跳转至

🏥 医学图像

🧠 NeurIPS2026 · 76 篇论文解读

📌 同领域跨会议浏览: 🎞️ ECCV2026 (114) · 📷 CVPR2026 (182) · 🔬 ICLR2026 (86) · 🧪 ICML2026 (28) · 🤖 AAAI2026 (78) · 🧠 NeurIPS2025 (78)

🔥 高频主题: 医学影像 ×38 · 多模态 ×8 · 扩散模型 ×5 · 对齐/RLHF ×4 · 人脸/视线 ×3

A Steerable Deep Network for Model-Free Diffusion MRI Registration

提出首个基于 SE(3)-等变可操纵 UNet 的免模型(model-free)扩散磁共振成像(dMRI)非刚性配准框架,将配准建模为位置-方向联合空间上的等变微分同胚,并结合傅里叶空间最大均值差异损失直接对齐原始信号与集成平均传播子。

Aegis: Generative Gradient Masking for Privacy-Preserving Medical Federated Learning

Aegis 在客户端每个本地 epoch 后加入任务相关合成图像的梯度更新,以增加线性泄漏中的样本混合;在三种 MedMNIST 模态上将所测重建率降至 9.38%–11.63%,但这不是零泄漏或差分隐私保证。

Aligning LLMs with Biomedical Knowledge using Balanced Fine-Tuning

针对生物医学文本中密集低置信度区间富集关键实体与因果链的特有不确定性结构,本文提出双尺度平衡微调(BFT),通过局部组归一化 token 重加权与序列级极值困难样本调度,在保持训练稳定性的同时充分保留领域知识,为下游稀疏奖励强化学习与生物表征构建提供了强鲁棒初始化。

Ask, Answer, and Detect: Role-Playing LLMs for Personality Detection with Question-Conditioned Mixture-of-Experts

本文提出 ROME 框架,利用 LLM 角色扮演模拟用户作答标准化心理测量问卷构建中介监督链,并结合按问题条件路由的混合专家模块(MoE)与可靠性-重要性自适应调制,在脱机轻量推理下显著突破文本到人格的表征映射瓶颈。

Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring

针对临床生存分析中因患者退出导致的不可忽略信息性截断难题,本文提出基于敏感度函数的部分可识别性界限分析框架,并设计具备双重稳健性与拟预言机效率的无偏元学习器 SurvB-learner,实现了在截断偏差下对异质性因果效应(CATE)的稳健子群识别。

Beyond Sparse Captions: Aligning Slide-Level Text and Patch-Level Vision in Pathology

提出 LIMIT(Locked Image Multiple Instance PreTraining)框架,通过冻结视觉编码器、仅利用以全切片诊断报告为查询的多示例交叉注意力微调文本编码器,在 33.5 万例临床报告上训练出 CONCH-Z 模型,在 22 项零样本病理任务中刷新 SOTA 甚至超越全监督 MIL 基线。

Beyond ViT Tokens: Masked-Diffusion Pretrained Convolutional Pathology Foundation Model

针对主流 ViT 病理基础模型切块分词破坏空间连续性与局部细胞形态的问题,本文提出掩码扩散卷积基础模型 CMD,在像素空间通过结构化掩码去噪预训练纯卷积 ConvNeXt-UNet 并结合冻结病理大模型条件注入,实现对细胞级密集预测任务的高精度、强泛化与极低标注开销表征迁移。

B[FM]\(^2\): Brain Foundation Model via Flow Matching with SplitUNet

本文提出脑电基础模型 B[FM]\(^2\),摒弃传统离散分块与掩码重建范式,直接利用最优传输条件流匹配(OT-CFM)与专为时间-电极不对称性设计的 SplitUNet 在原始连续多通道 EEG 波形上预训练,仅用约 307 小时预训练数据便在 9 项下游任务中的 7 项取得 SOTA,且无条件生成的脑电波形在双盲测试中令认证神经科医师无法与真实临床脑电区分(\(\kappa = -0.096\))。

