医学 AI

KANResDiff: Learning Local Residual Diffusion via Kolmogorov-Arnold Network for Ambiguous Medical Image Segmentation

KANResDiff：基于柯尔莫哥洛夫-阿诺德网络学习局部残差扩散以解决模糊医学图像分割问题

Fanding Li, Chenglin Wang, Xiangyu Li, Xingyu Qiu, Xinghua Ma, Xiangming Yin, Haiyang Li, Suyu Dong, Wei Wang, Kuanquan Wang, Gongning Luo, Shuo Li

机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算学部） ； College of Computer and Control Engineering, Northeast Forestry University（东北林业大学计算机与控制工程学院） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 针对现有模糊医学图像分割方法无法形成渐进式语义建模的问题，提出KANResDiff模型，通过独立时间编码与残差薛定谔桥实现阶段感知模糊性建模，在公开数据集上取得SOTA性能。

Comments 10 pages, 3 figures, MICCAI 2026 conference paper

CDGC-Net: 3D Medical Image Segmentation with Cooperative Dual-Scale Self-Attention and Grouped Channel Modeling

CDGC-Net：基于协作双尺度自注意力与分组通道建模的3D医学图像分割网络

Zheyang Jing, Qin Lu, Jianwang Li, Yujie Yang, Chen Yi, Shaofeng Jiang

机构 * Nanchang Hangkong University（南昌航空大学） 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CDGC-Net，通过协作双尺度自注意力与分组通道建模优化3D医学图像分割，在多数据集上精度优于现有方法，且参数量与计算量较UNETR++显著降低，实现了精度与复杂度的良好平衡。

H2AL: Hyperbolic Hierarchy-aware Aggregative Learning for Registration-based Few-shot Medical Image Segmentation

H2AL：用于基于配准的小样本医学图像分割的双曲层次感知聚合学习

Jia Wang, Jiaming Cai, Zunying Hu, Zhanjie Wu, Jinyuan Liu, Hua Cheng, Yun Peng

机构 * Dalian University of Technology（大连理工大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） 纠错

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

AI总结 针对基于配准的小样本医学图像分割忽视解剖结构层次的问题，提出H2AL框架，通过H2I模块与梯度聚合算法提升配准和分割性能，实验验证其有效性。

Comments 10 pages, 9 figures. Accepted at ACM Multimedia 2026 (MM '26)

DistMedVL: Distributional Vision-Language Alignment for Uncertainty-Aware Medical Image Segmentation

DistMedVL：面向不确定性感知医学图像分割的分布视觉-语言对齐方法

Jiaxuan Li, Qing Xu, Xiangjian He, Yue Li, Daokun Zhang, Fiseha B. Tesema, Rong Qu

机构 * University of Nottingham Ningbo China（宁波诺丁汉大学） ； University of Nottingham（诺丁汉大学） 纠错

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

AI总结 针对医学图像分割中视觉-语言跨模态对齐的不确定性问题，提出DistMedVL概率框架，含PCM-Adapter等模块，在8个基准上以6.3M参数实现优于SOTA的性能，数据效率等更优。

Comments 10 pages, 5 figures

Context Matters: Support Set Selection and Failure Detection for In-Context Medical Image Segmentation

上下文很重要：用于上下文医学图像分割的支持集选择与失败检测

Youssef Gehad, Emmanuel Zerefa, Krish Kabra, Guha Balakrishnan

机构 * Rice University（莱斯大学） 纠错

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

AI总结 本研究针对上下文医学图像分割，提出基于相似度的支持集选择方法，训练Transformer分类器预测分割失败，可提升性能并为临床安全部署提供机制。

Comments 10 pages

Recurrent Contrastive Learning for Imbalanced Medical Image Classification

用于不平衡医学图像分类的循环对比学习

Zhiyuan Zhu, Xinling Meng, Junxuan Yu, Jiongquan Chen, Qiongying Ni, Tuhang Shao, Yuhao Huang, Luping Zhou, Ruiyang Huang, Yuxue Wang, Rongliang Zhang, Xue Wang, Tianhong Tang, Likun Wang, Junbo Chen, Yong Jiang, Yongping Lu, Xin Yang

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

AI总结 针对医学图像分类的类别不平衡问题，提出循环对比学习方法，通过复用历史特征扩充尾类支持区域，经多数据集验证性能优于强基线。

Comments 10 pages, 3 figures

Journal ref The 7th MICCAI Workshop on Advances in Simplifying Medical UltraSound.2026

