医学 AI

Investigating Demographic Bias in Brain MRI Segmentation: A Comparative Study of Deep-Learning and Non-Deep-Learning Methods

研究脑部MRI分割中的人口统计学偏差：深度学习与非深度学习方法的比较研究

Ghazal Danaee, Marc Niethammer, Jarrett Rushmore, Sylvain Bouix

机构 * École de technologie supérieure ； University of California San Diego（加州大学圣地亚哥分校） ； Boston University School of Medicine（波士顿大学医学院） 纠错

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

AI总结 本研究比较了深度学习和非深度学习方法在脑MRI分割中的性能，发现种族匹配数据能提升分割准确性，但种族效应在部分模型中消失。

Comments 17 pages, 2 figures, Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:035

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

TopoGate: Quality-Aware Topology-Stabilized Gated Fusion for Longitudinal Low-Dose CT New-Lesion Prediction

TopoGate: 用于纵向低剂量CT新病变预测的质量感知拓扑稳定门控融合

Seungik Cho

机构 * Department of Physics \& Astronomy, Rice University, USA 纠错

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

AI总结 TopoGate通过质量感知门控融合外观和减影视图，提升纵向低剂量CT新病变预测的准确性和可靠性。

G-LoG Bi-filtration for Medical Image Classification

G-LoG双过滤用于医学图像分类

Qingsong Wang, Jiaxing He, Bingzhe Hou, Tieru Wu, Yang Cao, Cailing Yao

机构 * School of Mathematics, Jilin University（吉林大学数学学院） 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G-LoG双过滤用于医学图像分类，通过增强图像边界生成适合多参数持续模块的特征，实验表明其在MedMNIST数据集上优于单参数过滤和传统深度学习模型。

Physics-informed graph neural networks for flow field estimation in carotid arteries

基于物理信息的图神经网络用于颈动脉流场估计

Julian Suk, Dieuwertje Alblas, Barbara A. Hutten, Albert Wiegman, Christoph Brune, Pim van Ooij, Jelmer M. Wolterink

机构 * organization= University of Twente , city= Enschede , country= The Netherlands ； organization= Amsterdam University Medical Center , city= Amsterdam , country= The Netherlands ； organization= Research Institute Amsterdam Cardiovascular Sciences, Diabetes \& Metabolism , city= Amsterdam , country= The Netherlands 纠错

专题命中 医学影像 ：MRI(abstract)；pathology(abstract)；biomedical(abstract)；分类 cs.LG、q-bio

AI总结 本研究提出基于物理信息的图神经网络，用于通过4D流体MRI数据估计颈动脉血流场，结合几何与流体动力学关系，实现高效准确的血流预测。

Comments Published in "Medical Image Analysis"

Landmark Detection for Medical Images using a General-purpose Segmentation Model

使用通用分割模型进行医学图像标志物检测

Ekaterina Stansfield, Jennifer A. Mitterer, Abdulrahman Altahhan

机构 * University of Vienna（维也纳大学） ； Orthopaedic Hospital Speising（骨科医院Speising） ； University of Leeds（利兹大学） 纠错

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

AI总结 本文提出结合YOLO和SAM模型，用于提高骨科骨盆放射影像中解剖标志物和复杂轮廓的分割精度。

Comments 13 pages, 8 figures, 2 tables. Submitted to ICONIP 2025

Soft-CAM: Making black box models self-explainable for medical image analysis

Soft-CAM: 使黑盒模型在医学图像分析中自我解释

Kerol Djoumessi, Philipp Berens

机构 * Hertie Institute for AI in Brain Health, University of Tübingen, Germany（人工智能与脑健康赫尔特研究所，图宾根大学，德国） ； Tübingen AI Center, University of Tübingen, Germany（图宾根人工智能中心，图宾根大学，德国） 纠错

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

AI总结 SoftCAM通过去除全局平均池化层并替换为卷积类证据层，使CNN在医学图像分析中具备内生可解释性，提升解释效果的同时保持分类性能。

Comments Accepted at the Medical Imaging with Deep Learning Conference (MIDL 2026)