BigCell: Generating Gigapixel Whole-Slide Images

BigCell 提出首个原生支持十亿像素(Gigapixel)全切片病理图像(WSI)生成的统一框架,结合渐进式训练的 2048 分辨率流匹配 Transformer、病理基础模型嵌入驱动的滑动窗口推理、自适应 CFG 速度调度以及文本生成条件网格的 CGM 模型,实现了逼真的宏观组织架构与微观细胞形态合成。

BrainPro: Process-conditioned Pretraining with Topographic Retrieval for Large EEG Models

针对脑电基础模型中多数据集导联排布异质性与实验范式上下文线索被忽视的问题,BrainPro 提出基于通用模板的地形图空间滤波检索机制与多分支心理过程条件化掩码预训练框架,在 9 个跨范式 BCI 基准上显著超越现有 SOTA 模型。

BrainWorld: A Structural-Prior-Conditioned Generative Model for Whole-Brain 4D fMRI Dynamics

BrainWorld 将 4D 全脑 fMRI 动态序列生成形式化为结构先验条件引导的时空生成扩散任务,利用冻结的 sMRI 编码作为解耦的解剖背景,在两阶段潜空间扩散架构下实现长达 400 帧的高保真自回归推演与下游跨任务表征迁移。

Bridging the Modality Bottleneck in Pathology MIL Through Virtual Molecular Staining

针对病理全视野图像多示例学习受限于纯形态学特征而无法有效捕捉分子状态的模态瓶颈,本文提出仅在训练期利用配对空间转录组构建跨模态原型的虚拟分子染色变换(MIST),作为即插即用的投影层使纯H&E推理性能全面提升。

C3VD-DEFCOL: A Deformable Colonoscopy Dataset with Time-Resolved 3D Ground Truth and Realistic Appearance

针对活体结肠镜难以获取三维真值且合成数据外观失真的核心矛盾,C3VD-DEFCOL 提出了参数化蠕动/中心线形变模拟结合深度条件视频扩散模型(LTX-2.3 Sim2Real)的基准框架,构建了包含 110 个视频序列、9,240 帧兼具时间分辨三维真值与在体级真实黏膜外观的基准数据集。

CasePlay: Self-Play Reinforcement Learning from Case Reports for Medical Reasoning

针对直接在医学病例报告上开展自对弈强化学习时出现的知识点固着与难度-质量脱节问题,本文提出 CasePlay 框架,通过知识点引导出题以提升文档覆盖度,并结合细则质量评判引导模型生成具备多跳推理与高质选项的题目,在七项医学基准上显著提升临床推理能力。

CASL-VAE: Learning Structured Latent Variables from Unpaired Data for Semi-supervised Clustering and Paired Sample Generation

针对临床与科学研究中缺乏配对观测且目标群体异质性强的难题,提出 CASL-VAE,通过解耦连续共有因子与包含离散亚型与连续亚型内因子的分层显著隐变量,在无配对数据下实现半监督聚类与跨域成对样本生成。

CD-RCM: Generalizable Continuous-Depth Novel View Synthesis for Reflectance Confocal Microscopy

针对活体皮肤反射式共聚焦显微镜(RCM)轴向采样稀疏导致的各向异性三维成像难题,提出首个面向 RCM 的前馈式连续深度新视角合成框架 CD-RCM,结合虚拟相机轴向平移几何建模与领域自适应皮肤感知损失,单次前馈实现亚秒级任意深度切片合成与各向同性组织重建。

Cephalonauts-One: A Deep fMRI Dataset for Decoding Naturalistic Speech in the Human Brain

本文发布了包含 3 名受试者各 30 小时全脑 3T fMRI 连续播客听觉记录的极深数据集 Cephalonauts-One,并构建了基于对比学习的端到端音频片段检索评测基准与尺度扩展律分析。

CRAFT: Causal Responsibility and Failure Tracing in Medical Vision Language Models

提出了基于结构因果模型与反事实去混淆的机械可解释性分析框架 CRAFT,首次揭示并因果定位了医疗 VLM 中空间解耦的“仲裁失效”与“刹车失效”注意力头集合,在无需微调的前提下通过稀疏注意力头切除大幅抑制文本越权并恢复不确定性弃权能力。

