医学 AI

ARC-CT: Anatomy-Routed Contrastive Vision-Language Learning for 3D Chest CT

ARC-CT：用于3D胸部CT的解剖路由对比视觉-语言学习

Huseyin Umut Isik, Mehmet Alp Ozaydin, Sila Kurugol, Şeyda Ertekin

机构 * Harvard Medical School（哈佛医学院） ； METU-DTX Digital Transformation and Innovation Center（METU-DTX数字转型与创新中心） 纠错

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

AI总结 ARC-CT是一种基于LLM提取的报告标签、无需人工标注的区域感知对比视觉-语言框架，通过三个组件解决胸部CT全局对比学习的局限，在18种异常上实现0.86无掩码宏观AUC，性能优于高效基线和大Transformer模型。

Comments Accepted to the Thoracic Image Analysis (TIA) Workshop at MICCAI 2026

CARDINAL Predicts Cardiovascular Risk From Non-contrast Cardiac CT

CARDINAL：基于非对比心脏CT预测心血管风险

Roy Gabriel, Nattakorn Kittisut, Jamshid Hassanpour, Michael Galarnyk, Abanoub Abdelmalak, Marly van Assen, Carlo N. De Cecco, Arshed Quyyumi, Ali Adibi

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

AI总结 本研究开发了基于临床依据的CARDINAL框架，从非对比心脏CT学习表征预测主要不良心血管事件，在17659名患者中，其10年预测性能优于多种基线方法，证明非对比心脏CT蕴含额外预后信息。

Prompt-Guided Interactive Segmentation of Interstitial Lung Disease in Thoracic CT

基于提示引导的胸部CT中间质性肺疾病交互式分割

Vasilis Dedousis, Lubnaa Abdur Rahman, Lorenzo Brigatο, Ethan Dack, Andreas Christe, Christoph Frank, Manuela Funke-Chambour, Justus Roos, Adrian Huber, Lukas Ebner, Stavroula Mougiakakou

机构 * University of Bern（伯尔尼大学） ； Graduate School for Cellular and Biomedical Sciences（细胞与生物医学科学研究生院） ； Bern University Hospital（伯尔尼大学医院） ； Lucern Cantonal Hospital（卢塞恩州立医院） ； Lausanne University Hospital (CHUV) and University of Lausanne（洛桑大学医院（CHUV）与洛桑大学） 纠错

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

AI总结 本研究首次将MedSAM2适配到胸部CT的3D ILD交互式分割任务，经实验验证全模型微调结合BBox等提示可提升分割性能，还提出了基于自动分割先验与放射科医生提示的端到端工作流程。

Physics-Guided Flow Matching for CT Image Reconstruction

物理引导的流匹配用于CT图像重建

Davide Evangelista

机构 * University of Bologna（博洛尼亚大学） 纠错

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

AI总结 本研究提出物理引导的流匹配方法，训练修正流匹配模型，经两阶段策略优化后，其在CT图像重建中性能优于扩散模型，且计算效率更高，相关模型与代码已公开。

Comments 16 pages, 6 figures, 2 tables

3D MRI-Based Alzheimer's Disease Classification Using Multi-Modal 3D CNN with Leakage-Aware Subject-Level Evaluation

基于3D MRI的阿尔茨海默病分类：使用多模态3D CNN与泄漏感知的受试者级评估

Md Sifat, Sania Akter, Akif Islam, Md. Ekramul Hamid, Abu Saleh Musa Miah, Najmul Hassan, Md Abdur Rahim, Jungpil Shin

机构 * University of Rajshahi（拉贾斯坦大学） ； University of Aizu（御所大学） ； Pabna University of Science（帕布纳科学大学） 纠错

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

AI总结 本文提出一种多模态3D卷积神经网络，利用原始OASIS 1 MRI体积进行阿尔茨海默病分类，通过受试者级交叉验证实现72.34%的准确率和0.7781的ROC AUC，验证了体积分析在疾病分类中的有效性。

Comments 4 tables, 6 figures, Accepted at 2026 International Conference on Power, Electronics, Communications, Computing, and Intelligent Infrastructure (PECCII)

