: Towards expert-AI co-assessment for improved immunohistochemistry staining interpretation

iSight：迈向专家-人工智能协同评估以提高免疫组化染色解释

Jacob S. Leiby, Jialu Yao, Pan Lu, George Hu, Anna Davidian, Shunsuke Koga, Olivia Leung, Pravin Patel, Isabella Tondi Resta, Rebecca Rojansky, Derek Sung, Eric Yang, Paul J. Zhang, Emma Lundberg, Dokyoon Kim, Serena Yeung-Levy, James Zou, Thomas Montine, Jeffrey Nirschl, Zhi Huang

机构 * Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania（病理与实验室医学系，佩尔曼医学院，宾夕法尼亚大学） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） ； Department of Biomedical Data Science, Stanford University School of Medicine（生物医学数据科学系，斯坦福大学医学院） ； Department of Pathology, University of Maryland School of Medicine（病理学系，马里兰大学医学院） ； Department of Pathology, Stanford University School of Medicine（病理学系，斯坦福大学医学院） 纠错

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

AI总结 iSight通过多任务学习框架提升IHC染色评估的准确性，优于基础模型并改善专家一致性。

Toward Reliable and Explainable Nail Disease Classification: Leveraging Adversarial Training and Grad-CAM Visualization

迈向可靠且可解释的指甲疾病分类：利用对抗训练和Grad-CAM可视化

Farzia Hossain, Samanta Ghosh, Shahida Begum, B. M. Shahria Alam, Mohammad Tahmid Noor, Md Parvez Mia, Nishat Tasnim Niloy

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

AI总结 本文提出基于对抗训练和Grad-CAM可视化的机器学习模型，用于可靠且可解释的指甲疾病分类，提升诊断准确性与效率。

Comments 6 pages, 12 figures. This is the author's accepted manuscript of a paper accepted for publication in the Proceedings of the 16th International IEEE Conference on Computing, Communication and Networking Technologies (ICCCNT 2025). The final published version will be available via IEEE Xplore

Multi-Excitation Projective Simulation with a Many-Body Physics Inspired Inductive Bias

多激发投影模拟：受多体物理启发的归纳偏置

Philip A. LeMaitre, Marius Krumm, Hans J. Briegel

机构 * University of Innsbruck, Institute for Theoretical Physics（因斯布鲁克大学理论物理研究所） 纠错

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

AI总结 本文提出多激发投影模拟（mePS）方法，通过受多体物理启发的归纳偏置解决超图建模中的指数复杂性问题，并在多个场景中验证了其资源节省和可解释性优势。

Comments 41 pages, 9 figures; Code repository at https://github.com/MariusKrumm/ManyBodyMEPS. Updated to be consistent with AIJ version

Journal ref Artificial Intelligence 352, 104489 (2026)

GPINND: A deep-learning-based state of health estimation for Lithium-ion battery

GPINND: 基于深度学习的锂离子电池状态健康估计

Yuzhu Lei, Guanding Yu

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

AI总结 本文提出一种结合深度学习与电化学机制的锂离子电池状态健康估计方法，通过顺序训练策略提升模型精度与收敛性。

Evaluating the Presence of Sex Bias in Clinical Reasoning by Large Language Models

通过大语言模型评估临床推理中的性别偏见存在性

Isabel Tsintsiper, Sheng Wong, Beth Albert, Shaun P Brennecke, Gabriel Davis Jones

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究发现大语言模型在临床推理中存在性别偏见，不同模型表现不同，需谨慎配置与监督以确保医疗应用的安全性。

Benchmarking Large Language Models for Diagnosing Students' Cognitive Skills from Handwritten Math Work

对大型语言模型诊断学生手写数学作业认知技能的基准测试

Yoonsu Kim, Hyoungwook Jin, Hayeon Doh, Eunhye Kim, Dongyun Jung, Seungju Kim, Kiyoon Choi, Jinho Son, Juho Kim

机构 * School of Computing, KAIST, Daejeon, Republic of Korea（韩国庆熙大学计算机学院） ； University of Michigan, Ann Arbor, USA（美国密歇根大学） ； Ewha Womans University, Seoul, Republic of Korea（韩国成均馆大学） ； AlgorithmLabs, Seoul, Republic of Korea（韩国AlgorithmLabs公司） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文评估了18种大型语言模型在诊断学生手写数学作业认知技能时的表现，发现模型在模糊证据下表现不佳，揭示了模型在证据处理上的系统性问题。

To What Extent Do Token-Level Representations from Pathology Foundation Models Improve Dense Prediction?

