医学 AI

Beyond Boundary Noise: Aggregated Aleatoric Uncertainty Fails to Capture Presence Ambiguity in 3D Lung Nodule Segmentation

超越边界噪声：聚合偶然不确定性无法捕捉3D肺结节分割中的存在歧义

Simon Baur, Arne Schernich, Ekin Böke, Wojciech Samek, Jackie Ma

机构 * Fraunhofer Heinrich-Hertz-Institut（弗劳恩霍夫海因里希·赫兹研究所） ； Technische Universität Berlin（柏林工业大学） ； The Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所（BIFOLD）） 纠错

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

AI总结 该研究针对3D肺结节分割，发现基于熵的聚合偶然不确定性无法捕捉病理存在的病例级歧义，提出轻量级监督歧义头可更有效建模该歧义，为医疗图像分割的不确定性估计提供了改进方向。

Evaluating the impact of incomplete contact tracing data on urban epidemic dynamics

缺失的链接：在大都市地区疫情期间使用不完整数据进行接触者追踪的评估

Min-Kyung Chae, Woo-Sik Son, Sang Hoon Lee

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

AI总结 通过基于主体的随机模型模拟韩国大都市区信息缺失对接触者追踪效果的影响，发现感染者遗漏率超过城市特定阈值（首尔约4%，釜山约10%）时追踪失效，且感染者遗漏比接触遗漏导致更剧烈的传播结构变化。

Comments 14 pages, 8 figures, 1 table

A degenerate free boundary minimal annulus and non-uniqueness in spherical caps beyond the hemisphere

一个退化的自由边界极小环面以及球冠中超过半球的非唯一性

Alexander Pigazzini

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究球冠中自由边界极小旋转环面族，证明相关半径函数\(R\)的性质及环面退化情况，指出纳夫 - 朱唯一性假设对某些\(R>\pi/2\)不成立，通过罗宾缺陷等式检测退化，给出环面维度等式。

Comments v4: 27 pages; minor revision of Remark 3.2: its closing sentence is rephrased, the generality of the ambient hypothesis is now made explicit, and a forward reference to Remark 3.3 is added. Results unchanged

Modality-Invariant Coarse-to-Fine Retinal Image Registration

模态无关的由粗到细视网膜图像配准

Bo Wen, Nehal Nailesh Mehta, Melanie Tran, Dirk-Uwe Bartsch, William Freeman, Truong Nguyen

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

AI总结 针对现有视网膜配准方法依赖模态的局限，提出可泛化的两阶段模态无关框架，含稀疏特征匹配模型与MI-RAFT网络，在多模态视网膜图像配准中性能优于现有方法。

Comments This paper is a submission to IEEE Transactions on Image Processing (TIP-40498-2026)

Zero-Shot Adaptation of Medical Vision Foundation Models for High-Frequency Micro-Ultrasound Prostate Segmentation

用于高频微超声前列腺分割的医学视觉基础模型的零样本适配

Ayusha Abbas, Saram Abbas, Kabita Adhikari

机构 * Newcastle University（纽卡斯尔大学） 纠错

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

AI总结 本研究提出首个针对高频微超声前列腺分割的零样本流程，基于预训练的MedSAM模型，结合CLAHE、二值膨胀与傅里叶平滑优化，在测试集上显著降低边界误差，分割效果接近非专家水平且无需额外数据。

On Cross-Validation for Hyperparameter Optimization of Deep Learning Image Classifiers

深度学习图像分类器超参数优化的交叉验证方法研究

Ljubomir Buturovic

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

AI总结 该研究对比固定留出、重排留出、5折交叉验证三种超参数优化协议，发现小样本医学图像分类中交叉验证法的绝对性能估计误差更低，推荐计算资源充足时采用该方法。

VesselBridge3D: A Foundation Model Adaptation Framework for Label-Efficient 3D Vessel Segmentation

突破数据壁垒：利用基础模型实现鲁棒的少样本3D血管分割

Kirato Yoshihara, Yohei Sugawara, Yuta Tokuoka, Lihang Hong

机构 * The University of Osaka（大阪大学） ； Preferred Networks, Inc.（Preferred Networks公司） 纠错