DDx-TRACE: A Benchmark for Medical Diagnostic Trajectories in VLMs

DDx-TRACE 构建了一个包含 211 例经临床医生审定的神经放射学基准,将多模态医学诊断重构为部分信息下的交互式主动证据获取轨迹,揭示了前沿 VLM 凭借最终诊断答案得分掩盖了未获取必要检查、检查顺序混乱与置信度校准失衡等临床过程缺陷。

DeepArrhythmia: Segment-Contextualized ECG Arrhythmia Classification via Selective Evidence Acquisition

DeepArrhythmia 在 10 秒心电片段中按 R 峰输出逐心搏标签,并根据初步预测的片段置信度选择是否追加数值与形态证据,在四个数据集上展示了上下文和生理证据的价值,但路由并非在所有指标上优于始终使用丰富证据。

EEG Benchmarking Needs a Task Specification Layer: NeuroDoc for Rulebook-Guided, Executable Benchmark Construction

针对异构脑电数据集因缺乏统一任务定义与隐私伦理无法二次分发而阻碍大模型跨数据集评测的痛点,本文提出了由规则手册指导的脑电任务规范语言与基准条目表征(文档-内核配对),并构建了集草拟升级(NeuroDoc)与社区审计(NeuroAudit)于一体的工具链,发布了覆盖 53 个已核验数据集、245 项任务的可执行基准语料库。

Extremely Sparse-View Computed Tomography from 2D Projections via Pose-Aware Diffusion Priors

提出针对极度稀疏视角CT(xSV-CT)的“稀疏训练/稀疏推理”范式,仅用每样本单张2D投影图训练多尺度姿态感知扩散先验,并在推理阶段通过共享体几何一致性与Radon变换值域物理约束联合引导采样,无需密集扫描3D体数据监督即可实现SOTA的新视角合成与高质量三维断层重建。

Fine-Tuning Language Encoding Models on Slow fMRI Improves Prediction for Fast ECoG

通过在慢速非侵入性 fMRI 数据上微调自监督语音模型 WavLM,可跨被试、跨刺激显著提升快速侵入性 ECoG 脑电响应的编码预测性能,并呈现对数数据扩展规律。

FlatClip: Reusing Image Foundation Models for fMRI Representation Learning via Cortical Flatmaps

本文提出FlatClip,将大脑fMRI神经活动投影并栅格化为解剖对齐的2D皮层展开图(flatmap),直接利用完全冻结的通用图像大模型SigLIP2提取特征并训练轻量探测头,在无需任何领域特定预训练的前提下显著超越主流ROI脑基础模型,系统论证了皮层几何空间拓扑与任务相关脑区选择在跨模态表征复用中的核心决定作用。

Flow Matching with In-Context Priors for Out-of-Distribution Brain Dynamics

提出一种基于逐时间步条件注入的扩散 Transformer(DiT)与流匹配框架,通过组合式自然语言描述与自监督空间先验实现全皮层 fMRI 动力学的零样本分布外生成与反事实时序推演。

Focus, Align, and Diffuse: Time-Series-Aware Keyframe Diffusion for Cardiac Dynamic Synthesis from Sparse Observations

CardioFAD 将极度稀疏观测(如单帧/单切片)下的心脏动态合成问题重构为“可恢复性与可对齐性锚点发现”任务,基于轨迹充分性原则与锚点对齐原则从 ECG 信号中自涌现学习关键帧,并通过两阶段统一掩码扩散模型实现了高保真度与生理功能一致性的全周期动态重构。

FOCUS: Benchmarking Retinal Model Generalization from Foundation Vision Encoders to Multimodal LLMs

FOCUS 将十个眼底数据集的疾病标签和三类基础模型的预测接口接入同一评测层,发现模型排序能力、校准与亚群表现并不一致,而 MLLM 的监督微调主要改善二元决策和校准,平均 AUROC 增益很小。

Gate-Based Feature Importance in Simulation-Based Inference for EEG: A Cautionary Tale

论文在 Jansen–Rit 脑电图神经后验估计任务中,系统对比了联合训练的可微特征门控权重与留一重训练消融基准,发现两者重要性排序呈显著负相关(\(\rho \approx -0.61\)),证明可微门控在不损预测精度时无法忠实反映因果特征重要性。

