医学 AI

Parameter-Efficient pretrained-CT-to-MRI Transfer for Rectal Cancer Segmentation: Performance-Calibration Trade-offs

用于直肠癌分割的参数高效型预训练CT到MRI迁移：性能-校准权衡

Aneesh Rangnekar, Jorge Tapias Gomez, Joseph O Deasy, Harini Veeraraghavan

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆-凯特琳癌症中心） 纠错

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

AI总结 本研究提出参数高效的SWIFT系列模型，通过四种配置实现直肠癌分割，在247例测试集上验证性能，明确检测-边界一致性、效率-校准等权衡，为临床部署提供方案。

Comments Accepted to the Medical Image AI in Radiation Therapy (MIART) Workshop at MICCAI 2026

Pixel Wised Lesion Prediction on COVID-19 CT Imagery: A Comparative Analysis of Automated Image Segmentation Architectures

基于像素的新冠CT影像病变预测：自动图像分割架构的比较分析

Sarmad Khan, Basim Azam, Arslan Shaukat

机构 * Department of Computer \& Software Engineering National University of Sciences \& Technology Islamabad, Pakistan ； School of Computing \& Information Systems University of Melbourne Melbourne, Australia 纠错

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

AI总结 本文通过比较四种深度学习架构与六种预训练编码器，评估了在新冠CT影像中预测病变的性能，发现深度学习在分割任务中具有高精度和效率，其中二分类分割达到98%的F1分数，多分类分割在不同数据集上分别达到75%和77%的F1分数。

Comments 7 pages, 6 figures, 4 tables

A Comprehensive Comparison of Deep Learning Architectures for COVID-19 Classification on CT & X-ray Imagery

对用于CT和X光影像中新冠分类的深度学习架构的全面比较

Sarmad Khan, Basim Azam, Arslan Shaukat

机构 * Department of Computer \& Software Engineering National University of Sciences \& Technology Islamabad, Pakistan ； School of Computing \& Information Systems University of Melbourne Melbourne, Australia 纠错

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

AI总结 本文通过比较多种深度学习架构，提出基于卷积神经网络的计算机辅助诊断系统，以区分新冠和正常肺部影像，并在X光和CT数据集上取得了95至98%的平均准确率。

Comments 6 pages, 2 figures, 5 tables

Quantitative mapping from conventional MRI using self-supervised physics-guided deep learning: applications to a large-scale, clinically heterogeneous dataset

利用自监督物理引导深度学习进行传统MRI的定量映射：应用于大规模、临床异质数据集的应用

Jelmer van Lune, Stefano Mandija, Oscar van der Heide, Matteo Maspero, Martin B. Schilder, Jan Willem Dankbaar, Cornelis A.T. van den Berg, Alessandro Sbrizzi

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

AI总结 本研究提出一种自监督物理引导深度学习框架，通过传统MRI直接生成定量T1、T2和PD图，实现了在大规模临床数据集中的高精度和稳定性。

Comments 36 pages, 17 figures, full paper

Tissue-Mixture Entropy-Weighted Reconstruction for Partial-Volume-Aware Brain MRI Super-Resolution

组织混合熵加权重建用于部分容积感知的脑部MRI超分辨率

Xiao Tong, Wenyun Yang, Ziheng Zhang, Jingzhi Han, Zhaochu Luo, Jinbo Yang

机构 * Peking University（北京大学） ； Weihai Institute of Oceanology, Peking University（北京大学威海海洋研究院） ； Beijing MagnVue Medix Co., Ltd.（北京迈格威医疗科技有限公司） 纠错

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

AI总结 本研究提出AGW-PBR方法，通过组织混合熵加权优化脑部MRI超分辨率，提升了IXI数据集的重建效果，无PVE监督的骨干网络在fastMRI上也表现出色。

Comments 15 pages, 6 figures, 8 tables

DALE-CT: Depth-Aware 2D Slice Encoders Learn an Anatomical World Model of Chest CT

DALE-CT: 用于计算机断层扫描的深度感知基础模型

Evan W. Damron, Mahmut S. Gokmen, Mitchell A. Klusty, Caroline N. Leach, Emily B. Collier, V. K. Cody Bumgardner

机构 * University of Kentucky（肯塔基大学） 纠错

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

AI总结 提出DALE-CT，一种基于LeJEPA的2D切片模型，通过3D深度感知预训练（利用解剖掩膜和异常标注）提升表示质量，在CT多异常检测中达到与3D视觉语言模型近似的性能。