Retinal OCT Synthesis with Denoising Diffusion Probabilistic Models for Layer Segmentation

利用去噪扩散概率模型进行视网膜OCT合成以实现分层分割

Yuli Wu, Weidong He, Dennis Eschweiler, Ningxin Dou, Zixin Fan, Shengli Mi, Peter Walter, Johannes Stegmaier

机构 * Institute of Imaging and Computer Vision, RWTH Aachen University（成像与计算机视觉研究所，亚琛RWTH大学） ； Bio-manufacturing Engineering Laboratory of Tsinghua SIGS, Tsinghua University（清华大学SIGS生物制造工程实验室） ； Shenzhen Eye Hospital（深圳眼科医院） ； Department of Ophthalmology, RWTH Aachen University（眼科部，亚琛RWTH大学） 纠错

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

AI总结 本文提出利用DDPMs合成视网膜OCT图像，通过知识迁移提升分割精度，展示其在减少人工标注需求方面的潜力。

Comments ISBI 2024

Journal ref 2024 IEEE International Symposium on Biomedical Imaging (ISBI)

Multiscale Softmax Cross Entropy for Fovea Localization on Color Fundus Photography

多尺度Softmax交叉熵用于彩色视网膜摄影中的视盘定位

Yuli Wu, Peter Walter, Dorit Merhof

机构 * Institute of Imaging and Computer Vision, RWTH Aachen, Germany（成像与计算机视觉研究所，RWTH亚琛，德国） ； Department of Ophthalmology, RWTH Aachen, Germany（眼科部门，RWTH亚琛，德国） 纠错

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

AI总结 本文提出多尺度Softmax交叉熵用于彩色视网膜摄影中视盘定位，通过改进损失函数提升坐标回归性能。

Journal ref Bildverarbeitung für die Medizin 2022

Phase-space entropy at acquisition reflects downstream learnability

获取时相空间熵反映下游可学习性

Xiu-Cheng Wang, Jun-Jie Zhanga, Nan Cheng, Long-Gang Pang, Taijiao Du, Deyu Meng

机构 * Northwest Institute of Nuclear Technology（西北核技术研究院） ； School of Telecommunications Engineering（电信工程学院） ； State Key Laboratory of ISN（信息宁静态国家重点实验室） ； Key Laboratory of Quark and Lepton Physics (MOE) & Institute of Particle Physics（夸克与轻子物理重点实验室（MOE）及粒子物理研究所） ； Ministry of Education Key Lab of Intelligent Networks and Network Security（智能网络与网络安全教育部重点实验室） ； School of Mathematics and Statistics（数学与统计学学院） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 本文提出了一种基于仪器解析相空间的获取层面标量ΔS_B，用于量化获取过程对信息的保留或破坏，从而预测下游学习的难度。

Comments 22 pages 6 figures

A Marginal Reliability Impact Based Accreditation Framework for Capacity Markets

基于边际可靠性影响的容量市场认证框架

Feng Zhao, Tongxin Zheng, Dane Schiro, Xiaochu Wang

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出基于边际可靠性影响的容量市场认证框架，通过实现供需的可替代性，提高市场效率和资源充足性表征。

Technological Understanding: On the cognitive skill involved in the design and use of technological artefacts

技术理解：设计和使用技术制品所涉及的认知技能

Eline de Jong, Sebastian De Haro

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出技术理解的哲学定义，强调通过设计和使用技术制品实现实际目标的认知能力，并通过MRI和超导量子计算机实例加以说明。

Hybrid ABBA-GMRES for Unmatched Backprojectors in Large Scale X-Ray Computerized Tomography

混合ABBA-GMRES用于大尺度X射线计算机断层扫描中不匹配的后投影器

Ryan Bentley, Mirjeta Pasha, Malena Sabaté Landman, Luisa Yang, Jeffery Zhang

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出混合AB-和BA-GMRES方法，通过引入Tikhonov正则化提升大尺度CT中不匹配投影器的重建质量与稳定性。

