医学 AI

Predicting Radiologist Expertise from 3D Gaze Patterns During CT Interpretation

从CT阅片时的三维注视模式预测放射科医生的专业水平

Leila Khaertdinova, Anna Anikina, Claudia Mello-Thoms, Bulat Ibragimov

机构 * University of Copenhagen（哥本哈根大学） ； University of Iowa（爱荷华大学） 纠错

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

AI总结 该研究提出基于注视信息的Transformer框架，利用放射科医生CT阅片的三维注视模式，在182次阅片会话数据上实现0.91的ROC-AUC和0.86的F1分数，可客观评估放射科医生专业水平。

Comments Accepted at MICCAI 2026

MRI-based Deep Radiomic Phenotyping of Neuromuscular Disorders: A Topology-driven Characterization

基于MRI的神经肌肉疾病深度放射组学表型分析：拓扑驱动的表征

Martyna Żur, Łukasz Piórecki, Marek Socha, Jordi Diaz-Manera, Jose Verdu Diaz, Volker Straub, Rossella Tupler, Joanna Polańska

机构 * Silesian University of Technology（西里西亚工业大学） ； Newcastle University（纽卡斯尔大学） ； University of Modena and Reggio Emilia（摩德纳与雷焦艾米利亚大学） 纠错

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

AI总结 本研究提出基于图拓扑等特征的自动化放射组学表型框架，利用1184例MRI扫描开发的拓扑与3D几何不变量，可作为神经肌肉疾病鉴别诊断的生物标志物，相关流程已集成于MUSCAT库。

Comments Draft manuscript. Has not yet been peer-reviewed

RA-CMF: Region-Adaptive Conditional MeanFlow for CT Image Reconstruction

RA-CMF：基于区域自适应的条件均值流用于CT图像重建

Md Shifatul Ahsan Apurba, Md Selim, Jin Chen

机构 * Biomedical Informatics（生物医学信息学） ； Data Science University of Alabama at Birmingham Birmingham, AL, United States（数据科学，阿拉巴马大学伯明翰分校，伯明翰，AL，美国） ； Computer Science Florida Polytechnic University Lakeland, FL, United States（计算机科学，佛罗里达理工学院，拉凯兰德，FL，美国） 纠错

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

AI总结 本文提出RA-CMF方法，结合条件均值流与强化学习，实现CT图像重建的区域自适应增强，提升肿瘤区域的准确性和图像整体质量。

Comments 17 pages, 5 figures, ICIBM 2026

Single-Subject Multi-View MRI Super-Resolution via Implicit Neural Representations

单受试多视角MRI超分辨率通过隐式神经表示

Heejong Kim, Abhishek Thanki, Roel van Herten, Daniel Margolis, Mert R Sabuncu

机构 * Department of Radiology, Weill Cornell Medicine, New York, USA（韦尔·科恩医学系放射科，纽约，美国） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） ； Cornell Tech, New York, USA（康奈尔科技，纽约，美国） ； Weill Cornell Graduate School of Medical Sciences, New York, USA（韦尔·科恩医学科学研究生院，纽约，美国） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 本文提出SIMS-MRI框架，通过隐式神经表示和多分辨率哈希编码实现单患者多视角MRI的等效超分辨率，无需预处理。

Comments 11 pages, 3 figures. Accepted at MICCAI 2026

Progressive Masked Refinement Self-supervised Learning for Low-Dose CT Denoising

渐进式 $\mathcal{J}$-不变自监督学习用于低剂量CT去噪

Yichao Liu, Zongru Shao, Rui Wen, Yueyang Teng, Junwen Guo

机构 * organization= IWR, Heidelberg University , city= Heidelberg , postcode= 69120 , state= Baden Württemberg , country= Germany ； organization= Silicon Austria Labs , city= Linz , postcode= 4040 , state= Upper Austria , country= Austria ； organization= Institute of Science Tokyo , addressline= , city= Tokyo , country= Japan ； organization= College of Medicine ； Biological Information Engineering, Northeastern University , city= Shenyang , postcode= 110169 , state= Liaoning , country= China ； organization= Key Laboratory of Intelligent Computing in Medical Image, Ministry of Education , city= Shenyang , postcode= 110169 , state= Liaoning , country= China ； organization= Department of Epidemiology \& Global Health, Umeå University , addressline= , city= Umeå , postcode= 90187 , country= Sweden 纠错

