医学 AI

4DLoG: Generative Modeling of Neurodegenerative Brain Anatomy with 4D Longitudinal Diffusion Model

利用4D纵向扩散模型生成神经退行性脑解剖结构

Nivetha Jayakumar, Swakshar Deb, Bahram Jafrasteh, Qingyu Zhao, Miaomiao Zhang

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Radiology（放射学系） ； Department of Electrical and Computer Engineering, Department of Computer Science（电气与计算机工程系、计算机科学系） 纠错

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

AI总结 本文提出一种4D纵向扩散模型，用于生成神经退行性疾病的脑解剖结构，通过临床变量条件生成准确的脑部变化轨迹，验证了其在疾病分类和分割中的有效性。

CFB-GBM v2.0: An Augmented Longitudinal Dataset for Multi-Modal Glioblastoma Segmentation, Radiomics, and RANO Progression Tracking

CFB-GBM v2.0：用于多模态胶质母细胞瘤分割、放射组学及RANO进展追踪的增强纵向数据集

Alexandre G. Leclercq, Noémie N. Moreau, Hugo Audebert, Andros Nassar, Thomas Cochin, Thomas Leleu, Loïc Le Henaff, Alexis Desmonts, Yoann Poirier, Aurélie Dubru, Laura Guillemette, Pascal Lecoeur, Kévin Lemasson, Cyril Jaudet, Sébastien Bougleux, Romain Hérault, Carole Brunaud, Samuel Valable, Dinu Stefan, Charlotte Raboutet, Alain Batalla, Joëlle Lacroix, Roman Rouzier, Aurélien Corroyer-Dulmont

机构 * Centre François Baclesse（弗朗索瓦·巴克莱斯中心） ； Université de Caen Normandie（卡昂诺曼底大学） ； ENSICAEN（卡昂高等工程师学院） ； GREYC（格雷计算机科学研究中心） 纠错

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

AI总结 本文发布增强版CFB-GBM v2.0纵向数据集，含264名GBM患者数据，完成所有时间点GTV勾画（完成率达97%），提供相关标注、特征及WHO分类信息，可用于多模态GBM相关研究。

Comments 9 pages, 2 figures,

The Right Prior for the Right Deformation: Rethinking Continuous Deformable Image Registration

适配正确变形的正确先验：重新思考连续可变形图像配准

Hengjie Liu, Chushu Shen, Dan Ruan, Ke Sheng

机构 * University of California, San Francisco（加利福尼亚大学旧金山分校） ； Cedars-Sinai Medical Center（西达赛奈医疗中心） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

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

AI总结 本研究对比多种连续图像配准方法，发现配准精度取决于变形先验与目标运动模式的匹配度，多分辨率B样条方法MR-D-BSCP在脑部和肺部配准任务中表现最优。

Emergence of Transfer Learning towards Specific Identification of Alzheimer's Disease A Prospective Approach

面向阿尔茨海默病特定识别的迁移学习的涌现：一种前瞻性方法

Soumik Podder, Chandramouli Haldar

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

AI总结 本综述探讨迁移学习在阿尔茨海默病诊断中的应用，评估其优势与局限，结合可解释人工智能，为该领域新研究者提供指导。

Journal ref 2025 AI-Driven Smart Healthcare for Society 5.0, Kolkata, India, 2025

Technological Advances in Detecting and Managing Cognitive Impairment in Older Adults: Trends, Challenges, and Future Directions

老年人认知障碍检测与管理的技术进展：趋势、挑战与未来方向

Mohammad Asif, Azizuddin Khan, Mohd Azam, Anurag Rajkumar Bombarde

机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） ； T-Systems ICT India Pvt. Ltd.（德国电信系统印度信息通信技术私人有限公司） 纠错

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

AI总结 本文综合老年人认知障碍检测与管理的技术进展，提出跨学科分类法等成果，指出现有模型多依赖小数据集，展望了可信多模态纵向验证系统的发展前景。

Comments Withdrawn due to an unresolved dispute regarding authorship eligibility and attribution

A method for tissue-mask supported whole-body image registration in the UK Biobank

一种基于组织掩膜支持的全身图像配准方法用于UK Biobank

Yasemin Utkueri, Elin Lundström, Håkan Ahlström, Johan Öfverstedt, Joel Kullberg

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

AI总结 本文提出了一种基于性别的全身MRI图像配准方法，利用皮下脂肪和肌肉掩膜提升配准精度，提高了Dice分数和减少了标签错误频率，增强了医学研究中的应用价值。

