科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
基于报告衍生放射学观察的可审计CT表型分析
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Technical University of Munich（慕尼黑工业大学） ； University Hospital Essen（埃森大学医院）
专题命中 医学影像 ：CT(title,title_cn)；medical image(abstract)；diagnosis(abstract)；分类 cs.CV
AI总结 本研究提出可审计CT表型分析（ACT）方法，在221项表型任务中验证其优于现有基线，可识别CT表型中与诊断相关的无效观察结果，为提高CT表型可审计性提供方案。
MAMA-FLUX.2：面向MAMA-SYNTH挑战赛的对比后乳腺动态对比增强MRI图像到图像合成
机构 * AGH University of Krakow（克拉科夫AGH科技大学） ； Sano Centre for Computational Medicine（萨诺计算医学中心）
专题命中 医学影像 ：MRI(title,title_cn)；diagnosis(abstract)；分类 cs.CV
AI总结 本研究针对MAMA-SYNTH挑战赛，提出MAMA-FLUX.2模型，采用LoRA微调及任务感知区域损失，实现对比前至对比后乳腺DCE-MRI的图像合成，在临床相关指标上取得最优平衡。
Comments 9 pages, 3 figures, 1 table
模态贡献分数——一种用于量化阿尔茨海默病中结构MRI与淀粉样PET相对诊断贡献的患者专属框架
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG、eess.IV
AI总结 该研究提出患者专属框架MCNet与MCS，量化AD中结构MRI与淀粉样PET的相对诊断贡献，在ADNI-3与OASIS-3队列中验证了其分期性能、单调梯度及跨队列泛化性，为痴呆护理可信AI奠定基础。
Comments 15 pages, 7 figures, Under review
使用3D高斯泼溅渲染MRI的新视图
机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） ； Oxford Machine Learning in NeuroImaging Lab, University of Oxford（牛津大学神经影像学机器学习实验室）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV、eess.SP
AI总结 通过3D高斯泼溅从稀疏各向异性MRI重建体积并采样与目标解剖对齐的平面，生成更优的放射学分级视图，相比原始扫描和体素插值方法提高了椎管狭窄分级准确性。
Comments Spotlight at AI4M3D workshop at ECCV 2026
PANDA——面向部分配对多模态学习的原型锚定对齐方法，及其在阿尔茨海默病MRI与TCGA病理中的应用
机构 * Friedrich-Alexander-Universität（弗里德里希-亚历山大-埃尔朗根-纽伦堡大学） ； Klinikum Nürnberg, Paracelsus Medical University（帕拉塞尔苏斯医科大学纽伦堡医院） ； Ludwig-Maximilians-Universität München（慕尼黑大学） ； National Institute of Mental Health and Neurosciences (NIMHANS)（国家精神卫生与神经科学研究院）
专题命中 医学影像 ：MRI(title,title_cn)；pathology(title)；分类 cs.CV
AI总结 本文提出PANDA框架，可在推理阶段无辅助输入时将不完整辅助模态的信息迁移至主模态模型，在阿尔茨海默病分类与TCGA生存预测任务中均取得优于基线的性能。
THA-Flow生成模型：基于术前CT的假体几何预测
机构 * Changzhou Jinse Medical Information Technology Co., Ltd.（常州金色医疗信息技术有限公司） ； Shanghai Ninth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第九人民医院）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 本研究提出THA-Flow生成模型，通过AutoencoderKL和三维UNet从术前CT生成三维假体几何，在1355个髋关节数据上验证，实现了THA三维手术规划的生成式AI首次应用。
Comments 17 pages, 7 figures, 2 tables
改进跨站点全心分割
专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；分类 cs.CV、eess.IV
AI总结 针对多中心多模态下全心分割的分布偏移问题，提出结合TotalSegmentator初始化nnU-Netv2与站点特征外观增强的方法，提升了CT和MRI的跨站点分割性能。
Comments 12 pages, 2 figures. Accepted to the MICCAI 2026 for the CARE Whole Heart Segmentation Challenge proceedings
西门子MRI磁体中持续电流开关工作状态的外部识别与电热建模
专题命中 医学影像 ：MRI(title,title_cn)