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

AI总结 提出渐进式 $\mathcal{J}$-不变学习，通过逐步盲点去噪机制和噪声注入正则化，提升低剂量CT去噪性能，在Mayo数据集上优于现有自监督方法并接近监督方法。

Phase-Aligned Finite-Fourier Periodic Deformation for 4D Medical Image Interpolation

用于4D医学图像插值的相位对齐有限傅里叶周期变形

Haojin Li, Hengzhuo Wang, Zhiheng Ma, Mingyang Ou, Heng Li, Jiang Liu

机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Shenzhen University Medical School（深圳大学医学院） ； Shenzhen University（深圳大学） ； Beihang University（北京航空航天大学） 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 该研究针对4D医学图像插值中周期结构编码不足、运动非均匀的问题，提出相位对齐有限傅里叶周期变形方法，在ACDC和4D-Lung数据集上实现了优于现有基线的性能。

Comments ACMMM 2026 accepted

BiSegMamba: Efficient Bidirectional Tri-Oriented Mamba for 3D Medical Image Segmentation

BiSegMamba: 用于3D医学图像分割的高效双向三向Mamba

Bakht Zada, Chao Tong, Qile Su, Shuai Zhang

机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北航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 ：medical image(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV

AI总结 提出BiSegMamba，一种基于双向三向Mamba的高效3D医学图像分割网络，通过渐进压缩主干、多尺度空间混合器、双向正交Mamba块和自适应方向融合，在降低计算成本的同时提升分割精度。

Comments Code is available at: this https URL (https://github.com/bakhtzadaabshare/BiSegMamba)

Graph-Supervised Hierarchical Clinical Alignment for Radiology Report Generation with Large Language Models

面向结合大语言模型的放射学报告生成的图监督分层临床对齐

Yingshu Li, Yunyi Liu, Zhanyu Wang, Zailong Chen, Lingqiao Liu, Lei Wang, Luping Zhou

机构 * University of Sydney（悉尼大学） ； ByteDance（字节跳动） ； University of Wollongong（伍伦贡大学） ； University of Adelaide（阿德莱德大学） 纠错

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

AI总结 本文针对放射学报告生成中报告级监督与疾病级发现的粒度不匹配问题，提出图监督分层临床对齐方法，在3B模型上超越多个更大参数的现有系统，验证了优化监督结构的有效性。

Native-Space 3D CarveMix for Multi-Site T1w Stroke Segmentation

用于多中心T1加权卒中分割的原生空间3D CarveMix方法

Dexter Wen Jie Teo, Kumaradevan Punithakumar

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

AI总结 针对多中心未标准化T1w MRI的卒中分割难题，提出结合MedNeXt-L骨干与动态3D CarveMix增强的方法，在ISLES 2026数据集上实现0.648的5折交叉验证Dice分数，较原骨干提升0.018。

Comments Accepted at the SWITCH+ Workshop (ISLES 2026 Challenge), MICCAI 2026. Springer LNCS

Multi-Stage Prompt-Guided Feature Modulation for Generalizable Brain Tumor Segmentation

用于通用脑肿瘤分割的多阶段提示引导特征调制

Mohammad Mahdi Danesh Pajouh, Sara Saeedi

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

AI总结 本文提出多阶段动态提示nnU-Net，通过多阶段动态提示调制编码器特征，在BraTS GOAT数据集上较基线nnU-Net提升了脑肿瘤分割的Dice分数，增强了模型泛化性。

Comments Accepted to BraTS MICCAI 2026 Task 3 (Generalizability Across Tumors)

STRIVE: Multi-Agent Structured Temporal Reasoning with Integrated Verification for Longitudinal Radiology Report Generation

STRIVE：面向纵向放射报告生成的集成验证多智能体结构化时序推理

Junyeong Maeng, Eunsong Kang, Heung-Il Suk

机构 * Korea University（高丽大学） ； Kangwon National University（江原国立大学） 纠错

专题命中 医学影像 ：radiology(title,abstract)；diagnosis(abstract)

