医学 AI

Enhancing Prostate Cancer Segmentation for Multi-Domain Generalization using a novel Parallel-Route Coherent Mixup Regularization Training

使用新颖的并行路由连贯混合正则化训练增强前列腺癌分割的多域泛化能力

Josiah Simeth, Sudharsan Madhavan, Victoria Brennan, Sean McBride, James Janopaul-Naylor, Justin Haseltine, Daniel Gorovets, Himanshu Nagar, Neelam Tyagi, Harini Veeraraghavan

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

AI总结 提出并行路由连贯混合（PaRC-mix）训练方法，通过多网络层特征增强实现单源到多域泛化，在前列腺癌病灶分割中显著提升检测精度和泛化性能。

Comments 28 pages, 5 figures

TRCGL-Net: A Long-Tailed Multi-Label Chest X-Ray Classification Framework with Generative Data Augmentation and Label Co-Occurrence Modeling

TRCGL-Net：基于生成式数据增强和标签共现建模的长尾多标签胸部X光分类框架

Tong Shao, Hongshun Ling, Li Zhang, Jinjing Wu, Junke Wang, Yuan Gao, Fang Wang

机构 * School of Biomedical Engineering, South-Central Minzu University（中南民族大学生物医学工程学院） 纠错

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

AI总结 针对胸部X光多标签分类中的长尾分布问题，提出TRCGL-Net，利用可学习文本引导扩散模型生成尾部类样本、通道重加权和类别注意力机制增强特征，以及基于标签共现的图卷积网络建模类别关系，在PadChest数据集上尾部类mAP达0.4904。

ClinRAG-GRAPH: Clinical-prior Retrieval-Augmented Graph Model with Domain Adversarial Learning for Breast pCR Prediction

ClinRAG-GRAPH: 基于临床先验的检索增强图模型与领域对抗学习用于乳腺癌pCR预测

Yaofei Duan, Yuhao Huang, Tianyu Zhang, Yuan Gao, Luyi Han, Xin Wang, Xinyu Xie, Xinglong Liang, Chunyao Lu, Muzhen He, Patrick Pang, Yue Sun, Ning Mao, Tao Tan, Ritse Mann

机构 * Department of Medical Imaging, Radboud University Medical Center, Nijmegen, The Netherlands（拉德堡德大学医学中心医学影像科，奈梅亨，荷兰） ； The Netherlands Cancer Institute, Amsterdam, The Netherlands（荷兰癌症研究所，阿姆斯特丹，荷兰） ； Faculty of Applied Sciences, Macao Polytechnic University, Macau, China（澳门理工大学应用科学学院，澳门，中国） ； Boston Children’s Hospital, Harvard Medical School, Boston, USA（波士顿儿童医院，哈佛医学院，波士顿，美国） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences, Hong Kong, China（中国科学院香港创新研究院人工智能与机器人创新中心，香港，中国） ； Imaging Division, University Medical Center Utrecht, Utrecht, The Netherlands（乌得勒支大学医学中心影像部，乌得勒支，荷兰） ； Department of Radiology, Fuzhou University Affiliated Provincial Hospital, Fuzhou, China（福州大学附属省立医院放射科，福州，中国） ； Department of Radiology, Yantai Yuhuangding Hospital, Shandong, China（烟台毓璜顶医院放射科，山东，中国） 纠错

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

AI总结 提出ClinRAG-GRAPH框架，通过构建患者内临床先验图、双分支领域对抗学习和大语言模型驱动的子图检索增强模块，实现术前pCR预测，在内部和外部测试集上取得良好性能。

Comments 11 pages, 5 figures

Temporal Training Strategies for Left Atrium and Left Atrial Appendage Segmentation in Dynamic Contrast 4DCT

动态对比增强4DCT中左心房和左心耳分割的时间训练策略

David Montalvo-García, Lauren Severance, Elliot R. McVeigh, María J. Ledesma-Carbayo

机构 * Biomedical Image Technologies, ETSI Telecomunicación, Universidad Politécnica de Madrid（马德里理工大学电信工程学院生物医学图像技术） ； Centro de Investigación Biomédica en Red de Bioingeniería, Biomateriales y Nanomedicina (CIBER-BBN), Instituto de Salud Carlos III（卡洛斯三世健康研究所生物工程、生物材料与纳米医学网络生物医学研究中心） ； Department of Bioengineering, University of California San Diego（加州大学圣地亚哥分校生物工程系） ； Division of Cardiovascular Medicine, University of California San Diego（加州大学圣地亚哥分校心血管医学部） ； Department of Radiology, University of California San Diego（加州大学圣地亚哥分校放射学系） 纠错