AI总结 该研究识别出西门子MRI磁体PCS存在自维持电阻态，建立其电热模型，将电流RMSE降低9.4倍，明确了持续电流精度的控制因素及自维持边界。
Comments 44 pages, 37 figures (15 main text + 22 appendix), 9 tables
FlowMoDL：结合共轭梯度数据一致性的基于模型的深度学习用于高度加速的4D血流MRI重建
机构 * Leibniz University Hannover（莱布尼茨汉诺威大学） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学） ； University Medical Center of the Johannes Gutenberg University Mainz（美因茨约翰内斯·古腾堡大学医学中心） ； L3S（L3S研究所） ； CAIMED（CAIMED机构） ； Institute of Information Processing (tnt)（信息处理研究所（tnt）） ； Institute of Medical Biostatistics, Epidemiology and Informatics（医学生物统计学、流行病学与信息学研究所）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 FlowMoDL是基于MoDL框架的展开式神经网络，采用双通路条件方案，在多中心CMRx4DFlow数据集上，于10×至50×加速因子下，其梯度步骤效率更优，重建性能优于CG-SENSE等基线方法。
扩散加权MRI急性缺血性脑卒中的深度学习分割：跨三个数据集的实用评估
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 本研究训练nnU-Net模型，对比不同输入配置与架构，发现仅用DWI训练的基线nnU-Net可快速准确分割急性缺血性脑卒中病灶，性能优于DeepISLES，或可支持临床工作。
Comments 19 pages, 8 figure and 4 tables
基于扩散模型的无监督解剖特征学习：用去噪扩散概率模型增强医学图像分割
机构 * Manipal Institute of Technology Bengaluru, Manipal Academy of Higher Education（马尼帕尔理工学院班加罗尔分校，马尼帕尔高等教育学院）
专题命中 医学影像 ：medical image(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV、cs.LG
AI总结 该研究提出用无监督DDPM预训练提取解剖特征，将编码器权重迁移至U-Net实现医学图像分割，在BTCV数据集上显著提升多器官分割性能，低数据场景下仍保持稳健表现。
Comments 15 pages, 5 figures. Submitted for peer review
MSR-IVA：用于结构MRI与动态功能连接状态感知融合的 masked 结构残差独立向量分析
机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.LG
AI总结 该研究针对sMRI与dFNC融合时IVA方法的缺陷，提出MSR-IVA框架，在ADNI队列实验中提升匹配源耦合、降低非匹配依赖，实现受控结构共享以适配状态差异。
Comments Accepted at the 2026 IEEE International Workshop on Machine Learning for Signal Processing (MLSP 2026), Atlanta, GA, USA
分布偏移下基于伪标签差异的医学图像分类无基准模型选择
机构 * Universidad de Buenos Aires（布宜诺斯艾利斯大学） ； CONICET（阿根廷国家科学技术研究委员会） ； Universidad Nacional del Litoral（国立 littoral 大学） ； Research Institute for Signals, Systems and Computational Intelligence（信号、系统与计算智能研究所）
专题命中 医学影像 ：medical image(title,abstract)；clinical AI(abstract)；分类 cs.CV
AI总结 针对分布偏移下医学图像分类的无基准模型选择问题，提出基于SUDO框架的AURCC准则，在胸部X射线分类任务中实现了与真实排名高相关性的模型排名，小源标注数据下表现更优。
Comments Accepted at MIRASOL Workshop, MICCAI 2026. 10 pages, 3 figures
SeVeR：面向3D医学图像问答的选择性视觉暴露与检索
机构 * DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Hupan Lab（湖畔实验室） ； School of Public Health, Zhejiang University（浙江大学公共卫生学院）
专题命中 医学影像 ：medical image(title)；MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 针对3D医学图像问答中多序列视觉冗余问题，提出SeVeR框架，引入BreMRIs-VQA基准，通过压缩体积为原型并检索互补证据，实现性能提升且减少视觉标记使用。
用于图像重建的低正则性空间变正则化参数学习
专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 cs.CV、eess.IV
