🏥 医学图像¶
🧠 NeurIPS2026 · 8 篇论文解读
📌 同领域跨会议浏览： 🎞️ ECCV2026 (112) · 📷 CVPR2026 (173) · 🔬 ICLR2026 (86) · 🧪 ICML2026 (28) · 🤖 AAAI2026 (76) · 🧠 NeurIPS2025 (77)
🔥 高频主题： 医学影像 ×3 · 多模态 ×2
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。