Journal ref Sci Rep 16, 19383 (2026)

HSMLA: Hierarchical Softmax Multi-scale Linear Attention for Efficient Vision Transformers

HSMLA：用于高效视觉Transformer的分层Softmax多尺度线性注意力

Dong Liu, Yanxuan Yu, Renata Borovica-Gajic, Tong Geng, Ying Nian Wu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Columbia University（哥伦比亚大学） ； The University of Melbourne（墨尔本大学） 纠错

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

AI总结 针对视觉Transformer高分辨率密集预测的计算开销问题，提出HSMLA，结合多类注意力机制与深度卷积，在多项任务上实现精度与效率的优异平衡。

An Agentic AI Framework Overcomes Fundamental Limitations of Large Language Models for Glaucoma Detection from Fundus Photography

一种智能体AI框架克服了大型语言模型在眼底照相青光眼检测中的基本局限

Jalil Jalili, Hossein Taghizad, Anuwat Jiravarnsirikul, Christopher Bowd, Akram Belghith, Raheleh Kafieh, Christopher A. Girkin, Sally L. Baxter, Robert N. Weinreb, Linda M. Zangwill, Mark Christopher

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

AI总结 该研究开发的智能体AI框架整合LLM与专用深度学习工具，提升了眼底照相青光眼检测的准确率、一致性，纠正了仅用LLM的缺陷，具有通用性，或推动医学AI向多智能体系统转变。

A Unified Benchmark of Deep Learning Models for Multi-task 3D Brain Tumor Segmentation from Magnetic Resonance Imaging

用于磁共振成像多任务3D脑肿瘤分割的深度学习模型统一基准

Diego J. Torrejón, Luna Y. Hernández, Javier Sánchez

机构 * Centro de Tecnologías de la Imagen (CTIM)（图像技术中心（CTIM）） ； Instituto Universitario de Cibernética, Empresas y Sociedad (IUCES)（网络、企业与社会大学研究所（IUCES）） ； University of Las Palmas de Gran Canaria（拉斯帕尔马斯大加那利大学） 纠错

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

AI总结 本研究构建统一基准，在相同条件下对比3D U-Net等5种深度学习模型在BraTS 2023、2024数据集上的脑肿瘤分割性能，明确了不同架构的准确率与效率权衡及适用场景。

Comments 27 pages, 16 figures, 8 tables

Gaussian Volumetric Representation for Efficient Shear-Warp Visualization

用于高效剪切变形可视化的高斯体表示

Mayuri Mathur, Ojaswa Sharma

机构 * Indraprastha Institute of Information Technology Delhi（德里英迪拉甘地信息技术学院） 纠错

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

AI总结 研究针对医学图像可视化计算成本高的问题，提出基于高斯的体表示，用蒙特卡罗体估计和课程学习策略优化，能从稀疏监督中学习解剖细节与纹理，降低计算成本，支持高效渲染多模态医学数据集，实现高帧率和高压缩比。

Panda: Unsupervised Pelvic Anomaly Detection for Real-Time MR Imaging

Panda：用于实时磁共振成像的无监督盆腔异常检测

Anika Knupfer, Maximilian Lindholz, Johanna Paula Müller, Jordina Aviles Verdera, Smiti Tripathy, Susanne Schulz-Heise, Jana Hutter

机构 * Institute of Information Processing, Leibniz University Hannover（莱布尼茨汉诺威大学信息处理研究所） ； CAIMED, L3S（CAIMED，L3S） ； Department of Radiology, Charité Universitätsmedizin Berlin（柏林夏里特大学医学中心放射科） ； Image Data Exploration and Analysis Lab, Friedrich-Alexander University Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学图像数据探索与分析实验室） ； Institute for Radiology, University Hospital Erlangen（埃尔朗根大学医院放射研究所） 纠错

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

AI总结 针对女性盆腔疾病实时异常检测难题，提出基于Dinomaly的无监督框架，利用冻结的DINOv3视觉Transformer编码器等，在子宫肌瘤数据集上评估，实现高像素级AUROC和帧级特异性，满足实时临床需求，为医生决策和协议调整提供支持。

Comments 10 pages, 5 figures

Physics-Guided Generative AI for Property-Targeted 3D Porous Media Design

用于属性靶向三维多孔介质设计的物理引导生成式人工智能

Peng Wang

机构 * Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey（萨里大学视觉、语音和信号处理中心） 纠错

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

AI总结 针对三维多孔介质逆向设计难题，提出物理引导生成式人工智能框架，结合多种模型学习潜在设计空间，依目标属性生成并优化结构，实验表明该方法能提升目标属性匹配等，为复杂多孔几何形状可控逆向设计及相关工具奠定基础。

