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。
UHR-Net：一种用于医学图像分割的不确定性感知超图精炼网络
机构 * School of Computer Sciences, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机科学学院）
专题命中 医学影像 ：medical image(title)；diagnosis(abstract)；分类 cs.CV
AI总结 针对病灶边界模糊和小病灶分割困难，提出UHR-Net，采用不确定性导向实例对比预训练和不确定性引导超图精炼模块，在五个公开数据集上取得一致提升。
Comments 12 pages, 4 figures, 4 tables
以人为本的医学图像分析：通过公平感知的人机协作
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.LG
AI总结 提出PecMan框架，联合建模子群依赖可靠性、决策分配和协作预测，通过门控与整合机制动态分配病例给自动模型或人类专家，无需测试时敏感属性，实现公平感知的人机协作分类。
Comments Submitted to Medical Image Analysis
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 22 pages, 13 figures, 14 tables
BCNet：基于结构引导表征学习的支气管分类
专题命中 医学影像 ：CT(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV、eess.IV
AI总结 该研究针对自动支气管分类的个体拓扑差异挑战，提出结构引导的BCNet框架，在BronAtlas基准上F1分数超现有最优方法8%以上，还发布了支气管成像分析开放基准BronAtlas。
Comments The benchmark is available at https://osf.io/pskr9/?viewonly=94fa3d87274b4095ac9a4b88cc9a1341
适用于多样化脑肿瘤的自适应分割流程：放射组学引导的亚型分类与病灶级模型集成
机构 * Sheikh Zayed Institute for Pediatric Surgical Innovation（Sheikh Zayed儿童外科创新研究所） ； Children’s National Hospital（儿童医院） ； University of Washington（华盛顿大学） ； Universidad Politécnica de Madrid（马德里理工大学） ； CIBER-BBN ； ISCIII ； School of Medicine and Health Sciences（医学与健康科学学院）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV、eess.IV
AI总结 提出一种灵活模块化的自适应分割流程，通过放射组学特征检测肿瘤亚型并平衡训练，结合病灶级性能指标优化模型集成与后处理，在BraTS 2025挑战赛中达到顶尖性能，支持临床定量肿瘤测量。
Comments 12 pages, 5 figures, 3 tables. Algorithm presented at MICCAI BraTS 2025
MoPET：面向统一医学图像分类的参数高效混合专家模型
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG、eess.IV
AI总结 MoPET作为参数高效混合专家模型，通过稀疏路由整合多任务PEFT专家，在MedMNIST基准上实现了医学图像分类准确率提升，缓解了跨域梯度冲突与负迁移问题。
Comments Accepted to EMA4MICCAI 2026
用于生物医学超声计算机断层扫描的神经玻恩级数算子
专题命中 医学影像 ：biomedical(title)；分类 cs.CV、cs.LG、eess.IV
AI总结 该研究针对超声计算机断层扫描（USCT）全波形反演计算密集的问题，提出神经玻恩级数算子（NBSO），在脑部和乳腺数据集上验证其可加速波模拟与USCT图像重建，推动USCT临床应用。
Comments Withdrawn by the authors because this manuscript is an incomplete preliminary version. The work has since been substantially revised and expanded, and the present version no longer reflects the authors' final results. The updated work is available as arXiv:2508.12226
批内关系特征提升无监督医学异常检测任务的精度
专题命中 医学影像 ：MRI(abstract,abstract_cn)；pathology(abstract)；分类 q-bio、eess.IV
AI总结 在无监督医学图像异常检测中，将病理与正常解剖变异混淆是挑战。通过批内超图估计和共享权重图卷积层增强CNN自动编码器潜在表示，提升健康与病理样本可分性，降低误报率。
利用4D纵向扩散模型生成神经退行性脑解剖结构
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）
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。
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
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）
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
一种基于组织掩膜支持的全身图像配准方法用于UK Biobank
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：用于高效视觉Transformer的分层Softmax多尺度线性注意力
