医学 AI

Tumor-aware augmentation with task-guided attention analysis improves rectal cancer segmentation from magnetic resonance images

肿瘤感知增强与任务引导注意力分析提高磁共振图像直肠癌分割

Aneesh Rangnekar, Joao Miranda, Natally Horvat, Stephanie Chahwan, Samir Alrayess, Aditya Apte, Aditi Iyer, Eve LoCastro, Revathi Ravella, Marc J Gollub, Iva Petkovska, Jesse Joshua Smith, Paul Romesser, Julio Garcia-Aguilar, Harini Veeraraghavan, Joseph O Deasy

机构 * Department of Medical Physics, Memorial Sloan Kettering Cancer Center（医学物理系，纪念斯隆凯特琳癌症中心） ； Department of Radiology, Memorial Sloan Kettering Cancer Center（放射学系，纪念斯隆凯特琳癌症中心） ； Department of Radiation Oncology, Memorial Sloan Kettering Cancer Center（放射肿瘤学系，纪念斯隆凯特琳癌症中心） ； Department of Surgery, Memorial Sloan Kettering Cancer Center（外科系，纪念斯隆凯特琳癌症中心） ； Department of Medicine, Memorial Sloan Kettering Cancer Center（医学系，纪念斯隆凯特琳癌症中心） 纠错

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

AI总结 本文通过肿瘤感知增强和任务引导注意力分析，改进CT到MRI的直肠癌分割，验证了预训练模型在跨模态转移中的局限性，并提出了缓解策略以提升鲁棒性。

Comments Accepted to Biomedical Signal Processing & Control 2026

FaCT-GS: Fast and Scalable CT Reconstruction with Gaussian Splatting

FaCT-GS：基于高斯点撒的快速可扩展CT重建

Pawel Tomasz Pieta, Rasmus Juul Pedersen, Sina Borgi, Jakob Sauer Jørgensen, Jens Wenzel Andreasen, Vedrana Andersen Dahl

机构 * Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 本文提出FaCT-GS框架，通过优化体素化和光栅化流程，实现快速且可扩展的CT重建，比现有方法快4-13倍，适用于不同投影尺寸。

Comments Accepted at the European Conference on Computer Vision (ECCV) 2026

TCSA-UDA: Text-Driven Cross-Semantic Alignment for Unsupervised Domain Adaptation in Medical Image Segmentation

TCSA-UDA：基于文本的跨语义对齐用于医学图像分割中的无监督域适应

Lalit Maurya, Honghai Liu, Reyer Zwiggelaar

机构 * School of Computing, University of Portsmouth（朴茨茅斯大学计算学院） ； Department of Computer Science, Aberystwyth University（阿伯里斯特威斯大学计算机科学系） 纠错

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

AI总结 本文提出TCSA-UDA框架，通过文本驱动的跨语义对齐方法，在医学图像分割中减少域偏移并提升跨模态一致性。

Comments Published in Neurocomputing

MRSeqStudio: MRI Sequence Design and Simulation as a Service in a Free and Open-Source Web Platform

MRSeqStudio：一个基于自由开源网页平台的MRI序列设计与模拟即服务工具

Pablo Villacorta-Aylagas, Manuel Rodríguez-Cayetano, Carlos Castillo-Passi, Pablo Irarrazaval, Federico Simmross-Wattenberg, Carlos Alberola-López

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 MRSeqStudio是一款集序列设计与模拟于一体的网页工具，结合物理模拟器KomaMRI和自研序列设计界面，提供无需本地安装的即服务功能，支持教育与研究。

Comments Supplementary videos can be accessed at: this https URL (https://github.com/pvillacorta/MRSeqStudio/tree/master/docs/videos)

GRC-ProbNet: Uncertainty-aware Feature Extraction for Cardiovascular Disease Classification