Generative AI and Foundation Models in Medical Image

医学影像中的生成式AI与基础模型

Masahiro Oda

机构 * Nagoya University（名古屋大学） ； Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科） 纠错

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

AI总结 本文概述生成式AI相关的扩散模型、LLMs及基础模型，介绍其在医疗辅助中的应用，探讨基础模型的构建方法与医疗应用，并研究利用国家资源开发医疗辅助AI的路径。

Comments Review Article

Journal ref Radiological Physics and Technology, vol.18, pp.937-948, 2025

From Spatial Semantics to Temporal Context: Leveraging Gaze Trajectory for Weakly Supervised Medical Image Segmentation

从空间语义到时间上下文：利用注视轨迹实现弱监督医学图像分割

Shaoxuan Wu, Xiao Zhang, Xiaodi Zhao, Yunzhi Tian, Yilin Tang, Jun Feng

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

AI总结 该研究针对医学图像分割依赖像素级标注的问题，提出TrailNet模型，结合注视点与轨迹建模时空上下文，引入循环蒸馏实现无注视推理，在公开数据集上取得优于现有方法的Dice分数。

Bi-Level Collaborative Learning for Few-Shot Scribble-Supervised Medical Image Segmentation

用于少样本涂鸦监督医学图像分割的双层协作学习

Xiang-Xiang Su, Yufan Ye, Yihang Zheng, Min Gan, Guang-Yong Chen

机构 * Fuzhou University（福州大学） ； Qingdao University（青岛大学） 纠错

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

AI总结 针对少样本涂鸦监督医学图像分割中样本稀缺和监督稀疏问题，提出双层协作学习框架，上层提供区域结构先验，下层生成可靠伪标签，上下层双向交互协作，在相关数据集上优于现有方法。

Unifying Active Learning and Semi-Supervised Learning for Medical Image Segmentation

统一主动学习和半监督学习用于医学图像分割

Bahram Jafrasteh, Cheng Wan, Heejong Kim, Johannes C. Paetzold, Qingyu Zhao

机构 * Weill Cornell Medicine（威尔康乃尔医学院） ； Cornell University（康奈尔大学） 纠错

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

AI总结 针对医学图像分割标注数据有限问题，提出RegAL统一框架，通过共享拓扑感知帕累托优化，结合样本获取与未标注数据利用，沿三个互补轴评估图像，在多数据集上于极端标注稀缺时表现稳定且优于基线。

DAMamba-UNet3D: A Parameter-Efficient Mamba State Space U-Net with Dynamic Adaptive Scan for 3D Medical Image Segmentation

DAMamba-UNet3D：一种用于3D医学图像分割的参数高效的Mamba状态空间U-Net，采用动态自适应扫描

Mohammad Arafat Hussain, Ellen Grant, Yangming Ou

机构 * Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 该研究针对3D医学图像分割，提出DAMamba-UNet3D混合编码器-解码器，在编码器特定阶段集成三平面3D-DAS块，降低参数成本，通过实验对比展示其在分割性能上的优势，表明学习的三平面DAS在混合U-Net中有竞争力。

Superpixel-Based QUBO for Scalable Quantum-Enhanced Medical Image Segmentation

基于超像素的二次无约束二进制优化用于可扩展量子增强医学图像分割

Mohammad Chalhoub, Mahdi Chehimi, Laia Domingo, Omar Alhussein, Ahmed Farouk, Saif Al-Kuwari

机构 * American University of Beirut（贝鲁特美国大学） ； Centre de Visió per Computador (CVC)（计算机视觉中心 (CVC)） ； Ingenii Inc.（英格尼公司） ； Hamad Bin Khalifa University（哈马德·本·哈利法大学） 纠错

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

AI总结 研究针对QUBO用于医学图像分割时的可扩展性挑战，提出基于超像素的QUBO框架，用简单线性迭代聚类分组像素，在区域邻接图上公式化分割。实验表明该方法提升了分割质量、计算速度并减小问题规模，还符合量子退火器连接限制。

Comments 7 pages, 2 figures

SLIP: Segmentation with Low-latency Interactive Prompting for 3D Medical Images

SLIP：用于3D医学图像的低延迟交互式提示分割

Baptiste Podvin, Alexandre Ancel, Flavio Milana, Chiara Innocenzi, Davide Arrigo, Federico Espinola Schulze, Guido Torzilli, Jacques Marescaux, Daniel George, Alexandre Hostettler, Toby Collins

