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。
标签：AI医疗
共 86 篇
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。
Yale新方法FD-loss：让医学图像生成更像真肿瘤，分割DSC提升超5%
这篇论文很实在：不跟生成模型纠缠“像不像”，而是直接问“合成数据能不能把分割做对”。FD-loss把分布对齐塞进医学图像生成训练里，结果不是纸面分数好看，而是下游分割真涨点。
DINO ViT接收！乳腺超声图同质性飙升
这篇论文最有意思的地方，不是把GCN又改了一遍，而是直接问了一个更扎心的问题：图做得再花，编码器不行也白搭。结果还真被它说中了——更强的编码器不仅让分类更准，还把图同质性一起抬上去了。
不改GCN先改编码器：AUC冲到0.9094
这篇工作很“工程脑”：不忙着给GCN堆新花活，而是老老实实问一句——图到底是怎么被编码器“捏”出来的。结果还真捏出了门道：编码器越强，图同质性越高，分类也越稳。
报告文本太强了：掩码后AUROC仍0.973
这篇论文最有意思的地方，不是模型把胸片分类做到了多高，而是它专门证明了：有些“高分”其实是报告文本在偷跑。对于做医疗多模态的人，这篇更像一场防作弊演习，值得认真看。
14个视频搞定AI尿检？这篇方法先把图拍清楚了
尿检这件事，卡住的往往不是模型，而是显微镜前那一步“得先拍出一张够清楚的图”。这篇工作很朴素：不用昂贵自动对焦，改成手动调焦录视频，再把最清楚的片段拼成全聚焦图，适合基层实验室看门道。
CVPR 2026新作PDD：医学异常检测最高提11.8%
医学异常检测最难的，不是模型会不会“找茬”，而是能不能在复杂解剖结构里别把正常组织也当成坏人。PDD的思路很直接：先把全局与局部先验拧成一股绳，再让两个学生学出差异化能力，确实比单流派蒸馏更像回事。
哈工大深圳新框架：医学分割从三套系统变一套
医学分割最难的不是“切得准”，而是“接口太多”。这篇论文把视觉示例、点框交互、文本指令和2D/3D影像统一到一个Transformer序列里，思路很硬，工程味也很足。