AI总结 STRIVE将临床推理分解为多智能体并引入两阶段验证，在Longitudinal-MIMIC数据集上实现纵向放射报告生成的最佳临床效能，纵向变化一致性较最强基准提升超一倍。

DRRG: A Discrete Diffusion Framework for Radiology Report Generation

DRRG：用于放射报告生成的离散扩散框架

Shaoyang Zhoua, Yingshu Li, Yunyi Liu, Lijun Pu, Lingqiao Liu, Lei Wang, Luping Zhou

机构 * School of Electrical and Computer Engineering, The University of Sydney（悉尼大学电气与计算机工程学院） ； Department of Radiology, The First Affiliated Hospital of Soochow University（苏州大学附属第一医院放射科） ； School of Computer Science, The University of Adelaide（阿德莱德大学计算机学院） ； School of Computing and Information Technology, University of Wollongong（卧龙岗大学计算与信息技术学院） 纠错

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

AI总结 本研究提出基于离散扩散大语言模型的DRRG框架，将放射报告生成转化为迭代掩码词去噪，在MIMIC-CXR、CheXpert Plus数据集上的多项指标优于对比方法，为放射报告生成提供了有效替代方案。

Low-Rank Velocity Fields as a Structural Prior for Unsupervised 4D Medical Image Interpolation

作为无监督四维医学图像插值结构先验的低秩速度场

Haojin Li, Hengzhuo Wang, Chang Liu, Zhiheng Ma, Heng Li, Jiang Liu

机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen University of Advanced Technology（深圳先进技术研究院） ； Shenzhen University Medical School（深圳大学医学院） ； Shenzhen University（深圳大学） ； Research Institute of Trustworthy Autonomous Systems（可信自主系统研究院） 纠错

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

AI总结 提出低秩速度场作为结构先验，结合多尺度方案实现无监督4D医学图像插值，在ACDC和4D-Lung数据集上达到最优性能，生成的中间体积结构一致性与轮廓稳定性更优。

Comments MICCAI 2026

crossMoDA Challenge: Evolution of Cross-Modality Domain Adaptation Techniques for Vestibular Schwannoma and Cochlea Segmentation from 2021 to 2023

crossMoDA挑战赛：2021至2023年前庭神经鞘瘤与耳蜗分割的跨模态域自适应技术演进

Navodini Wijethilake, Reuben Dorent, Marina Ivory, Aaron Kujawa, Stefan Cornelissen, Patrick Langenhuizen, Mohamed Okasha, Anna Oviedova, Hexin Dong, Bogyeong Kang, Guillaume Sallé, Luyi Han, Ziyuan Zhao, Han Liu, Yubo Fan, Tao Yang, Shahad Hardan, Hussain Alasmawi, Santosh Sanjeev, Yuzhou Zhuang, Satoshi Kondo, Maria Baldeon Calisto, Shaikh Muhammad Uzair Noman, Cancan Chen, Ipek Oguz, Rongguo Zhang, Mina Rezaei, Susana K. Lai-Yuen, Satoshi Kasai, Yunzhi Huang, Chih-Cheng Hung, Mohammad Yaqub, Lisheng Wang, Benoit M. Dawant, Cuntai Guan, Ritse Mann, Vincent Jaouen, Tae-Eui Kam, Li Zhang, Jonathan Shapey, Tom Vercauteren

