医学 AI

Federated Learning for Cross-Modality Medical Image Segmentation via Augmentation-Driven Generalization

通过增强驱动泛化实现跨模态医学图像分割的联邦学习

Sachin Dudda Nagaraju, Ashkan Moradi, Bendik Skarre Abrahamsen, Mattijs Elschot

机构 * Department of Circulation and Medical Imaging, Norwegian University of Science and Technology（循环医学成像系，挪威科学与技术大学） 纠错

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

AI总结 本文提出一种联邦学习方法，通过增强驱动泛化实现跨模态医学图像分割，提升模型泛化能力的同时保护数据隐私。

Comments Submitted to IEEE JBHI

Multimodal MRI Report Findings Supervised Brain Lesion Segmentation with Substructures

多模态MRI报告辅助的监督性脑部病变分割与亚结构

Yubin Ge, Yongsong Huang, Xiaofeng Liu

机构 * Amazon AWS（亚马逊AWS） ； Yale University（耶鲁大学） ； Tohoku University（东北大学） 纠错

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

AI总结 该研究提出MS-RSuper方法，通过解析报告中的定量和定性信息，结合亚结构和不确定性，提升脑部病变分割的准确性。

Comments IEEE International Symposium on Biomedical Imaging (ISBI) 2026

OrthoDiffusion: A Generalizable Multi-Task Diffusion Foundation Model for Musculoskeletal MRI Interpretation

OrthoDiffusion：一种通用的多任务扩散基础模型用于骨科MRI解释

Tian Lan, Lei Xu, Zimu Yuan, Shanggui Liu, Jiajun Liu, Jiaxin Liu, Weilai Xiang, Hongyu Yang, Dong Jiang, Jianxin Yin, Dingyu Wang

机构 * Center for Applied Statistics and School of Statistics（应用统计中心和统计学院） ； Renmin University of China（中国人民大学） ； Institute of Sports Medicine of Peking University（北京大学运动医学研究所） ； Beijing Key Laboratory of Research and Translation for Drugs and Medical Devices in Precision Diagnosis and Treatment of Sports Injuries（北京体育损伤精准诊断与治疗药物与医疗设备研究翻译重点实验室） ； State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术与系统国家重点实验室） 纠错

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

AI总结 OrthoDiffusion是一种基于扩散的多任务基础模型，通过自监督学习在膝关节MRI上预训练，实现11种结构分割和8种异常检测，具有跨关节的高泛化能力。

MIP Candy: A Modular PyTorch Framework for Medical Image Processing

MIP Candy：用于医学图像处理的模块化PyTorch框架

Tianhao Fu, Yucheng Chen

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Project Neura ； UTMIST ； Amplimit 纠错

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

AI总结 MIP Candy是一个模块化PyTorch框架，为医学图像处理提供完整的流程管线，支持灵活配置和多种实验追踪工具。

Pareto-Guided Optimization for Uncertainty-Aware Medical Image Segmentation

基于帕累托优化的不确定性感知医学图像分割

Jinming Zhang, Youpeng Yang, Xi Yang, Haosen Shi, Yuyao Yan, Qiufeng Wang, Guangliang Cheng, Kaizhu Huang

机构 * Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Duke Kunshan University（杜克大学昆山分校） 纠错

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

AI总结 本文提出基于帕累托优化的医学图像分割方法，通过区域级课程策略和帕累托一致损失，解决边界区域的不确定性问题，提升分割精度。

MedCLIPSeg: Probabilistic Vision-Language Adaptation for Data-Efficient and Generalizable Medical Image Segmentation

MedCLIPSeg: 基于概率视觉语言适应的数据高效且可泛化的医学图像分割

Taha Koleilat, Hojat Asgariandehkordi, Omid Nejati Manzari, Berardino Barile, Yiming Xiao, Hassan Rivaz

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

AI总结 MedCLIPSeg通过概率视觉语言适应方法，提升医学图像分割的数据效率和泛化能力，提供可解释的不确定性图。

Comments CVPR 2026; Project Page: https://tahakoleilat.github.io/MedCLIPSeg

FedGIN: Federated Learning with Dynamic Global Intensity Non-linear Augmentation for Organ Segmentation using Multi-modal Images

FedGIN: 一种用于多模态图像器官分割的联邦学习动态全局强度非线性增强

Sachin Dudda Nagaraju, Ashkan Moradi, Bendik Skarre Abrahamsen, Mattijs Elschot

机构 * Department of Circulation and Medical Imaging（循证医学与影像学系） ； Norwegian University of Science and Technology（挪威科学技术大学） 纠错

