医学 AI

SSFMamba: Learning Symmetry-driven Spatial-Frequency Modeling for Physically Consistent 3D Medical Image Segmentation

SSFMamba: 基于对称性的空间-频率建模学习用于物理一致的3D医学图像分割

Bo Zhang, Yifan Zhang, Shuo Yan, Yu Bai, Zheng Zhang, Wu Liu, Wendong Wang, Yongdong Zhang

机构 * State Key Laboratory of Networking and Switching Technology, School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications（网络与交换技术国家重点实验室，计算机学院（国家试点软件工程学院），北京邮电大学） ； School of Intelligent Engineering and Automation, Beijing University of Posts and Telecommunications（智能工程与自动化学院，北京邮电大学） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV

AI总结 SSFMamba通过结合对称性和空间-频率建模，提升3D医学图像分割的精度与一致性。

BiCLIP: Bidirectional and Consistent Language-Image Processing for Robust Medical Image Segmentation

BiCLIP: 用于鲁棒医学图像分割的双向和一致语言-图像处理

Saivan Talaei, Fatemeh Daneshfar, Abdulhady Abas Abdullah, Mustaqeem Khan

机构 * Department of Computer Engineering, University of Kurdistan, Iran（伊朗库尔德大学计算机工程系） ； Artificial Intelligence and Innovation Centre, University of Kurdistan, Erbil, Iraq（伊拉克埃尔比尔库尔德大学人工智能与创新中心） ； College of Information Technology, United Arab Emirates University, UAE（阿联酋大学信息科技学院） 纠错

专题命中 医学影像 ：medical image(title,abstract)；CT(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 BiCLIP通过双向多模态融合和一致性目标提升医学图像分割的鲁棒性，有效应对标注稀少和临床伪影挑战。

OpenRad: a Curated Repository of Open-access AI models for Radiology

OpenRad: 一个经过精心整理的开放获取放射学AI模型库

Konstantinos Vrettos, Galini Papadaki, Emmanouil Brilakis, Matthaios Triantafyllou, Dimitrios Leventis, Despina Staraki, Maria Mavroforou, Eleftherios Tzanis, Konstantina Giouroukou, Michail E. Klontzas

专题命中 医学影像 ：radiology(title,abstract)；MRI(abstract)；CT(abstract)

AI总结 OpenRad是一个开放获取的放射学AI模型库，通过标准化元数据和社区贡献，为放射学领域提供全面的AI模型资源。

Comments 22 pages, 5 figures

SCOUT: Fast Spectral CT Imaging in Ultra LOw-data Regimes via PseUdo-label GeneraTion

SCOUT：通过伪标签生成实现超低数据条件下快速光谱CT成像

Guoquan Wei, Liu Shi, Shaoyu Wang, Mohan Li, Cunfeng Wei, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所） ； Jinan Laboratory of Applied Nuclear Science（济南应用核科学实验室） ； Ray Image Testing Technology (Jinan) Co. Ltd（济南雷像测试技术有限公司） 纠错

专题命中 医学影像 ：CT(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 SCOUT通过伪标签生成技术，在超低数据条件下实现快速高保真的光谱CT重建，有效减少伪影并提升细节恢复能力。

Specializing Foundation Models via Mixture of Low-Rank Experts for Comprehensive Head CT Analysis

通过混合低秩专家专门化基础模型以实现全面头部CT分析

Youngjin Yoo, Han Liu, Bogdan Georgescu, Yanbo Zhang, Sasa Grbic, Michael Baumgartner, Thomas J. Re, Jyotipriya Das, Poikavila Ullaskrishnan, Eva Eibenberger, Andrei Chekkoury, Uttam K. Bodanapally, Savvas Nicolaou, Pina C. Sanelli, Thomas J. Schroeppel, Yvonne W. Lui, Eli Gibson

机构 * Digital Technology and Innovation, Siemens Healthineers, Princeton, NJ USA（西门子医疗数字化技术与创新部） ； Department of Computed Tomography, Siemens Healthineers, Forchheim, Germany（西门子医疗计算机断层扫描部） ； Department of Radiology, New York University, New York, NY USA（纽约大学放射科部） ； Department of Radiology, University of Maryland Medical Center, Baltimore, MD USA（马里兰大学医学中心放射科部） ； Department of Radiology, Vancouver General Hospital, Vancouver, BC Canada（温哥华总医院放射科部） ； Department of Radiology, Northwell Health, New York, NY USA（北well医疗放射科部） ； Department of Surgery, UCHealth Memorial Hospital, Colorado Springs, CO USA（UCHealth纪念医院外科部） 纠错

