文献

关于文献【大模型的研究方向】1、【我的问题】大模型本身有哪些方向？【deepseek】【我的总结】（1）模型架构与预训练（2）对齐与后训练（现在在这个位置）

用于肝细胞癌个体化临床决策的多模态大语言模型智能体框架文献速递/医学智能体前沿2026.7.17本文融合MRI影像组学、改进GhostNet病理标志物预测与LLM智能体，为肝细胞癌患者生成并评估个体化治疗建议。

通过渐进式域变换实现组织分类的无监督单域泛化文献速递/基于多模态的医学影像分割与理解2026.7.14本文提出USD-PG，用渐进式染色风格和空间变换进行无监督预训练，提升病理组织分类模型对未知扫描仪和数据源的单域泛化能力。

基于扩散模型的超声计算机断层成像实现肌肉骨骼组织高保真三维重建文献速递/基于多模态的医学影像分割与理解2026.7.10本文提出DiffUCT，用注意力增强RF到声速初估与条件扩散细化，实现肌肉骨骼超声CT的快速高保真三维重建。

PTCMIL：基于提示 token 聚类的全切片图像多实例学习分析文献速递/多模态医学影像最新进展2026.6.16本文提出 PTCMIL，在 ViT 中用可学习提示 token 进行端到端、任务感知的切片内聚类与原型聚合，提升 WSI 分类、生存预测和跨域适应性能。

HOI-Brain：从fMRI中准确提取带符号高阶交互用于脑疾病诊断的多通道2026.6.10本文提出HOI-Brain，用MTD提取fMRI中带符号四元高阶交互，并结合持久同调与多通道Transformer提升AD、PD和ASD诊断。

纪伊路上盛名在

Accurate structure prediction of biomolecular interactions with AlphaFold 3https://www.nature.com/articles/s41586-024-07487-w核心研究问题：能否在一个统一的深度学习框架内，准确预测包含蛋白质、核酸、小分子、离子和修饰残基的复杂生物分子复合物的结构？

Biomamba生信基地

致谢文章又+1，生物信息学+机器学习鉴定驱动糖尿病肾病免疫激活和小管间隙损伤的PANoptosis枢纽基因来自南方医科大学广东省人民医院的Echo博士，通过整合生物信息学分析、机器学习算法、调控网络与药物靶点筛选及动物模型验证，发现泛凋亡（PANoptosis）是驱动糖尿病肾病肾小管间质损伤的核心机制，鉴定出 6 个关键泛凋亡枢纽基因并构建了具备诊断价值的风险评分，同时筛选出 CASP1、FAS 等4个可作为糖尿病肾病诊疗靶点的关键基因。

SparseXMIL: 利用稀疏卷积实现数字病理学全玻片图像上下文感知和内存高效分类/文献速递-多模态医学影像最新进展2026.4.15本研究提出SparseXceptionMIL (SparseXMIL)，一种结合稀疏卷积与Xception架构的新型多实例学习模型，通过高效利用稀疏图像表示和多尺度空间交互，显著提升了全玻片图像（WSI）分类的GPU内存效率和预测性能，尤其在需要空间上下文的任务中表现优异，并具有良好的可解释性。

临床先验引导的特权知识蒸馏用于可靠的胰腺病变分类/文献速递-多模态医学影像最新进展2026.4.10本文提出了CPKD框架，通过整合临床先验和MRI特权知识，以知识蒸馏方式提高CT单模态胰腺病变分类的可靠性，尤其对小型或等密度病变表现出显著优势，为临床诊断提供了更具解释性和可行性的解决方案。

AMA-SAM：用于高保真组织学细胞核分割的对抗性多域对齐万物分割模型/文献速递-多模态医学影像最新进展2026.4.8本文提出了AMA-SAM框架，通过引入条件梯度反转层（CGRL）实现鲁棒的多域对齐，并设计高分辨率解码器（HR-Decoder）以保留精细细节，从而增强了万物分割模型（SAM）在高分辨率组织学细胞核分割中的性能，有效解决了单数据集训练的过拟合问题及SAM固有的低分辨率输出限制。