Anatomy-Aware Promptable Segmentation with Online Interactive Training for AUTOPET V

面向AUTOPET V挑战的解剖结构感知可提示分割方法及在线交互式训练

Pablo Lozano-Jimenez, Sergio Romero-Tapiador, Ruben Tolosana

机构 * University of Amsterdam（阿姆斯特丹大学） ； BiometricsAI（生物识别AI公司） ； Universidad Autónoma de Madrid（马德里自治大学） 纠错

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

AI总结 该研究针对AUTOPET V挑战，开发了基于nnU-Net的解剖感知可提示分割模型，经分阶段训练与示踪剂分类优化，在PET/CT病灶分割任务中实现了稳定且优异的性能。

DeferredSeg:A Multi-Expert Deferral Framework for Medical Image Segmentation

DeferredSeg: 一种多专家延迟框架用于可信的医学图像分割

Qiuyu Tian, Haoliang Sun, Yunshan Wang, Yinghuan Shi, Yilong Yin

机构 * School of Software, Shandong University（山东大学软件学院） ； Department of Clinical Laboratory, Shandong Provincial Hospital Affiliated to Shandong First Medical University（山东第一医科大学附属山东省人民医院临床检验科） ； School of Computer Science and Technology, Nanjing University（南京大学计算机科学与技术学院） 纠错

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

AI总结 DeferredSeg通过引入延迟感知分割框架，在医学图像分割中实现人机协作，通过动态路由和损失函数提升分割可靠性，优于基线方法。

Comments Accepted by Pattern Recognition

Report Supervision

报告监督

Pedro R. A. S. Bassia, Wenxuan Li, Jakob Wasserthal, Jieneng Chen, Xinze Zhou, Zheren Zhu, Chuntung Zhuanga, Sergio Decherchi, Andrea Cavalli, Kang Wang, Yang Yang, Alan Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； University Hospital Basel（巴塞尔大学医院） ； Stanford University（斯坦福大学） ； University of California, San Francisco（加利福尼亚大学旧金山分校） ； Italian Institute of Technology（意大利技术研究院） ； University of Bologna（博洛尼亚大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Johns Hopkins Medicine（约翰斯·霍普金斯医疗集团） 纠错

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

AI总结 本研究提出报告监督（R-Super）框架，利用大量放射学报告补充稀缺的肿瘤掩码训练数据，在肾脏和胰腺肿瘤分割任务上显著提升了AI的检测与分割性能。

Comments Published in Medical Image Analysis, 2026

Do Medical Vision Models Reason About Anatomy? Probing the Spatial Inductive Biases of Learned Visual Representations

医学视觉模型是否对解剖结构进行推理？探究学习到的视觉表示的空间归纳偏置

Naren Akash, Neeraja Ramanan

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

AI总结 本研究构建SPAR-Bench探测任务，发现医学视觉模型仅记忆标准解剖结构，缺乏特定患者图像内结构对比的推理能力，池化探测会低估其表示能力。

Medical Imaging AI Competitions Lack Fairness

医学影像AI竞赛缺乏公平性

Annika Reinke, Evangelia Christodoulou, Sthuthi Sadananda, A. Emre Kavur, Khrystyna Faryna, Daan Schouten, Bennett A. Landman, Carole Sudre, Olivier Colliot, Nick Heller, Sophie Loizillon, Martin Maška, Maëlys Solal, Arya Yazdan-Panah, Vilma Bozgo, Ömer Sümer, Siem de Jong, Sophie Fischer, Michal Kozubek, Tim Rädsch, Nadim Hammoud, Fruzsina Molnár-Gábor, Steven Hicks, Michael A. Riegler, Anindo Saha, Vajira Thambawita, Pal Halvorsen, Amelia Jiménez-Sánchez, Qingyang Yang, Veronika Cheplygina, Sabrina Bottazzi, Alexander Seitel, Spyridon Bakas, Alexandros Karargyris, Kiran Vaidhya Venkadesh, Bram van Ginneken, Lena Maier-Hein

