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。
MR-JEPA：用于心脏磁共振成像的通用视频基础模型
专题命中 医学影像 ：MRI(title)；diagnosis(abstract)；分类 cs.CV
AI总结 本文提出用于心脏磁共振成像的通用视频基础模型 MR-JEPA，其基于多中心多序列无标注数据预训练，在心脏量化与疾病检测任务中性能优于对比方法，展现出临床应用潜力。
Comments Accepted at STACOM 2026 (MICCAI 2026 peer-reviewed workshop)
MedVision：定量医学图像分析的基准测试
机构 * University of Edinburgh（爱丁堡大学） ； Queen Mary University of London（伦敦大学玛丽女王学院）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 针对当前医学视觉语言模型缺乏定量推理能力的问题，提出MedVision数据集和基准，涵盖22个公共数据集、3080万图像-标注对，通过监督和强化微调显著提升检测、肿瘤/病变大小估计和角度/距离测量性能。
Comments Paper accepted to EMNLP26 Main
MYOSAIQ挑战赛：自动化梗死量化的心肌分割
专题命中 医学影像 ：MRI(abstract,abstract_cn)；biomedical(comments,journal_ref)；分类 cs.CV、eess.IV
AI总结 本文介绍MYOSAIQ挑战赛，整合439例多中心CMR数据，6支队伍参赛，对比发现基于UNet的技术在LGE MR分割上优于基础模型，但梗死区域分割仍需改进。
Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:032
Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)
生成式翻译先验：基于跨模态图像翻译的贝叶斯成像
专题命中 医学影像 ：CT(summary_cn)；分类 cs.CV、cs.LG、eess.IV
AI总结 本研究提出生成式翻译先验（GTP）贝叶斯框架，将扩散式图像翻译模型转化为跨模态先验，推导两种离散化算法，在CT、PET重建任务中验证其可有效融入跨模态信息，欠采样下仍实现高保真重建。
Comments 51 pages, 12 figures. Code is available at https://github.com/Hopkins-CIG/GTP
MedSegBenchmarker：面向受控2D医学图像分割基准的优先原始计数框架
机构 * University of Würzburg（维尔茨堡大学）
专题命中 医学影像 ：medical image(title)；分类 cs.CV
AI总结 本文提出MEDSEGBENCHMARKER框架，通过整合多类评估相关功能实现2D医学图像分割的受控基准，案例研究显示评估设置的微小选择会影响基准结论，该框架可提升基准的明确性与可复现性。
Comments 10 pages, 4 figures;
从粗到细：用于医学图像合成的迭代对抗神经细胞自动机
机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； ImFusion GmbH（ImFusion 有限公司）
专题命中 医学影像 ：medical image(title)；分类 cs.CV
AI总结 该研究提出首个基于NCA的轻量通用生成对抗网络StyleGANCA，在BloodMNIST和PathMNIST上以仅61.7万参数实现有竞争力的图像质量，支持多分类器训练，解决医学影像数据共享的隐私问题
基于相减的肿瘤分割与以病灶为中心的pCR预测：MAMA-MIA挑战赛方案
机构 * Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学梅维斯研究所）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、cs.LG
AI总结 FME团队针对MAMA-MIA挑战赛，提出基于相减输入的nnU-Net集成肿瘤分割方法与基于病灶裁剪块的3D视频分类器集成pCR预测方法，两项任务均获第二名，为跨站点肿瘤分割及pCR预测提供了参考
专题命中 医学影像 ：CT(abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG
Comments 10 pages (main paper), 5 pages (references), 5 figures, 2 tables, work accepted for BMVC 2023
Journal ref https://papers.bmvc2023.org/0699.pdf
利用扩散磁共振成像（dMRI）对细胞级大脑微观结构进行成像
专题命中 医学影像 ：MRI(title)
AI总结 该研究针对深部组织无创活细胞成像的挑战，提出IDPD模型，通过多层分析工作流程实现细胞级大脑微观结构的无创成像，为评估体内活细胞功能提供新途径。
预训练、课程调优与集成：面向AutoPET V的示踪剂感知交互式分割流程
机构 * The Netherlands Cancer Institute（荷兰癌症研究所） ； Radboud University Medical Centre（拉德堡德大学医学中心） ； Macao Polytechnic University（澳门理工大学） ； Amsterdam University Medical Center（阿姆斯特丹大学医学中心）
专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 cs.CV
AI总结 针对AutoPET V任务，提出TRIAGE示踪剂感知交互式分割流程，采用预训练、课程训练与集成策略，结合辅助器官分割模型及示踪剂分支，实现FDG与PSMA研究的病变分割。
基于混合CNN-Transformer架构的联邦多任务学习用于膀胱肿瘤分割与MIBC分类
机构 * Indian Institute of Information Technology Allahabad（印度阿拉巴德信息技术学院） ； Manipal University Jaipur（斋浦尔马尼帕尔大学） ； Norwegian University of Science and Technology（挪威科技大学）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究提出联邦多任务学习框架，采用结合ResNet-34与Swin-Tiny Transformer的Swin Hybrid模型，在FedBCa数据集上实现跨机构膀胱肿瘤分割与MIBC分类，取得最优性能。