ACE-ProtoNet: 基于自适应协方差特征门和不确定性感知原型学习的冠状动脉分割/文献速递-多模态医学影像最新进展2026.4.3本文提出ACE-ProtoNet，一个统一的冠状动脉分割框架，通过结合部分冻结的视觉基础模型和可训练的CNN双编码器、基于协方差和特征值分析的自适应特征门（ACE-Gate）以及不确定性感知原型学习头（UPL-Head），有效整合异构特征并利用预测不确定性，实现了对复杂血管结构的高精度、鲁棒性及泛化能力强的分割。

与AI一起记忆：从分布式记忆到AI策划记忆与人机共忆——文献精读本文是对Pii Telakivi发表于《Review of Philosophy and Psychology》期刊的论文《Remembering with AI: From Distributed Memory to AI-Curated and Human-AI Co-Memory》的深度精读与解析。该论文系统性地探讨了人工智能技术如何深刻改变人类的记忆实践，提出了一个从传统分布式记忆到AI策划记忆再到人机共忆的理论谱系。作者创新性地论证了基于大语言模型的对话式AI代理应被视为记忆过程中的"准社会伙伴

基于几何映射的二维自然图像到四维fMRI脑图像的迁移学习/文献速递-大模型与图像分割在医疗影像中应用2026.3.13本研究提出了一种基于几何映射的fMRI迁移学习方法，通过将四维fMRI脑皮层数据转换为二维图像，并结合多尺度多域特征聚合（MMFA）模块，有效解决了fMRI小样本数据深度学习的挑战，并在性别分类、年龄估计、行为测量预测和抑郁症诊断等任务中取得了最先进的性能。

CIA-net：用于多模态MRI卵巢肿瘤分割的跨模态交互与聚合网络/文献速递-大模型与图像分割在医疗影像中应用2026.3.11本文提出CIA-Net，一个基于主次模态交互与聚合的混合卷积与Transformer网络，用于多模态MRI卵巢肿瘤分割，通过选择性融合互补特征并抑制噪声，在大规模卵巢肿瘤数据集及脑部和心脏分割基准上均实现了最先进的性能和良好的泛化能力。

AtlasMorph：学习脑部MRI的条件可变形模板/文献速递-基于深度学习的图像配准与疾病诊断2026.2.25本文提出了AtlasMorph框架，利用卷积配准神经网络学习生成基于年龄、性别等个体属性的条件可变形模板及其解剖标签图，显著提高了配准精度，并能更准确地捕捉脑部MRI的群体趋势。

解剖学引导的全身PET-CT乳腺癌分割与跨模态自对齐/文献速递-基于深度学习的图像配准与疾病诊断2026.2.13该研究提出一种结合解剖学引导提示和跨模态自对齐预训练的全身PET-CT乳腺癌分割框架，通过生成器官伪标签和特征对齐，显著提升了原发性和转移性病灶的分割精度，优于现有多种SOTA方法，尤其在小而分散的转移性病变分割上表现出色。

用于CBCT到CT合成的纹理保留扩散模型/文献速递-基于人工智能的医学影像技术2026.2.12本文提出了一种新颖的纹理保留扩散模型，用于锥形束CT到CT图像合成。该模型通过自适应高频优化、双模态特征融合模块和边缘感知边界约束，显著提高了合成图像的细节、泛化性和鲁棒性，有望提升临床诊断和治疗规划的准确性。

Transformer能否改变胃肠道内窥镜图像分析？CNN与Transformer在性能、鲁棒性和泛化能力方面的比较分析/文献速递2026.2.9本文全面比较了CNN和Transformer在胃肠道内窥镜图像分析中的性能、泛化和鲁棒性，涵盖多种任务和训练规模。研究发现，Transformer在多数场景下与CNN表现相当，尤其在处理细微病变、息肉分割和血管发育不良检测中表现良好，证实了其作为内窥镜临床实践替代方案的可行性。

双胎输血综合征胎儿镜激光手术中胎盘血管的实时分割/文献速递-基于人工智能的医学影像技术2026.2.10本研究提出了TTTSNet，一种为双胎输血综合征胎儿镜激光手术设计的实时、高精度的胎盘血管分割网络，通过引入新颖的通道注意力模块和多尺度特征融合机制，并结合创新的数据增强技术，显著提升了分割性能和泛化能力，为临床实践中的辅助决策提供了有力工具。