GLINT: Sparsely Gated Vision-Language Alignment for Fine-Grained Radiology Representations

GLINT 针对放射影像报告对齐中病灶局部性与全局图文监督的尺度失配难题,提出基于独立门控嵌入空间的稀疏门控对齐(SGA)与锚定冻结自监督教师的密集特征正则化(DFR),在 2D 胸片与 3D 胸部 CT 上实现了极具判别力且稀疏集中的细粒度表征,并在无任何掩膜监督下实现了首个 3D CT 零样本自由文本分割。

GLINT: Sparsely Gated Vision-Language Alignment for Fine-Grained Radiology Representation Learning

针对放射学图文预训练中微小病灶与全局报告尺度的严重失配,GLINT 提出基于独立门控空间的稀疏门控对齐(SGA)与基于自监督教师锚定的稠密特征正则化(DFR),在 2D 胸部 X 光与 3D 胸部 CT 上实现了无需掩码监督的高精度零样本自由文本定位与三维体素分割。

GRAPE: Graph-Augmented Prototype Explanations for Interactive Medical Image Diagnosis

针对基于原型的医学图像分类器割裂概念关联、盲目放大医生错误空间交互以及词表封闭三大瓶颈,GRAPE 提出融合数据驱动共现图注意力分类头、基于原型方差的空间概念冲突安全校验,以及对齐冻结医学 VLM 的开词表原型锚定机制,在仅增 1 ms 延迟下显著兼顾诊断性能与交互安全。

GRASP: Guided Residual Adapters with Sample-wise Partitioning

GRASP 通过基于条件空间(频次分布与健康先验或文本语义聚类)的静态确定性划分,将样本解耦路由至扩散 Transformer 前馈层中专有的残差适配器,从优化底层消除长尾分布下头尾类别的破坏性梯度干涉,在保持流匹配目标与采样器零侵入的前提下大幅提升罕见病症生成的保真度与多样性。

Handwriting Decoding as a Challenging Motor Task for EEG Foundation Models

针对现有脑电手写解码研究中普遍存在的眼动、视觉与块设计伪影混淆问题,本文构建了无混淆的高密度跨期手写数据集 LOVW-8.5K,首次系统评测了脑电基础模型(EEG Foundation Models),揭示出基础模型在细粒度运动任务上显著劣于专用小模型,且运动起始时间未知与测试期单次试验信噪比(SNR)是限制解码性能的核心瓶颈。

HyperNSDE: Personalized Neural SDEs for Joint Static–Longitudinal Clinical Data Generation

HyperNSDE 提出了一种连续时间生成模型,通过超网络将基线静态协变量映射为患者专属的神经 SDE 漂移参数,结合确定性-随机路径分解、非对抗特征标核优化与潜状态驱动的事件强度过程,实现了多模态异质静态特征、不规则纵向轨迹与信息性观测时间的端到端联合合成。

Information Bottleneck-Guided Adaptive Hypergraph Transformer for Brain Disease Diagnosis

IBAHGT 将固定近邻超图上的自适应消息传递与全局 Transformer 并行结合,再用节点级融合及信息瓶颈辅助训练提高 fMRI 脑网络分类表现,在随机划分的 ABIDE / ADNI 上取得 77.6% / 86.3% 准确率,但其互信息推导存在不能忽略的条件与符号问题。

Knowledge Transfer Scaling Laws for 3D Medical Imaging

针对多模态3D医学影像自监督预训练中数据混合缺乏理论指导的难题,本文提出了首个迁移感知缩放定律,通过显式建模领域特异性缩放指数与非对称跨域迁移矩阵,实现了数据混合配比的闭式解析优化,在预训练MAE重建与下游多项分割、分类任务上显著超越传统启发式配比。

L-FAME: Longitudinal Focused Attention Meditation EEG Dataset and Benchmark

针对自发性认知状态缺乏客观触发标签及长期神经漂移导致模型严重退化的问题,本文提出了首个覆盖 6 周训练周期、包含 74 名被试在三种专注冥想(呼吸专注与两类心咒冥想)下的 64 导高分辨率纵向脑电数据集 L-FAME,并构建了涵盖状态解码、细粒度技术分类与小样本跨期自适应的三级评测基准。