AI总结 该研究探讨变分图像重建中空间自适应正则化权重的低正则性性质，结合深度神经网络学习此类权重，经图像去噪与MRI重建验证可提升重建效果，并指出未来研究方向。
闪烁探测器中空间信息的纳米光子学调控
专题命中 医学影像 ：CT(summary_cn,abstract)
AI总结 该研究将超表面透镜与块状闪烁体集成，通过纳米光子波前调控分离X射线吸收与光学成像，可降低CT所需X射线剂量5倍、提高分辨率带宽25倍，实现高分辨率低剂量X射线成像。
Comments main text: 9 pages, 4 figures. supplementary information: 44 pages, 12 figures
认知记忆：自维持智能系统的有效性层
专题命中 医学影像 ：CT(title,abstract)；分类 cs.LG
AI总结 本文针对AI记忆机制忽略知识有效性条件导致语义坐标漂移的问题，提出认知记忆作为有效性维护层，引入OBM架构，实验表明其可提升智能体在变化观测条件下的鲁棒性。
SEG-SAM：语义引导的SAM用于统一医学图像分割
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 该研究提出语义引导的SAM模型SEG-SAM，通过语义感知解码器、文本到视觉语义模块及跨掩码空间对齐策略，提升医学图像统一分割性能，实验显示其优于现有相关方法。
Comments 17 pages, 11 figures. Under review
医学影像分析中的性能不确定性：对置信区间的大规模调查
机构 * Sorbonne Université（索邦大学） ； Institut du Cerveau – Paris Brain Institute - ICM（脑研究所—巴黎脑研究所—ICM） ； CNRS（国家科学研究中心） ； Inria（法国国家信息与自动化技术研究院） ； Inserm（法国国家医学研究院） ； AP-HP（法国国家医院集团） ； Hôpital de la Pitié-Salpêtrière（皮蒂埃-萨尔普特里医院） ； German Cancer Research Center (DKFZ)（德国癌症研究中心（DKFZ）） ； National Center for Tumor Diseases (NCT)（肿瘤国家研究中心（NCT）） ； AI Health Innovation Cluster（人工智能健康创新集群） ； Unit for Lifelong Health and Ageing at UCL（伦敦大学学院（UCL）长寿健康单位） ； Department of Population Science and Experimental Medicine and Hawkes InstituteCentre for Medical Image Computing（人口科学与实验医学系及哈维斯研究所医学影像计算中心） ； Department of Computer Science, University College London（伦敦大学学院（UCL）计算机科学系） ； School of Biomedical Engineering and Imaging Science, King’s College London（伦敦国王学院生物医学工程与影像科学学校） ； Hawkes Institute, Department of Computer Science, University College London（哈维斯研究所，伦敦大学学院（UCL）计算机科学系）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 本研究通过大规模分析揭示医学影像AI中置信区间方法的可靠性与精度差异，探讨样本量、性能度量和聚合策略对置信区间的影响。
一种基于模拟器的框架，用于从3D舌网格构建可验证的肌肉驱动问答（QA）
机构 * Sogang University（西江大学）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究提出基于模拟器的3DTongueQA框架，从3D舌网格构建可验证肌肉驱动问答，验证其可移植性，表明构建的监督信号支持结构化预测与异构自然语言问答。
Comments 16 pages, 5 figures, 15 tables
用于跨模态3D脑肿瘤分割的协同模态与切片记忆框架
机构 * Graduate School of Information, Production and Systems, Waseda University, Japan（信息、生产与系统研究生院，早稻田大学，日本） ； School of Computer Science, University of Lincoln, UK（林肯大学计算机科学学院，英国） ； University of Nottingham, UK（诺丁汉大学，英国） ； University of Nottingham Ningbo China, China（宁波诺丁汉大学，中国） ； College of Electrical Engineering and Information, Northeast Agricultural University, Harbin, China（电气工程与信息学院，东北农业大学，中国） ； College of Computer Science, Sichuan University, Chengdu, China（计算机科学学院，四川大学，中国） ； Yale University, New Haven, CT 06510, USA（耶鲁大学，美国） ； School of Engineering and Physical Science, University of Lincoln, Lincoln LN6 7TS, UK（工程与物理科学学院，林肯大学，英国）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 针对现有跨模态3D脑肿瘤分割方法忽略跨模态相关性、依赖特定类别提示的问题，提出MSM-Seg框架，通过MSMA、MCP-Encoder和MF-Decoder实现精准分割，性能优于现有方法。