GRC-ProbNet：用于心血管疾病分类的不确定性感知特征提取

Yash Shah, Omar Todd, Philipp Seeböck, Georg Langs, Ben Glocker, Raghav Mehta

机构 * Imperial College London（伦敦帝国学院） ； Medical University of Vienna（维也纳医科大学） 纠错

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

AI总结 研究旨在从CT图像自动检测和分类心血管疾病，提出GRC-ProbNet利用深度集成生成多个分割掩码以提取不确定性特征，实验表明该方法能提高CVD分类的AUROC，优于基线GRC-Net模型。

Comments Accepted at STACOM 2026 workshop in conjunction with MICCAI 2026

Asymptotic Linear Convergence of ADMM for Isotropic TV Norm Compressed Sensing

ADMM求解各向同性TV范数压缩感知的渐近线性收敛性

Emmanuel Gil Torres, Matt Jacobs, Xiangxiong Zhang

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 本文通过分析对偶问题等价的Douglas-Rachford分裂中的辅助变量，证明了ADMM在多维情况下求解各向同性TV范数压缩感知问题的局部线性收敛率，并通过大规模3D问题和真实MRI数据验证。

Comments 32 pages, 6 figures

Localization-Infused Vision-Language Semantic Fusion for Text-Guided Medical Image Segmentation

用于文本引导医学图像分割的定位注入视觉语言语义融合

Songyue Han, Mingye Zou, Shuchang Ye, Lei Bi, Mingyuan Meng

机构 * Air Force Engineering University（空军工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Sydney（悉尼大学） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

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

AI总结 研究针对文本引导医学图像分割，提出LoG框架，通过联合执行多尺度目标定位任务，实现三级定位注入语义融合，在三个基准数据集实验中表现出色，优于现有医学图像分割方法。

Comments 12 pages, 6 figures, 7 tables. v2: revised presentation with updated author affiliations; abstract condensed; Figure 1 redrawn; an average performance column added to Table I; one reference added and three removed; author biographies removed. All datasets, methods and experimental results are unchanged from v1

VLM- and LLM-Driven Multi-Agent System for PET Image Denoising

基于视觉语言模型（VLM）与大语言模型（LLM）驱动的多智能体正电子发射断层扫描（PET）图像去噪系统

Boxiao Yu, Savas Ozdemir, Yang Xing, Fumio Hashimoto, Jiong Wu, Yizhou Chen, Axel Rominger, Ruogu Fang, Kuangyu Shi, Tinsu Pan, Kuang Gong

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

AI总结 针对PET图像分辨率低、信噪比差及深度学习去噪部署需多模型与专家干预的问题，本文提出VLM与LLM驱动的多智能体闭环PET去噪框架，自主选最优模型参数，在低剂量数据上优于UNet等基线方法。

SAS: Segment Anything Small for Ultrasound -- A Non-Generative Data Augmentation Technique for Robust Deep Learning in Ultrasound Imaging

SAS：用于超声的小尺寸分割模型——一种用于超声成像中鲁棒深度学习的非生成数据增强技术

Danielle L. Ferreira, Ahana Gangopadhyay, Hsi-Ming Chang, Ravi Soni, Gopal Avinash

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

AI总结 本研究提出SAS非生成数据增强技术，通过双变换策略提升深度学习模型对超声图像中小解剖结构的分割性能，经多数据集验证可显著提升Dice分数，且计算高效、适配资源受限场景。

Comments 25 pages, 8 figures

Directed evolution algorithm drives neural prediction

定向进化算法驱动神经预测

Yanlin Wang, Nancy M Young, Patrick C M Wong

机构 * Brain and Mind institute, The Chinese University of Hong Kong（脑科学与智能技术研究所，香港中文大学） ； Department of Linguistics and Modern Languages, The Chinese University of Hong Kong（语言学与现代语言系，香港中文大学） ； Division of Otolaryngology, Ann & Robert H. Lurie Children's Hospital of Chicago（芝加哥安·罗伯特·H·卢里儿童医院耳鼻喉科） ； Department of Otolaryngology Head & Neck Surgery, Feinberg School of Medicine, Northwestern University（费因伯格医学院耳鼻喉科与头颈外科部，西北大学） ； Knowles Hearing Center, Department of Communication Sciences and Disorders, Northwestern University（诺里斯听力中心，西北大学沟通科学与障碍系） 纠错

