医学 AI

WristMIR: Coarse-to-Fine Region-Aware Retrieval of Pediatric Wrist Radiographs with Radiology Report-Driven Learning

WristMIR: 儿童手腕X光片的粗到细区域感知检索框架，基于放射科报告驱动学习

Mert Sonmezer, Serge Vasylechko, Duygu Atasoy, Seyda Ertekin, Sila Kurugol

机构 * Middle East Technical University（中东部技术大学） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） ； METU-DTX Research Center（METU-DTX研究中心） 纠错

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

AI总结 WristMIR通过结合放射科报告和骨特定定位，实现儿童手腕X光片的粗到细区域感知检索，提升骨折诊断的准确性和临床相关性。

Comments Accepted to Medical Imaging with Deep Learning (MIDL) 2026

Leveraging Foundation Models for Content-Based Image Retrieval in Radiology

利用基础模型进行放射学中的基于内容的图像检索

Stefan Denner, David Zimmerer, Dimitrios Bounias, Markus Bujotzek, Shuhan Xiao, Raphael Stock, Lisa Kausch, Philipp Schader, Tobias Penzkofer, Paul F. Jäger, Klaus Maier-Hein

机构 * German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing（德国癌症研究中心（DKFZ）海德堡分部医学影像计算部门） ； Faculty of Mathematics and Computer Science, Heidelberg University（海德堡大学数学与计算机科学学院） ； Medical Faculty Heidelberg, University of Heidelberg（海德堡大学医学学院） ； Department of Radiology, Charité - Universitätsmedizin Berlin（柏林夏里特医学院放射科） ； German Cancer Research Center (DKFZ) Heidelberg, Interactive Machine Learning Group（德国癌症研究中心（DKFZ）海德堡交互式机器学习小组） 纠错

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

AI总结 本文提出利用视觉基础模型进行放射学中的基于内容的图像检索，通过基准测试和深入分析，展示了其在无需额外训练下的有效性与通用性。

ReCo-Diff: Residual-Conditioned Deterministic Sampling for Cold Diffusion in Sparse-View CT

ReCo-Diff：基于残差的确定性采样用于稀疏视角CT中的冷扩散

Yong Eun Choi, Hyoung Suk Park, Kiwan Jeon, Hyun-Cheol Park, Sung Ho Kang

机构 * National Institute for Mathematical Sciences, Daejeon, 34047, Republic of Korea（韩国全南数学研究所） ； Department of Computer Engineering, Korea National University of Transportation, Chungju, 27469, Republic of Korea（韩国交通国立大学计算机工程系） 纠错

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

AI总结 ReCo-Diff通过残差条件化的确定性采样提升稀疏视角CT重建的精度与稳定性。

Comments 10 pages, 4 figures. Submitted to MICCAI 2026

3D Modality-Aware Pre-training for Vision-Language Model in MRI Multi-organ Abnormality Detection

面向MRI多器官异常检测的3D模态感知预训练

Haowen Zhu, Ning Yin, Xiaogen Zhou

机构 * School of Electronic, Electrical Engineering and Physics, Fujian University of Technology（福建工程学院电子电气工程学院） ； School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院） ； Department of Medical Imaging, Suzhou Traditional Chinese Medicine Hospital, China（苏州中医医院影像科） 纠错

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

AI总结 本文提出MedMAP框架，通过3D MRI的模态感知预训练提升多器官异常检测性能，实验表明其优于现有视觉-语言模型。

End-to-End Differentiable Photon Counting CT

端到端可微的光子计数CT

Sen Wang, Yirong Yang, Jooho Lee, Grant M. Stevens, Adam S. Wang

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

AI总结 本文提出端到端可微的光子计数CT框架，通过可微材料分解实现跨域学习和优化，提升定量成像性能。

Unsupervised Deformable Image Registration with Local-Global Attention and Image Decomposition

无监督可变形图像配准与局部-全局注意力及图像分解

Zhengyong Huang, Xingwen Sun, Xuting Chang, Ning Jiang, Yao Wang, Jianfei Sun, Hongbin Han, Yao Sui

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Department of Radiology, Peking University Third Hospital（北京大学第三医院放射科） ； Department of Pediatrics, Peking University First Hospital（北京大学第一医院儿科） ； Pediatric Epilepsy Center, Peking University First Hospital（北京大学第一医院儿童癫痫中心） ； School of Biological Science and Medical Engineering, Southeast University（东南大学生物科学与医学工程学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