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

AI总结 研究动态4DCT中左心房和左心耳分割的时间训练集设计，比较两帧、生理子集和全序列训练，发现全帧训练在早期低对比度阶段最优，生理子集在填充期后表现相当，前景归一化可改善低对比度性能但未完全消除差距。

Comments Accepted at CinC 2026

CoMNet: A MedNeXt-CorrDiff Framework for Multi-Site Brain Tumor Segmentation

CoMNeT: 一种用于体积脑肿瘤分割的MedNeXt-CorrDiff框架

Michael L. Evans, MD Fayaz Bin Hossen, MD Shibly Sadique, Walia Farzana, Khan M. Iftekharuddin

机构 * Old Dominion University（欧道明大学） 纠错

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

AI总结 提出CoMNeT框架，结合3D卷积分割模型MedNeXt与校正扩散后处理CorrDiff，通过集成学习提升胶质瘤分割精度，在UTSW-Glioma数据集上取得优于基线模型的Dice分数。

Comments 15 pages, 6 figures, 2 tables

Cross-Modality Structural Guidance in 3D Latent Diffusion for Robust FLAIR Super-Resolution

跨模态结构引导的3D潜在扩散用于鲁棒FLAIR超分辨率

Haoyu Lan, Jiazhen Zhang, John Onofrey, Bino Varghese, Nasim Sheikh-Bahaei, Arthur W. Toga, Jeiran Choupan

机构 * University of Southern California（南加州大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 提出MR-DiffuSR框架，利用HR T1w结构先验通过跨模态结构swin注意力引导厚层FLAIR超分辨率，采用混合尺度退化策略和DINOv3感知损失，在ADNI-4数据集上优于CNN和2D扩散方法，并在下游白质高信号分割中保持鲁棒性。

MorVess: Morphology-Aware Pulmonary Vessel Segmentation Network

MorVess: 形态感知的肺血管分割网络

Fuyou Mao, Yifei Chen, Beining Wu, Lixin Lin, Jinnan Dai, Zhiling Li, Yilei Chen, Yaqi Wang, Hao Zhang, Yan Tang, Huiyu Zhou, Feiwei Qin

机构 * Central South University（中南大学） ； Tsinghua University（清华大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； University of Leicester（莱斯特大学） 纠错

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

AI总结 提出MorVess框架，结合可微几何先验与大模型适应，通过联合预测血管掩膜、距离图和厚度图，提升肺血管分割的拓扑完整性和小血管恢复能力。

Rethinking the Adaptation of Vision Foundation Models for Efficient Cell Segmentation

重新思考视觉基础模型在高效细胞分割中的适应

Qing Xu, Xiangjian He, Wenting Duan, Jiebo Luo, Zhen Chen

机构 * School of Computer Science, University of Nottingham, UK（英国诺丁汉大学计算机科学学院） ； School of Computer Science, University of Nottingham Ningbo China, China（中国宁波诺丁汉大学计算机科学学院） ； School of Engineering and Physical Science, University of Lincoln, UK（英国林肯大学工程与物理科学学院） ； Department of Computer Science, University of Rochester, USA（美国罗切斯特大学计算机科学系） 纠错

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

AI总结 提出EffiCell-Seg框架，利用冻结的视觉基础模型中的全局显著性和局部形态先验，通过细胞结构提示编码器和协同掩码解码器实现高效细胞分割，仅需约5M可训练参数。

Comments Accepted by MICCAI 2026

3D Classification of Paramagnetic Rim Lesions in Multiple Sclerosis via Asymmetric QSM-FLAIR Modeling

多发性硬化症中顺磁性边缘病变的3D分类：基于非对称QSM-FLAIR建模

Veronica Pignedoli, Giacomo Boffa, Nicoletta Noceti, Matilde Inglese, Francesca Odone, Matteo Moro

机构 * MaLGa, DIBRIS, University of Genova（热那亚大学） ； DINOGMI, University of Genova（热那亚大学） ； IRCCS Azienda Ospedaliera Metropolitana（IRCCS大都会医院） 纠错