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）
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。
SemICP：基于弹性能量正则化的语义非刚性点云配准
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）
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。
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
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
医学图像分析中贝叶斯深度学习的置信-不确定性边界校准
机构 * Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad Politécnica de Madrid（电信工程高级学院马德里理工大学）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 提出基于贝叶斯深度学习的概率优化框架，通过置信-不确定性边界曲线（CUBC）和边界损失（CUB-Loss）校准预测置信与不确定性，并引入双温度缩放（DTS）进行后处理，在肺炎、糖尿病视网膜病变和皮肤病变三个医学图像任务上验证了有效性。
Comments 26 pages, 4 figures
NEURON：一种面向临床可解释性的神经符号系统
机构 * University of North Texas（北卡罗来纳大学达顿分校） ； Texas Tech University Health Sciences Center（德克萨斯农工大学健康科学中心）
专题命中 医学影像 ：CT(abstract,abstract_cn)；clinical AI(abstract)
AI总结 NEURON结合医学本体和机器学习模型，提升预测可靠性与临床可解释性，通过RAG层生成自然语言解释，在MIMIC-IV数据集上提升AUC至0.84-0.88。
基于场不均匀性校正的模型磁共振成像重建实现快速定量化学成分映射
专题命中 医学影像 ：MRI(title)；分类 q-bio、eess.IV
AI总结 研究针对化学工程中快速评估化学成分空间变化的需求，采用基于模型的重建框架，嵌入先验光谱知识并考虑场不均匀性，通过体模实验验证方法有效性及精度，应用稀疏k空间采样可进一步减少采集时间。
放射组学AI模型对获取参数的敏感性如何？
机构 * Computer Vision Center（计算机视觉中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学）
专题命中 医学影像 ：CT(abstract,abstract_cn)；diagnosis(abstract)
AI总结 本研究提出了一种性能导向的框架，用于量化放射组学AI模型对扫描参数的敏感性，并识别与跨数据集鲁棒性提升相关的临床重要参数区域。
用于Connectome 2.0扫描仪中人类灰质微结构量化的一种简化NEXI协议
机构 * Lausanne University Hospital (CHUV) and University of Lausanne（拉沃斯大学医院（CHUV）和拉沃斯大学） ； Massachusetts General Hospital（麻省总医院） ； Athinoula A. Martinos Center for Biomedical Imaging（阿提诺拉A.马丁诺斯生物医学成像中心）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文提出一种简化NEXI协议，利用可解释AI框架减少扫描时间，验证了其在体内的有效性，并展示了其在微结构映射中的优势。
Comments Submitted to Imaging Neuroscience. This all-in-one version includes supplementary materials. 34 pages, 145 figures, 4 tables
VERITAS：通过智能系统进行图像派生假设检验的可验证认知推理
专题命中 医学影像 ：MRI(abstract,abstract_cn)；medical image(abstract)
AI总结 VERITAS通过多智能体系统自主测试自然语言假设，生成可审计的证据链，通过四阶段工作流和认知证据标签框架提升医学影像研究的可验证性，达到81.4%的准确率。
Comments 43 pages, 5 figures. Code available at https://github.com/LucZot/veritas
Structured SIR: 高效且富有表现力的重要性加权推断用于高维图像配准
机构 * University of Sussex（萨塞克斯大学） ； University College London（伦敦大学学院） ； University of Bath（巴斯大学）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、cs.LG、eess.IV
AI总结 提出Structured SIR方法，结合采样重要性重采样与低秩加稀疏Cholesky精度因子的协方差参数化，实现高维3D图像配准中高效且多模态的不确定性量化。
放射学视觉语言模型基准的法证可重复性审计：从预期协议到发布工件
专题命中 医学影像 ：radiology(title)；分类 cs.CV
AI总结 对胸部X光视觉语言模型试点进行法证可重复性审计，追踪提示绑定等多方面情况，发现存在图像渲染、数据分割等问题，重建队列改变统计值，撤回原声明并指定机器可验证控制。
Comments Withdrawn by the author. On further review, the archived artifacts underlying this audit are too incomplete to support the reported statistics, and the paper's conclusions do not follow from the available evidence. The work is withdrawn in full; earlier versions should not be cited