机构 * School of BMEIS, King's College London, London, United Kingdom（伦敦国王学院生物医学工程与信息科学学院） ； Harvard University, USA（哈佛大学） ； Elisabeth-TweeSteden Hospital, Tilburg, Netherlands（蒂尔堡埃利斯贝特-特维德登医院） ； King's College Hospital, London, United Kingdom（伦敦国王学院医院） ； Center for Data Science, Peking University, Beijing, China（北京大学数据科学中心） ； Center for Data Science in Health and Medicine, Peking University, Beijing, China（北京大学健康与医学数据科学中心） ； Department of Artificial Intelligence, Korea University, Seoul, Republic of Korea（韩国大学人工智能系） ； Department of Radiology and Nuclear Medicine, Radboud University Medical Center, Geert Grooteplein 10, 6525 GA, Nijmegen, The Netherlands（拉德堡德大学医学中心放射科与核医学科） ； Department of Radiology, The Netherlands Cancer Institute, Plesmanlaan 121, 1066 CX, Amsterdam, The Netherlands（荷兰癌症研究所放射科） ； Nanyang Technological University, Singapore（南洋理工大学） ； Vanderbilt University, USA（范德比尔特大学） ； Department of Automation, Shanghai Jiao Tong University, Shanghai, China（上海交通大学自动化系） ； Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE（阿布扎克穆罕默德·本·扎耶德人工智能大学） ； School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan, China（华中科技大学计算机科学与技术学院） ； Center for Machine Vision and Security Research, Kennesaw State University, Marietta, MA 30060, USA（肯尼斯州立大学机器视觉与安全研究中心） ； Muroran Institute of Technology, Hokkaido, Japan（北海道Muroran理工学院） ； Niigata University of Health and Welfare, Niigata, Japan（Niigata健康与福利大学） ； University of South Florida, Tampa, FL, USA（佛罗里达州立大学） ； Infervision Advanced Research Institute, Beijing, China（北京Infervision高级研究 institutes） ； Academy for Multidisciplinary Studies, Capital Normal University, Beijing, China（北京师范大学多学科研究学院） ； School of Automation, Nanjing University of Information Science and Technology, Nanjing 210044, China（南京信息科学技术大学自动化学院） 纠错

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

AI总结 该研究回顾2021-2023年crossMoDA挑战赛，分析跨模态域自适应技术在VS与耳蜗分割任务中的演进，发现数据规模与异构性提升可改善分割性能，但耳蜗Dice评分2023年下降，提示需更具挑战性的跨模态任务。

Spatiotemporal Distillation via Recurrent Bottlenecks for Aortic Tracking

基于循环瓶颈的时空蒸馏用于主动脉追踪

Dexter Wen Jie Teo, Nairouz Shehata, Herve Lombaert

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

AI总结 该研究提出半监督时空知识蒸馏框架，利用循环瓶颈将空间教师模型知识迁移到时空学生模型，实现主动脉追踪准确率与可靠性提升，减少结构异常超56%。

Comments Accepted at the 17th Statistical Atlases and Computational Models of the Heart (STACOM) Workshop, MICCAI 2026. Springer LNCS

B-MIM: Biased Masked Image Modeling for Generalizable Segmentation of Fine-Grained Anatomical Structures

B-MIM：用于细粒度解剖结构通用分割的偏置掩码图像建模

Sebastián González, Karen Sanchez, José M. Saavedra, Marcelo Pizarro, Bernard Ghanem

机构 * Universidad de Chile（智利大学） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Universidad de los Andes（安第斯大学） 纠错

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

AI总结 本文提出B-MIM方法改进iBOT目标，通过降低全局语义压力增强编码器对细粒度解剖结构的特征捕获，在跨数据集肝血管、肿瘤分割任务中仅更新部分参数就实现了更优性能，提升了模型泛化能力。

Comments Published at MedAGI in MICCAI 2026

FLARE: A Systematic, Uncertainty-Aware Framework for Evidence-Based Adoption of Artificial Intelligence in Healthcare

FLARE：一种用于循证采用医疗人工智能的系统性不确定性感知框架

Jacob Idoko, Siddhartha Paudel, Mariana Bento, Roberto Souza, Gouri Ginde

机构 * University of Calgary（卡尔加里大学） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本研究提出FLARE框架，结合模糊逻辑等方法评估医疗AI采用的财务与运营影响，经案例研究验证其可量化成本与节约额，确定盈亏平衡点，为医疗AI部署决策提供支持。

A Tensor Greedy Double-Block Extended Kaczmarz Method for Inconsistent Tensor Linear Systems under the t-product