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

AI总结 FedGIN通过动态全局强度非线性增强模块，在不共享原始数据的情况下实现多模态器官分割，提升跨模态泛化能力。

Comments Paper Accepted at MICCAI 2025 DeCaf Workshop Track

Journal ref MICCAI 2025

Interpretable Medical Image Classification using Prototype Learning and Privileged Information

可解释的医学图像分类：利用原型学习和特权信息

Luisa Gallee, Meinrad Beer, Michael Goetz

机构 * Experimental Radiology, University Hospital Ulm, Germany（实验放射学，乌尔姆大学医院，德国） ； Department of Diagnostic and Interventional Radiology, University Hospital Ulm, Germany（诊断与介入放射学系，乌尔姆大学医院，德国） ； i2SouI - Innovative Imaging in Surgical Oncology Ulm, University Hospital Ulm, Germany（i2SouI - 精准影像学在手术肿瘤学中的创新应用，乌尔姆大学医院，德国） 纠错

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

AI总结 本研究提出Proto-Caps模型，结合胶囊网络、原型学习和特权信息，提升医学图像分类的可解释性和预测性能，准确率超过现有方法6%。

Comments MICCAI 2023 Medical Image Computing and Computer Assisted Intervention

Journal ref International Conference on Medical Image Computing and Computer-Assisted Intervention. Cham: Springer Nature Switzerland, 2023. S. 435-445

VISION-ICE: Video-based Interpretation and Spatial Identification of Arrhythmia Origins via Neural Networks in Intracardiac Echocardiography

基于视频的起搏点识别与空间定位：通过神经网络在心内超声中实现心律失常起源的解释

Dorsa EPMoghaddam, Feng Gao, Drew Bernard, Kavya Sinha, Mehdi Razavi, Behnaam Aazhang

机构 * Department of Electrical and Computer Engineering, Rice University, United States of America（电气与计算机工程系，里士大学，美国） ； Electrophysiology Clinical Research and Innovations, Texas Heart Institute, United States of America（电生理临床研究与创新，德克萨斯心脏研究所，美国） ； Department of Cardiology, Texas Heart Institute, United States of America（心内科部，德克萨斯心脏研究所，美国） 纠错

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

AI总结 本文提出利用心内超声视频和深度学习自动定位心律失常起源，通过3D卷积神经网络实现三类分类，实验结果显示模型准确率高达66.2%。

Comments 8 pages, 3 figures, 3 tabels

Mask-HybridGNet: Graph-based segmentation with emergent anatomical correspondence from pixel-level supervision

Mask-HybridGNet：基于图的分割与从像素级监督中涌现的解剖对应关系

Nicolás Gaggion, Maria J. Ledesma-Carbayo, Stergios Christodoulidis, Maria Vakalopoulou, Enzo Ferrante

机构 * Biomedical Image Technologies, ETSI Telecomunicación, Universidad Politécnica de Madrid, Madrid, Spain（生物医学影像技术，电信工程学院，马德里理工大学，马德里，西班牙） ； IHU PRISM National Precision Medicine Center in Oncology, Cancer Data Science Unit, CentraleSupélec, Gustave Roussy, INSERM, Université Paris-Saclay, Gif-sur-Yvette, France（IHU PRISM国家精准医学中心（肿瘤学），癌症数据科学单元，中央圣艾尔布兰，格斯塔夫·罗西，国家医学研究所，巴黎-萨克雷大学，法国） 纠错

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

AI总结 Mask-HybridGNet通过像素级监督训练图模型，实现无需人工标注的解剖结构分割，并生成稳定的解剖图谱。

Reproducing and Improving CheXNet: Deep Learning for Chest X-ray Disease Classification

重现并改进CheXNet：用于胸部X光疾病分类的深度学习

Daniel J. Strick, Carlos Garcia, Anthony Huang, Thomas Gardos

机构 * Boston University（波士顿大学） 纠错

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

AI总结 本文重现并改进CheXNet，通过深度学习方法在胸部X光图像中实现疾病分类，提升了模型在多标签分类任务中的性能指标。

Comments 13 pages, 4 figures

The Finite Primitive Basis Theorem for Computational Imaging: Formal Foundations of the OperatorGraph Representation