Comments 15 pages, 8 figures

Deep Learning Estimation of Absorbed Dose for Nuclear Medicine Diagnostics

基于深度学习的镥-177放射治疗中吸收剂量估计

Luciano Melodia

机构 * Chair of Information Science University of Regensburg（信息科学系，罗特堡大学） 纠错

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

AI总结 本文利用深度学习从CT数据中估计剂量体素核，通过卷积神经网络实现密度核到剂量体素核的映射，实验结果显示模型在308轮训练后达到0.86的交并比和1.24×10⁻⁴的均方误差。

Comments Code available at https://codeberg.org/Jiren/MADVK, re-typeset with minor error corrections and withdrawn from OSF, making this the unique version

SemICP: Semantic Non-Rigid Point Cloud Registration with Elastic Energy Regularization

SemICP：基于弹性能量正则化的语义非刚性点云配准

Wanwen Chen, Qi Zeng, Carson Studders, Zongze Li, Jamie J. Y. Kwon, Tara Kemper, Emily H. T. Pang, Eitan Prisman, Septimiu E. Salcudean

机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Faculty of Medicine, University of British Columbia（医学院，不列颠哥伦比亚大学） 纠错

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

AI总结 研究针对计算机辅助干预中点云配准问题，提出SemICP框架，结合语义信息点匹配与变形正则化，经多数据集测试，相比其他方法降低多种距离误差，结合AI分割后为多模态配准提供有效管道。

NetForge RL: A Multi-Agent Simulation Environment for Cyber Defense with Durative Actions

事件驱动的时间图网络用于NetForge_RL中的异步多智能体网络防御

Igor Jankowski

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

AI总结 本文提出CT-GMARL方法，通过固定步长神经微分方程处理非规则采样警报，解决多智能体强化学习在仿真到现实转换中的瓶颈问题，实验证明其在连续时间POSMDP中的有效性。

Comments 7 pages

Attention-Based Segmentation of WMHs and Differentiation of Vascular vs. Demyelinating Lesions

基于注意力的脑白质高信号分割以及血管性与脱髓鞘性病变的区分

Aina Tur-Serrano, Gabriel Moyà-Alcover, Francisco J. Perales López

机构 * UGiVIA Research Group, Dpt. of Mathematics and Computer Science, Universitat de les Illes Balears（UGiVIA研究小组，数学与计算机科学系，巴利阿里群岛大学） 纠错

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

AI总结 研究针对脑白质高信号在鉴别诊断上的挑战，提出结合基于注意力的分割与特征驱动分类方法，评估注意力机制、测试不同架构及训练策略，利用多数据集实验，结果显示该方法为区分血管性和脱髓鞘性白质病变提供了有前景的方向。

Journal ref Pattern Recognition Letters 202 (2026) 50-56

SMART: A Flexible, Interpretable, and Scalable Spatio-temporal Brain Atlas from High-Resolution Imaging Data

SMART：一种灵活、可解释且可扩展的高分辨率成像数据时空脑图谱

John Kalkhof, Boris Gutman, Emile d'Angremont, Daniel C. Alexander, Marco Lorenzi

机构 * Illinois Institute of Technology（伊利诺伊理工学院） ； Amsterdam University Medical Center（阿姆斯特丹大学医学中心） ； University College London（伦敦大学学院） 纠错

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

AI总结 提出SMART框架，通过解耦全局疾病动态与患者特定解剖表现，学习连续疾病时间图谱，实现高分辨率3D医学图像中时空变化的灵活、可解释和可扩展建模。

Transition-Based Digital Twin Modelling for Alzheimer's Disease under Sparse Longitudinal Data

基于转换的阿尔茨海默病数字孪生建模在稀疏纵向数据下的应用

Yinyu Huang, Yilin Zhang, Sofia Michopoulou, Christopher Kipps, Rahman Attar

机构 * University of Southampton（南安普顿大学） ； University Hospital Southampton NHS Foundation Trust（南安普顿大学医院NHS基金会信托） ； Faculty of Medicine, University of Southampton（南安普顿大学医学院） 纠错

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

AI总结 针对阿尔茨海默病进展异质性和数据稀疏问题，提出结合局部转换建模与序列建模的数字孪生框架，利用多模态纵向数据预测认知状态并量化不确定性，在ADNI数据上表现优异。