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

AI总结 本文提出利用预训练视觉基础模型实现鲁棒的少样本3D血管分割，通过3D适配器和多尺度聚合器提升分割性能，在极端少样本情况下取得显著提升。

Comments Accepted at SWITCH+ MICCAI 2026. Code is available at https://github.com/pfnet-research/vesselbridge3d

What Matters is the Prompt: Prompt Sensitivity and Prompt Generation in Foundation Models for Lung Nodule Segmentation

关键在于提示：用于肺结节分割的基础模型中的提示敏感性与提示生成

Jorge F. Lazo, Xixi Liu, Andreas Hallqvist, Mikael Johansson, Åse Johnsson, Jonas S. Andersson, Jennifer Alvén, Ida Häggström

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

AI总结 本研究针对肺结节分割的基础模型，分析其对提示的敏感性，提出合成提示生成模型，实验显示该方法戴斯系数达0.85，为相关分割提供了有前景的策略。

Adaptive Post-Processing Drives Instance-Level Detection in Stroke Lesion Segmentation

自适应后处理驱动卒中病灶分割中的实例级检测

Qinghui Liu, Jon André Ottesen, Atle Bjørnerud, Kyrre Eeg Emblem

机构 * Oslo University Hospital（奥斯陆大学医院） 纠错

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

AI总结 该研究针对卒中病灶分割的实例级检测问题，提出VCAP后处理方案，结合Viola2Plus架构，在ISLES'26数据集上显著提升了病灶F1得分，效果优于多数架构改进。

Comments 8 papges, 4 figs, 2 tables, MICCAI ISLES'26

Group ICA 2.0: Closing the Gap Between Subjects and Group Latent Decomposition with Copula-Linked Group ICA (CoLiG-ICA)

Group ICA 2.0：通过 Copula 链接组 ICA（CoLiG-ICA）缩小被试与组潜在分解之间的差距

Oktay Agcaoglu

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 该研究提出 Group ICA 2.0 框架下的 CoLiG-ICA 算法，用于分解 fMRI 数据，相比传统方法可更好捕捉个体变异性，在精神分裂症分析中能识别更多额外脑网络。

EA-LiteUNet: An Edge-Adaptive and Resource-Efficient U-Net for Boundary-Sensitive Dermoscopic Image Segmentation

EA-LiteUNet：用于边界敏感皮肤镜图像分割的边缘自适应且资源高效的U-Net

Wang Jiangtao, Nur Intan Raihana Ruhaiyem, Fu Panpan, Yang Yu, Huang Yan

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

AI总结 本文针对皮肤镜图像分割的边界描绘难题，提出边缘自适应且资源高效的EA-LiteUNet，通过三类核心机制实现高精度边界分割，在公开数据集上以超轻量配置取得优异性能。

Comments 29 Pages,13 figures, 8 tables

Beyond Natural-Image Foundation Models: Benchmarking Satellite Pretraining for Ophthalmic Image Analysis

超越自然图像基础模型：针对眼科图像分析的卫星图像预训练基准测试

Lovre Antonio Budimir, Mingya Alexa Gong, Alyssa Foong Quinney, Ivana Matovinović, Yukun Zhou, Pearse A. Keane, Sven Lončarić, Marinko V. Šarunić

机构 * Faculty of Electrical Engineering and Computing, University of Zagreb（萨格勒布大学电气工程与计算机学院） ； University College London（伦敦大学学院） ； Institute of Ophthalmology, University College London（伦敦大学学院眼科研究所） ； Department of Computer Science, University College London（伦敦大学学院计算机科学系） ； NIHR Moorfields Biomedical Research Centre（NIHR穆尔菲尔德生物医学研究中心） ； Hawkes Institute, University College London（伦敦大学学院霍克斯研究所） ； Moorfields Eye Hospital NHS Foundation Trust（穆尔菲尔德眼科医院NHS基金会信托） 纠错

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

AI总结 本文针对眼科图像分析，对比卫星图像与自然图像预训练的视觉基础模型，发现卫星图像预训练在眼科任务上表现优于自然图像，部分任务可媲美医学专家模型。

Comments Accepted at the ECCV 2026 Workshop on Medical Foundation Models and Benchmarks (MEDFMB)

Evaluating the trustworthiness of the Fréchet Inception Distance with stochastic embedding representations