计算成像的有限原始基定理：操作图表示法的正式基础

Chengshuai Yang

机构 * NextGen PlatformAI C Corp, USA（NextGen平台AI公司） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 该研究提出有限原始基定理，证明所有成像前向模型可表示为由11个标准原语构成的DAG，并通过实验验证其在多种成像模态中的有效性。

Anatomically Informed GREIT Reconstruction: Improving EIT Imaging for Lung Monitoring

解剖学引导的GREIT重建：改进肺部监测的EIT成像

Maximilian Ludwig, Carolin M. Eichinger, Armin Sablewski, Inéz Frerichs, Tobias Becher, Wolfgang A. Wall

专题命中 医学影像 ：CT(abstract)

AI总结 本研究通过整合CT解剖数据优化GREIT算法，提高EIT图像的解剖学准确性与临床可解释性，从而增强肺部监测的实用性。

Journal ref Physiological Measurement, Vol. 47, 2026

Geodesic X-ray transform and streaking artifacts on simple surfaces or on spaces of constant curvature

测地线X射线变换与简单曲面或常曲率空间上的条纹伪影

Hiroyuki Chihara

专题命中 医学影像 ：CT(abstract)

AI总结 本文研究了简单曲面或常曲率空间上测地线X射线变换及条纹伪影的几何成因，揭示了金属区域边界上共正规奇性的传播机制。

Comments minor revision, 44 pages, 9 figures

Imputation of Unknown Missingness in Sparse Electronic Health Records

稀疏电子健康记录中未知缺失值的填补

Jun Han, Josue Nassar, Sanjit Singh Batra, Aldo Cordova-Palomera, Vijay Nori, Robert E. Tillman

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

AI总结 本文提出了一种基于变换器的去噪神经网络，用于解决电子健康记录中未知缺失值的填补问题，提高了医疗代码去噪的准确性，并在医院再入院预测任务中取得了显著提升。

A geometric feature tracking approach for noninvasive patient specific estimation of leaflet strain from 3D images of heart valves

一种用于非侵入性患者特异性心脏瓣膜叶let应变估计的几何特征追踪方法

Wensi Wu, Matthew Daemer, Jeffrey A. Weiss, Alison M. Pouch, Matthew A. Jolley

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

AI总结 本文提出了一种基于几何特征追踪的方法，用于非侵入性量化心脏瓣膜叶let应变，通过整合几何参考图谱和改进的配准算法，提高了对瓣膜形态和应变的准确评估。

PVminer: A Domain-Specific Tool to Detect the Patient Voice in Patient Generated Data

PVminer: 一个专门领域工具用于在患者生成数据中检测患者声音

Samah Fodeh, Linhai Ma, Yan Wang, Srivani Talakokkul, Ganesh Puthiaraju, Afshan Khan, Ashley Hagaman, Sarah Lowe, Aimee Roundtree

机构 * Department Of Emergency Medicine , Yale School of Medicine , 464 Congress Ave , 06519 , CT , USA ； Department of Biomedical Informatics \& Data Science , Yale School of Medicine , 100 College Street , 06510 , CT , USA ； Department of Social ； Behavioral Sciences , Yale School of Public Health , 60 College Street , 06520 , CT , USA ； Division of Research , Texas State University , 601 University Dr. , 78666 , TX , USA 纠错

专题命中 临床大模型 ：biomedical(abstract)

AI总结 PVminer是一种专门领域NLP工具，通过多标签多类预测任务整合BERT编码器和主题建模，实现对患者声音的高效检测与分类。

More than Decision Support: Exploring Patients' Longitudinal Usage of Large Language Models in Real-World Healthcare-Seeking Journeys

超越决策支持：探索患者在真实世界医疗寻求旅程中大型语言模型的纵向使用

Yancheng Cao, Yishu Ji, Chris Yue Fu, Sahiti Dharmavaram, Meghan Turchioe, Natalie C Benda, Lena Mamykina, Yuling Sun, Xuhai "Orson" Xu

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文通过为期四周的日记研究，探讨患者在真实世界医疗寻求旅程中如何将LLM作为动态伴侣，改变传统患者-提供者关系中的权力动态，并提出未来LLM应作为纵向边界伴侣持续调解患者与临床医生之间的互动。

Comments Conditionally accepted to CHI Conference on Human Factors in Computing Systems (CHI'26)