机构 * German Cancer Research Center (DKFZ) Heidelberg（德国癌症研究中心（DKFZ）海德堡） ； DKFZ Heidelberg（德国癌症研究中心（DKFZ）海德堡） ； Digital Oncology Program, National Center for Tumor Diseases (NCT) Heidelberg（数字肿瘤学计划，国家肿瘤疾病中心（NCT）海德堡） ； Radboud Institute for Health Sciences, Radboud University Medical Center（拉德堡德健康科学研究所，拉德堡德大学医学中心） ； Oncode Institute（肿瘤码研究所） ； Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； MRC Unit for Lifelong Health and Ageing at UCL, Institute of Cardiovascular Science, University College London（英国伦敦大学学院（UCL）MRC长寿与衰老单位，心血管科学研究所） ； Dementia Research Centre, UCL Queen Square Institute of Neurology, University College London（英国伦敦大学学院（UCL）痴呆研究中心，Queen Square神经学研究所） ； School of Biomedical Engineering, King’s College（伦敦国王学院生物医学工程学院） ； Sorbonne Université, Institut du Cerveau – Paris Brain Institute – ICM, CNRS, Inria, Inserm, AP-HP, Hôpital de la Pitié-Salpêtrière（索邦大学，巴黎脑研究所–ICM，CNRS、Inria、Inserm、AP-HP、皮蒂埃-萨拉佩特里医院） ； Department of Urology, Cleveland Clinic（克利夫兰诊所泌尿科部） ； Centre for Biomedical Image Analysis, Faculty of Informatics, Masaryk University（马萨里克大学信息学院生物医学影像分析中心） ； DKFZ Heidelberg, Division of Computational Genomics and Systems Genetics（德国癌症研究中心（DKFZ）海德堡，计算基因组学与系统遗传学部） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Engineering Faculty, Heidelberg University（海德堡大学工程学院） ； School of Computation, Information and Technology, TUM（技术与计算学院，慕尼黑工业大学） ； Faculty of Law / BioQuant, Heidelberg University（海德堡大学法学院/BioQuant） ； The Department of Holistic Systems (HOST), SimulaMet,Oslo, Norway（挪威奥斯陆SimulaMet的Holistic Systems（HOST）部门） ； Simula Research Laboratory, Oslo, No（挪威奥斯陆Simula研究实验室） 纠错

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

AI总结 本文研究医学影像AI竞赛数据集的公平性，发现存在地域、模态和问题类型相关的偏见，且数据集在可访问性和可重用性上存在限制，影响临床应用的可行性。

Comments Minor revision in to Nature Biomedical Engineering

A Simulator-Grounded Framework For Constructing Verifiable Muscle-Grounded QA From 3D Tongue Meshes (extended version)

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）

Seungho Eum, Unsang Park

机构 * Sogang University（西江大学） 纠错

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

RegCL: Compact Continual SAM Adaptation for Visual Grounding in Multi-Sensorial Media

RegCL：用于多感官媒体视觉 grounding 的紧凑持续 SAM 适配方法

Yuan-Chen Shu, Zhiwei Lin, Xiaoyu Zhou, Yongtao Wang

机构 * Wangxuan Institute of Computer Technology, Peking University, China（北京大学计算机科学技术研究院） 纠错

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

AI总结 针对多感官媒体中 SAM 在动态领域性能下降的问题，提出非重放持续适配框架 RegCL，通过合并轻量适配模块实现紧凑部署，在五数据集实验中优于基线方法。

Texture Image Classification Using DWT AlexNet Feature Fusion and Deep Neural Networks

基于DWT AlexNet特征融合与深度神经网络的纹理图像分类

Arun D. Kulkarni

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

AI总结 针对纹理图像分类中手工特征与深度学习模型的不足，提出DWT_AlexNet_DNN混合特征融合框架，结合DWT特征与AlexNet深度特征实现纹理图像分类。

Comments 15 pages, 15 figures

CheXtriev: Anatomy-Centered Representation for Case-Based Retrieval of Chest Radiographs