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

AI总结 提出一种3D多模态深度学习框架，利用非对称QSM-FLAIR建模对多发性硬化症中的顺磁性边缘病变进行自动分类，通过自监督预训练和对比正则化提升有限数据下的鲁棒性，在88名患者队列中验证了有效性。

Comments 10 pages, 3 figures, accepted at MICCAI 2026. Github link: https://github.com/veronicapignedoli/FRODO

Failure Modes of Deep Multi-Agent RL in Asynchronous Pricing: Reproducible Triggers, Trace Diagnostics, and a Partial Fix

深度多智能体强化学习在异步定价中的失败模式：可复现触发器、轨迹诊断及部分修复

Shree Murthy, Rohan Pandey

机构 * DigitalOcean, USA（DigitalOcean美国） 纠错

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

AI总结 研究连续时间定价市场中深度多智能体强化学习的两种可复现失败模式：DDPG智能体之间的默契合谋和高事件率下的演员-评论家不稳定性，并通过异步性实现部分修复。

Learning a Sampling-Free Variational DNN Plugin from Tiny Training Sets to Refine OOD Segmentation With Uncertainty Estimation

学习一种无采样的变分DNN插件，从微小训练集精炼OOD分割并估计不确定性

Jimut B. Pal, Suyash P. Awate

机构 * Centre for Machine Intelligence and Data Science (C-MInDS), Indian Institute of Technology (IIT) Bombay（印度理工学院孟买分校机器智能与数据科学中心） ； Computer Science and Engineering (CSE) Department, Indian Institute of Technology (IIT) Bombay（印度理工学院孟买分校计算机科学与工程系） 纠错

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

AI总结 提出VarDeepPCA，一种轻量级变分DNN框架，利用小分布内数据集学习有效解剖几何分布，无需目标域数据或预训练，通过重新解释softmax映射实现无采样推理，并提供不确定性估计，在4种临床应用中显著提升OOD分割的解剖合理性和准确性。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:017

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Simple, Safe, and Overlooked: Reclaiming Sustainable Domain Generalization with Statistical Color Matching

简单、安全且被忽视：通过统计色彩匹配重拾可持续的领域泛化

Sebastian Doerrich, Francesco Di Salvo, Shyam Nandan Rai, Marco Lents, Christian Ledig

机构 * University of Bamberg（班贝格大学） ； xAILab 纠错

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

AI总结 该研究提出高效可解释的Colorist策略，通过RGB空间统计色彩匹配提升医学图像分类器的领域泛化能力，在多类医学数据集上显著优于现有方法，且安全低耗。

Comments Accepted to DEMI @ MICCAI 2026 (4th Workshop in Data Engineering in Medical Imaging)

Moose: Latent concept learning with reasoning-shortcut awareness in $\mathcal{EL}^{++}$

Moose：在$\boldsymbol{\textit{EL}^{++}}$中具备推理捷径感知的潜在概念学习

Olga Mashkova, Asaad Mohammedsaleh, Fernando Zhapa-Camacho, Robert Hoehndorf

机构 * King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 Moose是在$\boldsymbol{\textit{EL}^{++}}$中编译本体为SDD的方法，可实现部分监督下的潜在概念学习，在相关基准上优于多种基线，还完成了OWL EL设置下的首次推理捷径分析。

Comments Accepted at ISWC 2026, Research Track

Online balancing of vectors with small coordinates

带小坐标向量的在线平衡

Antonios Hmadi

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究针对带小坐标的向量序列，提出随机在线符号函数方法，证明其前缀偏差概率界，给出非均匀版本与下界，扩展至一般对称目标体，解决在线向量平衡问题。

Uncertainty-Aware and Explainable Ensemble Deep Learning Framework for Multi-Class Skin Lesion Classification

用于多类皮肤病变分类的不确定性感知且可解释的集成深度学习框架

Rofiqul Islam, Lilatul Ferdouse

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

Comments 5 pages, 3 figures, IEEE AIBThings 2026

Computing extended persistent homology of radial distance filtrations of Euclidean shapes

计算欧几里得形状的径向距离滤过的扩展持续同调

Yuchen Jency Jiang, Vanessa Robins, Katharine Turner

专题命中 医学影像 ：medical image(abstract)；biomedical(abstract)