Comments 10 pages, 5 figures, Code available at: https://github.com/rbentley5/Hybrid-ABBA-GMRES-Toolbox

Machine Learning Based Prediction of Surgical Outcomes in Chronic Rhinosinusitis from Clinical Data

基于机器学习的慢性鼻窦炎手术结果预测：从临床数据出发

Sayeed Shafayet Chowdhury, Karen D'Souza, V. Siva Kakumani, Snehasis Mukhopadhyay, Shiaofen Fang, Rodney J. Schlosser, Daniel M. Beswick, Jeremiah A. Alt, Jess C. Mace, Zachary M. Soler, Timothy L. Smith, Vijay R. Ramakrishnan

机构 * Purdue University（普渡大学） ； Idaho National Laboratory（爱达荷国家实验室） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校） ； Department of Otolaryngology-Head and Neck Surgery, Medical University of South Carolina（斯克内尔医学院耳鼻喉科与头颈外科部门） ； Department of Otolaryngology-Head and Neck Surgery, University of California, Los Angeles（加州大学洛杉矶分校耳鼻喉科与头颈外科部门） ； Department of Otolaryngology-Head and Neck Surgery, University of Utah（犹他大学耳鼻喉科与头颈外科部门） ； Department of Otolaryngology-Head and Neck Surgery, Oregon Health Sciences University（俄勒冈健康科学大学耳鼻喉科与头颈外科部门） ； Department of Otolaryngology-Head and Neck Surgery, Indiana University School of Medicine（印第安纳大学医学院耳鼻喉科与头颈外科部门） 纠错

专题命中 临床大模型 ：pathology(abstract)；分类 cs.LG

AI总结 本研究利用监督机器学习模型预测慢性鼻窦炎手术效果，通过SNOT-22评估患者术后受益，模型在多个算法中达到85%准确率，优于专家预测水平。

Context-Aware Asymmetric Ensembling for Interpretable Retinopathy of Prematurity Screening via Active Query and Vascular Attention

具备上下文感知的非对称集成用于通过主动查询和血管注意力的可解释早产视网膜病变筛查

Md. Mehedi Hassan, Taufiq Hasan

机构 * m-Health Lab, Department of Biomedical Engineering, Bangladesh University of Engineering（m-Health实验室，生物医学工程系，孟加拉国工程大学） ； Center for Bioengineering Innovation（生物工程创新中心） ； Design, Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD, USA（设计，生物医学工程系，约翰霍普金斯大学，巴尔的摩，MD，美国） 纠错

专题命中 诊断辅助 ：medical AI(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出具备上下文感知的非对称集成模型，通过主动查询和血管注意力技术，实现早产视网膜病变筛查的高准确率和可解释性。

Comments 16 pages, 6 figures

RamanSeg: Interpretability-driven Deep Learning on Raman Spectra for Cancer Diagnosis

RamanSeg：基于可解释性的深度学习在拉曼光谱用于癌症诊断中的应用

Chris Tomy, Mo Vali, David Pertzborn, Tammam Alamatouri, Anna Mühlig, Orlando Guntinas-Lichius, Anna Xylander, Eric Michele Fantuzzi, Matteo Negro, Francesco Crisafi, Pietro Lio, Tiago Azevedo

机构 * Department of Computer Science and Technology（计算机科学与技术系） ； University of Cambridge（剑桥大学） ； Department of Physics（物理系） ； Department of Otorhinolaryngology（耳鼻喉科系） ； Jena University Hospital（耶拿大学医院） ； Section Pathology of the Institute of Forensic Medicine（法医学研究所病理学部） ； Cambridge Raman Imaging Srl（剑桥拉曼成像有限公司） 纠错

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

AI总结 RamanSeg通过可解释的深度学习方法在拉曼光谱中实现癌症诊断，提高了分割性能和可解释性。

Comments 12 pages, 8 figures

Deep Learning for Dermatology: An Innovative Framework for Approaching Precise Skin Cancer Detection