CheXtriev：面向胸部X光片案例检索的以解剖结构为中心的表示方法

Naren Akash, Arihanth Tadanki, Jayanthi Sivaswamy

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

AI总结 该研究提出CheXtriev框架，采用图变换器提取胸部X光片特定解剖区域特征，其检索准确率与排名质量优于现有最优方法，尤其适用于少见病变。

Comments Accepted at the 27th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2024)

Physics-Assisted Deep Learning Denoising for Stabilized IMPULSED dMRI Microenvironment Parameter Fitting

物理辅助深度学习去噪用于稳定IMPULSED dMRI微环境参数拟合

Wen Li, Yan Dai, Arely Perez Rodriguez, Todd Aguilera, Jie Deng, Xun Jia

专题命中 医学影像 ：MRI(abstract)

AI总结 本研究提出物理辅助深度学习去噪框架，利用CNN、MLP、LSTM对IMPULSED dMRI信号去噪，使拟合失败率从57.6%降至17.7%，稳定了IMPULSED微环境参数拟合。

Comments 26 pages, 6 figures, 1 table

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。

Comments This work has been accepted to EMNLP 2026 Findings

Leveraging a Foundation Model for the EEG-Based Diagnosis of Alzheimer's Disease

利用基础模型实现基于脑电图的阿尔茨海默病诊断

Maggie Lin, Chung-Lin Hou, Tzyy-Ping Jung

机构 * University of California, San Diego（加利福尼亚大学圣地亚哥分校） ； HippoScreen Neurotech Corp.（HippoScreen神经科技公司） ； Swartz Center for Computational Neuroscience（Swartz计算神经科学中心） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG、q-bio

AI总结 本研究针对阿尔茨海默病诊断挑战，采用预训练于2500小时脑电图的大型脑模型LaBraM，结合随机森林分类器，仅用8秒脑电片段即达89.36%的ROC-AUC，优于传统方法，可提取临床相关生物标志物。

Comments 7 pages, 9 figures, 1 table. Accepted and presented at the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026)

Experimental and Signal Processing Techniques for Fault Diagnosis on a Small Horizontal-Axis Wind Turbine Generator

小型水平轴风力发电机故障诊断的实验与信号处理技术

Francesco Natili, Francesco Castellani, Davide Astolfi, Matteo Becchetti

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

AI总结 针对被忽视的小型HAWT发电机状态监测问题，通过风洞与试验台测试采集振动数据，用时频域分析结合谱相干分析诊断轴承保持架故障。

From Uncertainty to Clinical Risk: Severity-Aware Conformal Planning for Interactive Medical Diagnosis

从不确定性到临床风险：面向交互式医疗诊断的严重程度感知共形规划

Yue Zhou, Haiyang Zhou, Jin Zhang, Kong Wang, Yongxin Ni, Youhua Li, Hanwen Du

机构 * Lanzhou University（兰州大学） ； Hunan University（湖南大学） ； National University of Singapore（新加坡国立大学） ； City University of Hong Kong（香港城市大学） ； The Ohio State University（俄亥俄州立大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 该研究针对交互式医疗诊断漏诊重症的风险与长程规划缺失问题，提出严重程度感知共形临床规划框架，在DDXPlus和MediQ上提升了诊断准确性、鉴别质量并降低了高风险错误。

Acquire, Repair, Preserve: A Diagnosis-Guided Post-Training Recipe for Small-Model Dialogue Game Agents

获取、修复、保留：面向小模型对话游戏智能体的诊断引导式后训练方案

Nan Li

机构 * Utrecht University（乌得勒支大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本研究针对小模型对话游戏智能体提出诊断引导式后训练方案，通过三步训练在LM Playschool Challenge中大幅提升了模型的域内对话游戏表现，同时保留了通用静态性能。

Comments 14 pages, 14 tables; Accepted to the LM Playschool Workshop at EMNLP 2026; HF model card: this https URL (https://huggingface.co/chnln/Qwen3.5-2B-playpen-playornotplay)