用于时间压缩感知超声成像的可重构流水线SAR ADC（嵌入式压缩）
专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 eess.SP
AI总结 该研究提出嵌入式压缩的可重构流水线SAR ADC，用于超声成像的RF数据时间压缩，在保留点目标几何的同时降低数据速率，且可通过压缩比权衡性能。
Comments 15 pages, 11 figures, Journal
卷积神经网络图像空间中信息力学的统一框架
机构 * École de technologie supérieure（蒙特魁北克大学工程学院（École de technologie supérieure））
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。
二阶矩与反集中假设下随机矩阵的中间奇异值
专题命中 医学影像 ：CT(abstract,abstract_cn)
AI总结 该研究在二阶矩与反集中假设下，证明了随机矩阵中间奇异值的最优上界及指数尾估计，结合下界得到其渐近阶，还推广到矩形随机矩阵的情形。
Comments 35 pages
揭示水合盐脱水机制的多尺度研究
专题命中 医学影像 ：CT(abstract,abstract_cn)
AI总结 该研究结合多种表征技术，揭示十水硫酸钠脱水的两阶段动力学机制，发现晶体对称性变化决定水合盐表面形貌，提出可通过结构指标预测脱水途径以设计储热材料。
机构 * Centre for Clinical Brain Sciences, University of Edinburgh（爱丁堡大学临床脑科学中心） ； Canon Medical Research Europe（佳能欧洲医学研究院） ； School of Engineering, University of Edinburgh（爱丁堡大学工程学院） ； School of Literature, Languages and Culture, University of Edinburgh（爱丁堡大学文学、语言与文化学院） ； Edinburgh Futures Institute, University of Edinburgh（爱丁堡未来研究院） ； UK Dementia Research Institute, Centre at The University of Edinburgh（英国痴呆症研究所爱丁堡大学中心） ； Usher Institute, University of Edinburgh（爱丁堡大学乌舍研究所）
专题命中 医学影像 ：MRI(abstract)；CT(abstract)
Comments 62 pages, 10 figures
Journal ref Computer Methods and Programs in Biomedicine, 264, 2025, 108715
CheXGround：用于 grounded 纵向胸部 X 线片解读的解剖区域标记
机构 * Ajman University（阿治曼大学） ； University of Birmingham（伯明翰大学） ； Khalifa University（哈利法大学） ； University of Western Australia（西澳大学）
专题命中 医学影像 ：radiology(abstract)；分类 cs.CV
AI总结 本文提出 CheXGround，一种基于区域的纵向胸部 X 线片语言模型，通过时序区域-短语对齐预训练目标关联区域标记与临床文本，在多项放射学任务上较基线模型提升性能，验证了解剖层面组织纵向证据的有效性。
Comments Accepted for publication at the 37th British Machine Vision Conference (BMVC2026)
面向非侵入式身体成分估计的目标感知状态自适应$p$-狄利克雷图神经回归
机构 * Louisiana State University（路易斯安那州立大学） ； Pennington Biomedical Research Center（彭宁顿生物医学研究中心）
专题命中 医学影像 ：biomedical(abstract)；分类 cs.LG
AI总结 该研究针对非侵入式身体成分估计问题，提出$p$SADE-GNR框架，在临床数据验证中其相关加权模型的预测误差优于传统回归方法，为该领域提供了有效解决方案。
Comments 21 pages, 7 figures, 3 tables. The first four authors contribute equally to this work and are listed alphabetically. Corresponding authors: N. Drenska, Y. Wang and S. B. Heymsfield
基于文本引导扩散模型的胸部X射线图像对抗攻击
机构 * The Johns Hopkins University（约翰斯·霍普金斯大学） ； Manipal Institute of Technology（马尼帕尔理工学院） ； Manipal Academy of Higher Education（马尼帕尔高等教育学院） ； The Johns Hopkins Hospital（约翰斯·霍普金斯医院） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心）
专题命中 医学影像 ：medical AI(abstract)；分类 cs.CV
AI总结 该研究提出文本引导扩散对抗框架攻击胸部X射线分类模型，在多架构上验证其能显著降低分类性能，同时发现人机判读存在重要差异，凸显需扩展医疗AI鲁棒性评估方式。
基于验证的上下文工程实现全自动医学影像代码生成
机构 * University of Auckland（奥克兰大学） ； Griffith University（格里菲斯大学） ； Suzhou Industrial Park Monash Research Institute of Science and Technology（苏州工业园区莫纳什科技研究院） ； Beijing Institute of Technology（北京理工大学） ； National University of Singapore（新加坡国立大学）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV
AI总结 本文提出AutoMedImg多智能体框架，通过规划与编码阶段的多阶段验证及自动上下文工程，实现零人工干预的全自动医学影像代码生成，在六个数据集上分割任务Dice最高0.90、分类准确率99%。
当适应适得其反：将表征漂移与MedSAM微调中的分布外故障关联起来