对使用随机嵌入表示评估弗雷歇 inception 距离可信度的调查

Ciaran Bench, Vivek Desai, Carlijn Roozemond, Ruben van Engen, Spencer A. Thomas

机构 * Department of Data Science and AI（数据科学与人工智能系） ； National Physical Laboratory（国家物理实验室） ； Dutch Expert Centre for Screening (LRCB)（荷兰筛查专家中心（LRCB）） 纠错

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

AI总结 本文通过蒙特卡洛dropout分析FID的预测方差，探讨其在医疗图像中的可信度评估效果。

Tensor Covariance Estimation via Kronecker-Structured Sparse Inverse Cholesky

基于克罗内克结构稀疏逆乔列斯基的张量协方差估计

Wentao Zhan, Matthias Katzfuss

专题命中 医学影像 ：MRI(abstract)

AI总结 针对高维张量数据协方差估计的维度灾难问题，提出基于克罗内克结构稀疏逆乔列斯基的统一估计框架，兼具统计可解释性与计算效率，在时空温度异常等多类数据上实现最优精度与可扩展性。

Comments 62 pages, including 31 pages of main content; 13 figures

A novel method for analysis of transient morphological changes in quasiperiodic physiological signals and their neurogenic correlates

一种用于分析准周期生理信号瞬态形态变化及其神经源性关联的新方法

Tomasz Gradowski, Damian Waląg, Tomir Domański, Teodor Buchner

专题命中 医学影像 ：diagnosis(abstract)

AI总结 本文提出了一种新的可视化方法，用于分析准周期生理信号的瞬态形态变化及其神经源性关联，通过二维地毯图同时评估心跳节律和信号特征。

Comments 31 pages, 7 figures

Foresight-England: Development of a National-Scale Generative AI Model of Electronic Health Records for Medical Event Prediction across the COVID-19 Pandemic

Foresight-England：面向COVID-19大流行期间医疗事件预测的全国规模电子健康记录生成式AI模型的开发

Simon Ellershaw, Christopher Tomlinson, Zeljko Kraljevic, Spiros Denaxas, Harry Hemingway, Cathie Sudlow, Angela M. Wood, Anoop D. Shah, Richard Dobson

机构 * University College London（伦敦大学学院） ； King’s College London（伦敦国王学院） ； University College London Hospitals National Institute for Health Research Biomedical Research Centre（伦敦大学学院医院国家卫生研究院生物医学研究中心） ； Interdisciplinary Transformation University（跨学科转型大学） ； British Heart Foundation Data Science Centre（英国心脏基金会数据科学中心） ； Health Data Research UK（英国健康数据研究中心） ； The University of Edinburgh（爱丁堡大学） ； University of Cambridge（剑桥大学） ； Victor Phillip Dahdaleh Heart and Lung Research Institute, University of Cambridge（剑桥大学维克多·菲利普·达德赫心肺研究所） ； British Heart Foundation Centre of Research Excellence, University of Cambridge（剑桥大学英国心脏基金会卓越研究中心） 纠错

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

AI总结 本研究开发了首个全国规模的电子健康记录生成式基础模型Foresight-E，在6100万患者数据上训练，可零样本预测医疗事件，为大流行期间的医疗事件预测提供了方法模板。

Comments Methodology and evaluation framework for Foresight-England. As detailed in the Project Status section, NHS England has paused access to data for the Foresight-E project, meaning quantitative results are not currently available. On behalf of the CVD-COVID-UK/COVID-IMPACT Consortium

Generated Context versus Governed State: Functional Conditions for Accountable Longitudinal Clinical Reasoning

生成式上下文与受控状态：可问责纵向临床推理的功能条件

Augusto Bernardo Pissarra, Victor Lorena de Farias Souza

机构 * MyndwareMed（迈恩德韦尔医疗） 纠错

专题命中 临床大模型 ：clinical AI(abstract)

AI总结 本文区分生成式上下文与受控状态，定义可问责临床AI的审计标准与信息要求，提出六级成熟度框架，将当前LLM临床实践定位于高能力低成熟度，为可问责临床AI提供概念与审计工具。

A Machine-Learned Comorbidity Index

机器学习共病指数

Suleman Baloch, Kishlay Jha, Alberto M. Segre, Philip M. Polgreen, Bijaya Adhikari