Explainable Uncertainty Estimation for Reliable Medical AI

面向可靠医疗AI的可解释不确定性估计

Li Rong Wang, Jamie Duell, Xinran Xu, Thomas C. Henderson, Yu Yue Hew, Pik Wan Erica Chiang, Xiao Wei Alstar Ang, Bingwen Eugene Fan, Xiuyi Fan

机构 * College of Computing and Data Science (CCDS)（计算与数据科学学院） ； Nanyang Technological University (NTU)（南洋理工大学） ； A*STAR Centre for Frontier AI Research（新加坡科技研究局前沿人工智能研究中心） ； School Of Computing and Digital Technologies（计算与数字技术学院） ； Sheffield Hallam University（谢菲尔德哈勒姆大学） ； School of Computing（计算机学院） ； University of Utah（犹他大学） ； Tan Tock Seng Hospital (TTSH)（陈笃生医院） ； Lee Kong Chian School of Medicine（李光前医学院） 纠错

专题命中 诊断辅助 ：medical AI(title)；分类 cs.LG

AI总结 该研究提出将不确定性估计与XAI统一的egRUE方法，可量化并分解不确定性为特征贡献，经实验和专家研究验证，能提升医疗AI的可靠性与可解释性，优化临床决策支持。

Comments Accepted at the 26th IEEE International Conference on Data Mining (ICDM)

Actionable CBFI: Integrating Structural Decomposition and Causal Counterfactual Recourse for Tabular Machine Learning

可操作的CBFI：结合结构分解与因果反事实追索的表格机器学习方法

Sejong Oh

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

AI总结 该研究提出A-CBFI框架，结合结构分解与因果反事实追索，在金融、医疗领域可降低76.9%主动干预负担，保持因果有效性与追索成本，实现针对性可操作的反事实追索。

EXPOSE: Explainable and Domain-Robust Embeddings from Pathology Vision Foundation Models using Sparse Autoencoders

EXPOSE：基于稀疏自编码器的病理视觉基础模型可解释且领域鲁棒的嵌入表示

Anja Witte, Maximilian Lennartz, Jan Baumbach, Guido Sauter, Stefan Bonn, Patrick Fuhlert, Marina Zimmermann

机构 * University Medical Center Hamburg-Eppendorf（汉堡埃彭多夫大学医学中心） ； University of Hamburg（汉堡大学） ； German Center for Child and Adolescent Health（德国儿童与青少年健康中心） 纠错

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

AI总结 本研究针对病理视觉基础模型嵌入的领域偏移问题，提出EXPOSE框架，利用稀疏自编码器解耦并抑制领域特定特征，在前列腺癌数据集实验中提升了跨域性能与嵌入鲁棒性。

Destroy Me: Automatic Artifact Generation for Histopathology Images

销毁我：组织病理图像的人工制品自动生成

Zuzanna Krawczyk-Borysiak, Adam Krawczyk, Mateusz Miller, Gabriela Kaczmarek, Sławomir Pakuło, Małgorzata Sokół, Żaneta Swiderska-Chadaj

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

AI总结 该研究提出名为“Destroy Me”的混合框架，通过合成六种病理图像人工制品增强数据，训练的nnU-Net模型在肺腺癌分类任务中宏F1和Cohen’s Kappa分别提升10.5%、15%，平衡了鲁棒性与诊断特征保留。

Prompts Without Evidence: How Neuroimaging Mentions Shift Clinical Vision-Language Model Predictions

脚手架效应：提示框架如何驱动临床VLM评估中的表面多模态增益

Doan Nam Long Vu, Simone Balloccu

机构 * Technical University of Darmstadt（达姆施塔特技术大学） 纠错

专题命中 医疗多模态 ：MRI(summary_cn,abstract)；clinical AI(abstract)；分类 cs.LG

AI总结 研究发现，在临床VLM评估中，提示中提及MRI可用性即可解释70-80%的性能提升，与图像数据是否存在无关，这种“脚手架效应”揭示了表面评估无法反映真实多模态推理能力。

Comments Accepted to EMNLP 2026 Main Conference

SemEnrich: Self-Supervised Semantic Enrichment of Radiology Reports for Vision-Language Learning