深度学习在皮肤科中的应用：一种用于精确皮肤癌检测的创新框架

Mohammad Tahmid Noor, B. M. Shahria Alam, Tasmiah Rahman Orpa, Shaila Afroz Anika, Mahjabin Tasnim Samiha, Fahad Ahammed

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

AI总结 本文提出了一种创新的深度学习框架，用于精确检测皮肤癌，通过评估VGG16和DenseNet201模型的准确性与效率，以提高皮肤科诊断的早期检测和工作效率。

Comments 6 pages, 9 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

Digital defocus aberration interference for automated optical microscopy

数字散焦像差干涉用于自动化光学显微镜

Haowen Zhou, Shi Zhao, Yujie Fan, Zhenyu Dong, Oumeng Zhang, Viviana Gradinaru, Changhuei Yang

专题命中 病理影像 ：biomedical(abstract)

AI总结 本文提出了一种基于数字散焦像差干涉的自动聚焦方法，通过双LED设置实现高效且通用的散焦检测，适用于多种成像模式，显著扩展景深范围。

Uncertainty-Aware Vision-Language Segmentation for Medical Imaging

面向医学影像的不确定性感知视觉-语言分割

Aryan Das, Tanishq Rachamalla, Koushik Biswas, Swalpa Kumar Roy, Vinay Kumar Verma

机构 * VIT Bhopal（维特大学博帕尔分校） ； SAHE, Andhra Pradesh（安得拉邦SAHE） ； IIIT Delhi（德里印度理工学院） ； Tezpur University Assam（阿萨姆特兹普尔大学） ； IIT Kanpur（坎普尔印度理工学院） 纠错

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

AI总结 本文提出一种不确定性感知的多模态分割框架，通过引入SEU损失和MoDAB模块，提升医学影像分割的精度与效率。

Comments Accepted in WACV 2026

Robust Pre-Training of Medical Vision-and-Language Models with Domain-Invariant Multi-Modal Masked Reconstruction

具有领域不变多模态掩码重建的医学视觉-语言模型鲁棒预训练

Melika Filvantorkaman, Mohsen Piri

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

AI总结 本文提出Robust-MMR框架，通过显式建模鲁棒性提升医学视觉-语言模型在跨领域和扰动下的表现，实现更可靠的医疗应用。

Comments 28 pages, 3 figures

LeafNet: A Large-Scale Dataset and Comprehensive Benchmark for Foundational Vision-Language Understanding of Plant Diseases

LeafNet：一个大规模数据集和全面基准，用于植物病害的基础视觉-语言理解

Khang Nguyen Quoc, Phuong D. Dao, Luyl-Da Quach

机构 * School of Electrical Engineering, Korea University（韩国大学电气工程学院） ； Department of Integrative Biology, The University of Texas at Austin（德克萨斯大学奥斯汀分校整合生物学系） ； Department of Software Engineering, FPT University（FPT大学软件工程系） 纠错

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

AI总结 LeafNet通过大规模多模态数据集和基准测试，揭示了VLMs在植物疾病理解中的性能差异，强调了多模态架构在提升诊断精度中的关键作用。

Comments 26 pages, 13 figures and 8 tables

A Pragmatic Note on Evaluating Generative Models with Fréchet Inception Distance for Retinal Image Synthesis

关于使用Fréchet inception距离评估视网膜图像合成生成模型的务实笔记

Yuli Wu, Fucheng Liu, Rüveyda Yilmaz, Henning Konermann, Peter Walter, Johannes Stegmaier

机构 * RWTH Aachen University（亚琛RWTH大学） ； Uniklinik RWTH Aachen（亚琛RWTH医院） ； Heinrich Heine University Düsseldorf（多特蒙德海因里希·海涅大学） 纠错

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

AI总结 本文探讨了在视网膜图像合成中，FID等指标与任务特定评估目标不一致的问题，并指出其在生物医学成像中的局限性。

Comments MIDL 2026