机构 * IRCAD France（法国国际消化道疾病研究中心） ； Université de Strasbourg, CNRS, ICube（斯特拉斯堡大学、法国国家科学研究中心、ICube实验室） ； IRCCS Humanitas Research Hospital（圣心研究医院） ； Humanitas University（圣心大学） ； Fondazione Policlinico Universitario A. Gemelli, Istituto di Ricovero e Cura a Carattere Scientifico (IRCCS)（圣心综合大学医院） 纠错

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

AI总结 研究针对3D医学图像交互式分割中现有方法的问题，提出SLIP框架，解耦图像编码与提示细化，通过复用特征和维护交互感知状态降低延迟，支持可逆提示，经用户研究验证其在多方面优于现有方法，实现SOTA性能。

Diffusion Models in Medical Image Inpainting: Challenges, Solution Taxonomy, and Future Directions

医学图像修复中的扩散模型：挑战、解决方案分类及未来方向

Arthur Dantas Mangussi, Joana Cristo Santos, Ricardo Cardoso Pereira, Ana Carolina Lorena, Mário A. T. Figueiredo, Pedro Henriques Abreu

机构 * Aeronautics Institute of Technology（航空技术学院） ； Science and Technology Institute, Federal University of São Paulo（圣保罗联邦大学科学与技术研究所） ； LASIGE, Faculdade de Ciências, Universidade de Lisboa（里斯本大学理学院LASIGE实验室） ； University of Coimbra, CISUC/LASI – Centre for Informatics and Systems of the University of Coimbra（科英布拉大学CISUC/LASI - 科英布拉大学信息与系统中心） ； Instituto Superior Técnico, Universidade de Lisboa, Instituto de Telecomunicações（里斯本大学高等技术学院、电信研究所） 纠错

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

AI总结 该研究对基于扩散的医学图像修复方法进行系统回顾，涵盖多方面内容并提出分类法。分析显示相关研究兴趣快速增长，扩散模型在生成合理重建结果及辅助临床任务上表现出色，但也面临缺乏标准化基准等挑战。

MedDiT4SR: Tri-Stream Joint Adaptation of Pre-Trained Diffusion Transformers for Medical Image Super-Resolution

MedDiT4SR：用于医学图像超分辨率的预训练扩散Transformer的三流联合自适应

Zhi Chen, Le Zhang

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

AI总结 研究针对医学图像超分辨率难题，提出MedDiT4SR三流自适应框架，集成多种表示于扩散Transformer块，引入SR Adapter和SA Refiner，实验验证该框架能有效让预训练DiT模型适应不同医学成像域的超分辨率任务。

One Round Is All You Need: Analytic Federated Learning for Task-Heterogeneous Multi-Label Medical Image Classification

一轮就够了：用于任务异构多标签医学图像分类的解析联邦学习

Afsaneh Mahanipour, Hana Khamfroush

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

AI总结 针对任务异构的多标签医学图像分类问题，提出解析联邦学习框架，通过平衡标签投影、每类绝对聚合法则等闭式操作，最多两轮通信，优于FedMLP，提升分类指标并减少通信量。

Comments The 14th IEEE International Conference on Healthcare Informatics

Posterior Samplings are Missing Modalities Generators for Medical Image Translation

后验采样是医学图像翻译中缺失模态的生成器

Jonghun Kim

机构 * Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 针对医学图像因时间和协议限制存在缺失模态的问题，提出统一框架，将缺失模态生成视为联合分布下的线性逆问题，通过后验采样及流匹配模型解决，在多数据集实验中性能优于基线，下游肿瘤分割表现更好。

Comments ECCV 26

Memory-Supported Synergistic Adaptation for Training-Free Test-Time Medical Image Segmentation

用于无训练测试时医学图像分割的内存支持协同适应

Lingrui Li, Nan Pu, Dong Zhao, Wenjing Li, Andrew P French, Zhun Zhong, Xin Chen

机构 * School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Information Systems Technology and Design Pillar, Singapore University of Technology and Design（新加坡科技设计大学信息系统技术与设计支柱） 纠错

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

AI总结 研究针对医学图像分割中测试时适应的挑战，提出内存支持协同适应（MSSA）框架，不更新模型参数，通过构建在线内存、文本引导语义先验及跨图像结构对齐实现稳健适应，实验证明其优于现有方法。

Comments 18 pages, ECCV 2026

Understanding From Human Perspective: A Multi-agent System for Interactive Egocentric Medical Image Segmentation