Comments 18 pages, 5 figures, 13 tables

FLAT: FLow-Aligned Training of Unrolled Networks for MRI Reconstruction

展开网络是MRI重建中的条件概率流

Kehan Qi, Saumya Gupta, Xiaoling Hu, Qingqiao Hu, Weimin Lyu, Yicun Wang, Chao Chen

机构 * Stony Brook University（石溪大学） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 本文提出FLAT方法，通过流匹配离散化和轨迹对齐提升MRI重建的稳定性与质量。

High-resolution in situ analysis of biomass pyrolysis by combining quantitative synchrotron $μ$CT and 3D particle-resolved simulations

结合定量同步辐射显微计算机断层扫描（μCT）与三维颗粒分辨模拟的生物质热解高分辨率原位分析

Emeric Boigné, Mohamed M. Ahmed, Collin Foster, Edna R. Toro, Dilworth Y. Parkinson, Alastair A. MacDowell, Harold S. Barnard, Francesco Panerai, Chiara Saggese, Matthias Ihme

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本研究结合定量同步辐射μCT与三维颗粒分辨模拟，实现生物质热解的高分辨率原位分析，揭示热解过程中质量与体积损失捕捉的不足，为固体燃料燃烧耦合机制研究提供支撑。

Comments Supplementary material included as an ancillary file. Experimental and simulation data available at this https URL (https://doi.org/10.25740/tf116vx1269)

Differentiable Jitter Correction using Deep Learning-based Image Quality Metric for Phase-Contrast Micro-CT

基于深度学习图像质量度量的相衬显微CT可微分抖动校正方法

Junan Chen, Yiting Jia, Joscha Maier, Dominik John, Sami Wirtensohn, Imke Greving, Silja Flenner, Matthias Wieczorek, Julia Herzen

机构 * ImFusion GmbH（ImFusion公司） ； Technical University of Munich（慕尼黑工业大学） ； Deutsches Elektronen-Synchrotron (DESY)（德国电子同步加速器研究所） ； Helmholtz-Zentrum Hereon（亥姆霍兹重离子研究中心（赫雷翁）） 纠错

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

AI总结 该研究提出一种无需预扫描无运动参考的可微分相衬显微CT抖动校正方法，采用深度学习图像质量度量与3D卷积神经网络，可恢复抖动丢失的精细结构，在不同样本上具备泛化能力。

Unsupervised Adaptation of 3D CT Foundation Models for 3D CBCT Segmentation

用于3D CBCT分割的3D CT基础模型的无监督适配

Gauthier Miralles, Loic Le Folgoc, Vincent Jugnon, Pietro Gori

机构 * LTCI, Télécom Paris, Institut Polytechnique de Paris（巴黎综合理工学院电信学院LTCI研究所） ； GE HealthCare（GE医疗） 纠错

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

AI总结 该研究针对3D CBCT分割面临的标注数据稀缺与跨模态域偏移问题，提出基于降冗余特征对齐的无监督域适应框架，适配CNN及ViT基础模型，在肝脏分割基准上表现优于现有策略，且公开了相关资源。

Comments Accepted at the EMA4MICCAI workshop at MICCAI 2026. 11 pages, 4 figures, 1 table. Code, trained models, weights, and liver annotations are available at this https URL (https://github.com/mirabll/FARR3D/)

Constrained estimation of rotational invariants of the cumulant expansion (RICE) for rapid tensor-valued diffusion MRI

用于快速张量值扩散MRI的累积量展开旋转不变量（RICE）的约束估计

Jinyang Yu, Oliver Gödicke, Frederik B. Laun, Obada T. Alhalabi, Iris A. Kohler, Jürgen Hesser, Sandro M. Krieg, Bogdana Suchorska, Heinz-Peter Schlemmer, Mark E. Ladd, David Bonekamp, Johann M. E. Jende, Tristan A. Kuder

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究提出用约束加权线性最小二乘（CWLLS）稳定快速累积量展开旋转不变量（RICE）的拟合，其速度比约束q空间轨迹成像（QTI）快160倍，可生成高质量dMRI参数图谱，提升组织表征可靠性。

Comments 11 pages, 5 figures. Jinyang Yu and Oliver Gödicke contributed equally to this work. Submitted to Magnetic Resonance in Medicine

M-Net: Integrating Spectral Features and Physical Field Operators into Deep Learning for Medical Image Segmentation

M-Net：将谱特征与物理场算子融入深度学习用于医学图像分割

Jing Zhu, Ye Wang, Fumin Wang

机构 * University of Sydney（悉尼大学） 纠错

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

AI总结 该研究提出融入数学先验的M-Net，在LiTS、KiTS、BraTS数据集上提升U-Net分割性能，证实数学归纳偏置可增强医学图像分割效果。

A Unified Framework for the Mechanics of Information in Convolutional Neural Network Image Space

