医学 AI

Automated Lesion Segmentation of Stroke MRI Using nnU-Net: A Comprehensive External Validation Across Acute and Chronic Lesions

利用nnU-Net实现脑卒中MRI病变自动分割：在急性与慢性病变上的全面外部验证

Tammar Truzman, Matthew A. Lambon Ralph, Ajay D. Halai

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

AI总结 本文利用nnU-Net框架对脑卒中MRI病变进行自动分割，验证了模型在急性与慢性病变中的泛化能力，发现病变体积和图像质量是影响分割准确性的关键因素。

Comments 32 pages, 7 figures. Submitted to Brain. Code and trained models available

Journal ref 2026

Simple Image Processing and Similarity Measures Can Link Data Samples across Databases through Brain MRI

简单图像处理和相似性度量可通过脑部MRI将数据样本跨数据库链接

Gaurang Sharma, Harri Polonen, Juha Pajula, Jutta Suksi, Jussi Tohka

机构 * VTT Technical Research Centre of Finland Ltd（芬兰技术研究公司） ； A.I. Virtanen Institute for Molecular Sciences, University of Eastern Finland（东部芬兰大学分子科学研究所） 纠错

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

AI总结 本文通过标准图像处理和相似性计算，展示了如何利用脑MRI跨数据库链接数据样本，揭示了潜在的隐私风险及对医疗数据共享政策的影响。

Semi-supervised Liver Segmentation and Patch-based Fibrosis Staging with Registration-aided Multi-parametric MRI

半监督肝脏分割与基于补丁的纤维化分期：基于注册的多参数MRI

Boya Wang, Ruizhe Li, Chao Chen, Xin Chen

机构 * 1 Intelligent Modelling \& Analysis Group (IMA), 2 Lab for Uncertainty in Data ； Decision Making (LUCID), \ of Computer Science, University of Nottingham, UK 3 Nottingham Biomedical Research Centre (BRC), \ of Medicine, University of Nottingham, UK ； Intelligent Modelling \& Analysis Group (IMA), School of Computer Science, University of Nottingham, UK Lab for Uncertainty in Data ； Decision Making (LUCID), School of Computer Science, University of Nottingham, UK Nottingham Biomedical Research Centre (BRC), School of Medicine, University of Nottingham, UK 纠错

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

AI总结 本研究提出基于注册的多参数MRI的半监督肝脏分割与纤维化分期方法，通过多任务深度学习框架解决有限标注和多模态数据问题。

Fully Differentiable Bidirectional Dual-Task Synergistic Learning for Semi-Supervised 3D Medical Image Segmentation

全微分双向双任务协同学习用于半监督3D医学图像分割

Jun Li

机构 * School of Electrical Engineering, Southwest Jiaotong University, Chengdu, 611756, China（电子工程学院，西南交通大学，成都，611756，中国） 纠错

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

AI总结 本文提出全微分双向双任务协同学习框架，通过整合四个关键SSL组件提升3D医学图像分割性能，实现双向任务协同学习，推动半监督学习框架发展。

Comments Accepted by ESWA 2026

Impact of domain adaptation in deep learning for medical image classifications

深度学习在医学图像分类中的领域适应影响

Yihang Wu, Ahmad Chaddad

机构 * Guilin University of Electronic Technology（桂林电子科技大学） ； École de Technologie Supérieure（蒙特利尔理工学院） 纠错

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

AI总结 本研究探讨了领域适应在医学图像分类中的影响，通过10种深度学习模型评估DA在多模态数据、噪声处理和联邦学习中的效果，发现DA能提升模型性能和可解释性。

Comments Accepted in IEEE SMC 2025

Open diffusion MRI and connectivity data for epilepsy and surgery: The IDEAS II release

开放扩散磁共振成像与连接数据用于癫痫和手术：IDEAS II发布

Peter N. Taylor, Gerard Hall, Jonathan Horsley, Yujiang Wang, Sjoerd B. Vos, Gavin P Winston, Andrew W McEvoy, Anna Miserocchi, Jane de Tisi, John S Duncan

专题命中 医学影像 ：MRI(title,abstract)；分类 q-bio

AI总结 IDEAS II发布开放的扩散磁共振成像和连接数据，用于研究癫痫的结构连接性和手术结果，提供216名癫痫患者和98名健康对照者的DWI数据及预处理后的扩散度量图、分割结构连接体等信息。

Targeted Unlearning Using Perturbed Sign Gradient Methods With Applications On Medical Images

利用扰动符号梯度方法的目标遗忘与医疗图像应用

George R. Nahass, Zhu Wang, Homa Rashidisabet, Won Hwa Kim, Sasha Hubschman, Jeffrey C. Peterson, Chad A. Purnell, Pete Setabutr, Ann Q. Tran, Darvin Yi, Sathya N. Ravi