专题命中 医学影像 ：CT(title,abstract)；pathology(abstract)；分类 cs.CV

AI总结 本文提出MoLRE框架，通过混合低秩专家提升基础模型在头部CT分析中的性能，实验显示在不同模型上均取得显著改进。

CT-Flow: Orchestrating CT Interpretation Workflow with Model Context Protocol Servers

CT-Flow: 通过模型上下文协议服务器协调CT解释工作流

Yannian Gu, Xizhuo Zhang, Linjie Mu, Yongrui Yu, Zhongzhen Huang, Shaoting Zhang, Xiaofan Zhang

机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University, Shanghai, China（清元研究院，上海交通大学，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Sensetime Research, Shanghai, China（senseTime研究院，上海，中国） 纠错

专题命中 医学影像 ：CT(title,abstract)；radiology(abstract)；分类 cs.CV

AI总结 CT-Flow通过模型上下文协议实现3D CT解释工作流的动态协调，提升诊断准确性和工具调用效率。

Comments submitting to ACL 2026

Revisiting Data Scaling in Medical Image Segmentation via Topology-Aware Augmentation

重新审视医学图像分割中的数据扩展 via 拓扑感知增强

Yuetan Chu, Zhongyi Han, Gongning Luo, Xin Gao

机构 * King Abdullah University of Science and Technology（卡斯土尼亚大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；medical AI(abstract)；分类 cs.CV

AI总结 本研究通过拓扑感知增强方法，揭示医学图像分割中数据扩展受几何结构限制，提升数据效率。

Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors

求解带标签MRI的非线性盲逆问题：结合物理和深度生成先验

Zhangxing Bian, Shuwen Wei, Samuel W. Remedios, Junyu Chen, Aaron Carass, Blake E. Dewey, Jerry L. Prince

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、eess.IV、eess.SP

AI总结 本文提出了一种结合物理和深度生成先验的非线性盲逆框架，用于带标签MRI，实现了解剖恢复、高分辨率 cine 图像合成和运动估计的统一处理。

Comments Accepted at CVPR 2026

Learning to Read Where to Look: Disease-Aware Vision-Language Pretraining for 3D CT

学习如何注视：面向3D CT的疾病感知视觉-语言预训练

Simon Ging, Philipp Arnold, Sebastian Walter, Hani Alnahas, Hannah Bast, Elmar Kotter, Jiancheng Yang, Behzad Bozorgtabar, Thomas Brox

机构 * Computer Vision Group, University of Freiburg, Germany Adaptive \& Agentic AI (A3) Lab, Aarhus University, Denmark Department of Radiology, Medical Center -- University of Freiburg, Germany Chair of Algorithms ； Data Structures, University of Freiburg, Germany ELLIS Institute Finland School of Electrical Engineering, Aalto University, Finland 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文提出了一种面向3D CT的疾病感知视觉-语言预训练模型，通过对比预训练和基于提示的疾病监督，实现了文本到图像检索、疾病分类及内扫描片段定位的统一模型。

MR-Compass: Inertial Navigation-Driven Motion Correction for Brain MRI

MR-Compass：基于惯性导航的脑部MRI运动校正

Musa Tunc Arslan, Fatih Calakli, Joshua Auger, Hongli Fan, Alan J Macy, Simon K Warfield

专题命中 医学影像 ：MRI(title,abstract)；分类 eess.IV、eess.SP

AI总结 MR-Compass利用MRI系统磁场和重力场直接估计头部运动，通过相位相关性校正运动，提升图像质量。

Revisiting Global Token Mixing in Task-Dependent MRI Restoration: Insights from Minimal Gated CNN Baselines

重新审视任务依赖性MRI修复中的全局token混合：来自最小门控CNN基线的见解

Xiangjian Hou, Chao Qin, Chang Ni, Xin Wang, Chun Yuan, Xiaodong Ma

机构 * Dept. of Radiology & Imaging Sciences, University of Utah, Salt Lake City, UT, USA（放射学与成像科学系，犹他大学，盐湖城，UT，USA） ； Dept. of Electrical & Computer Engineering, University of Utah, Salt Lake City, UT, USA（电气与计算机工程系，犹他大学，盐湖城，UT，USA） ； Dept. of Computer Vision, Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE（计算机视觉系，莫扎德人工智能大学，阿布扎赫，EUA） ； Dept. of Biomedical Engineering, University of Utah, Salt Lake City, UT, USA（生物医学工程系，犹他大学，盐湖城，UT，USA） ； Dept. of Electrical & Computer Engineering, University of Washington, Seattle, WA, USA（电气与计算机工程系，华盛顿大学，西雅图，WA，USA） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、eess.IV