病理基础模型的标记级表示在密集预测中有多大的提升作用？

Weiming Chen, Xitong Ling, Xidong Wang, Zhenyang Cai, Yijia Guo, Mingxi Fu, Ziyi Zeng, Minxi Ouyang, Jiawen Li, Yizhi Wang, Tian Guan, Benyou Wang, Yonghong He

机构 * Tsinghua University, Shenzhen, China（清华大学深圳研究院） ； Peking University, Beijing, China（北京大学） 纠错

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

AI总结 本文提出PFM-DenseBench，通过评估17个病理基础模型在18个数据集上的表现，揭示不同模型和调优策略在异构数据集上的性能差异及适用性。

StainNet: Scaling Self-Supervised Foundation Models on Immunohistochemistry and Special Stains for Computational Pathology

StainNet: 通过免疫组化和特殊染色在计算病理学中扩展自监督基础模型

Jiawen Li, Jiali Hu, Xitong Ling, Yongqiang Lv, Yuxuan Chen, Yizhi Wang, Tian Guan, Yifei Liu, Yonghong He

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； Biomedical Engineering Programme, City University of Hong Kong (Dongguan)（香港城市大学（东莞）生物医学工程项目） ； Department of Pathology, Affiliated Hospital of Nantong University（南通大学附属医院病理科） ； Nantong University（南通大学） 纠错

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

AI总结 StainNet通过自监督学习方法，针对IHC和特殊染色图像训练基础模型，提升计算病理学在非H&E图像中的应用能力。

Comments 26 pages, 7 figures, 10 tables

Benchmarking Foundation Models for Mitotic Figure Classification

对有监督模型进行基准测试以进行分裂图分类

Jonas Ammeling, Jonathan Ganz, Emely Rosbach, Ludwig Lausser, Christof A. Bertram, Katharina Breininger, Marc Aubreville

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

AI总结 本研究通过LoRA调整基础模型，在仅用10%训练数据的情况下达到接近100%性能，并在未见领域中表现优异。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:003

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

MMSF: Multitask and Multimodal Supervised Framework for WSI Classification and Survival Analysis

MMSF：多任务和多模态监督框架用于WSI分类和生存分析

Chengying She, Chengwei Chen, Xinran Zhang, Ben Wang, Lizhuang Liu, Chengwei Shao, Yun Bian

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Shanghai Advanced Research Institute, Chinese Academy of Sciences（中国科学院上海先进研究院） ； Department of Radiology, Changhai Hospital（昌海医院放射科） 纠错

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

AI总结 MMSF通过多任务和多模态监督框架，结合组织拓扑和临床数据，提升全滑片图像分类和生存分析的准确性和预后预测能力。

Comments Submitted to "Biomedical Signal Processing and Control"

Fast, Unsupervised Framework for Registration Quality Assessment of Multi-stain Histological Whole Slide Pairs

快速、无监督的多染色组织全切片图像配准质量评估框架

Shikha Dubey, Patricia Raciti, Kristopher Standish, Albert Juan Ramon, Erik Ames Burlingame

机构 * Digital Health, Computer Vision, NJ, USA 2 Johnson \& Johnson, Oncology Translational Research, PA, USA 纠错

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

AI总结 本文提出一种快速无监督框架，用于评估多染色全切片图像配准质量，通过结合掩码和变形度量指标，实现高保真度的配准质量评估。

Comments Accepted to IEEE ISBI 2026

CONRep: Uncertainty-Aware Vision-Language Report Drafting Using Conformal Prediction

CONRep：基于置信预测的不确定性感知视觉-语言报告起草

Danial Elyassirad, Benyamin Gheiji, Mahsa Vatanparast, Amir Mahmoud Ahmadzadeh, Seyed Amir Asef Agah, Mana Moassefi, Meysam Tavakoli, Shahriar Faghani

专题命中 医疗多模态 ：radiology(abstract)；分类 eess.IV

AI总结 CONRep通过置信预测为视觉语言模型生成的放射学报告提供不确定性量化，提升自动化报告系统的透明性和临床实用性。

Comments 17 pages, 3 figures, 3 tables

UniVRSE: Unified Vision-conditioned Response Semantic Entropy for Hallucination Detection in Medical Vision-Language Models

UniVRSE: 统一的视觉条件响应语义熵用于医学视觉语言模型中的幻觉检测

Zehui Liao, Shishuai Hu, Ke Zou, Mengyuan Jin, Yanning Zhang, Huazhu Fu, Liangli Zhen, Yong Xia