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

AI总结 提出定向进化模型(DEM)，模拟生物定向进化试错过程，结合回放缓冲和连续反向传播，在跨域神经预测中提升泛化能力并解决标签稀缺问题。

Comments 16 pages, 5 figures

Radiologist-Guided Causal Concept Bottleneck Models for Chest X-Ray Interpretation

放射科医生引导的因果概念瓶颈模型用于胸部X光解读

Amy Rafferty, Rishi Ramaesh, Ajitha Rajan

机构 * University of Edinburgh（爱丁堡大学） ； NHS Lothian（洛锡安国家健康服务） 纠错

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

AI总结 本文提出XpertCausal模型，通过放射科医生指导的因果方法改进胸部X光解读的可解释性，通过概率性噪声或框架建模病理到概念关系，提升诊断准确性与临床相关性。

Clinically Aware Synthetic Image Generation for Concept Coverage in Chest X-ray Models

临床感知的合成图像生成用于胸部X光模型的概念覆盖

Amy Rafferty, Rishi Ramaesh, Ajitha Rajan

机构 * University of Edinburgh（爱丁堡大学） ； NHS Lothian（洛锡安国家健康服务） 纠错

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

AI总结 提出CARPA框架，通过解剖约束的概念扰动生成合成胸部X光图像，扩展临床概念覆盖，提升模型性能与可靠性。

Comments Accepted for presentation at the IJCAI-ECAI 2026 RobustifAI workshop

DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights

DRBD-Mamba用于鲁棒且高效的脑肿瘤分割与分析洞察

Danish Ali, Ajmal Mian, Naveed Akhtar, Ghulam Mubashar Hassan

机构 * The University of Western Australia（西澳大学） ； The University of Melbourne（墨尔本大学） 纠错

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

AI总结 DRBD-Mamba通过双分辨率双向Mamba模型实现高效鲁棒的脑肿瘤分割，采用空间填充曲线和门控融合模块提升特征表示，取得更高的Dice分数和15倍效率提升。

COLORA: Efficient Fine-Tuning for Convolutional Models with a Study Case on Optical Coherence Tomography Image Classification

COLORA：面向卷积模型的高效微调方法及在光学相干断层扫描图像分类中的应用案例

Mariano Rivera, Angello Hoyos

机构 * Centro de Investigación en Matemáticas, A.C. (CIMAT)（数学研究所（CIMAT）） 纠错

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

AI总结 该研究提出参数高效微调方法CoLoRA，可减少卷积模型80%以上可训练参数，在医学及非医学图像分类任务中实现性能与效率的良好平衡，为卷积模型全量微调提供替代方案。

Comments 15 pages, 13 figures

Tensor-normal maximum likelihood estimation at the operator-norm sample threshold

算子范数样本阈值下的张量正态极大似然估计

Hengzhi He, Guang Cheng

专题命中 医学影像 ：CT(abstract_cn)

AI总结 本文针对协方差为克罗内克积的高斯张量，将张量正态极大似然估计的样本阈值中$d_{\rm max}$的三次依赖改进为二次依赖，达到信息论最优，解决了前期工作提出的开放问题。

Comments Work in Progress

Scaling Electronic Health Record Foundation Models for Population Health Management

面向人群健康管理的电子健康记录基础模型规模化研究

Liwen Sun, Hao-Ren Yao, Ophir Frieder, Xiang Qian, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgetown University（乔治城大学） 纠错

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

AI总结 该研究提出面向人群健康管理的电子健康记录基础模型，跨500万患者数据预训练，在11项慢性病预测任务及EHRShot基准中表现优于同类模型，将开源代码。

GraphMed-LT: Patient-Specific Graph Memory with Latent Clinical Thought Refinement for Multi-Turn Medical Conversations