AI总结 本文探讨了MRI修复中全局token混合的效用，发现其在不同任务中表现各异，需根据具体退化结构和物理条件进行调整。

NAB: Neural Adaptive Binning for Sparse-View CT reconstruction

NAB：神经自适应分箱用于稀疏视角CT重建

Wangduo Xie, Matthew B. Blaschko

机构 * Center for Processing Speech and Images（语音与图像处理中心） ； Department of ESAT KU Leuven（KU Leuven ESAT系） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV、cs.LG

AI总结 NAB通过整合矩形先验提升稀疏视角CT重建精度，实现端到端优化与复杂几何泛化。

Benchmarking Self-Supervised Learning Methods for Accelerated MRI Reconstruction

对加速MRI重建的自监督学习方法进行基准测试

Andrew Wang, Steven McDonagh, Mike Davies

机构 * Institute for Imaging, Data and Communications, School of Engineering, University of Edinburgh（成像、数据与通讯研究所，工程学院，爱丁堡大学） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.LG、eess.IV

AI总结 本文提出SSIBench框架，用于统一和评估无需真实数据的自监督成像方法，展示了不同场景下的性能差异，并提出新的损失函数以促进未来改进。

Comments Preprint. Live benchmark site available at https://andrewwango.github.io/ssibench

Direct low-field MRI super-resolution using undersampled k-space

利用 undersampled k-space 实现低场 MRI 的超分辨率

Daniel Tweneboah Anyimadu, Mohammed M. Abdelsamea, Ahmed Karam Eldaly

机构 * Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） ； UCL Hawkes Institute, University College London（伦敦大学学院霍克斯研究所） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV；biomedical(comments)

AI总结 本文提出了一种基于k空间的低场MRI超分辨率与图像质量转移方法，通过双通道U-Net直接从欠采样k空间重建高质量图像。

Comments 4 pages, 4 figures, conference (The IEEE International Symposium on Biomedical Imaging (ISBI))

Zero-shot Low-Field MRI Enhancement via Diffusion-Based Adaptive Contrast Transport

零场MRI增强通过扩散基于自适应对比传输

Muyu Liu, Chenhe Du, Xuanyu Tian, Qing Wu, Xiao Wang, Haonan Zhang, Hongjiang Wei, Yuyao Zhang

机构 * School of Information Science and Technology, ShanghaiTech University, Shanghai, China（信息科学与技术学院，上海科技大学） ； School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China（生物医学工程学院，上海交通大学） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文提出DACT框架，通过扩散模型和自适应对比传输技术，在无配对监督的情况下实现低场MRI到高场MRI的高质量图像重建，提升组织对比和结构细节。

Comments 11 pages, 4 figures, conference paper

OmniCT: Towards a Unified Slice-Volume LVLM for Comprehensive CT Analysis

OmniCT：迈向统一的切片-体积LVLM以实现全面的CT分析

Tianwei Lin, Zhongwei Qiu, Wenqiao Zhang, Jiang Liu, Yihan Xie, Mingjian Gao, Zhenxuan Fan, Zhaocheng Li, Sijing Li, Zhongle Xie, Peng LU, Yueting Zhuang, Ling Zhang, Beng Chin Ooi, Yingda Xia

机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里云学术院） ； Hupan Lab（虎派实验室） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 OmniCT提出了一种统一的切片-体积LVLM，通过空间一致性增强、器官级语义增强和MedEval-CT数据集，实现了全面的CT分析。

Stroke outcome and evolution prediction from CT brain using a spatiotemporal diffusion autoencoder

基于CT脑部扫描的中风结果与演变预测：时空扩散自编码器

Adam Marcus, Paul Bentley, Daniel Rueckert

机构 * Imperial College London（帝国理工学院伦敦分校） ； Technische Universität München（慕尼黑技术大学） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 本文提出一种基于CT图像的时空扩散自编码器，用于预测中风结果与演变，通过自监督学习生成语义表示并结合纵向数据提升预测性能。