机构 * National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, School of Computer Science and Engineering, Northwestern Polytechnical University（集成航空航天地面海洋大数据应用技术国家工程实验室，计算机科学与工程学院，西北工业大学） 纠错

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

AI总结 UniVRSE通过统一的视觉条件响应语义熵框架，有效检测医学视觉语言模型中的幻觉，提升临床应用的可靠性。

Comments Under Review. 12 pages, 2 figures

Merged ChemProt-DrugProt for Relation Extraction from Biomedical Literature

融合ChemProt-DrugProt用于生物医学文献中的关系提取

Mai H. Nguyen, Shibani Likhite, Jiawei Tang, Darshini Mahendran, Bridget T. McInnes

机构 * San Diego Supercomputer Center, University of California San Diego 1 ； Department of Computer Science \& Engineering, University of California San Diego 2 ； Department of Computer Science, Virginia Commonwealth University 3 纠错

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

AI总结 本文通过融合ChemProt和DrugProt数据集，结合BioBERT和GCNs提升生物医学文献中化学-基因关系提取的准确率与召回率。

Less Finetuning, Better Retrieval: Rethinking LLM Adaptation for Biomedical Retrievers via Synthetic Data and Model Merging

更少微调，更好检索：通过合成数据和模型合并重新思考LLM适应于生物医学检索器

Sameh Khattab, Jean-Philippe Corbeil, Osman Alperen Koraş, Amin Dada, Julian Friedrich, François Beaulieu, Paul Vozila, Jens Kleesiek

机构 * IKIM, University Hospital Essen（IKIM，埃森大学医院） ； Microsoft Healthcare & Life Sciences（微软医疗与生命科学） 纠错

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

AI总结 本文提出STM框架，通过合成数据和模型合并提升生物医学检索性能，实验显示在任务特定专家上提升23.5%并优于基线模型。

Comments Preprint

Causal Discovery for Cross-Sectional Data Based on Super-Structure and Divide-and-Conquer

基于超结构和分而治之的横截面数据因果发现

Wenyu Wang, Yaping Wan

机构 * School of Computer Science University of South China（计算机科学学院 南方大学） 纠错

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

AI总结 本文提出一种轻量框架，通过整合弱约束超结构与高效图划分策略，降低CI测试开销，提升大规模因果发现效率。

Comments 7 pages,16 figures

A Domain-Specific Curated Benchmark for Entity and Document-Level Relation Extraction

用于实体和文档级关系提取的领域特定定制基准

Marco Martinelli, Stefano Marchesin, Vanessa Bonato, Giorgio Maria Di Nunzio, Nicola Ferro, Ornella Irrera, Laura Menotti, Federica Vezzani, Gianmaria Silvello

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出GutBrainIE基准，用于生物医学领域实体和文档级关系提取，通过精细标注和多任务设计提升IE方法的评估与开发

Comments Accepted to EACL 2026

Med-MMFL: A Multimodal Federated Learning Benchmark in Healthcare

Med-MMFL：医疗领域的多模态联邦学习基准

Aavash Chhetri, Bibek Niroula, Pratik Shrestha, Yash Raj Shrestha, Lesley A Anderson, Prashnna K Gyawali, Loris Bazzani, Binod Bhattarai

机构 * University of Aberdeen（阿伯丁大学） ； NepAl Applied Mathematics and Informatics Institute for research, Nepal（尼泊尔应用数学与信息学研究所） ； University of Lausanne（洛桑大学） ； West Virginia University（西弗吉尼亚大学） ； University of Verona（威尼斯大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 Med-MMFL是首个医疗领域多模态联邦学习基准，涵盖多种模态和任务，评估六种先进算法以推动医疗多模态联邦学习的研究。

A labeled dataset of simulated phlebotomy procedures for medical AI: polygon annotations for object detection and human-object interaction

带有标注的模拟采血程序数据集用于医疗AI：用于目标检测和人-物交互的多边形标注

Raúl Jiménez Cruz, César Torres-Huitzil, Marco Franceschetti, Ronny Seiger, Luciano García-Bañuelos, Barbara Weber

机构 * Institute of Computer Science（计算机科学研究所） ； University of St.Gallen（圣加伦大学） 纠错

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

AI总结 本文提出一个包含11884张标注图像的数据集，用于医疗AI中的目标检测和人-物交互研究，支持医疗培训自动化和教育系统开发。