机构 * Department of Electrical and Computer Engineering, University of Iowa, Iowa, USA（电气与计算机工程系，爱荷华大学，爱荷华，美国） ； Department of Computer Science, University of Iowa, Iowa, USA（计算机科学系，爱荷华大学，爱荷华，美国） ； Department of Internal Medicine, University of Iowa, Iowa, USA（内科学系，爱荷华大学，爱荷华，美国） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 提出一种机器学习共病指数（MLCI），通过最大化学习分数与多个临床结果之间的归一化希尔伯特-施密特独立性准则（nHSIC）来映射诊断代码为单一标量，捕获非线性风险-结果依赖，并在多个EHR数据集上优于基线方法。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026), Seoul, South Korea. 35 pages

Position: Medical AI Neglects Real Treatment Outcomes

立场：医学人工智能忽视真实治疗结局

Shiva Kaul, Anjum Khurshid

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

AI总结 本论文指出医学AI忽视真实治疗结局，当前依赖文本而非真实数据，导致模型与基准存在缺陷，提出应将真实治疗结局纳入训练评估，并将优化其作为医学AI的下游目标。

Comments Published at ICML 2026. https://openreview.net/forum?id=0e1KEGU9RD

FZ-VLM: A Two Stage Florence-Zephyr Vision Language Model Framework for Pulmonary Nodule Characterization and Clinical Decision Making

FZ-VLM：用于肺结节特征表征与临床决策的两阶段Florence-Zephyr视觉语言模型框架

Pramit Dutta, Jenita Manokaran, Richa Mittal, Ryan Appleby, Eranga Ukwatta

机构 * College of Engineering, University of Guelph（圭尔夫大学工程学院） ； Holland Bloorview Kids Rehabilitation Hospital（霍兰德布鲁尔维尤儿童康复医院） ； Guelph General Hospital（圭尔夫综合医院） ； Ontario Veterinary College, University of Guelph（圭尔夫大学安大略兽医学院） 纠错

专题命中 诊断辅助 ：CT(summary_cn,abstract)；分类 cs.CV

AI总结 本研究提出首个两阶段视觉语言模型框架FZ-VLM，通过微调Florence-2与Zephyr-7B模型，实现肺CT中肺结节的结构化特征表征与临床决策，性能优于GPT-4基线及人类基线。

Beyond Field Accuracy: Two-Axis Diagnosis of Inverse-PINN Parameter Error

超越场精度：逆物理信息神经网络参数误差的双轴诊断

Yifan Zhang, Qian Tao

机构 * School of Software Engineering, South China University of Technology（华南理工大学软件学院） 纠错

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

AI总结 针对逆PINNs的参数误差问题，提出双轴后训练诊断方法，经三类合成PDE及耦合双参数达西检验验证，可有效分离有限样本分辨率与参数偏好，助力后续研究方向确定。

Comments Preprint with supplementary appendix. 26 pages, 3 figures

Misconception Diagnosis From Student-Tutor Dialogue: Generate, Retrieve, Rerank

从学生-辅导对话中诊断误解：生成、检索、重排序

Joshua Mitton, Prarthana Bhattacharyya, Digory Smith, Thomas Christie, Ralph Abboud, Simon Woodhead

机构 * Eedi Renaissance Philanthropy Learning Engineering Virtual Institute（Eedi 理性慈善学习工程虚拟研究所） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本文提出利用大语言模型从学生-辅导对话中检测误解的方法，通过生成、检索和重排序提升误解识别的准确性。

Comments Published as Oral Paper at Learning at Scale, 2026. Link: https://dl.acm.org/doi/10.1145/3774398.3811609. 21 pages, 8 figures, 8 tables. Joshua Mitton and Prarthana Bhattacharyya contributed equally to this paper

Agentic AI for Scaling Diagnosis and Care in Neurodegenerative Disease

神经退行性疾病诊断与护理的代理AI

Andrew G. Breithaupt, Michael Weiner, Alice Tang, Katherine L. Possin, Marina Sirota, James Lah, Allan I. Levey, Pascal Van Hentenryck, Reza Zandehshahvar, Marilu Luisa Gorno-Tempini, Joseph Giorgio, Jingshen Wang, Andreas M. Rauschecker, Howard J. Rosen, Rachel L. Nosheny, Bruce L. Miller, Pedro Pinheiro-Chagas

