植入体通信标准怎么定？IEEE 802.15.6信道模型全揭秘
智能手表测心率已经够酷了？那如果告诉你在身体内部植入一个小设备，它可以通过无线信号实时监控你的健康状况，甚至传输高清影像，你会不会觉得这更像是科幻电影？其实，这个技术早就不是幻想了，关键就在于怎么让信号在复杂的人体组织里准确无误地传播。今天这篇来自IEEE 802.15.6标准化组的研究，就全面回顾了植入体通信的无线传播模型，甚至动用了3D虚拟现实平台和活体
标签：AI医疗
共 93 篇
武汉大学提出MissHyper：一招修复临床时序预测的“预传播瓶颈”，SOTA三连杀！
病历数据又乱又稀疏？ICU里仪器报警此起彼伏，却常常漏掉关键趋势？武汉大学团队提出的MissHyper，在时序预测前就把同一时间戳的各种指标“合体”成病例快照，让超图模型一上来就有全局视野，三个临床基准统统领先！
CVPR 2026：近零折叠+精度效果优于现有方法，SGDIR带你告别积分烦恼
医学图像配准领域又迎来一位强力选手！阿尔伯塔大学团队在CVPR 2026上提出SGDIR，仅用半群正则化就搞定了微分同胚配准，彻底摆脱繁琐的积分和辅助约束。严格模式下几乎零折叠，放松模式精度吊打SOTA，训练推理还快一倍。这篇理论扎实、实验全面，值得仔细品味。
可穿戴ECG去噪对比：DWT降噪最强，SDAE形态最佳
在穿戴健康和航天监测等场景中，ECG去噪是关键预处理步骤。这篇论文用真实上臂数据对比了六种方法，结论一反常规：深度学习未必在所有指标上胜出，小波变换在降噪强度上反而更强。而且实验设计得很严谨，放松和肌肉收缩两种真实噪声条件都有，这比合成噪声实验更有说服力。如果你正在做可穿戴ECG相关的研究，这篇对比能帮你少走弯路。
女王大学新突破：Agent带路，让AI学会看懂肿瘤切缘，零人工标注
手术台上，医生切开肿瘤时最怕什么？切不干净或切太多。加拿大女王大学的团队最新研究，让AI助手学会了“看懂”组织切下来的烟雾——质谱数据，就能在手术中实时判断切缘是否干净。而且，AI不再是个黑盒子，它能用“概念”解释自己的判断依据，就像老医生带徒弟一样。最酷的是，这些概念是AI自己发现的，完全不需要专家花时间打标签。
72B参数大模型当导师，无需人工标注，概念学习零门槛
手术台上，医生盯着质谱仪实时反馈的代谢数据，问AI“为什么判断这里是肿瘤？”——以前只能得到一个黑盒概率。现在皇后大学团队让AI学会自己发现代谢概念，甚至能用知识图谱解释“看到了异常的氨基酸信号”。关键是不需要人工标注概念，这招解决了质谱分析的一大痛点。方法新、实验实、还给出术中案例，值得关注。
Siemens新方法：2D模型做3D分类，1.3M参数拿下12任务
3D医学分类最容易踩坑的地方，这篇论文几乎都点到了：不是模型越大越好，而是适配方式常常更关键。更狠的是，作者直接把“2D模型不如3D模型”的老观念掀了桌子。
GPT-5.5、Claude、Grok、Gemini医疗安全测试：评判者一换，排名就变
医疗AI最怕的不是答题难，而是信息少还硬装懂。这篇论文最狠的地方在于：它不仅测模型，还把“谁来打分”也拉进了实验，直接揭开评测里的偏差黑箱。
Stanford新方法：无标注学3D医学影像，少样本分割强到离谱
3D医学影像最缺的不是模型，而是能长期喂饱模型的标注。MASS偏偏反着来：不用专家画框，靠自动掩码就把自监督做成了“临床味儿”很足的预训练，少样本分割和冻结编码器分类都能打。
无GPU也能跑：眼底增强新法把SSIM推到0.91
这篇工作不靠大模型、不拼训练数据，直接用“先调亮、再增强”的老办法把眼底图像做得更稳。更关键的是，它不是只在一张图上好看，而是把 DRIVE、STARE、CHASEDB1 三个数据集都跑了一遍，还给出统计检验和筛查速度，落地味道很足。
MICCAI 2026新作CRISP：不用目标域数据，医学分割照样更稳
医学图像分割最烦的不是分不清边界，而是模型一出院门就“水土不服”。CRISP不靠目标域数据、不改测试时参数，直接用排名稳定性把不确定边界一层层挤出来，思路干净，临床味很浓。
只用一张标注帧！Oxford新方法让心梗定位F1到72.4
这篇论文把“心梗定位”这件事从单视图硬猜，推进到了 稀疏运动先验 + 多视图融合 。亮点不在堆大模型，而在于用一张标注帧撬动整套追踪流程，工程味很足。