Comments Accepted by TMM
UltraPIPS：利用基础模型提升B型超声中的模型感知能力
机构 * School of Biomedical Engineering, Tel Aviv University（特拉维夫大学生物医学工程学院）
专题命中 医学影像 ：radiology(abstract)；分类 cs.CV、eess.IV
AI总结 该研究针对B型超声图像特性，提出采用超声领域特定骨干网络优化LPIPS指标，构建UltraPIPS库，可提升下游任务性能并平衡重建质量与真实性。
Comments MICCAI ASMUS 2026
用于多模态间质性肺疾病诊断的分层混合专家模型
机构 * Northwestern University（西北大学） ； Northwestern University Feinberg School of Medicine（西北大学费恩伯格医学院） ； Simpson Querrey Lung Institute for Translational Science（辛普森奎雷转化科学肺研究所）
专题命中 临床大模型 ：diagnosis(title)；分类 cs.CV
AI总结 本研究提出分层多模态MoE模型，融合预训练影像专家与EHR，在ILD分类患者级交叉验证中AUC达0.8750±0.0443，优于REN和SwinUNETR，且提升了可解释性。
Comments 11 pages, 2 figures
正常成年人前角膜表面形状的聚类分析
专题命中 临床大模型 ：clinical AI(abstract)；分类 q-bio
AI总结 本研究对正常成年人角膜地形图进行聚类分析，用Zernike多项式降维后采用k-means算法确定3类前角膜形状，为生物合成角膜植入物的分类设计提供依据。
Comments 17 pages. 7 figures. 3 tables
融合感知视觉专家与多模态大语言模型的可解释植物病害诊断：从基准图像到真实世界机器人现场验证
机构 * Cornell University（康奈尔大学） ； University of the Peloponnese（伯罗奔尼撒大学） ； Agricultural University of Athens（雅典农业大学）
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV
AI总结 该研究提出H²MAF框架，结合EfficientNet-B3、ConvNeXt-Tiny与Gemma、Qwen等MLLM，在PlantDoc及Cornell机器人田间数据集上实现高准确率可解释植物病害诊断，验证了MLLM仲裁的应用潜力。
从裁决到诊断：对拉取请求的可归因安全审查
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 研究针对自动化PR审查的裁决-诊断差距，构建MalPR-Bench基准，提出PRGuard审查工具，发现仅基于裁决的评估会高估自动化审查的安全价值。
LLM辅助鉴别诊断中的代理幻觉
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 该研究发现，亚专业经验有限的放射科医生（尤其是培训6个月以内者）易将LLM生成的虚构疾病纳入鉴别诊断，需开展AI内容批判性评估的结构化培训。
风格取胜，实质落败：对作为创意生成评判者的大语言模型（LLM）的诊断
专题命中 诊断辅助 ：diagnosis(title)
AI总结 本研究针对大语言模型作为创意评判者的风格偏差问题，提出SciStyleBench基准及配套的SciStyleExtractor模块，实验验证该模块可有效降低风格偏差、提升实质区分度，为科学创意评估提供了系统性解决方案。
Comments First three authors are co-first authors
[MASK]背后：基于DAPF的痴呆检测中表征与忠实性的解耦
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 该研究针对基于提示微调的领域自适应模型（DAPF）框架，探究其在痴呆检测任务中的表征优势与标记级解释忠实性不匹配的问题，为痴呆筛查模型的可解释性优化提供了依据。
Comments 16 pages, 1 figure, 19 tables. Under review at ACL Rolling Review
针对LLaVA中物体幻觉背后的注意力头
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV
AI总结 本研究针对LLaVA的物体幻觉问题，通过注意力头诊断筛选出32个关键注意力头，结合LoRA适配器与推理控制器，在COCO数据集上显著降低了物体幻觉率。
Comments 10 pages, 5 figures, 3 tables. Accepted at the Actionable Interpretability Workshop, COLM 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