机构 * Department of Biomedical Engineering（生物医学工程系） ； Department of Ophthalmology（眼科学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Department of Computer Science（计算机科学系） ； Computer Science and Engineering（计算机科学与工程） ； Pohang University of Science and Technology, South Korea（韩国釜山科学技术大学） ； Department of Plastic and Reconstructive Surgery（整形外科与重建外科系） 纠错

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

AI总结 本文提出了一种基于扰动符号梯度的方法，用于医疗图像中的目标遗忘，通过可调损失设计和模型组合策略，在遗忘与保留之间取得平衡，优于现有基线方法。

Comments 39 pages, 12 figures, 11 tables, 3 algorithms

Journal ref Transactions on Machine Learning Research 2025, https://openreview.net/forum?id=XE0bJg6sQN

EchoJEPA: A Latent Predictive Foundation Model for Echocardiography

EchoJEPA：一种用于超声心动图的潜在预测基础模型

Alif Munim, Adibvafa Fallahpour, Teodora Szasz, Ahmadreza Attarpour, River Jiang, Brana Sooriyakanthan, Maala Sooriyakanthan, Heather Whitney, Jeremy Slivnick, Barry Rubin, Wendy Tsang, Bo Wang

机构 * University Health Network（大学健康网络） ； University of Toronto（多伦多大学） ； University of Chicago（芝加哥大学） ； University of California, San Francisco（加州大学旧金山分校） ； Vector Institute（向量研究所） ； Cohere Labs（Cohere实验室） 纠错

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

AI总结 EchoJEPA通过潜在预测方法在超声心动图中实现鲁棒且可推广的医学AI，显著提升心室功能和压力估计的准确性。

DINO-LG: Enhancing Vision Transformers with Label Guidance for Coronary Artery Calcium Detection

DINO-LG：通过标签引导增强视觉变换器用于冠状动脉钙化检测

Mahmut S. Gokmen, Caner Ozcan, Moneera N. Haque, Steve W. Leung, C. Seth Parker, W. Brent Seales, Cody Bumgardner

机构 * University of Kentucky（肯塔基大学） ； Department of Software Engineering, Karabuk University（卡拉巴克大学软件工程系） 纠错

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

AI总结 DINO-LG通过标签引导增强视觉变换器，提升冠状动脉钙化检测的准确性和效率，降低假阳性与假阴性率，提高诊断精度并减少医疗成本。

Comments Developed by Center for Applied Artificial Intelligence (CAAI), University of Kentucky

Unbalanced optimal transport for robust longitudinal lesion evolution with registration-aware and appearance-guided priors

不平衡最优传输用于具有注册感知和外观引导先验的稳健纵向病变演变

Melika Qahqaie, Dominik Neumann, Tobias Heimann, Andreas Maier, Veronika A. Zimmer

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

AI总结 本文提出基于不平衡最优传输的稳健纵向病变演变方法，通过融合几何、注册信任和外观一致性来处理病变变化，提升边缘检测和病变状态评估性能。

Comments This work has been submitted to the IEEE for possible publication. Accepted at the IEEE International Symposium on Biomedical Imaging (ISBI) 2026

Intensity-based Segmentation of Tissue Images Using a U-Net with a Pretrained ResNet-34 Encoder: Application to Mueller Microscopy

基于强度的组织图像分割：使用预训练ResNet-34编码器的U-Net网络：应用于穆勒显微镜

Sooyong Chae, Dani Giammattei, Ajmal Ajmal, Junzhu Pei, Amanda Sanchez, Tananant Boonya-ananta, Andres Rodriguez, Tatiana Novikova, Jessica Ramella-Roman

专题命中 医学影像 ：biomedical(abstract)；分类 eess.IV

AI总结 本文提出了一种基于强度的U-Net网络，利用预训练ResNet-34编码器对组织图像进行分割，应用于穆勒显微镜，实现了高精度的自动分割。

Comments 9 pages, 7 figures, 1 table

Comprehensive Study of 3D Liquid Flow Fields in Additive Manufactured Structures for SMART Reactors Using Large-Scale Vertical Magnetic Resonance Imaging and Computational Fluid Dynamics

利用大规模垂直磁共振成像和计算流体动力学对加成制造结构中3D液体流动场的全面研究

Timo Merbach, Muhammad Adrian, Christoph Wigger, Selma Iraqi Houssaini, Benedict Bayer, Artyom Tsanda, Serhan Acikgöz, Christian Weiland, Felix Kexel, Dirk Herzog, Marko Hoffmann, Ingomar Kelbassa, Tobias Knopp, Alexander Penn, Michael Schlüter