机构 * University of Zagreb（萨格勒布大学） ； University of Twente（特温特大学）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV
AI总结 本研究分析MedSAM的六种微调策略在不同医学图像数据集上的泛化表现，发现仅编码器LoRA等策略可缓解远分布外性能下降，提示随机抖动能提升模型鲁棒性。
Comments Accepted at the SAFER Workshop, MICCAI 2026, non camera-ready version
卡罗尔热力学的相空间收缩
专题命中 医学影像 ：CT(abstract_cn)
AI总结 本文研究了Schwarzschild-AdS黑洞热力学的卡罗尔极限，通过协变相空间推导了扩展Iyer-Wald恒等式，并探讨了相空间收缩对热力学体积贡献的影响。
Comments 29 pages, version submitted to CQG
多参数估计中量子不相容的权重依赖与权重无关度量
专题命中 医学影像 ：CT(abstract_cn)
AI总结 本研究针对多参数量子估计中量子不相容问题，提出权重无关度量R与权重依赖度量T[W]，建立界的层级关系，通过数值与解析研究验证权重依赖界更紧致，凸显权重矩阵结构对计量精度的关键作用。
超越正确性：面向生物医学大语言模型评判者的有效性导向评估
机构 * IQVIA（艾昆纬）
专题命中 临床大模型 ：biomedical(title,abstract)
AI总结 针对生物医学LLM评判者，该研究提出有效性导向的评估流程，评估Llama-3.1-8B-Instruct的四种训练场景，发现SFT→RL场景在多维度表现最优，可匹配或超越前沿模型。
前沿大语言模型在符合指南且针对具体病例的肿瘤决策中的集体能力边界
机构 * City University of Hong Kong（香港城市大学） ； Fudan University Shanghai Cancer Center（复旦大学附属肿瘤医院） ； Affiliated Hangzhou First People’s Hospital, Westlake University School of Medicine（西湖大学医学院附属杭州市第一人民医院） ； Zhejiang University（浙江大学） ； Shaoxing Vocational & Technical College（绍兴职业技术学院）
专题命中 临床大模型 ：clinical LLM(abstract)
AI总结 该研究构建肿瘤决策边界基准评估9个前沿LLMs，发现其存在临床元判断盲点，需架构干预，模型质量非临床部署主瓶颈，需可检测自身能力边界并路由决策至临床医生的架构。
LLMs 是否已准备好辅助医生？PhysAssistBench：交互式医患-电子病历辅助基准
机构 * Aalto University（阿尔托大学） ； Tencent（腾讯） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Hong Kong Polytechnic University（香港理工大学） ； Aarhus University（奥胡斯大学） ； Technical University of Munich（慕尼黑工业大学）
专题命中 临床大模型 ：clinical LLM(abstract)
AI总结 提出PhysAssistBench基准，通过构建交互式患者代理评估LLM在医患-EHR交互中的协调能力，发现当前模型不可靠，瓶颈在于多维度协调而非单一能力。
Comments 35 pages with 8 figures
RailSyn：面向铁路异物检测中可追溯数据补全的诊断引导图像生成方法
机构 * School of Information Science and Technology, Beijing University of Technology（北京工业大学信息科学与技术学院） ； Pratt School of Engineering, Duke University（杜克大学普拉特工程学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV
AI总结 RailSyn是诊断引导的图像生成框架，通过检查器定位补全区域并明确需求，生成器满足需求，可提升RFOD检测性能，在9种主流检测器上AP50--95最高增益4.9点，具跨架构实用性。
基于诊断引导候选回收的视频扩散模型测试时缩放
机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团）
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV
AI总结 该研究针对视频扩散模型测试时缩放的“生成-丢弃”范式缺陷，提出无需训练的 GEARS 框架，通过阶段感知调度器与候选回收器提升轻量模型性能，在 VBench 上使 13 亿参数模型得分接近 140 亿参数模型。
Comments Accepted by ACM TOG (SIGGRAPH Asia 2026)
FRAC-MAS：一种用于骨折诊断的安全可解释多智能体系统
机构 * Dwarkadas J Sanghvi College of Engineering（德瓦卡达斯J.桑吉维工程学院） ； University of Amsterdam（阿姆斯特丹大学） ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 诊断辅助 ：diagnosis(title)；radiology(abstract)；medical image(comments)
AI总结 FRAC-MAS是一种结合堆叠集成视觉模型、共形预测与多智能体评审员的骨折诊断系统，可实现安全可解释的放射学分诊，性能优于单智能体基线，生成更易理解的临床报告。
Comments Medical Image Computing and Computer Assisted Intervention (MICCAI) 2nd Workshop on Agentic AI for Medicine (AgenticMed)
基于大语言模型的合成角色数据中的参考分布依赖性：人口统计分布的诊断与事后调整
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 该研究诊断LLM合成角色数据的人口统计分布与外部参考的匹配度，发现误差多源于参考选择，采用rake加权等方法调整后偏差降低，建议将合成角色数据作为调查辅助材料。
Comments 22 pages, 1 figures, 7 tables. Data, materials, and code: https://doi.org/10.7910/DVN/BUFIGC
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