从人类视角理解：用于交互式自我中心医学图像分割的多智能体系统

Rongjun Ge, Dongyang Wang, Heng Zhu, Zhirui Li, Yang Chen, Yuting He

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Sichuan University-Pittsburgh Institute, Sichuan University（四川大学匹兹堡学院） ； Department of Biomedical Engineering, Case Western Reserve University（凯斯西储大学生物医学工程系） 纠错

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

AI总结 研究交互式自我中心医学图像分割面临的挑战，提出EgoMed-Agent多智能体系统，通过目标确认和定位引导传播工作流程从人类视角理解目标，实验显示该系统平均Dice远超基线，效果显著。

MIS-HCC: Hierarchical Channel Clustering for Efficient Medical Image Segmentation

MIS-HCC：用于高效医学图像分割的分层通道聚类

Bo Zhao, Haoran Yu, Lifei Liu, Zongcheng Chu, Yining Liu, Chang Liu, Szu-Yu Chen, Zequn Xie

机构 * Yale University（耶鲁大学） ； University of Florida（佛罗里达大学） ； Wichita State University（威奇托州立大学） ； Purdue University（普渡大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Zhejiang University（浙江大学） 纠错

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

AI总结 针对医学图像分割模型在资源受限平台部署的挑战，提出分层聚类压缩方法MIS-HCC，利用瓦瑟斯坦距离表示通道相似性形成矩阵指导聚类，融合通道生成压缩网络，实验证明其在精度和压缩效率上优于现有方法。

OFD-Net: Teacher-Free Reliable Semi-supervised Medical Image Segmentation with Orthogonal Feature Disentanglement Net of Foreground-Background

OFD-Net：基于前景-背景正交特征解缠网络的无教师可靠半监督医学图像分割

Shao-feng Jiang, Zhe-yang Jing, Qin Lu, Huan-huan Shi, Zhen Chen, Cong-xuan zhang, Chen Yi

机构 * Key Laboratory of Nondestructive Testing, Ministry of Education, Nanchang Hangkong University（南昌航空大学无损检测技术教育部重点实验室） 纠错

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

AI总结 研究针对医学图像分割标注有限问题，提出无教师单网络框架OFD-Net。通过正交特征解缠模块和引导模块，有效减少误差积累。并开发可靠性感知伪标签学习机制，降低不可靠区域权重。实验验证其有效性，建立了高效可靠的训练范式。

Localization-Infused Vision-Language Semantic Fusion for Text-Guided Medical Image Segmentation

用于文本引导医学图像分割的定位注入视觉语言语义融合

Songyue Han, Mingye Zou, Shuchang Ye, Lei Bi, Mingyuan Meng

机构 * Air Force Engineering University（空军工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Sydney（悉尼大学） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

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

AI总结 研究针对文本引导医学图像分割，提出LoG框架，通过联合执行多尺度目标定位任务，实现三级定位注入语义融合，在三个基准数据集实验中表现出色，优于现有医学图像分割方法。

ReportMedSAM: Guiding Segmentation Through Radiology Reports

ReportMedSAM：通过放射学报告指导分割

Anghong Du, Theodoros N. Arvanitis, Colin Watts, Alejandro F. Frangi, Le Zhang

机构 * School of Engineering, College of Engineering and Physical Sciences, University of Birmingham（工程学院，工程与物理科学学院，伯明翰大学） ； Department of Cancer and Genomic Sciences, College of Medicine and Health, University of Birmingham（癌症与基因组科学系，医学与健康学院，伯明翰大学） ； Department of Computer Science, Faculty of Science and Engineering, University of Manchester（计算机科学系，科学与工程学院，曼彻斯特大学） ； The Division of Informatics, Imaging and Data Science, Faculty of Biology, Medicine, and Health, University of Manchester（信息学、成像与数据科学部，生物、医学与健康学院，曼彻斯特大学） 纠错

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

AI总结 研究旨在解决将放射学报告转换为可靠分割的难题。提出ReportMedSAM框架，利用医学视觉语言编码器通过对比学习建立语义锚点，推理时匹配概念库激活MoE模块，实现对新任务无缝扩展，在数据集上取得较好分割精度。

UniMedSeg: Unified In-Context Learning for Multi-Paradigm 2D/3D Medical Image Segmentation

UniMedSeg：用于多范式2D/3D医学图像分割的统一上下文学习

Yunzhou Li, Jiesi Hu, Yanwu Yang, Hanyang Peng, Chenfei Ye, Jianfeng Cao, Yixuan Yuan, Ting Ma