GraphMed-LT：面向多轮医疗对话的具有潜在临床思维优化的患者特定图记忆

Zhaohan Meng, Zaiqiao Meng, Siwei Liu, Hao Xu, Ke Yuan, Iadh Ounis

机构 * School of Computing Science, University of Glasgow, UK（格拉斯哥大学计算机科学学院） ； School of Natural and Computing Science, University of Aberdeen, UK（阿伯丁大学自然与计算科学学院） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 该研究针对多轮医疗对话中临床证据分散的问题，提出GraphMed-LT方法，通过患者特定图记忆及潜在临床思维优化，在多轮医疗QA任务上较基线实现显著提升。

Comments Accepted to EMNLP 2026

Reconciling Consistency-Based Diagnosis with Actual-Causality-Based Explanations

协调一致性诊断与实际因果性解释

Leopoldo Bertossi

机构 * Carleton University（卡尔顿大学） ； Western University（西方大学） ； IMFD（智利国家数学与计算机科学研究所） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 从可解释AI视角探讨一致性诊断与实际因果性解释的联系，揭示其对XAI和可解释数据管理的潜在影响。

Comments Several typos fixed, and remarks added. To appear in Proc. of The 17th International Conference on Scalable Uncertainty Management (SUM'26), Springer LNCS, 2026

MACD: Multi-Agent Clinical Diagnosis with Self-Learned Knowledge for LLM

MACD: 基于自学习知识的多智能体临床诊断

Wenliang Li, Rui Yan, Xu Zhang, Li Chen, Hongji Zhu, Jing Zhao, Junjun Li, Mengru Li, Wei Cao, Zihang Jiang, Wei Wei, Kun Zhang, Shaohua Kevin Zhou

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 MACD通过多智能体框架实现LLM自学习临床知识，提升诊断准确率，与医生单独诊断相比表现更优，展示人机协作的协同潜力。

CRANE-LLM: Runtime-Augmented LLMs for Crash Prediction and Diagnosis in ML Notebooks

运行时增强的LLM用于ML笔记本的崩溃检测与诊断

Yiran Wang, José Antonio Hernández López, Ulf Nilsson, Dániel Varró

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 CRANE-LLM通过整合运行时信息提升ML笔记本崩溃检测与诊断的准确性与F1分数。

ClinicalGPT-R1: Pushing reasoning capability of generalist disease diagnosis with large language model

ClinicalGPT-R1：利用大语言模型提升全科疾病诊断的推理能力

Wuyang Lan, Wenzheng Wang, Changwei Ji, Guoxing Yang, Yongbo Zhang, Xiaohong Liu, Luonan Chen, Shengge Li, Song Wu, Guangyu Wang

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出ClinicalGPT-R1，经20000条临床记录训练，在MedBench-Hard基准测试中，其中文诊断性能优于GPT-4o、英文性能与GPT-4相当，提升了疾病诊断的推理能力。

Comments 8 pages, 6 figures

Elimination Geometry

消元几何

Mian Huang, Xueqin Wang

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

AI总结 本专著提出消元几何（EG）框架，用于研究局部最优对象的共享部署规则实现问题，整合多学科工具，其应用涵盖模型选择、预测等领域，可指导架构修复。

HandSplatter: Automated Digital Goniometry from Neural Rendering

HandSplatter：基于神经渲染的自动数字测角术

Emmett Chen, Neal Chen, Xiang Li, Quanzheng Li, Siyeop Yoon

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

AI总结 针对手动测角术低效、信度差及现有软件方法精度不足的问题，提出结合2D特征提取与视图合成的神经渲染新流程，引入离散密度爬山算法修正3D地标，实现自动数字测角，为手部功能评估提供可靠工具。

Comments Accepted for publication in the Proceedings of the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026), Full Paper #1985

DuoGNN: Topology-aware Graph Neural Network with Homophily and Heterophily Interaction-Decoupling

DuoGNN：具备同质性与异质性交互解耦的拓扑感知图神经网络

K. Mancini, I. Rekik

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

AI总结 针对GNN过平滑、过压缩及泛化差的问题，提出拓扑感知的DuoGNN，通过解耦同/异质性边的双聚合流水线实现提升，在多类节点分类任务中表现优于变体。

Prompt-Induced Waste in Coding Agents: Reasoning, Effort, Harness Design, and End-to-End Cost