卷积神经网络图像空间中信息力学的统一框架

Aryan Shukla, Matthew Toews

机构 * École de technologie supérieure（蒙特魁北克大学工程学院（École de technologie supérieure）） 纠错

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

AI总结 本文提出CNN图像空间信息力学的统一数学框架，建立离散滤波器对称性与相对论能量-动量关系的对应，经3D图像验证可在多尺度图像中生成尺度不变莫尔斯临界点。

Methodological and Conceptual Framework for 5D Multi-Table Analysis: A Unified Approach for Complex Data Reuse

用于五维多表分析的方法与概念框架：复杂数据复用的统一方法

Edouard Lansiaux, Hugo Kazzi, Aurélien Loison, Slim Hammadi, Emmanuel Chazard

机构 * CHU de Lille（里尔大学中心医院） ； Lille Centrale Institute（里尔中央理工学院） ； Lille University（里尔大学） 纠错

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

AI总结 本文提出关系超图Transformer（RHT）架构，用于解决复杂关系数据的多表学习问题，在Synthea数据集上验证其生成语义连贯嵌入的能力，计划后续在MIMIC-IV上开展临床验证。

Domain-Specific Self-Supervised Representation Learning for Retinal Fundus Classification

面向视网膜眼底图像分类的领域特定自监督表示学习

Bekzat Nurlanbekova, Fung Fung Ting

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

AI总结 该研究针对医学标注数据稀缺问题，探究SimSiam与SimCLR在视网膜眼底图像分类中的应用，发现定制数据增强策略可提升性能，轻量级SSL框架能减少对大型标注数据的依赖并取得竞争力结果。

FU-Mamba: A Frequency-Enhanced Dynamic Scanning Framework for Oralscan Image Segmentation

FU-Mamba：用于口腔扫描图像分割的频率增强型动态扫描框架

Xinxin Zhao, Jinpeng Ye, Bo Wei, Liqin Wu, Mahmoud Hassaballah, Karen Egiazarian, Aura Conci, Victor Hugo C. de Albuquerque, Abdulkadir Sengur, Leszek Rutkowski, Yan Tian

机构 * School of Computer Science and Technology, Zhejiang Gongshang University（浙江工商大学计算机科学与技术学院） ； Tongxiang Hospital of Traditional Chinese Medicine（桐乡市中医院） ； Prince Sattam Bin Abdulaziz University（萨塔姆·本·阿卜杜勒阿齐兹王子大学） ； Qena University（奎纳大学） ； Tampere University（坦佩雷大学） ； Universidade Federal Fluminense（弗卢米嫩塞联邦大学） ； Federal University of Ceara（塞阿拉联邦大学） ； Firat University（菲拉特大学） ； Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所） ； AGH University of Krakow（克拉科夫AGH大学） 纠错

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

AI总结 针对口腔扫描图像分割中现有视觉SSMs破坏空间连续性、成像干扰影响边界定位的问题，提出融合动态扫描与频域增强的FU-Mamba，在牙科数据集上使mIoU提升1.1%。

Comments Accepted by Neurocomputing

Structured Evidence Routing for Incident Risk Prediction from Multimodal Longitudinal EHRs

面向多模态纵向电子健康记录（EHR）的事件风险预测的结构化证据路由

Animesh Agarwal, Meysam Ghaffari, Nina Fatehi, Carlos Morato

机构 * Optum AI（奥普姆人工智能部门） ； UnitedHealth Group（联合健康集团） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 该研究针对多模态纵向EHR的事件风险预测难题，提出结构化证据路由方法，经5项1年期诊断任务验证，其AUROC达到现有基线水平、AUPRC具竞争力，还可提供患者特定证据轨迹。

Comments Accepted at the ICML 2026 Workshop on Structured Data for Health (SD4H), Seoul, South Korea

Surgical Alignment in Knowledge Graph Training for Clinical Diagnosis with Large Language Models

面向临床诊断的大语言模型训练中知识图谱的外科式对齐

Saksham Khatwani, He Cheng, Majid Afshar, Dmitriy Dligach, Yanjun Gao

机构 * University of Colorado Anschutz Medical Campus（科罗拉多大学安舒茨医学校区） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； Loyola University（洛约拉大学） 纠错

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

AI总结 该研究针对临床诊断的LLM训练，通过多维度系统研究引入GID和GD，发现KL正则化下KG判断训练的稀疏更新（外科式对齐）可提升推理质量，需结合优化几何诊断评估KG-LLM整合。

Cost-Utility Alignment in LLM Agent Trajectories:Profiling,Attribution,Diagnosis,Adaptation,and Evaluation

大语言模型智能体轨迹中的成本-效用对齐：分析、归因、诊断、适配与评估

Dan Liu, Jian Li

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本研究提出以轨迹为中心的成本-效用对齐框架，通过五阶段分析解决LLM智能体资源消耗与任务贡献不匹配问题，为资源感知的智能体设计部署提供结构化基础。

Comments 12pages,3 figures

Can LLMs Accurately Score Medical Diagnoses and Clinical Reasoning?