AI总结 该研究针对欧几里得形状的径向距离滤过，建立了从带边界流形边界的径向持续同调恢复其径向扩展持续同调的方法，还给出了二维像素集的相关计算算法，有望应用于生物医学图像分析领域。

Reducing Spectral Oscillations for Robust Reference Frequency-Based Ultrasound Attenuation Estimation in Harmonic Imaging

减少谐波成像中基于参考频率的超声衰减估计的谱振荡以提升鲁棒性

U-Wai Lok, Jingke Zhang, Chengwu Huang, Tao Wu, Jieyang Jin, Ryan M. DeRuiter, Jingyi Yin, Lijie Huang, Yanzhe Zhao, Kaipeng Ji, Kate M. Knoll, Dawn Boynton, Kymberly D. Watt, Kathryn A. Robinson, Joshua D. Trzasko, Matthew Callstrom, Shigao Chen

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 该研究针对参考频率法（RFM）超声衰减估计中频率功率比衰减曲线的振荡问题，提出多频率多扫描角度的发射方案，通过平均曲线提升线性度与准确性，在体模和患者研究中均优于传统方法，临床潜力更佳。

Tensor-normal maximum likelihood estimation at the operator-norm sample threshold

算子范数样本阈值下的张量正态极大似然估计

Hengzhi He, Guang Cheng

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文针对协方差为克罗内克积的高斯张量，将张量正态极大似然估计的样本阈值中$d_{\rm max}$的三次依赖改进为二次依赖，达到信息论最优，解决了前期工作提出的开放问题。

Comments Work in Progress

SABRE Hyperpolarization of Unmodified Amino Acids in Partially Aqueous Media: L-[1-13C]-Valine as a Model System

部分水相介质中未修饰氨基酸的SABRE超极化：以L-[1-13C]-缬氨酸为模型体系

Oksana A. Bondar, Thomas B. R. Robertson

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本研究以L-[1-13C]-缬氨酸为模型，利用SABRE技术实现部分水相介质中未修饰氨基酸的13C超极化，在1.1 T台式NMR上获超60倍信号增强，为其应用于甘氨酸提供初步证据。

Structured Phonological Representations for Audio-Articulatory rtMRI Speech Classification

用于音频-发音rtMRI语音分类的结构化音系表征

Abner Hernandez, Tomás Arias Vergara, Daiqi Liu, Andreas Maier, Paula Andrea Pérez-Toro

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本研究提出将音频模型PhonoQ的结构化音系表征用于音频-发音rtMRI语音分类，可提升音系目标宏F1值与细粒度39音素分类性能，验证了音系信息的迁移价值。

Comments Submitted for review at SLT 2026

Robust Fault Detection and Classification in Power Systems via Physics-Informed and Data-Driven Learning

基于物理信息与数据驱动学习的电力系统鲁棒故障检测与分类

Biswash Basnet, Varsha Sen

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文提出结合物理信息与数据驱动学习的智能框架，基于SMOTE平衡数据集训练PINN等模型，实现电力系统故障的鲁棒检测与分类，在噪声及训练数据占比波动下仍保持高准确率，可用于电网实时保护与广域监测控制。

Comments 19 pages, published journal article

Journal ref Journal of Electrical Engineering and Automation 7(3), 241-259 (2025)

An Angular Spectrum Method for Nonlinear Propagation in Heterogeneous Tissue with Immersed Sources for Ultrasound

用于含浸没源的异质组织非线性传播的角谱法（适用于超声应用）

Gianmarco Pinton

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文提出改进的角谱法（ASM），用于异质组织中超声非线性传播模拟，经颅超声与治疗超声场景，通过倾斜角校正、特殊离散化方案、源注入与边界处理优化，在精度相当的情况下较Fullwave 2显著降低内存与时间成本。

An open-source framework for predicting ultrasound neuromodulation: bridging tissue elastomechanics and neuron firing dynamics

开源超声神经调控预测框架：连接组织弹性力学与神经元放电动力学

Gianmarco Pinton

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本研究提出开源计算框架，耦合多物理过程与多通路神经元模型，可预测超声神经调控的神经元放电区域，为超声神经调控的机制研究与安全评估提供空间分辨的可验证工具。

Supersaturation of induced even cycles in locally sparse graphs

局部稀疏图中导出偶环的超饱和性

Adam Džavoronok, Ole Gabsdil, Alexander Mylet, Maria-Cristina Popa, Yinghan Andie Shao