SemEnrich：用于视觉-语言学习的医学报告语义增强

Halil Ibrahim Gulluk, Olivier Gevaert

机构 * Stanford University（斯坦福大学） ； Stanford Center For Biomedical Informatics Research（斯坦福生物医学信息学研究中心） 纠错

专题命中 医疗多模态 ：radiology(title)；分类 cs.LG

AI总结 本文提出一种自监督的医学报告语义增强方法，通过句子语义聚类来丰富训练集中的阳性/中性发现，从而提升视觉-语言学习性能。

Mixture of Multicenter Experts in Multimodal AI for Debiased Radiotherapy Target Delineation

用于去偏放疗靶区勾画的多模态AI中的多中心专家混合模型

Yujin Oh, Sangjoon Park, Xiang Li, Pengfei Jin, Yi Wang, Jonathan Paly, Jason Efstathiou, Annie Chan, Jun Won Kim, Hwa Kyung Byun, Ik Jae Lee, Jaeho Cho, Chan Woo Wee, Peng Shu, Peilong Wang, Caiwen Jiang, Nathan Yu, Jason Holmes, Jong Chul Ye, Quanzheng Li, Wei Liu, Woong Sub Koom, Jin Sung Kim, Kyungsang Kim

机构 * Center for Advanced Medical Computing and Analysis (CAMCA), Department of Radiology, Massachusetts General Hospital (MGH) and Harvard Medical School（先进医学计算与分析中心（CAMCA）、放射科、麻省总医院（MGH）和哈佛医学院） ； Department of Radiation Oncology, Yonsei University College of Medicine（燕京大学医学院放射肿瘤科） ； Institute for Innovation in Digital Healthcare, Yonsei University（数字医疗创新研究所、燕京大学） ； Department of Radiation Oncology, Massachusetts General Hospital（麻省总医院放射肿瘤科） ； Department of Radiation Oncology, Gangnam Severance Hospital（江南松云医院放射肿瘤科） ； Department of Radiation Oncology, Yongin Severance Hospital（永兴松云医院放射肿瘤科） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Radiation Oncology, Mayo Clinic（梅奥诊所放射肿瘤科） ； Kim Jaechul Graduate School of AI, Korea Advanced Institute of Science and Technology（金 Jaechul人工智能研究生院、韩国科学技术院） 纠错

专题命中 医疗多模态 ：medical AI(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 针对医疗AI的偏差问题，提出无需跨机构数据共享的多中心专家混合（MoME）框架，结合各中心少样本数据训练的前列腺癌放疗靶区勾画模型，在中心差异大或数据有限场景下优于基线，可定制且适配资源受限环境。

Comments In Revission

GAAT: Geometry-Aware Alignment Transformer for Multimodal UAV Perception

GAAT：面向无人机多模态感知的几何感知对齐Transformer

Jingpu Yang, Debin Tang, Yilin Sun, Fengxian Ji, Jiahua Zhu, Wenrui Ding, Yufeng Wang

机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； Northeastern University（东北大学） 纠错

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

AI总结 本文提出面向无人机多模态感知的GAAT模型，引入syncPATC、MG-Sparse-MMA、RA-QCGCL等技术，结合UAVMeta与StateBench数据集，在六个下游任务上实现最优迁移性能，为无人机多模态感知提供支撑。

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。

Advancing Interaction-Sensitive Feature Selection: Novel Relief-Based Algorithms, Expanded Comparisons, and Recommendations for Biomedical Data Mining

推进交互感知特征选择：新型基于Relief的算法、扩展比较及生物医学数据挖掘建议

Kia Kazemi-Nia, Harsh Bandhey, Philip J. Freda, Ryan J. Urbanowicz

机构 * Cedars-Sinai Health Sciences University（西达赛奈健康科学大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG

AI总结 本研究重构优化扩展scikit-rebate包，对比新型Relief类算法在基因组模拟数据中的表现，发现MultiSWRFDB等算法可有效保留主效应与交互作用，运行时间显著缩短。

Comments 18 pages, 6 figures, 2 tables, submitted for journal review