LEAF: Language-EEG Aligned Foundation Model for Brain-Computer Interfaces

LEAF 提出了一种面向脑机接口的语言-脑电对齐基础模型,通过自监督谱时空联合重构(STR)捕捉频带与双向/因果时序动力学,并借助指令条件 Q-Former(IQF)引入任务提示词与文本原型语义对齐,在 16 个跨范式 BCI 数据集上全面刷新 SOTA。

Learning What Not to Impute: An Uncertainty-Aware Diffusion Framework for Meaningful Missingness

针对表格数据中“观测失真缺失”与“内在有效语义缺失”混杂的难题,提出联合扩散模型 Diff-Joint,通过条件采样结合后验不确定性聚类迭代判别并恢复观测缺失,同时完整保留意义缺失状态。

Learning When to Collaborate: Selective Multi-Agent Medical Reasoning via Uncertainty-Aware Routing

SMART-Med 针对医疗多智能体系统(MAS)依赖云端大模型和全量密集交互的高昂开销,提出完全基于本地轻量 MLLM 的选择性协作框架,通过分层推理数据集 MedVR-3K 与显式耦合置信度与正确率的双重奖励 GRPO 训练,实现高置信单智能体直答、低置信按需召集专家的自适应协作。

MedVTok: A General-Purpose Medical Visual Tokenizer

MedVTok 是一个通用的多模态医学视觉分词器,通过切片差分正则化保持 3D 体积解剖连续性,结合多专家双向表示对齐注入临床语义,实现了跨 9 种成像模态与 2D/3D 维度的统一视觉 Token 空间。

MedVTok: 通用医学视觉分词器 (A General-Purpose Medical Visual Tokenizer)

MedVTok 是一个统一 2D 图像与 3D 体积数据的通用医学视觉分词器,通过切片微分正则化显式保持跨切片解剖连续性,并借助多专家表征对齐融合跨模态临床语义,在 24 个下游医学基准上刷新 SOTA。

MentalHospital: A Virtual Environment for Evaluating Psychiatric Clinical Encounters

本文提出了 MentalHospital,首个基于真实电子病历并贯通主观问诊、客观检查、诊断评估与治疗规划(S.O.A.P.)全流程的虚拟精神科评测环境,并构建了专业对齐的五维评测器套件 MentalEval,系统揭示了大模型在精神状态检查与客观临床能力上相较人类专家的显著差距。

MID: Mask-Image Distributional Divergence for Evaluating Medical Image Segmentation

提出了首个面向医学图像分割的分布级无监督评测指标 MID(掩膜-图像分布发散度),通过预训练医学视觉编码器将图像与各类别二值掩膜联合嵌入高斯近似潜空间,利用二阶瓦瑟斯坦距离在无须配对真实金标准的条件下敏锐捕获分割解剖真实度与图掩对应一致性。

MindAlign: Bridging EEG, Vision, and Language for Zero-Shot Visual Decoding

MindAlign 提出了一种联合脑电图(EEG)、视觉与大语言模型文本描述的三模态对比对齐框架,结合时空掩码重建自监督预训练与多阶段专用编码器,在 200 分类零样本视觉解码任务上取得了突破性性能。

MIRAGE: Adaptive Multimodal Gating for Whole-Brain fMRI Encoding

提出全脑 fMRI 神经编码框架 MIRAGE,利用冻结的多模态基础模型 Qwen3-Omni 提取原生融合特征,并通过可学习隐式查询跨注意力门控自适应聚合各模态层级表征,结合时序 Transformer 编码器显著刷新 Algonauts 2025 全脑预测与分布外泛化 SOTA。

Modeling Whole-Slide Images as Dynamic Tumor Microenvironment Fields

TMEvolve 将病理全切片建模为可反复更新的潜在区域场,通过区域内扩散和概念引导的有向边界交互学习切片表示,在四个生存队列中的三个获得最高平均 C-index,但这种“演化”是表示细化而非真实肿瘤时间进程。