机构 * Harbin Institute of Technology at Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； University Hospital Tübingen（图宾根大学医院） ； German Center for Mental Health（德国心理健康中心） ； Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 研究针对医学图像分割基础模型存在的问题，提出以Transformer为中心的UniMedSeg框架，通过映射多种信息到共享序列空间联合学习异构医学监督，引入解耦分割注意力克服内存瓶颈，在多类分割任务中实现最优性能且无需特定任务微调。

Spectral Consistent Flow for One-step 3D Medical Image Translation

用于一步式3D医学图像翻译的频谱一致流

Haoqing Li, Jun Shi, Mingchao Li, Zehua Zhu, Qiwei Jia, Jiong Shi, Hong An

机构 * University of Science and Technology of China（中国科学技术大学） ； The First Affiliated Hospital of USTC（中国科学技术大学附属第一医院） 纠错

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

AI总结 该研究提出频谱一致流（SC-Flow）框架用于3D医学图像翻译，通过将其 reformulate 为随机布朗桥过程，引入频谱一致性校正器减轻相关问题，经四个数据集实验验证，此方法在多场景下性能更优。

VCDP: Variation-Conditioned Distributional Proxy Learning for Semi-Supervised Medical Image Segmentation

VCDP：用于半监督医学图像分割的变异条件分布代理学习

Zimu Zhang, Yiheng Zhong, Zhuoru Zhang, Yingzhen Hu, Yanan He, Fanliang Meng, Xiaofeng Liu

机构 * Yale University（耶鲁大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

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

AI总结 研究半监督3D医学图像分割问题，提出VCDP方法，通过可学习高斯分布和变异原型表示类语义及模式，用统一分数融合相似性与聚合，改进了多器官分割基线，尤其对复杂器官分割效果好。

SHTA: Semantic Hard Token Correction and Center Alignment for Semi-Supervised Medical Image Segmentation

SHTA：用于半监督医学图像分割的语义硬令牌校正和中心对齐

Zhuoru Zhang, Yiheng Zhong, Zimu Zhang, Xiaofeng Liu

机构 * Yale University（耶鲁大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

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

AI总结 针对半监督医学图像分割中硬区域语义一致性不足问题，提出SHTA方法，通过语义分配等技术细化语义表示，集成到多个框架并在相关数据集评估，能提升分割精度等性能，且仅增加训练开销。

Comments 9 pages, 7 figures, 4 tables

HPR-SAM: Hierarchical Probabilistic Representation Learning for Prompt-free SAM-based Medical Image Segmentation

HPR-SAM：基于无提示SAM的医学图像分割的分层概率表示学习

Yingzhen Hu, Yiheng Zhong, Keying Zhu, Zimu Zhang, Zihan Ye, Sifan Song, Jionglong Su, Xiaofeng Liu

机构 * Yale University（耶鲁大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） 纠错

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

AI总结 研究针对无提示SAM医学图像分割中现有方法局限，提出HPR框架，通过DAR、MAR、LRR学习互补解剖学表示，经HPF整合预测并兼容原始SAM解码器，实验验证该框架在多数据集上有效，达最优性能。

Comments 9 pages, 4 figures

CogRad: A Cognitively-Inspired Multi-Agent Framework for Radiology Report Generation

CogRad：一种用于放射学报告生成的受认知启发的多智能体框架

Saif Ur Rehman Khan, Hasaan Maqsood, Sebastian Vollmer, Andreas Dengel, Muhammad Nabeel Asim

机构 * German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Intelligentx GmbH（智能X有限公司） ； Department of Core Informatics, Graduate School of Informatics, Osaka Metropolitan University（大阪城市大学信息科学研究生院核心信息学系） 纠错

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

AI总结 提出受认知启发的多智能体框架CogRad，围绕放射科医生阅读过程的四个阶段构建报告生成，通过多智能体协作提升报告质量，在多个数据集上取得最佳成绩。

Dual-Adaptive SAM3: Hierarchical Routing over Low-Rank Expert Layers for Parameter-Efficient Medical Image Segmentation

双自适应SAM3：基于低秩专家层的分层路由用于参数高效的医学图像分割

Ying Chen, Jinyue Li, Kun Wang, Qiankun Li, Yang Liu

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； Imperial Global Singapore (IGS), Imperial College London（伦敦帝国理工学院新加坡帝国全球（IGS）） 纠错

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

AI总结 提出双自适应SAM3框架，通过任务感知的动态专家路由器和参数感知的分解参数化专家设计，兼顾分割精度与参数效率，在医学图像分割上有高表现。

Comments Accepted by MICCAI 2026