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

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

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

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

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

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

Multimodal risk trajectories reveal heterogeneous paths to dementia

多模态风险轨迹揭示痴呆的异质性路径

Zhiqi Lee, Haowen Li, Tao Liu, Shiyuan Zhang, Bingjie Wang, Jinzhao Fan, Yunkai Zhang, Zhuonan Wang, Lijun Bai

专题命中 医疗多模态 ：diagnosis(abstract)；分类 q-bio

AI总结 该研究开发多模态框架NetMoint，整合多组学与影像数据预测不同痴呆亚型的个体化长期风险，识别出小比例高风险群体及其特异性分子特征，为痴呆风险分层提供新方法。

GRAFT: Grounded and Efficient Online Reinforcement Adaptation for Fine-Grained Robot Manipulation

GRAFT：面向精细机器人操作的 grounded 高效在线强化适应

Yibo Qiu, Haoliang Ye, Shu'ang Sun, Zan Huang, Ronald X Xu, Mingzhai Sun

机构 * Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州高等研究院） ； School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学生命科学与医学部生物医学工程学院） 纠错

专题命中 医疗多模态 ：biomedical(abstract)

AI总结 GRAFT是一种高效在线VLA适应框架，通过特定视角视觉锚点聚焦任务相关线索，在四项生物医学操作任务中提升25个百分点成功率并降低计算开销。

Self-Reflective Multi-modal Reasoning for Short-Video Fake News Detection

用于短视频假新闻检测的自反思多模态推理

Pinjie Xu, Yuzhou Yang, Zhikai Tan, Qichao Ying, Zaiyang Yu, Ce Li, Zhenxing Qian

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 针对短视频假新闻检测的挑战，提出SRM-FND框架，通过自反思多模态推理及相关机制，在FakeSV和FakeTT数据集上实现优于强基线的检测性能。

Time-Varying Spiky Wave-Shape Functions for Non-Stationary Signal Decomposition

用于非平稳信号分解的时变尖峰波形函数

Marcelo A. Colominas, Hau-Tieng Wu

专题命中 健康监测 ：biomedical(abstract)；分类 eess.SP

AI总结 该研究提出尖峰形状自适应模式分解（SSAMD）框架，针对非平稳尖峰信号分解，结合PCA参数化与熵正则化，在生物医学信号验证中实现去噪、波形跟踪等功能，克服现有模型局限。

Graph-Based Pseudo-multimodal Contrastive Learning for 12-Lead ECG Representations

基于图的伪多模态对比学习用于12导联心电图表征

Mengyu Wang, Kozo Okada, Takafumi Goto, Natsuko Jinba, Hiroki Yamaya, Kiyoshi Hibi, Tomoki Hamagami

机构 * Yokohama National University（横滨国立大学） ； Yokohama City University Medical Center（横滨市立大学医学中心） ； Fukuda Denshi Co.,Ltd（福田电子株式会社） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对现有12导联ECG分析方法难以捕捉导联间依赖与全局模式的问题，提出Graph-CMMC框架，通过将ECG波形转换为GADF图像构建伪多模态表征，结合图关系模块建模导联间依赖，在冠状动脉闭塞分类任务上取得了有竞争力的性能。

Comments 7 pages, 7 figures. Presented at the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026)

Evaluator-Dependent Patient-Adaptive ECG Lead-Channel Allocation

依赖评估器的患者自适应心电图导联-通道分配

Xiaoyang Li, Zeyan Tao

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.CV

AI总结 该研究在PTB-XL数据集上证实，自适应心电图通道分配策略的性能依赖于所用诊断评估器，联合优化感知与诊断系统仍是未解决的问题。

VIPER: An Expert-Curated Benchmark for Vision-Language Models in Veterinary Pathology

VIPER：用于兽医病理学视觉语言模型的专家策划基准

Luca L. Weishaupt, Simone de Brot, Javier Asin, Llorenç Grau-Roma, Nic G. Reitsam, Andrew H. Song, Dongmin Bang, Stefan T. Kaluziak, Long Phi Le, Jakob Nikolas Kather, Faisal Mahmood, Guillaume Jaume

机构 * Harvard-MIT HST（哈佛-麻省理工卫生科学与技术部） ； Mass General Brigham（麻省总医院布里格姆医疗系统） ； Harvard Medical School（哈佛医学院） ； COMPATH, University of Bern（伯尔尼大学COMPATH） ； UC Davis（加州大学戴维斯分校） ； University of Augsburg（奥格斯堡大学） ； UT MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心） ； TU Dresden（德累斯顿工业大学） ； University of Lausanne（洛桑大学） 纠错

专题命中 医学数据与评测 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 研究针对现有病理视觉语言模型基准聚焦人体组织的问题，推出首个兽医病理学视觉语言模型评估基准VIPER，测试16类模型发现领域差距，验证领域特定训练的重要性。

Personalized Federated Learning for Tensor Regression

面向张量回归的个性化联邦学习

Kejun Chen, Xianqi Wei, Qianqian Zhu

专题命中 医学数据与评测 ：MRI(summary_cn,abstract)

AI总结 本文针对多机构张量数据的隐私、高维性和客户端异质性问题，提出个性化联邦张量回归框架，经模拟和MRI-ADHD实验验证其性能优于纯局部方法。

Towards Interpretable Depression Detection: Linking Acoustic Features to DSM-5 Indicators

面向可解释的抑郁检测：将声学特征与DSM-5指标关联

Jonas Länzlinger, Katharina O.E. Müller, Burkhard Stiller, Bruno Rodrigues

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 该研究提出透明关联框架，将语音声学特征映射到DSM-5抑郁指标，在DAIC-WOZ上初步验证了声学特征与相关指标的关联，实现可解释且隐私保护的抑郁检测。

An Accurate and Single-Communication Federated Inference Algorithm

一种准确的单通信联邦推理算法

Laura Montagnani, Anthony CC Coolen, Marianne A Jonker

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 该研究针对跨机构联合分析的隐私与效率问题，提出基于三阶泰勒展开的单通信联邦推理算法，提升小样本场景下对数似然近似准确性，兼顾隐私、通信效率与可扩展性。