专题命中 医学影像 ：MRI(abstract)

AI总结 利用MRI和CFD研究加成制造TPMS结构中的三维液体流动，揭示不同几何结构的流动特征及混合增强效果。

Comments 47 pages, 15 figures

Image Quality in the Era of Artificial Intelligence

人工智能时代的图像质量

Jana G. Delfino, Jason L. Granstedt, Frank W. Samuelson, Robert Ochs, Krishna Juluru

机构 * U. S. Food and Drug Administration（美国食品药品监督管理局） ； Digital Health Center of Excellence（数字健康卓越中心） ； Center for Devices and Radiological Health（设备与放射健康中心） 纠错

专题命中 医学影像 ：radiology(abstract)

AI总结 本文探讨了AI在放射学图像重建和增强中的应用，分析了其局限性，并旨在提高用户对技术风险的认知，以实现安全有效的使用。

Comments 16 pages, 3 figures

Implicit-Explicit Multirate Infinitesimal Stage-Restart Methods

隐式显式多速率无穷小阶段重启方法

Alex C. Fish, Daniel R. Reynolds, Steven B. Roberts

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出了一种高阶隐式显式多速率阶段重启方法，用于解决多速率初始值问题，通过改进现有方法并扩展到IMEX框架，提高了精度和计算效率。

A fast time-stepping strategy for dynamical systems equipped with a surrogate model

为配备替代模型的动力系统设计一种快速时间步进策略

Steven Roberts, Andrey A Popov, Arash Sarshar, Adrian Sandu

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出一种结合替代模型和完整模型的加速时间步进策略，以提高复杂动力系统模拟的效率。

Rolling Element Bearing Fault Detection and Diagnosis with One-Dimensional Convolutional Neural Network

滚动元件轴承故障检测与诊断：一维卷积神经网络

Barathan Pubalan, Muhammad Arif Aiman Jidin, Mohd Syahril Ramadhan Mohd Saufi, Mohd Salman Leong, Muhammad Danial bin Abu Hasan

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

AI总结 本文提出了一种基于1D CNN的轴承故障检测方法，利用原始振动数据实现自动化诊断，通过实验验证了其在不同负载条件下的高准确率和良好的泛化能力。

Comments Published in International Journal of Business and Technology Management, Vol. 7, No. 9, pp. 485-498, 2025. Special issue: 13th International Conference on Engineering Business Management 2025. Author version

Journal ref International Journal of Business and Technology Management, Vol. 7, No. 9, pp. 485-498, 2025

Circularly polarized light scattering imaging of a cancerous layer creeping under a healthy layer for the diagnosis of early-stage cervical cancer

环形偏振光散射成像用于检测隐藏在健康层下的癌变层以诊断早期宫颈癌

Nozomi Nishizawa, Mahiro Ishikawa, Mike Raj Maskey, Asato Esumi, Toshihide Matsumoto, Takahiro Kuchimaru

专题命中 诊断辅助 ：diagnosis(title)；biomedical(journal_ref)

AI总结 利用环形偏振光散射成像技术检测隐藏在健康层下的癌变层，用于早期宫颈癌的非侵入性诊断。

Journal ref Journal of Biomedical Optics, Vol. 31, Issue 2, 027002 (February 2026)

AI-Driven Cardiorespiratory Signal Processing: Separation, Clustering, and Anomaly Detection

由AI驱动的心脏呼吸信号处理：分离、聚类和异常检测

Yasaman Torabi

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

AI总结 本文提出利用AI技术对心脏呼吸信号进行分离、聚类和异常检测，并探讨了新一代传感器在智能医疗诊断中的应用。

Comments PhD thesis

Evolving Interactive Diagnostic Agents in a Virtual Clinical Environment

在虚拟临床环境中进化交互诊断代理

Pengcheng Qiu, Chaoyi Wu, Junwei Liu, Qiaoyu Zheng, Yusheng Liao, Haowen Wang, Yun Yue, Qianrui Fan, Shuai Zhen, Jian Wang, Jinjie Gu, Yanfeng Wang, Ya Zhang, Weidi Xie

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究提出DiagAgent，通过强化学习在虚拟临床环境中训练，实现多轮交互式诊断，显著提升诊断准确性和检查推荐效果。

Efficient Special Stain Classification

高效特殊染色分类

Oskar Thaeter, Christian Grashei, Anette Haas, Elisa Schmoeckel, Han Li, Peter J. Schüffler