基于t-积求解不相容张量线性系统的张量贪心双块扩展Kaczmarz方法

Jérémie Mabiala, Lionel Tondji

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本文针对t-积下的三阶不相容张量线性系统，提出TGDBEK方法，通过贪心策略动态调整活动块大小，理论上线性收敛，数值实验显示其性能优于现有同类张量Kaczmarz求解器。

Local, mm-scale $^1$H magnetic resonance imaging using atomic vapors

利用原子蒸气进行局部、毫米级 $^1$H 磁共振成像

Sven Bodenstedt, Morgan W. Mitchell, Michael C. D. Tayler

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本文利用商用光泵磁力计（OPM）直接贴近样品，在10 μT近地磁场下实现亚毫米级分辨率的低场磁共振成像，适用于高通量流体和组织样品分析。

Comments 4 figures

It depends: Incorporating correlations for joint aleatoric and epistemic uncertainties of high-dimensional output spaces

视情况而定：纳入高维输出空间的偶然不确定性与认知不确定性的相关性

Leonhard F. Feiner, Manuel Nickel, Martin Menten, Laurin Lux, Rickmer Braren, Daniel Rueckert, Georgios Kaissis, Raphael Rehms, Johannes Paetzold

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

AI总结 该研究针对高维输出空间的深度学习，提出低秩加对角协方差结构的联合不确定性建模方法，实现偶然与认知不确定性的统一，在多项视觉任务中提升了不确定性量化效果。

Comments Published in Transactions on Machine Learning Research (TMLR), 2026. 42 pages, 14 figures, 10 tables. this https URL (https://openreview.net/forum?id=zw5EuUnBny)

Deep Feature Pyramid Convolutional Networks with In-Place Activated Batch Normalization for Automated Skin Lesion Boundary Segmentation

结合原位激活批归一化的深度特征金字塔卷积网络用于皮肤病变边界自动分割

Glib Kechyn

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

AI总结 本研究针对皮肤病变边界分割任务，采用结合InPlace-ABN的深度特征金字塔卷积网络，实现内存高效训练，在ISIC 2018挑战赛中取得阈值Jaccard分数0.752，为资源受限场景下训练高容量分割模型提供了可行方案。

Comments Extended version with 2026 single-model baseline comparison

Example-based Robust Abnormality Detection with Minimal Annotations using Exemplar Med-DETR

基于范例的、使用最少标注的鲁棒异常检测：Exemplar Med-DETR

Sheethal Bhat, Bogdan Georgescu, Awais Mansoor, Mathias Zinnen, Pranjal Sahu, Florin C. Ghesu, Sasa Grbic, Andreas Maier

机构 * Friedrich-Alexander-Universität（弗里德里希-亚历山大大学） ； Siemens Healthineers（西门子医疗） ； Siemens Medical Solutions（西门子医疗解决方案） 纠错

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

AI总结 该研究针对医学目标检测标注需求高的问题，扩展EM-DETR框架提出Exemplar Med-DETR方法，结合基于范例的特征生成与领域感知对比优化，用不足10%标注数据实现接近SOTA的胸部X射线异常检测性能，适配新疾病发现且无需大量重训练。

STA-Net: A Decoupled Shape and Texture Attention Network for Lightweight Plant Disease Classification

STA-Net：用于轻量级植物病害分类的解耦形状与纹理注意力网络

Zongsen Qiu, Jianjun Wang, Yue Zhou, Zibo Zhou, Rui Chen

机构 * Zongsen Qiu（独立研究者） 纠错

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

AI总结 该研究针对边缘设备部署植物病害诊断模型的挑战，提出含DeepMAD架构与STAM模块的STA-Net，在CCMT数据集上取得89.00%准确率，为精准农业AI提供了新方案。

Comments Updated author list, revised figures, and added funding acknowledgments

Hodge Spectral Surrogates for Topology-Constrained Optimization

用于拓扑约束优化的霍奇谱替代方法

Satoshi Kanno, Yoshi-aki Shimada

专题命中 医学影像 ：medical image(abstract)