Med-SegLens: 基于潜在层的模型差分用于可解释的医学图像分割
机构 * Department of Physics（物理系） ； Computer Science, Wilfrid Laurier University, Waterloo, Canada（计算机科学，威尔弗里德·劳里尔大学，温哥华，加拿大）
专题命中 医学影像 ：medical image(title)；分类 cs.CV
AI总结 Med-SegLens通过潜在层模型差分技术，实现了对医学图像分割失败的诊断和数据集偏移的缓解，通过干预潜在特征提升分割性能。
MedP-CLIP：具有区域感知提示集成的医学CLIP
机构 * Sichuan University（四川大学） ； Xinjiang University（新疆大学） ； Alibaba Group（阿里巴巴集团） ； Fuzhou University（福州大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Southwest Jiaotong University（西南交通大学）
专题命中 医学影像 ：medical image(abstract,comments)；medical AI(abstract)；分类 cs.CV
AI总结 提出MedP-CLIP，一种区域感知医学视觉语言模型，通过特征级区域提示集成机制，支持多种提示形式，在保持全局上下文的同时聚焦局部区域，在零样本识别、交互式分割等任务中显著优于基线方法。
Comments Accepted by Medical Image Analysis (MedIA)
Journal ref Medical Image Analysis, 113 (2026), 104193
Delta-Diffusion: 通过条件泊松扩散桥建模纵向脑淀粉样蛋白-PET轨迹
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、eess.IV
AI总结 提出Delta-Diffusion框架，将纵向PET合成建模为条件泊松扩散桥过程，结合扩散Transformer和物理启发的泊松扰动，在542名受试者上优于现有方法，准确捕捉淀粉样蛋白沉积的纵向变化。
广义最小二乘核张量分解
机构 * McGill University（麦吉尔大学）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、cs.LG
AI总结 针对恢复多维张量结构数据问题，提出GLSKF框架，通过整合全局与局部相关分量，利用协方差正则化等方法建模，结合交替最小二乘算法求解，在多个实际数据补全任务中展现出卓越性能和良好扩展性。
Journal ref Pattern Recognition, 114342 (2026)
TRACE：用于纵向3D胶质母细胞瘤反应评估的概念瓶颈模型
机构 * Department of Biomedical and Healthcare Data Engineering, Faculty of Engineering, Cairo University（生物医学与健康数据工程系，工程学院，开罗大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； University of Oldenburg（奥尔登堡大学）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、cs.LG
AI总结 提出TRACE模型，通过概念瓶颈架构将RANO 2.0标准融入深度学习，实现可解释的4类胶质母细胞瘤纵向反应分类，在LUMIERE数据集上达到4类宏F1为0.4769，并支持概念校正。
Comments Accept in the EXPLIMED: Explainable Artificial Intelligence for the Medical Domain workshop in IJCAI 2026
BMDS-Net：一种用于鲁棒脑肿瘤分割的贝叶斯多模态深度监督网络
机构 * School of Mathematics and Statistics, Changsha University of Science and Technology（数学与统计学学院，长沙理工大学） ； School of Biomedical Engineering, Shanghai Jiao Tong University（生物医学工程学院，上海交通大学） ； Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine（上海胸科医院，上海交通大学医学院）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV、q-bio
AI总结 BMDS-Net通过贝叶斯方法提升多模态脑肿瘤分割的鲁棒性和可信度，实现更稳定的临床应用。
Comments 21 pages, 6 figures. Manuscript prepared for submission to ACM HEALTH
PhyloSDF: 基于系统发育条件的残差流匹配神经生成3D颅骨形态
机构 * Department of Mathematics（数学系）
专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 cs.CV、q-bio
AI总结 提出PhyloSDF模型，结合系统发育一致性损失和残差条件流匹配，从少量样本生成符合系统发育关系的3D颅骨形态，在达尔文雀数据集上优于扩散模型和标准流匹配。
面向医学影像无监督域适应的实用算法选择
机构 * Ulm University Medical Center（乌尔姆大学医学中心） ； Ulm University（乌尔姆大学）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 针对医学影像无监督域适应算法选择的临床难题，提出无标注准则联合选择算法与超参数，在多数据集多场景实验中表现优于其他方法。
Comments Accepted to AMAI @ MICCAI 2026
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