MosaicMRI: A Diverse Dataset and Benchmark for Raw Musculoskeletal MRI

提出了迄今规模最大的开源原始肌肉骨骼(MSK)MRI 数据集 MosaicMRI(含 3,150 个全采样序列卷和 89,830 个切片,涵盖 10 个解剖部位与 0.55T/1.5T 场强),系统建立了加速重建基准,并证明了跨解剖混合训练比单一解剖训练具有更优的重建精度与域泛化能力。

Multimodal LLMs Outperform Pathology Foundation Models in Cross-Domain Histological Similarity

MOSAIC 用六个组织病理队列中的三图相似度选择,把同类跨域样本与异类同域样本直接对置,发现零样本多模态大语言模型通常比病理基础模型的欧式嵌入距离更能抵抗采集来源捷径,但优势不等于临床诊断能力,也不意味着跨域任务已经可靠解决。

NeuroAtlas: Benchmarking Foundation Models for Clinical EEG and Brain-Computer Interfaces

NeuroAtlas 构建了涵盖 42 个数据集与约 26 万小时脑电记录的临床 EEG 与脑机接口综合基准,在统一冻结特征线性探测框架下评测 20 种代表性模型,揭示出脑电专用大模型相较通用时序大模型优势微弱、受非神经伪影严重干扰以及常规机器学习指标与临床真实效用脱节等核心瓶颈。

NeuroAtlas: 临床脑电与脑机接口基础模型基准评估 (NeuroAtlas: Benchmarking Foundation Models for Clinical EEG and Brain-Computer Interfaces)

NeuroAtlas 构建了涵盖 42 个数据集、约 26 万小时脑电记录的超大规模临床与脑机接口基准,在统一冻结特征提取协议下评测了 20 种模型,揭示出专用脑电基础模型未显著超越通用时序模型、且单数据集及常规指标严重掩盖临床失效模式等关键结论。

Nonparametric Distribution Matching for Self-Supervised Whole-Slide Image Condensation

本文将全切片病理图像压缩形式化为固定冻结编码器表征空间下的最优传输分布匹配问题,提出非参数自监督框架 NICER,解耦局部模式探索与全局概念浓缩,实现了切片级自适应原型容量与下游任务性能的大幅提升。

Paleoinspired Vision: From Exploring Colour Vision Evolution to Inspiring Camera Design

提出了古生物启发的计算视觉框架,将视网膜光电转换建模为高斯参数化、受微步突变约束的 1×1 卷积视蛋白层,仅用 GPU 数秒即可重构数千万年脊椎动物色觉演化轨迹,并指导火星探测与癌症检测专用相机的极简滤光片谱响应设计。

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

针对真实临床与生物样本库中普遍存在的非随机器官缺失问题,Pan-FM 通过统一 Transformer 与基于教师注意力分布的显著性引导掩码(SGM)机制,有效消除多器官自监督预训练中的优势器官捷径学习偏差,实现了跨 7 大器官系统的高度鲁棒全身表征。

Positive-Unlabeled Preference Optimization for Chest X-Ray Report Generation

针对回顾性胸部 X 光报告中因临床工作流导致的轻微或次要病变未提及(遗漏噪声)问题,本文提出基于正样本-无标记(PU)学习的直接偏好优化框架 PU-DPO,结合大模型两阶段对比编辑构建偏好对与无偏风险估计器,有效恢复隐性正样本并大幅提升病变检出率。

QUTCC : Quantile Uncertainty Training and Conformal Calibration for Imaging Inverse Problems

QUTCC 将连续分位数嵌入注入 Attention U-Net 进行同时分位数回归,并创新性地在分位数空间执行独立的风险控制共形校准,实现了非线性空间自适应缩放与严格边际覆盖保证,在加速 MRI、定量相位显微和去噪等图像逆问题中显著收窄了不确定性区间并精准定位模型幻觉。

RAM-H1200: A Unified Evaluation and Dataset on Hand Radiographs for Rheumatoid Arthritis

提出首个覆盖全手骨骼实例分割、像素级骨侵蚀病灶标注与临床标准SvdH评分的多层次类风湿性关节炎基准数据集RAM-H1200,系统揭示了从宏观骨骼解剖建模到微观病灶量化分析的性能落差。

Reporting Practice Matters: The Impact of Reference Choice on Chest X-ray Report Evaluation