Comments 13 pages, 5 figures, 3 tables. Accepted as a full-length paper at the International Conference on AI in Healthcare (AIiH) 2026

Self-Supervised Vision Transformers for CBCT-Based Detection of Temporomandibular Joint Osteoarthritis

基于自监督视觉Transformer的CBCT颞下颌关节骨关节炎检测

Shradhdha Trivedi, Vrundan Sojitra, Mariela Padilla

机构 * Herman Ostrow School of Dentistry, University of Southern California（南加州大学赫尔曼·奥斯特罗牙科学院） ； Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院） 纠错

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

AI总结 研究DINO系列自监督ViT在CBCT颞下颌关节骨关节炎检测中的迁移性能，发现部分解冻最后两个Transformer块可将AUC从0.671提升至0.902，表明适应策略比骨干选择更重要。

MedicalRec: Medical recommender system for image classification without retraining

MedicalRec：无需重新训练的图像分类医疗推荐系统

Roghayeh Taghavi, Aysa Hasanazde Bashkandi, Amir Ali Bengari, Mohammad Amin Raji, Mohammad Salahi Ardekani, Parisa Mardukhian, Parvaneh Rezaei, Ramin Mousa

机构 * University of Tehran（塔里班大学） 纠错

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

AI总结 提出基于Transformer的医疗推荐系统MedicalRec，利用从3000篇论文中构建的MedicalRec-Bench数据集（含5000+记录），无需重新训练即可为医疗图像分类任务推荐最优模型，最高HitRate@100达75.5%。

A Novel Global Context-aware Deep Neural Network for Enhanced Brain Tumor Segmentation using Magnetic Resonance Images

一种新颖的全局上下文感知深度神经网络用于基于磁共振图像的增强脑肿瘤分割

Sourjya Mukherjee, Ananya Bhattacharjee, R. Murugan

机构 * National Institute of Technology Silchar（全国理工学院锡拉char分校） 纠错

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

AI总结 提出全局上下文感知的挤压激励残差UNet（GCSER-UNet），融合空间和通道注意力，在TCGA LGG和BraTS 2020数据集上取得优于现有技术的Dice分数。

Comments 11 pages, 9 figures, 6 tables. Submitted to arXiv cs.CV

VesselSim: learning 3D blood vessel segmentation without expert annotations

VesselSim: 无需专家标注的3D血管分割学习

Erin Rainville, Melissa Ananian, Tristan Mirolla, Hassan Rivaz, Yiming Xiao

机构 * Department of Computer Science and Software Engineering, Concordia University, Montreal, Canada（计算机科学与软件工程系，康科迪亚大学，蒙特利尔，加拿大） ； Department of Electrical and Computer Engineering, Concordia University, Montreal, Canada（电气与计算机工程系，康科迪亚大学，蒙特利尔，加拿大） 纠错

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

AI总结 提出VesselSim两阶段框架，通过几何驱动的合成血管生成和自监督测试时适应，实现无需真实标注的3D血管分割，在多个临床数据集上达到与有监督方法竞争的性能。

Comments This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution will be published as part of the MICCAI 2026 proceedings in October

Normal Guidance is what Attention Needs

Normal Guidance is what Attention Needs

Ethan Harvey, Dennis Johan Loevlie, Michael C. Hughes

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 提出Normal Guidance正则化技术，使基于注意力的多实例学习方法在3D医学图像切片级定位上超越现有方法，同时保持全扫描分类性能。

DA-UCT: Self-Supervised Domain-Adaptive Ultrasound Computed Tomography for Rapid Musculoskeletal Sound Speed Reconstruction

DA-UCT：用于快速肌肉骨骼声速重建的自监督域自适应超声计算机断层扫描

Tianyu Liu, Heyu Ma, Aiduo Wang, Peiwen Li, Boyi Li, Ying Li, Dan Li, Chengcheng Liu, Dean Ta

机构 * College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院） 纠错

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

AI总结 提出SDA-UCT框架，通过自监督域自适应和注意力增强网络，实现快速高分辨率肌肉骨骼超声计算机断层扫描重建，显著提升速度并保持高质量。

Beyond Classification Accuracy: Neural-MedBench and the Need for Deeper Reasoning Benchmarks

超越分类准确度：Neural-MedBench与更深层次推理基准的需求

Miao Jing, Mengting Jia, Junling Lin, Zhongxia Shen, Huan Gao, Mingkun Xu, Shangyang Li