AI总结 提出基于霍奇谱松弛的微分框架，通过低通谱滤波器实现拓扑约束优化，克服贝蒂数和持续同调的离散组合困难。

Comments 57 pages, 11 figures

Neurosymbolic Alignment for Physiologically-Safe Clinical Language Models

面向生理安全临床语言模型的神经符号对齐

Abdulhady Abas Abdullah, Erik Cambria, Milena Zivkovic

机构 * University of Kurdistan Hewlêr（库尔德斯坦大学） ； Nanyang Technological University（南洋理工大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Kragujevac（克拉古耶瓦茨大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)；biomedical(abstract)

AI总结 提出神经符号对齐框架，耦合临床LLM与HGNN生理世界模型，在CSB基准上显著提升临床LLM的生理安全性能，优于ORPO、GPT-4等方法，为临床LLM安全对齐提供新路径。

A Multimodal Foundation Model for Longitudinal Patient Representation and Scalable Insight Generation in Oncology

面向肿瘤学纵向患者表示与可扩展洞察生成的多模态基础模型

Eugene Vorontsov, Yi Kan Wang, Alican Bozkurt, Adam Casson, Ludmila Tydlitatova, Michal Zelechowski, Ezra E. W. Cohen, Jyoti D. Patel, Max Banaszak, Caitlin McWilliams, Shane Colley, Kate Sasser, Ryan Fukushima, Eric Lefkofsky, Razik Yousfi, Siqi Liu

机构 * Tempus AI, Inc.（Tempus AI公司） 纠错

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

AI总结 本研究推出多模态基础模型oFM，基于167万肿瘤患者数据整合多模态信息，在预后基准及治疗队列中表现优于基线特征，还开发了机制发现框架以解释模型，助力肿瘤学临床与药物开发应用。

Predicting Only from Selected Evidence: A Tempered Product-of-Experts Bottleneck for Auditable EEG Diagnosis

仅从选定证据进行预测：用于可审计脑电图诊断的 tempered 专家乘积瓶颈

Yinghao Wang, Shujian Yu, Duc Han Le, Zhikai Yu, Changming Wang, Van-Tam Nguyen

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

AI总结 本研究提出 tPoE-EIB 方法，通过选择 EEG 的时间与通道证据构建受信息率限制的融合机制，在保持平衡准确率的同时提升了诊断的可审计性，适用于多种 EEG 诊断场景。

Boot-and-Feedback Framework for Generalist-Expert Model Collaboration in Breast Ultrasound Diagnosis

用于乳腺超声诊断的通才-专家模型协作的引导与反馈框架

Ming Cheng, Hongyu Sun, Zhaolin Chen, Jun Liu, Hossein Rahmani, Qiuhong Ke

机构 * Monash University（莫纳什大学） ； Renmin University of China（中国人民大学） ； Lancaster University（兰卡斯特大学） 纠错

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

AI总结 针对乳腺超声诊断中深度学习的可靠性与可解释性难题，提出BooF框架实现MLLM与专家模型协作，经多数据集验证其性能优于现有最优方法。

Comments 5 pages, 2 figures. Published in ICASSP 2026

EviDx: Evidence-Aware Active Diagnosis with Scaffolded LLM Agents

Lihang Zeng, Shaoting Zhang, Xiaofan Zhang

专题命中 诊断辅助 ：diagnosis(title,abstract)

Scalable Question-Centric Text-to-Image Evaluation: Reliable Ranking, Fine-Grained Diagnosis, and Cost-Aware Routing

可扩展的以问题为中心的文本到图像评估：可靠排名、细粒度诊断与成本感知路由

Shaoan Zhao, Fang Zhao, Xueqiang Guo, Xinpei Su, Huanlin Gao, Qiang Hui, Ting Lu, Fuyuan Shi, Chao Tan, Bikun Yang, Kai Wang, Shiguo Lian

机构 * Data Science & Artificial Intelligence Research Institute, China Unicom（中国联通数据科学与人工智能研究院） ； Unicom Data Intelligence, China Unicom（中国联通数据智能） ； China Unicom Group Co.,Ltd（中国联通集团有限公司） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 研究针对T2I模型评估的问题，提出QC-T2I-Bench框架，结合DSG实现细粒度诊断，评估显示多能力组件联合完成率随能力数增加下降，成本感知路由器可在减少算力的同时达到ERNIE的估计精度。