LUMEN: Longitudinal Multi-Modal Radiology Model for Prognosis and Diagnosis

LUMEN: 长期多模态放射学模型用于预后和诊断

Zhifan Jiang, Dong Yang, Vishwesh Nath, Abhijeet Parida, Nishad P. Kulkarni, Ziyue Xu, Daguang Xu, Syed Muhammad Anwar, Holger R. Roth, Marius George Linguraru

机构 * 1 Sheikh Zayed Institute for Pediatric Surgical Innovation, Children's National Hospital, Washington DC, USA 2 Nvidia Corporation, Santa Clara, CA, USA 3 ETSI Telecomunicaci\' o n, Universidad Polit\' e cnica de Madrid, Madrid, Spain 4 School of Medicine ； Health Sciences, George Washington University, Washington DC, USA 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；radiology(title,abstract)；分类 cs.CV、cs.LG；biomedical(comments)

AI总结 LUMEN模型通过多任务指令微调提升纵向放射影像的诊断与预后能力。

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

Probability-Invariant Random Walk Learning on Gyral Folding-Based Cortical Similarity Networks for Alzheimer's and Lewy Body Dementia Diagnosis

基于皮层相似性网络的概率不变随机游走学习用于阿尔茨海默病和路易体痴呆诊断

Minheng Chen, Tong Chen, Chao Cao, Jing Zhang, Tianming Liu, Li Su, Dajiang Zhu

机构 * Department of Computer Science and Engineering, University of Texas at Arlington, United States（德克萨斯理工大学计算机科学与工程系） ； School of Computing, University of Georgia, United States（佐治亚大学计算机学院） ； Department of Psychiatry, University of Cambridge, United Kingdom（剑桥大学精神病学系） ； Sheffield Institute for Translational Neuroscience, University of Sheffield, United Kingdom（谢菲尔德大学转化神经科学研究所） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV、q-bio

AI总结 本文提出基于皮层相似性网络的概率不变随机游走学习方法，用于AD和LBD的诊断，通过保留排列不变性提升模型鲁棒性。

PIME: Prototype-based Interpretable MCTS-Enhanced Brain Network Analysis for Disorder Diagnosis

PIME: 基于原型的可解释MCTS增强脑网络分析用于疾病诊断

Kunyu Zhang, Yanwu Yang, Jing Zhang, Xiangjie Shi, Shujian Yu

机构 * Zhengzhou University, Zhengzhou, China（郑州大学） ； China University of Geosciences, Wuhan, China（中国地质大学（武汉）） ； University of Science and Technology Beijing, Beijing, China（北京科技大学） ； Vrije Universiteit Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹自由大学） 纠错

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

AI总结 PIME通过整合原型分类和一致性训练，利用MCTS提取紧凑的最小充分解释子图，实现脑网络分析的可解释性与高准确性。

Metabolomic Biomarker Discovery for ADHD Diagnosis Using Interpretable Machine Learning

利用可解释机器学习发现代谢组学生物标志物用于ADHD诊断

Nabil Belacel, Mohamed Rachid Boulassel

机构 * Digital Technology Research Center, National Research Council Canada（加拿大国家研究理事会数字技术研究中心） ； Biomedical Science and Hematology Departments, College of Medicine and Health Sciences, Sultan Qaboos University（苏丹奥曼穆萨特大学医学院与健康科学学院生物医学科学与血液科） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本研究利用可解释机器学习结合代谢组学，发现14种代谢物标志物，用于ADHD的客观诊断，揭示多巴胺能神经传递和氨基酸代谢机制。

Comments 24 pages, 4 figures, 2 tables, submitted to AI in Medicine

An artificial intelligence framework for end-to-end rare disease phenotyping from clinical notes using large language models

基于大语言模型的端到端罕见病表型从临床笔记中提取人工智能框架

Cathy Shyr, Yan Hu, Rory J. Tinker, Thomas A. Cassini, Kevin W. Byram, Rizwan Hamid, Daniel V. Fabbri, Adam Wright, Josh F. Peterson, Lisa Bastarache, Hua Xu

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

AI总结 RARE-PHENIX通过整合大语言模型、本体标准化和监督排名，实现了端到端罕见病表型分析，优于现有深度学习基线。

Silent Inconsistency in Data-Parallel Full Fine-Tuning: Diagnosing Worker-Level Optimization Misalignment

数据并行全微调中的沉默不一致：诊断工作级别优化不一致

Hong Li, Zhen Zhou, Honggang Zhang, Yuping Luo, Xinyue Wang, Han Gong, Zhiyuan Liu