机构 * School of Physics Science and Technology, Beijing University of Posts and Telecommunications（北京邮电大学物理科学与技术学院） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学技术研究院） ； Beijing Chaoyang Hospital, Capital Medical University（北京朝阳医院） ； Sleep Medical Center, Huzhou Third Municipal Hospital, Affiliated Hospital of Wenzhou Medical University（湖州第三人民医院睡眠医学中心，温州医科大学附属医院） ； University of Macau（澳门大学） ； Renyixun Health Technology Co., Ltd（仁颐讯健康科技有限公司） ； Academy for Advanced Interdisciplinary Studies, Peking University（北京大学交叉学科研究院） 纠错

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

AI总结 本文提出Neural-MedBench，一个专门用于测试多模态神经病学推理能力的基准，揭示现有医疗数据集过于强调分类准确度的问题，并通过系统评估发现模型推理失败而非感知误差主导性能下降，强调需要兼顾广度与深度的评估框架。

Comments 23 pages, 12 figures

Journal ref ICLR'2026

RadGenome-Anatomy: A Large-Scale Anatomy-Labeled Chest Radiograph Dataset via Physically Grounded Volumetric Projection

RadGenome-Anatomy: 通过物理基础的体积分量生成大规模解剖标注胸部X光图像数据集

Shuchang Ye, Mingyuan Meng, Hao Wang, Usman Naseem, Jinman Kim

机构 * The University of Sydney（悉尼大学） ； Zhongguancun Academy（中关村学院） ； Shanghai Jiao Tong University（上海交通大学） ； Macquarie University（麦考瑞大学） 纠错

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

AI总结 本文提出RadGenome-Anatomy数据集，通过物理基础的体积分量生成技术，生成包含超过1000万段分割掩码的大型解剖标注胸部X光图像数据集，用于改进医学图像分割和诊断任务。

Vision-Core Guided Contrastive Learning for Balanced Multi-modal Prognosis Prediction of Stroke

基于视觉核心的对比学习用于脑卒中平衡多模态预后预测

Liren Chen, Lidong Sun, Mingyan Huang, Junzhe Tang, Yinghui Zhu, Guanjie Wang, Yiqing Xia, Ting Xiao

机构 * School of Information Science and Engineering, East China University of Science and Technology（信息科学与工程学院，东华大学） 纠错

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

AI总结 本文提出三模态融合模型，通过大语言模型生成半结构化诊断文本并设计VDAFM模块，提升多模态融合鲁棒性，实现脑卒中预后预测的高精度。

Comments Corresponding author: Ting Xiao

The Direct Integration Theorem: A Rigorous Framework for Consistent Discrete Solutions of the Inverse Radon Problem

直接积分定理：逆Radon问题一致离散解的严格框架

Mikhail G. Mozerov

机构 * Institute for Information Transmission Problems, Russian Academy of Sciences（信息传输问题研究所，俄罗斯科学院） 纠错

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

AI总结 本文提出直接积分定理，通过经典中心切片定理推导，为CT中连续到离散转换提供数学一致方法，避免频域插值和常规梯度滤波，解决零频奇点和频域插值误差问题，实现高精度图像重建。

Comments Submitted to IEEE TPAMI. Code and data available at https://github.com/Mozerov-iitp/radon-dit/

Pan-FM: A Pan-Organ Foundation Model with Saliency-Guided Masking for Missing Robustness

Pan-FM：一种具有显著性引导掩码的全器官基础模型以实现缺失鲁棒性

Qiangqiang Wu, Grace McIlvain, Zhou Yu, Junhao Wen

机构 * Laboratory of AI and Biomedical Science（人工智能与生物医学科学实验室） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 Pan-FM通过显著性引导掩码技术，解决多模态生物医学数据缺失问题，提升全器官表示学习的鲁棒性，优于单器官和多器官基线模型。

CURE-OOD: Benchmarking Out-of-Distribution Detection for Survival Prediction

CURE-OOD：生存预测中分布外检测的基准测试

Wenjie Zhao, Jia Li, Mingrui Liu, Jing Wang, Yunhui Guo

机构 * University of Texas at Dallas（德克萨斯大学达拉斯分校） ； George Mason University（乔治·梅森大学） ； UT Southwestern Medical Center（西南医学中心） 纠错

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

AI总结 本文提出CURE-OOD基准，用于系统评估生存预测中分布外检测的可靠性，揭示协变量偏移对生存预测性能的影响。