Comments Accepted in The 6th International Workshop on Machine Learning in Clinical Neuroimaging (MLCN 2023)

RAFM: Retrieval-Augmented Flow Matching for Unpaired CBCT-to-CT Translation

RAFM：用于无配对CBCT到CT翻译的检索增强流匹配

Xianhao Zhou, Jianghao Wu, Lanfeng Zhong, Ku Zhao, Jinlong He, Shaoting Zhang, Guotai Wang

机构 * Faculty of Information Technology, Monash University, Melbourne, VIC 3800, Australia（信息科技学院，墨尔本大学，澳大利亚墨尔本） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，中国上海） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 RAFM通过检索增强的流匹配方法，提升无配对CBCT到CT翻译的性能，优于现有方法。

Explainable Continuous-Time Mask Refinement with Local Self-Similarity Priors for Medical Image Segmentation

具有局部自相似先验的可解释连续时间掩码细化用于医学图像分割

Rajdeep Chatterjee, Sudip Chakrabarty, Trishaani Acharjee

机构 * School of Computer Engineering, Kalinga Institute of Industrial Technology, Bhubaneswar, India（计算机工程学院，印度克里希纳加尔工业技术学院，布巴内斯瓦尔，印度） ； AmygdalaAI-India Lab, Bhubaneswar, India（AmygdalaAI-印度实验室，布巴内斯瓦尔，印度） 纠错

专题命中 医学影像 ：medical image(title)；diagnosis(abstract)；分类 cs.CV

AI总结 LSS-LTCNet通过局部自相似先验和连续时间动态机制，提升医学图像分割的边界精度与效率，实现高Dice分数和低Hausdorff距离，适用于移动医疗场景。

An Interpretable Local Editing Model for Counterfactual Medical Image Generation

可解释的局部编辑模型用于反事实医学图像生成

Hyungi Min, Taeseung You, Hangyeul Lee, Yeongjae Cho, Sungzoon Cho

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文提出InstructX2X模型，通过区域特定编辑实现反事实医学图像生成，提供可解释的编辑过程和高质量图像生成。

Leveraging Causal Reasoning Method for Explaining Medical Image Segmentation Models

利用因果推理方法解释医学图像分割模型

Limai Jiang, Ruitao Xie, Bokai Yang, Huazhen Huang, Juan He, Yufu Huo, Zikai Wang, Yang Wei, Yunpeng Cai

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Shenzhen Polytechnic University（深圳职业技术大学） ； University of Macau（澳门大学） ； Southern University of Science and Technology（南方科技大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文提出利用因果推理框架解释医学图像分割模型，通过量化输入区域和网络组件对分割区域的影响，提升模型可解释性与优化潜力。

Comments Preprint

M-Gaussian: An Magnetic Gaussian Framework for Efficient Multi-Stack MRI Reconstruction

M-Gaussian：一种用于高效多堆栈MRI重建的磁性高斯框架

Kangyuan Zheng, Xuan Cai, Jiangqi Wang, Guixing Fu, Zhuoshuo Li, Yazhou Chen, Xinting Ge, Liangqiong Qu, Mengting Liu

机构 * School of Biomedical Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学生物医学工程学院） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 M-Gaussian通过磁性高斯框架实现了高效多堆栈MRI重建，结合物理一致渲染与多分辨率训练，在FeTA数据集上达到40.31 dB PSNR并提升14倍速度。

Comments 15 pages, 9 figures

BiSe-Unet: A Lightweight Dual-path U-Net with Attention-refined Context for Real-time Medical Image Segmentation

BiSe-Unet: 一种轻量级双路径U-Net，结合注意力细化上下文用于实时医学图像分割

M Iffat Hossain, Laura Brattain

机构 * Electrical and Computer Engineering, University of Central Florida（佛罗里达中央大学电气与计算机工程系） ； Department of Medicine, University of Central Florida College of Medicine（佛罗里达中央大学医学院医学系） 纠错

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 BiSe-UNet通过结合注意力细化上下文路径和深度可分离解码器，实现了轻量级双路径U-Net，用于实时医学图像分割。

Comments Submitted to IEEE EMBC 2026. This work has been submitted to the IEEE for possible publication

Measuring What VLMs Don't Say: Validation Metrics Hide Clinical Terminology Erasure in Radiology Report Generation

衡量VLMs不表达的内容：验证指标隐藏了放射学报告生成中的临床术语擦除

Aditya Parikh, Aasa Feragen, Sneha Das, Stella Frank

机构 * DTU Compute, Technical University of Denmark（丹麦技术大学计算机学院） 纠错

专题命中 医学影像 ：radiology(title,abstract)