LLM能否准确评分医学诊断和临床推理？

Amy Rouillard, Sitwala Mundia, Linda Camara, Ziyaad Dangor, Michael Cameron Gramanie, Ismail Kalla, Shabir A. Madhi, Kajal Morar, Marlvin T. Ncube, Haroon Saloojee, Bruce A. Bassett

机构 * Wits MIND Institute, University of the Witwatersrand, Johannesburg, South Africa（维特士心理研究所，沃斯兰德大学，约翰内斯堡，南非） ； Grai Labs, Cape Town, South Africa（格雷实验室，开普敦，南非） ； South African Medical Research Council Vaccines and Infectious Diseases Analytics Research Unit, Faculty of Health Sciences, University of the Witwatersrand, Johannesburg, South Africa（南非医学研究理事会疫苗和传染病分析研究组，健康科学学院，沃斯兰德大学，约翰内斯堡，南非） ； Department of Internal Medicine, Charlotte Maxeke Johannesburg Academic Hospital, and Faculty of Health Sciences, University of the Witwatersrand, Johannesburg, South Africa（内科学系，查理·马克斯凯约翰内斯堡学术医院，以及健康科学学院，沃斯兰德大学，约翰内斯堡，南非） ； Department of Paediatrics and Child Health, Faculty of Health Sciences, University of the Witwatersrand, Johannesburg, South Africa（儿科学与儿童健康系，健康科学学院，沃斯兰德大学，约翰内斯堡，南非） ； Wits MIND Institute, University of the Witwatersrand, Johannesbu（维特士心理研究所，沃斯兰德大学，约翰内斯堡） 纠错

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

AI总结 研究使用LLM陪审团对300例低收入和中等收入国家医院病例的3334个诊断进行评分，发现校准后的LLM评分与专家评分高度一致，且严重错误风险更低，可作为可靠的评估代理。

Comments Extended version of a paper that appeared in Artificial Intelligence in Medicine 2026

Grounded Token Initialization for New Vocabulary in LMs for Generative Recommendation

为生成推荐系统中的新词汇提供基础性词 token 初始化

Daiwei Chen, Zhoutong Fu, Chengming Jiang, Haichao Zhang, Ran Zhou, Tan Wang, Chunnan Yao, Guoyao Li, Rui Cai, Yihan Cao, Ruijie Jiang, Fedor Borisyuk, Jianqiang Shen, Jingwei Wu, Ramya Korlakai Vinayak

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； LinkedIn Corporation（领英公司） ； Northeastern University（东北大学） ； 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)；分类 cs.LG

AI总结 本文提出GTI方法，通过在预训练嵌入空间中语义地初始化新词汇，提升生成推荐系统性能，优于传统均值初始化和辅助任务适应方法。

DIRECT: Decomposing Audience Preference and Creative Effect in Visual Content Analytics

DIRECT：视觉内容分析中受众偏好与创意效果的分解

Yizhi Liu, Balaji Padmanabhan, Siva Viswanathan

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究提出DIRECT框架，分解视觉内容分析中受众偏好与创意效果，发现二者在部分属性上符号相反，合并系数推荐的创意方向可能错误，使用DIRECT可减少参与度损失。

FaulT-Bench: Towards Benchmarking Network Troubleshooting LLM Agents under Unreliable User Tickets

FaulT-Bench：面向不可靠用户工单场景下网络故障诊断大语言模型智能体的基准测试

Kuan-Hao Tseng, Niruth Bogahawatta, Yasod Ginige, Kunjan Patel, Kosta Dakic, Suranga Seneviratne

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 FaulT-Bench 是针对网络故障诊断 LLM 智能体的基准测试，涵盖含虚假工单的 200 个场景，评估 SADE 等智能体后发现其在错误工单上性能骤降，可用于开发可靠的智能体系统。

LLM Agents for Time-Series: A Survey

面向时间序列的大语言模型（LLM）智能体：一项综述

Yilong Chen, Xiao Qin, Chenghao Liu, Liang Wu, Noelle I. Samia, Kaize Ding

机构 * Northwestern University（西北大学） ； Datadog AI Research（Datadog人工智能研究院） ； Nokia（诺基亚） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本综述针对LLM智能体在时间序列问题上设计差异大的问题，采用问题驱动分类法梳理现有系统，分析任务对架构等的影响，对比模型性能，为相关设计提供指南并指出未来缺口。