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM School of Medicine and Health（慕尼黑技术大学医学院与健康学院） ； TUM School of Computation, Information and Technology（慕尼黑技术大学计算、信息与技术学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Munich Data Science Institute（慕尼黑数据科学研究所） 纠错

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

AI总结 本文提出了一种基于缩略图的高效特殊染色分类方法，在准确性和处理速度上均优于多实例学习方法。

Comments 14 pages, 7 figures, 2 tables

GAFR-Net: A Graph Attention and Fuzzy-Rule Network for Interpretable Breast Cancer Image Classification

GAFR-Net：一种用于可解释乳腺癌图像分类的图注意力与模糊规则网络

Lin-Guo Gao, Suxing Liu

机构 * 1 Department of IT Engineering, Mokwon University, Daejeon 35349, South Korea ； 2 School of Digital Arts, Jiangxi Arts \& Ceramics Technology Institute, Jingdezhen 333001, China 纠错

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

AI总结 GAFR-Net通过图注意力与模糊规则机制，实现乳腺癌图像分类的可解释性与高性能，适用于标注有限的医学图像分析。

Decoding Future Risk: Deep Learning Analysis of Tubular Adenoma Whole-Slide Images

解码未来风险：深度学习在管状腺瘤全切片图像分析中的应用

Ahmed Rahu, Brian Shula, Brandon Combs, Aqsa Sultana, Surendra P. Singh, Vijayan K. Asari, Derrick Forchetti

机构 * Dept. of Pathology（病理学系） ； Honeywell International Inc.（霍尼韦尔国际公司） ； South Bend Medical Foundation（南本德医疗基金会） ； Dept. of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本研究利用深度学习分析管状腺瘤全切片图像，旨在通过检测细微组织学特征预测患者未来患结直肠癌的风险。

Comments 20 pages, 5 figures

The Catastrophic Failure of The k-Means Algorithm in High Dimensions, and How Hartigan's Algorithm Avoids It

k均值算法在高维中的灾难性失效及其如何被Hartigan算法避免

Roy R. Lederman, David Silva-Sánchez, Ziling Chen, Gilles Mordant, Amnon Balanov, Tamir Bendory

机构 * Department of Statistics and Data Science, Yale University, New Haven, CT（统计与数据科学系，耶鲁大学，新 Haven，CT） ； Department of Applied and Computational Mathematics, Yale University, New Haven, CT（应用与计算数学系，耶鲁大学，新 Haven，CT） ； School of Electrical and Computer Engineering, Tel Aviv University, Tel Aviv, Israel（电气与计算机工程系，特拉维夫大学，Tel Aviv，以色列） 纠错

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

AI总结 k均值算法在高维环境下易失效，而Hartigan算法能避免这一问题，提供理论解释

Deep Modeling and Interpretation for Bladder Cancer Classification

深度建模与解释用于膀胱癌分类

Ahmad Chaddad, Yihang Wu, Xianrui Chen

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

AI总结 本文提出基于ViT和CNN的深度模型用于膀胱癌分类，通过校准分析和GradCAM++评估模型可解释性，发现ViT系列在分类和解释上表现更优。

Comments Accepted in IEEE SMC 2025

Multimodal Graph Neural Networks for Prognostic Modeling of Brain Network Reorganization

多模态图神经网络用于脑网络重组的预后建模

Preksha Girish, Rachana Mysore, Kiran K. N., Hiranmayee R., Shipra Prashanth, Shrey Kumar

专题命中 医疗多模态 ：MRI(abstract)；分类 cs.LG

AI总结 本文提出多模态图神经网络用于脑网络重组的预后建模，通过整合多种影像数据，生成可解释的生物标志物以预测认知下降风险。

Comments Fundamental methodological error invalidating results

Estimating causal effects of functional treatments with modified functional treatment policies

利用修改的功能治疗政策估计因果效应

Ziren Jiang, Erjia Cui, Jared D. Huling

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种新的因果估计量MFTP，通过功能主成分分析分解解决无限维对象平均问题，用于估计个体治疗轨迹微调后的潜在结果，通过模拟和实证研究验证了其有效性。

ECG-IMN: Interpretable Mesomorphic Neural Networks for 12-Lead Electrocardiogram Interpretation

ECG-IMN：用于12导联心电图解读的可解释性mesomorphic神经网络

Vajira Thambawita, Jonas L. Isaksen, Jørgen K. Kanters, Hugo L. Hammer, Pål Halvorsen

机构 * SimulaMet ； University of Copenhagen（哥本哈根大学） ； Oslo Metropolitan University（奥斯陆 Metropolitan 大学） 纠错

专题命中 健康监测 ：medical AI(abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 ECG-IMN通过可解释性mesomorphic神经网络实现12导联心电图的高精度诊断与透明解释