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出了一套六阶段路线图，旨在通过代理AI系统提升神经退行性疾病诊断与护理的效率，强调数据收集、决策支持、临床整合和伦理框架的综合应用。

Comments 28 pages, 2 figures, 1 table, 1 box

PLeDO: Pain Level Detection for Osteoarthritis from EMR Data

PLeDO：基于电子病历数据的骨关节炎疼痛程度检测

Yuhao Chen, Jiahao Cai, Nafiz Sadman, Farhana Zulkernine, John Queenan, David Barber

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

AI总结 本研究针对骨关节炎疼痛检测难题，提出SPaDe及集成药物、疼痛量表信息的PLeDO工具，可从电子病历中检测疼痛程度，有望提升初级保健护理质量。

Comments Published in Intelligent Data Analysis, 2026

Journal ref Chen, Y., Cai, J., Sadman, N., Zulkernine, F., Queenan, J., and Barber, D. (2026). PLeDO: Pain level detection for osteoarthritis from EMR data. Intelligent Data Analysis, 1-20

Guaranteed Adaptive Modality Acquisition: When the Policy Chooses Its Own Calibration Group

带保证的自适应模态获取：策略选择自身校准组时

Melika Baghi

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

AI总结 该研究针对自适应模态获取中策略诱导分组破坏条件校准假设的问题，提出RouteCert方法，在临床心电图任务及掩码多模态基准上实现了高回答比例与低分歧率的良好性能。

Comments 23 pages, 4 figures, 14 tables. Includes appendix with full proofs and additional experiments

Targeting Support Using Job Seekers' Biases: A Randomized Experiment

利用求职者的偏差进行精准帮扶：一项随机实验

Bruno Crépon, Aurélien Frot, Christophe Gaillac

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究通过随机实验发现，针对悲观求职者的动机干预可提升求职努力与再就业结果，而职业推荐则惠及注意力分配有问题的求职者，展示了数字平台诊断求职者需求并优化干预的方法。

Comments JEL classification: D83, D84, J64, C4, C93. Keywords: Job Search, Subjective Expectations, Machine Learning, Decision Making, Information Design

Policy Iteration with Human Feedback: Bringing Post-Training RL to In-context Learning

结合人类反馈的策略迭代：将后训练强化学习应用于上下文学习

Minh-Ha Nguyen, Cathy Shyr

机构 * Vanderbilt University（范德堡大学） ； Vanderbilt University Medical Center（范德堡大学医学中心） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究提出结合人类反馈的策略迭代（PIHF）方法，采用预训练语言模型为基底，经实验使其在罕见疾病诊断相关任务中显著提升了多个执行器的Recall@1指标，验证了其可行性。

Comments PIHF method paper

FeatureHospital: A Skill-Driven Multi-Agent Framework for Automated Algorithm Customization in Multi-View Multi-Label Feature Selection

FeatureHospital：一种用于多视图多标签特征选择中自动化算法定制的技能驱动多智能体框架

Junxuan Li, Zhiqi Chen, Yuzhou Liu, Peng Zhang, Huaxiao Liu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 FeatureHospital是技能驱动的多智能体框架，可自动化设计多视图多标签特征选择算法，经实验验证能为不同数据集构建有效算法。

Constraint-Aware Synthetic Tabular Data Generation via Inter-Column Constraint Discovery with LLM Agents

基于大语言模型智能体的列间约束发现的约束感知合成表格数据生成

Jianxing Zhao, Mao Guan, Dongyu Liu

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对合成表格数据易违反领域约束的问题，提出基于大语言模型智能体的列间约束发现的统一工作流，结合后处理器修复输出，提升了约束合规性与下游效用。

AutoMem: A Text-Gradient Recursive Self-Improvement Framework for Automated Memory Architectures Search

AutoMem：面向自动化记忆架构搜索的文本梯度递归自改进框架

Lin Du, Jie Zhou, Yuxuan Cai, Kai Chen, Qin Chen, Xin Li, Bo Zhang, Wei Li, Liang He

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 AutoMem是面向任务自适应记忆架构搜索的文本梯度递归自改进框架，通过经验引导架构搜索与失败引导模块诊断，在多基准测试中性能优于人工设计基线，实现了准确率与效率的良好权衡。