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文针对局部稀疏图，证明满足特定边数条件的图中存在大量导出偶环，部分解决了Ding等人提出的相关问题。

Comments 10 pages, comments are welcome

Photon localization: a comparative study

光子局域化：一项比较研究

Laura M. Ferguson, Ricardo Rojas Castellano, Kayla Oltman, Joshua G. Fenwick, Rainer Dick

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文比较二维高斯波包的光子局域化度量，发现朗道-派尔斯波函数等三种度量可描述光子局域探测概率，且三者在单光子波包演化中保持相近。

Comments 10 pages, 5 figures

A Note on Reinforcement Learning to Develop Self-defined Agents' Behavior

关于强化学习开发智能体自定义行为的注记

Matteo Morini, Pietro Terna

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本研究基于有限理性假设，采用无监督学习为主的技术，通过Cross Targets（交叉目标）方法训练人工智能体，实现行为内部一致性，成功让随机游走智能体解决图节点分类问题。

Journal ref M. Morini, and P. Terna (2021). A note on reinforcement learning to develop self-defined agents' behavior. Carlo Alberto Notebooks, No. 638, January 2021

Minimal inversion of a permuton sample

排列样本的最小逆序数

Benoît Corsini

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究将逆序图最小度数定义为最小逆序，推广了相关定理，证明其可渐近缩放为n^β（β∈[0,1]），且概率呈指数衰减规律。

Comments 21 pages, 3 figures

A reduced viscoelastic FDTD formulation for ultrasound-driven shear wave propagation in soft tissue

适用于软组织中超声驱动剪切波传播的简化粘弹性时域有限差分（FDTD）格式

Gianmarco Pinton

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究推导了简化粘弹性FDTD格式，用于高效建模软组织中超声驱动剪切波传播，经多类验证其精度高、成本低，可适配异质性组织并与声学模拟器集成。

Investigating the Visual Cues of CNNs for Vascular Segmentation: A Case Study in Microscopy and Fundus Imaging

研究用于血管分割的卷积神经网络的视觉线索：显微镜和眼底成像的案例研究

Weslley dos Santos Silva, Cesar Henrique Comin

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

AI总结 研究卷积神经网络在荧光显微镜和视网膜眼底摄影领域分割血管的视觉线索，通过系列实验量化形状、纹理和感受野对分割性能的影响，发现像素强度更重要，该方法为审核和改进血管成像深度学习系统提供定量基础。

PRIME-SVR: Physics-infoRmed Implicit Multi-Echo Slice-to-Volume Reconstruction for Fetal T2 mapping

PRIME-SVR：用于胎儿T2映射的物理信息隐式多回波切片到体积重建

Busra Bulut, Maik Dannecker, Thomas Sanchez, Sara Neves Silva, Steven Jia, Jean-Baptiste Ledoux, Leo Pomar, Joanna Sichitiu, Yvan Gomez, Meriam Koob, Vincent Dunet, Maria Deprez, Guillaume Auzias, Francois Rousseau, Jana Hutter, Daniel Rueckert, Meritxell Bach Cuadra

机构 * Department of Radiology, Lausanne University Hospital and University of Lausanne（放射科，洛桑大学医院和洛桑大学） ； CIBM Center for Biomedical Imaging（生物医学成像中心） ； Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗和医学中的 chair，慕尼黑技术大学（TUM）和慕尼黑大学医院） ； Department of Computing, Imperial College London（计算系，伦敦帝国理工学院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Biomedical Engineering Department, School of Biomedical Engineering and Imaging Sciences, King's College London（生物医学工程系，伦敦国王学院生物医学工程与成像科学学校） ； Institut de Neurosciences de la Timone, UMR 7289, CNRS, Aix-Marseille Université（Timone 神经科学研究所，UMR 7289，CNRS，阿维尼昂-马赛大学） ； Department Woman-Mother-Child, Lausanne University Hospital（妇女-母亲-儿童部门，洛桑大学医院） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 研究针对现有胎儿脑切片到体积重建方法在非临床回波时间受限问题，提出PRIME-SVR隐式神经表示框架，通过全连接网络建模、估计采集退化，利用正则化加强耦合，实现自监督重建，提升了重建质量并加速定量成像。