告别t-SNE老套路：TabSOM用SOM一鱼两吃，布局解释全搞定
表格数据是工业界和医学界的主力军，却一直被深度学习冷落。这篇论文用自组织映射把表格编码成多通道图像，不仅让CNN在四个医学数据集上排名第一第二，还把方差压到全场最低，顺带给出两个可解释性工具。思路清爽，值得一读。
标签：AI医疗
共 93 篇
LLM重构“症状时间线”：新基准MedTempo发布，CRAFT迭代精炼最高涨9.3个点
临床叙述时间线重建一直被当成“关系分类”来做，单篇报告缺时间锚点就抓瞎。本文用生成器-验证器迭代精炼的思路，配合新基准MedTempo，让大模型把症状先后顺序逐步“捋”清楚，GPT-4.1上EM最高提升9.3个点，思路干净、验证扎实。
清华最新研究：AI来访者终于学会“不配合”了，5项评分全面领先
清华团队这次不玩虚的，直接把临床心理学里的5Ps公式化、信任分层、多维抵抗机制搬进大模型，让AI来访者从“有问必答”变成“看人下菜碟”。40个临床情境实验、5项人类评估全面领先，AI心理治疗模拟终于有点真实的烟火气了。
告别黑盒！CT基础模型终于肯“说人话”，预测还能手动干预
CT基础模型很强，但诊断这事，光给个"恶性概率57%"谁敢签字？亚利桑那大学把两个CT基础模型蒸馏成8个放射科概念+结节尺寸的可编辑预测器：内部AUROC 0.86、外部0.73，关键是预测能逐项拆解还能手动干预——AI终于肯"说人话"了。
医学分割新范式：把JEPA搬进KAN函数空间，UUEKAN也被甩开
KAN架构虽然把可学习的函数搬到了每条边上，但训练时却只盯着聚合后的节点输出，边函数本身一直缺一个直接的优化目标。哈工大与港大这篇FS-JEPA，直接把自监督预测学习搬进了KAN聚合前的函数空间，用多半径签名当预测目标，把最强KAN方法平均Dice拉高2.25个百分点，思路清奇又扎实。
ECR 2026新研究：扩散模型给CBCT做"翻译"，FDK重建输入让合成CT质量飙升20dB
放疗中反复CT辐射剂量高，低剂量CBCT图像质量又不够用？这篇ECR 2026论文用条件扩散模型做CBCT到CT合成，还专门较真了“输入图像怎么表示”这件事——结果发现，看似更粗糙的FDK重建反而能让扩散模型发挥更大潜力，PSNR相对提升超过20dB，思路很值得借鉴。
告别昂贵遥操作？这家机构用"看视频"教手术机器人操作
手术机器人学动作，最缺的就是带标签数据。这篇来自中佛罗里达大学等机构的工作，首次把世界-动作模型（WAM）用到手术机器人上，在动作标签预算固定的条件下，用免费的无动作视频预训练就把闭环成功率从63.5%拽到77.8%，PegTransfer单任务直接涨了20个百分点。视频不要钱、标签贵上天，这条路子值得所有做医疗机器人的人看一眼。
北大东北大学最新CoInS-Net：医学插值分割一步到位，PSNR最高涨1.67dB
医学影像里，插值和分割各干各的，就像分手后非要各自忙活，结果边界糊了、病灶漏了。这篇论文让两个任务在一套网络里双向打配合，四个数据集上插值PSNR最高涨1.67dB、分割Dice最高涨2.9个百分点，推理还省了一半时间，临床落地够实在。
意大利都灵大学最新研究：一个基因位点，提前预测炎症性肠病生物制剂疗效？
同样的生物制剂，有人药到病除，有人却毫无反应。这项来自意大利都灵大学的研究发现，只需检测一个IL-10基因位点，就能提前预测炎症性肠病患者12个月后的生化缓解概率，为精准用药提供了全新思路。
LeCun参与，魏茨曼LeDXA：1.1万张DXA扫描训练，疾病预测胜过8.6亿参数模型
一说到DXA（双能X射线吸收测定法），大多数人脑海中浮现的画面大概是体检中心排队时，躺在一台白色仪器上，几分钟后拿到一张写着骨密度T值的报告单。这玩意儿在临床上主要就干一件事：判断你有没有骨质疏松。
磁粒子成像超分新作：德国宇航中心零样本重建，PSNR提升16%
磁粒子成像（MPI）是很有前景的医学影像模态，但分辨率被系统矩阵的粗糙网格卡死，想提分辨率就得重新做几小时甚至更久的标定扫描。这篇论文把超分辨率直接揉进PnP重建框架，用预训练去噪器零样本干活，不训练不微调，在合成和真实数据上都把分辨率提上去了，思路非常实用。
FDA最新研究：病理图像评估不用纠结，换个特征提取器，相关性飙8倍？
先来聊一个问题：怎么判断一张“造假”的病理切片图像到底像不像真的？