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

AI总结 本文提出LGANet++，通过局部-全局注意力机制和图像分解技术，实现更准确、鲁棒的无监督可变形图像配准。

Influence of stacking, coordination, and surface chemistry on Al intercalation in V$_2$CT$_2$ and Ti$_3$C$_2$T$_2$ MXenes for Al-ion batteries

堆叠、配位和表面化学对V₂CT₂和Ti₃C₂T₂ MXenes中Al插层在Al离子电池中的影响

Amal Raj Veluthedath Nair, Nuala M. Caffrey

专题命中 医学影像 ：CT(title)

AI总结 研究通过密度泛函理论分析MXenes堆叠、配位和表面化学对Al离子电池中Al插层的影响，发现O终止层具有优异稳定性及高比容量，而F终止层则不稳定且容量低。

GloPath: An Entity-Centric Foundation Model for Glomerular Lesion Assessment and Clinicopathological Insights

GloPath: 一种以实体为中心的肾小球病变评估与临床病理学洞察基础模型

Qiming He, Jing Li, Tian Guan, Yifei Ma, Zimo Zhao, Yanxia Wang, Hongjing Chen, Yingming Xu, Shuang Ge, Yexing Zhang, Yizhi Wang, Xinrui Chen, Lianghui Zhu, Yiqing Liu, Qingxia Hou, Shuyan Zhao, Xiaoqin Wang, Lili Ma, Peizhen Hu, Qiang Huang, Zihan Wang, Zhiyuan Shen, Junru Cheng, Siqi Zeng, Jiurun Chen, Zhen Song, Chao He, Zhe Wang, Yonghong He

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

AI总结 GloPath是一种以实体为中心的基础模型，通过多尺度和多视角自监督学习，在大规模肾活检数据上训练，实现了肾小球病变的高精度评估和临床病理学洞察发现。

Proceedings for the Inaugural Meeting of the International Society for Tractography -- IST 2025 Bordeaux

国际束状图学会首届会议 proceedings -- IST 2025 波尔多

Flavio Dell Acqua, Maxime Descoteaux, Graham Little, Laurent Petit, Dogu Baran Aydogan, Stephanie Forkel, Alexander Leemans, Simona Schiavi, Michel Thiebaut de Schotten

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV、q-bio、eess.IV

AI总结 IST 2025会议汇集全球顶尖专家，探讨束状图、扩散磁共振成像及相关领域的新进展与未来发展方向。

Comments Proceedings of the Inaugural Conference of the International Society for Tractography (IST Conference 2025). Held at the Institut des Maladies Neurodégénératives in Bordeaux, France, October 13-16, 2025. Society website: https://www.tractography.io

GLIDE-Reg: Global-to-Local Deformable Registration Using Co-Optimized Foundation and Handcrafted Features

GLIDE-Reg：基于协同优化基础和手工特征的全局到局部可变形配准

Yunzheng Zhu, Aichi Chien, Kimaya kulkarni, Luoting Zhuang, Stephen Park, Ricky Savjani, Daniel Low, William Hsu

机构 * 1 Medical \& Imaging Informatics, Department of Radiological Sciences, David Geffen School of Medicine at UCLA, USA 2 Magnetic Resonance Research Labs, Department of Radiological Sciences, David Geffen School of Medicine at UCLA, USA 3 Department of Radiation Oncology, David Geffen School of Medicine at UCLA, Los Angeles, USA 纠错

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

AI总结 GLIDE-Reg通过协同优化基础和手工特征，实现全局到局部的可变形配准，提升空间分辨率和解剖覆盖差异下的鲁棒性与泛化能力。

CASR-Net: An Image Processing-focused Deep Learning-based Coronary Artery Segmentation and Refinement Network for X-ray Coronary Angiogram

CASR-Net：一种基于深度学习的冠状动脉分割与精修网络，专为X射线冠状动脉造影图像处理

Alvee Hassan, Rusab Sarmun, Muhammad E. H. Chowdhury, M Murugappan, Abdulrahman Alqahtani, Balamurugan Balusamy, Sohaib Bassam Zoghoul

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

AI总结 CASR-Net通过多通道预处理和改进的分割网络，实现高精度冠状动脉分割与精修，提升诊断效率。