本文揭示了放射科医师报告书写习惯差异对胸部X光报告生成模型评测的显著干扰,提出了由专家验证的四维变异分类体系与保真重写方法ReRef,证实主流自动化指标无法解耦临床诊断与书写风格,甚至能彻底颠倒模型排行榜名次。

Scaling Multi-Teacher Distillation for Digital Pathology

针对传统多教师蒸馏在教师数量扩展时表征崩溃的瓶颈,提出可学习教师专属 token、结构化注意力掩码、MoE 尾部层与跨样本 InfoNCE 对比损失,将 10 个 SOTA 病理大模型蒸馏为紧凑高效的 OMNI 编码器系列(7M-330M),计算开销降低达 10 倍且全面超越教师模型。

SheafStain: Sheaf-Theoretic Schrödinger Bridge for Spatially and Biologically Coherent Virtual Staining

SheafStain 在非配对薛定谔桥中加入邻域 VFM 空间条件、重叠区域一致性损失和病理监督,再通过自适应补块与加权拼接生成 H&E 对应的 IHC,在两个乳腺病理数据集的 1024×1024 拼接区域上显著减少接缝,但不提供诊断正确性的保证。

SliceWorld: A Predictive and Controllable World-State Model for CT Report Generation

将三维 CT 轴向切片序列建模为因果演化的隐式世界状态,通过解耦解剖、病灶与不确定性因子并引入多步未来切片特征预测与病灶反事实干预,显著提升放射学报告生成的临床一致性与可控性。

SPERA: Spherical Prior EEG Foundation Model with Geometry- and Frequency-Aware Latent Prediction

提出基于联合嵌入预测架构(JEPA)的脑电基础模型 SPERA,引入勒让德多项式球面几何先验与频域关系正则化,在大规模多源脑电预训练中取得卓越的下游分类与参数泛化性能。

Standing on the Shoulders of Giants: Rethinking EEG Foundation Model Pretraining via Multi-Teacher Distillation

针对脑电(EEG)数据稀缺且信噪比极低的瓶颈,本文摒弃传统的自监督掩码重建范式,提出跨模态多教师蒸馏预训练框架 MTDP,通过两阶段掩码隐空间去噪自适应融合视觉与时序大模型表征并蒸馏给紧凑 EEG 学生网络,仅需 25% 预训练数据即可全面超越自监督 SOTA。

STREAM: Stochastic Riemannian Flow Matching with Anisotropic Decoder for Digital Histopathology Image Generation

针对数字病理图像生成高度依赖外部条件特征注入且 VAE 隐空间语义贫乏的难题,本文直接将病理视觉基座模型(VFM)特征空间作为生成流形的超球面 \(\mathcal{S}^{d-1}\),提出了结合端点消失随机布朗桥扰动的黎曼流匹配(RFM)与基于速度场雅可比谱分解的各向异性解码器,实现了无条件高保真病理图像合成。

SurgVista: Long-Horizon Surgical World Modeling with Plausible Instrument-Tissue Dynamics

SurgVista 针对手术视频生成中器械与组织接触缺乏空间形变一致性以及长程自回归模拟中时间保真度崩溃的两大顽疾,提出了基于点轨迹对比学习的形变一致性正则化与结合在线自残差和光度扰动的漂移自适应训练,在长达 800 帧的复杂手术任务仿真中实现了显著优于 SOTA 的物理真实感与稳定性。

Symb-xMIL: Symbolic Explanations for Multiple Instance Learning in Digital Pathology

针对数字病理多实例学习(MIL)热图仅能提供一阶局部重要性而无法解释组织特征高阶交互逻辑的局限,Symb-xMIL 提出基于布尔逻辑规则的后验符号化解释框架,通过子袋响应与参考模式对齐构建符号表征空间,成功捕获高阶逻辑、揭示模型隐蔽错误并在临床队列中优化预后分层。

Text-Guided Medical Image Segmentation via Residual Aggregation and Dense Alignment Representations

本文提出轻量级框架 RADAR,通过解耦 BiomedCLIP 语义锚定与 MedSAM2 掩码解码,引入文本条件引导的残差深度聚合 GRDA、教师锚点结构化密集对齐 SDRA 及多模态 Prompt 生成 MPG,仅需 0.74M 可训练参数即显著提升低对比度与模糊边界病灶的分割精度。