提示词诱导的大推理模型浪费：一项预注册的双框架编码智能体基准测试

Sarel Weinberger, Amir Hozez

机构 * PointFive 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究通过预注册基准测试发现，提示词措辞和智能体框架会大幅影响大推理编码智能体的成本，部分提示指令可成倍增加推理成本却不提升任务成功率，框架选择的成本差异更显著。

DynaKRAG: A Unified Framework for Learnable Evidence Control in Multi-Hop Retrieval-Augmented Generation

DynaKRAG：多跳检索增强生成中可学习证据控制的统一框架

Chenyu Zhou, Yaqi Wu, Xiaolei Guo, Jiaqi Huang, Xianfa Zhang, Junxu Zhang, Zhuo Yu, Zhubo Shi, Jianghao Lin, Dongdong Ge

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Aircraft Manufacturing Co., Ltd.（上海飞机制造有限公司） ； Tongji University（同济大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究多跳检索增强生成中证据控制问题，提出DynaKRAG框架，将证据获取表述为状态条件控制，通过有效性层和控制器选择操作，实验表明该框架在多个基准测试中表现出色，证明协调检索等操作的益处。

DeepRefine: Agentic Knowledge Refinement via Reinforcement Learning

DeepRefine: 通过强化学习进行代理编译知识的精炼

Haoyu Huang, Jiaxin Bai, Shujie Liu, Yang Wei, Huihao Jing, Hong Ting Tsang, Yisen Gao, Zhongwei Xie, Yufei Li, Yangqiu Song

机构 * HKUST（香港科技大学） ； HKBU（香港大学） ； Microsoft Research Asia Hong Kong（微软亚洲研究院（香港）） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 DeepRefine是一种基于LLM的推理模型，通过用户查询提升预构建知识库的质量，以适应下游任务。该模型通过多轮交互和归纳诊断定位缺陷并进行针对性精炼，采用Gain-Beyond-Draft奖励机制进行强化学习训练。

Programming by Chat: A Large-Scale Behavioral Analysis of 11,579 Real-World AI-Assisted IDE Sessions

通过聊天编程：11579个真实世界AI辅助IDE会话的大规模行为分析

Ningzhi Tang, Chaoran Chen, Zihan Fang, Gelei Xu, Maria Dhakal, Yiyu Shi, Collin McMillan, Yu Huang, Toby Jia-Jun Li

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究通过分析11579个真实IDE会话中的74998条开发者消息，揭示了编程工作组织的三大转变：对话编程作为逐步规范、认知工作分配给AI以及主动管理协作。

EchoTrace: Diagnosing Recursive Risks in LLM-Powered Recommender Systems

循环中的回声：在LLM推荐系统中反馈循环下的风险诊断

Donguk Park, Dongwon Lee, Yeon-Chang Lee

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种角色感知的诊断框架，用于分析LLM推荐系统中反馈循环下的系统性风险，包括偏见、幻觉和自我强化的暴露模式。

Comments Accepted by ACM CIKM 2026

PathAgentBench: Benchmarking Evidence-Seeking Vision-Language Models on Whole-Slide Pathology Image

PathAgentBench：在全切片病理图像上对寻求证据的视觉语言模型进行基准测试

Dankai Liao, Tianyi Zhang, Yufeng Wu, Xinyue Zhang, Qiaochu Xue, Zeyu Liu, Dachun Zhao, Linghan Cai, Yueming Jin

机构 * National University of Singapore（新加坡国立大学） ； PuzzleLogic Pte Ltd（拼图逻辑私人有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区） ； Peking Union Medical College Hospital（北京协和医院） 纠错

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

AI总结 研究针对全切片病理图像诊断中证据获取与整合问题，引入PathAgentBench基准，评估视觉语言模型的四项互补能力，包含多模型评估结果，揭示了证据推理与获取间的差距，为改进病理模型提供统一框架。