机构 * School of Transportation Southeast University（交通学院东南大学） ； Department of Logistics and Maritime Studies The Hong Kong Polytechnic University（物流与海运研究部香港理工大学） 纠错

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

AI总结 本文提出了一种轻量诊断框架，用于检测数据并行微调中工作级别优化的不一致问题，通过损失分散度、梯度范数分散度和方向一致性指标，揭示隐藏的不稳定性模式。

Comments 9 pages, 8 figures

Memory reshapes stability landscapes: resilience-resistance tradeoffs and critical transitions

记忆重塑稳定性景观：韧性和抗性之间的权衡及临界转变

Moein Khalighi, Chandler Ross, Ville Laitinen, Guilhem Sommeria-Klein, Leo Lahti

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究揭示了记忆对稳定性景观的影响，指出记忆会改变韧性与抗性之间的权衡，产生延迟崩溃、反弹和滞后等新行为，强调了在复杂系统中考虑记忆的重要性。

A deep learning framework for efficient pathology image analysis

一种用于高效病理图像分析的深度学习框架

Peter Neidlinger, Tim Lenz, Sebastian Foersch, Chiara M. L. Loeffler, Jan Clusmann, Marco Gustav, Lawrence A. Shaktah, Rupert Langer, Bastian Dislich, Lisa A. Boardman, Amy J. French, Ellen L. Goode, Andrea Gsur, Stefanie Brezina, Marc J. Gunter, Robert Steinfelder, Hans-Michael Behrens, Christoph Röcken, Tabitha Harrison, Ulrike Peters, Amanda I. Phipps, Giuseppe Curigliano, Nicola Fusco, Antonio Marra, Michael Hoffmeister, Hermann Brenner, Jakob Nikolas Kather

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

AI总结 EAGLE是一种高效病理图像分析框架，通过选择性分析信息区域，提升处理效率并减少计算时间，实现更快速和可靠的病理诊断。

XMorph: Explainable Brain Tumor Analysis Via LLM-Assisted Hybrid Deep Intelligence

XMorph: 通过LLM辅助混合深度智能进行可解释性脑肿瘤分析

Sepehr Salem Ghahfarokhi, M. Moein Esfahani, Raj Sunderraman, Vince Calhoun, Mohammed Alser

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； TReNDS Center, Georgia State University（TReNDS中心，佐治亚州立大学） 纠错

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

AI总结 XMorph通过结合LLM和混合深度智能，实现了对脑肿瘤的高效可解释分类，准确率达96.0%。

Comments Accepted in ICCABS 2026: The 14th International Conference on Computational Advances in Bio and Medical Sciences

MUSE: Harnessing Precise and Diverse Semantics for Few-Shot Whole Slide Image Classification

MUSE: 通过精确和多样的语义提升少样本全滑片图像分类

Jiahao Xu, Sheng Huang, Xin Zhang, Zhixiong Nan, Jiajun Dong, Nankun Mu

机构 * School of Big Data & Software Engineering, Chongqing University（大数据与软件工程学院，重庆大学） ； School of Computer Science & Technology, Chongqing University（计算机科学与技术学院，重庆大学） 纠错

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

AI总结 MUSE通过样本层面的细粒度语义增强和随机多视图生成，提升少样本全滑片图像分类的性能和鲁棒性。

Comments Accepted by CVPR 2026

Exploring Anti-Aging Literature via ConvexTopics and Large Language Models

通过凸优化和大语言模型探索抗衰老文献

Lana E. Yeganova, Won G. Kim, Shubo Tian, Natalie Xie, Donald C. Comeau, W. John Wilbur, Zhiyong Lu

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

AI总结 本文提出基于凸优化和大语言模型的抗衰老文献主题建模方法，通过稳定且细粒度的主题发现，提升可解释性和可重复性。

MCPmed: A Call for MCP-Enabled Bioinformatics Web Services for LLM-Driven Discovery

MCPmed: 一种面向LLM驱动发现的MCP启用生物信息学Web服务的呼吁

Matthias Flotho, Ian Ferenc Diks, Philipp Flotho, Leidy-Alejandra G. Molano, Pascal Hirsch, Andreas Keller

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

AI总结 MCPmed旨在通过MCP协议提升生物信息学Web服务的自动化和互操作性，以支持LLM驱动的发现研究。