Tokenizer-Generator Coupling in Medical Image Generation

这是一项以“分词器—生成器—采样器”三元组为单位的受控因子研究:在 ChestMNIST-64 的 70 个生成配置中,重建质量不能可靠预测生成质量,量化器排序随生成器变化,而验证集选择的低步数采样可将 LFQ-1024 + D3PM 的 FID-192 从 0.44 降至 0.09。

U-Bench: A Comprehensive Understanding of U-Net through 100-Variant Benchmarking

针对医学图像分割领域十年来U-Net变体激增但缺乏系统评测的问题,U-Bench在10大模态28个数据集上评测了100种U-Net变体,提出了兼顾分割精度与推理效率的统一评价指标U-Score,并通过统计检验与Advisor智能体揭示了当前变体在域内改进上的瓶颈及临床选型规律。

UniPro: Unified Multi-Mode Medical Image Segmentation from 2D Images to 3D Volumes via Propagation

UniPro 首次将 3D 体数据的切片传播形式化为体内参考条件化上下文预测,在单一轻量 2D 编码-解码架构中统一了语义、上下文、交互式和传播式四种分割范式,并通过反向种子重构与 3D 一致性监督实现了从稀疏 2D 交互到高保真 3D 体分割的高效扩展。

ViCoR: Estimating Visual Necessity via Counterfactual Residuals for Multimodal Medical Data Selection

针对医学视觉语言模型(Med-VLM)微调中的模态失衡与语言捷径问题,ViCoR 通过构建中性对照图隔离出图像诱导的反事实优化残差,并结合临床监督规范度与表征多样性筛选出 20% 的微调子集,在显著降低训练开销的同时实现了超越全量微调的泛化性与复杂疾病诊断鲁棒性。

VIPER: An Expert-Curated Benchmark for Vision-Language Models in Veterinary Pathology

针对临床前药物安全评价中实验动物组织病理多模态评测空白,构建首个由欧洲兽医病理学会(ECVP)认证专家标注与校准的啮齿类毒理病理视觉语言评测基准 VIPER,并提出领域微调模型 ToxScribe,揭示了人源模型在兽医病理中的显著域迁移鸿沟与通用前沿模型的正常组织过度诊断风险。

WASP: Weakly Aligned Spatiotemporal Pairs for Fetal Brain MRI–Ultrasound Learning

针对临床上极度缺乏同受试者同日采集的胎儿脑 MRI-超声(US)配对数据难题,本文提出 WASP 框架,利用胎儿大脑发育高度规律的孕周(时间)与标准诊断切面(空间)临床元数据,构建基于熵正则化最优传输与重心投影的弱对齐机制,无需微调主干即可将冻结的超声模型迁移至 MRI 领域。

Where to Look Matters: Rethinking Sub-Volume Sampling in 3D Medical Self-supervised Learning

针对3D医学自监督预训练中均匀随机裁剪忽略空间冗余与解剖异质性的痛点,本文提出无须训练的即插即用采样框架VolumeProbe,基于解剖感知、信息丰富度与空间多样性三大准则构建离线探针库,在VoCo、S2DC和MedGMAE等主流框架上显著提升下游分割、分类与配准性能。

Why Invariance is Not Enough for Biomedical Domain Generalization and How to Fix It

针对医学图像分割在模态、序列与中心迁移时性能暴跌且纯不变表征受制于性能上限的难题,MaskGen通过冻结的基础模型提取稳定解剖表征并与原始图像拼接,配合随机通道视图掩码打破经验风险最小化下的捷径学习,在无需测试期自适应的前提下实现了顶尖的域泛化分割精度。

XDecomposer: Learning Prior-Free Set Decomposition for Multiphase X-ray Diffraction

针对真实材料合成中多相粉末X射线衍射(PXRD)严重峰重叠与未知组分难题,XDecomposer将多相分析建模为集合预测盲源分离任务,通过自监督全局预训练、相位查询引导调制与物理一致性连续掩码重构,无需任何候选相先验即可一阶段解耦单相信号与组分比例。