Comments Accepted to Findings of EMNLP 2026

Mandarin Humorous Homophone Recognition and Disambiguation in Automatic Speech Recognition

自动语音识别中的中文幽默同音字识别与歧义消解

Sicheng Jin, Jinghao Chen, Liuheng Zhou, Mostafa Shahin, Beena Ahmed, Aditya Joshi

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对第二语言中文发音学习的MDD需求，提出基于音系特征的Wav2Vec2-CTC框架，区分音段与声调错误，可降低FAR与DER，提供更详细的诊断反馈。

Comments Accepted for publication at ISCSLP 2026

AgenticDB: Self-Evolving Reconfiguration Framework for Database Workloads

AgenticDB: 面向数据库工作负载的代理式性能重配置

Xinyue Yang, Chaozheng Wang, Chen Zheng, Heng Zhang, Yanjun Wu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出AgenticDB框架，通过运行时交互实现数据库系统级和操作系统级重配置，诊断瓶颈并积累经验，在MySQL和PostgreSQL上平均性能提升118.1%。

Decoupled I/O-Dominant Pipelines for Large-Scale Whole-Slide Image Embedding Extraction

用于大规模全切片图像嵌入提取的解耦式I/O主导型流水线

Mayanka Chandrashekar, Xi Zhang, Ethan Seefried, Tirthankar Ghosal, John Gounley, Heidi Hanson

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

AI总结 针对大规模全切片图像嵌入提取的I/O与编排开销主导性能的问题，提出解耦I/O、计算与导入的流水线，实现高效高吞吐量的嵌入提取，将其转化为数据-centric系统问题。

MVC-Bench: Benchmarking Calibration of Medical Vision-Language Models

MVC-Bench：医学视觉-语言模型的校准基准测试

Ashshak Sharifdeen, Shihab Aaqil Ahamed, Ufaq Khan, Muhammad Akhtar Munir Sujair Ibrahim, Mohamed Rafeek Mareer Ahamed, Yutong Xie, Imran Razzak, Muhammad Haris Khan

机构 * Mohamed bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学） ； Sabaragamuwa University of Sri Lanka（斯里兰卡萨巴拉加穆瓦大学） ； Digital Platform Development, SLT PLC（SLT公共有限公司数字平台开发部） 纠错

专题命中 医疗多模态 ：medical image(abstract)；分类 cs.CV

AI总结 该研究针对医学视觉-语言模型校准不足的问题，提出以校准为核心的基准MVC-Bench，通过多维度评估并提出MCM正则化方法，为医疗工作流提供校准改进指导。

Comments Accepted in EMNLP 2026 Findings

From Reasoning to Pixels: Grounded Medical Multimodal LLMs for VQA and Segmentation

从推理到像素：用于VQA和分割的接地医学多模态大语言模型

Haowen Gu, Gensheng Pei, Junzhu Mao, Qiong Wang, Mingwu Ren, Yazhou Yao

机构 * Nanjing University of Science and Technology（南京理工大学） ； Sungkyunkwan University（成均馆大学） 纠错

专题命中 医疗多模态 ：medical image(abstract)；分类 cs.CV

AI总结 针对现有医学多模态大语言模型缺乏像素级接地的问题，提出MedREAL框架，引入SARP与R2V机制，构建MedRAVS-13K数据集，在Med-VQA和分割任务上性能优于现有方法，为医学图像分析提供可解释框架。

Comments accepted by ECCV 2026

MedFG-VQA: Low-Frequency Memory and Graph Attention for Lightweight Medical VQA

MedFG-VQA：用于轻量级医学视觉问答的低频记忆与图注意力

Haowen Gu, Gensheng Pei, Zeren Sun, Mingwu Ren, Xiangbo Shu, Yazhou Yao, Fumin Shen

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； State Key Laboratory of Intelligent Manufacturing of Advanced Construction Machinery（高端工程机械智能制造国家重点实验室） ； Department of Electrical and Computer Engineering, Sungkyunkwan University（成均馆大学电气与计算机工程系） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） 纠错

专题命中 医疗多模态 ：biomedical(abstract)；分类 cs.CV

AI总结 MedFG-VQA是轻量级医学VQA框架，通过FMF和GACA实现高效视觉-文本对齐，构建含200万对问答的SynMed-VQA数据集，性能优于大模型且计算成本低，适用于临床部署。

Comments Accepted by CVPR 2026