AI总结 本文提出临床关联位移（CAD）和加权关联擦除（WAE）指标，用于评估放射学报告生成中临床术语的保留情况，揭示当前验证指标在临床术语擦除方面的不足。

Comments This is an extended version of a manuscript currently under review

Design and Control of a Compact Series Elastic Actuator Module for Robots in MRI Scanners

为MRI扫描仪中的机器人设计和控制紧凑型串联弹性执行器模块

Binghan He, Naichen Zhao, David Y. Guo, Charles H. Paxson, Alfredo De Goyeneche, Michael Lustig, Chunlei Liu, Ronald S. Fearing

机构 * Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（电气工程与计算机科学系，加州大学伯克利分校） ； Department of Mechanical, Aerospace, and Industrial Engineering, The University of Texas at San Antonio（机械、航空航天与工业工程系，德克萨斯大学圣安东尼奥分校） ； Department of Mechanical Engineering, University of California, Berkeley（机械工程系，加州大学伯克利分校） 纠错

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出了一种适用于MRI扫描仪的紧凑型串联弹性执行器模块，采用速度源超声电机和扰动观测器控制器，实现了在MRI环境下的高精度扭矩控制。

The Texture-Shape Dilemma: Boundary-Safe Synthetic Generation for 3D Medical Transformers

纹理-形状困境：面向3D医学变换器的边界安全合成生成

Jiaqi Tang, Weixuan Xu, Shu Zhang, Fandong Zhang, Qingchao Chen

机构 * Peking University（北京大学） ； Central South University（中南大学） ； Deepwise Ltd.（深域科技） 纠错

专题命中 医学影像 ：medical image(abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV

AI总结 本文提出一种物理启发式的空间解耦合成框架，解决3D医学变换器中纹理与形状之间的矛盾，提升模型对真实解剖边缘的识别能力。

Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints

腹腔手术中基于潜在证据的预手术到手术过程肝脏注册

Ruize Cui, Jialun Pei, Haiqiao Wang, Jun Zhou, Jeremy Yuen-Chun Teoh, Pheng-Ann Heng, Jing Qin

机构 * The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） 纠错

专题命中 医学影像 ：MRI(abstract)；CT(abstract)；分类 cs.CV

AI总结 本文提出Land-Reg框架，通过显式学习潜在证据的2D-3D地标对应关系，提升腹腔手术中预手术到术中肝脏的跨模态注册精度与可解释性。

Comments 10 pages, 4 figures

DiffusionXRay: A Diffusion and GAN-Based Approach for Enhancing Digitally Reconstructed Chest Radiographs

DiffusionXRay: 一种基于扩散和GAN的方法用于增强数字重建的胸部X光影像

Aryan Goyal, Ashish Mittal, Pranav Rao, Manoj Tadepalli, Preetham Putha

机构 * Indian Institute of Technology Bombay, India（印度理工学院班加罗尔学院） ； Qure.ai, India 纠错

专题命中 医学影像 ：CT(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 DiffusionXRay通过结合扩散模型和GAN解决胸部X光影像质量退化问题，提升诊断价值。

Comments Published at MICCAI 2025

Journal ref Data Engineering in Medical Imaging: Third MICCAI Workshop, DEMI 2025, Held in Conjunction with MICCAI 2025, Daejeon, South Korea, September 27, 2025, Proceedings

AdURA-Net: Adaptive Uncertainty and Region-Aware Network

AdURA-Net: 适应性不确定性与区域感知网络

Antik Aich Roy, Ujjwal Bhattacharya

机构 * Indian Statistical Institute, Kolkata, India（印度统计研究所） 纠错

专题命中 医学影像 ：medical image(abstract)；radiology(abstract)；分类 cs.CV

AI总结 AdURA-Net通过自适应扩张卷积和双头损失，提升胸腔疾病分类的可靠性与不确定性处理能力。

COMPASS: Robust Feature Conformal Prediction for Medical Segmentation Metrics

COMPASS：用于医学分割度量的鲁棒特征符合预测

Matt Y. Cheung, Ashok Veeraraghavan, Guha Balakrishnan

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 COMPASS通过利用深度神经网络的归纳偏差，为医学图像分割提供高效的基于度量的不确定性量化方法。

Comments Accepted at ICLR 2026