医学 AI

Privacy-Preserving Collaborative Medical Image Segmentation Using Latent Transform Networks

基于潜在变换网络的隐私保护协作医学图像分割

Saheed Ademola Bello, Muhammad Shahid Jabbar, Muhammad Sohail Ibrahim, Shujaat Khan

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；分类 q-bio、eess.IV

AI总结 本文提出PPCMI-SF框架，通过潜在变换网络实现隐私保护的医学图像分割，提升分割精度并抵御潜在攻击。

Comments 14 pages, 8 figures

MRIQT: Physics-Aware Diffusion Model for Image Quality Transfer in Neonatal Ultra-Low-Field MRI

MRIQT：面向新生儿超低场MRI的物理感知扩散模型用于图像质量迁移

Malek Al Abed, Sebiha Demir, Anne Groteklaes, Elodie Germani, Shahrooz Faghihroohi, Hemmen Sabir, Shadi Albarqouni

机构 * University of Bonn（波恩大学） ； University Hospital Bonn（波恩大学医院） ； Technical University of Munich（慕尼黑技术大学） ； Université de Rennes（雷恩大学） 纠错

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

AI总结 MRIQT通过物理感知的扩散模型实现新生儿超低场MRI到高场MRI的图像质量迁移，提升诊断准确性与病理可视化效果。

Comments 5 pages, 4 figures

Interpretable Motion Artificat Detection in structural Brain MRI

可解释的结构脑MRI运动伪影检测

Naveetha Nithianandam, Prabhjot Kaur, Anil Kumar Sao

机构 * Indian Institute of Technology, Madras（印度理工学院，马德拉斯） ； Boston Childrens Hospital, Harvard Medical School（波士顿儿童医院，哈佛医学院） ； Indian Institute of Technology, Bhilai（印度理工学院，比哈尔） 纠错

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

AI总结 本文提出了一种轻量可解释的框架，通过扩展DHoGM到三维空间，有效检测结构脑MRI中的运动伪影，实现高准确率和高效计算。

Gabor Primitives for Accelerated Cardiac Cine MRI Reconstruction

用于加速心脏 cine MRI 重建的 Gabor 原始要素

Wenqi Huang, Veronika Spieker, Nil Stolt-Ansó, Natascha Niessen, Maik Dannecker, Sevgi Gokce Kafali, Sila Kurugol, Julia A. Schnabel, Daniel Rueckert

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital, Munich, Germany（人工智能在医疗与医学中的chair，慕尼黑技术大学（TUM）和慕尼黑技术大学医院，德国慕尼黑） ； School of Computation and Information Technology, Technical University of Munich, Munich, Germany（计算与信息科技学院，慕尼黑技术大学，德国慕尼黑） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich, Neuherberg, Germany（生物医学影像中的机器学习研究所，海德堡慕尼黑，德国纽赫堡） ； Department of Radiology, Boston Children's Hospital and Harvard Medical School, Boston, USA（放射科，波士顿儿童医院和哈佛医学院，美国波士顿） ； Munich Center for Machine Learning, Technical University of Munich, Munich, Germany（慕尼黑机器学习中心，慕尼黑技术大学，德国慕尼黑） ； GE HealthCare, Munich, Germany（通用电气医疗系统，德国慕尼黑） ； School of Biomedical Engineering and Imaging Sciences, King's College London, London, United Kingdom（生物医学工程与成像科学学院，伦敦国王学院，英国伦敦） ； Department of Computing, Imperial College London, London, United Kingdom（计算学院，伦敦帝国学院，英国伦敦） 纠错

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

AI总结 本文提出 Gabor 原始要素用于加速心脏 cine MRI 重建，通过调制高斯包络实现灵活频谱支持，提升对光滑结构和锐利边界的表示能力。

Shifting Adaptation from Weight Space to Memory Space: A Memory-Augmented Agent for Medical Image Segmentation

从权重空间到记忆空间的迁移适应：一种用于医学图像分割的记忆增强代理

Bowen Chen, Qiaohui Gao, Shaowen Wan, Shanhui Sun, Wei Liu, Xiang Li, Tianming Liu, Lin Zhao

机构 * Department of Electrical and Computer Engineering, University of California, Santa Barbara, Santa Barbara, CA 93106, USA（电子工程系，加州大学圣芭芭拉分校） ； College of Engineering, Northeastern University, Boston, MA 02115, USA（工程学院，东北大学） ； Department of Biomedical Engineering, New Jersey Institute of Technology, Newark, NJ 07102, USA（生物医学工程系，新泽西理工学院） ； United Imaging Intelligence, Burlington, MA 01803, USA（联合影像智能公司） ； Department of Radiation Oncology, Mayo Clinic, Scottsdale, AZ 85259, USA（放射肿瘤科，梅奥诊所） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School, Boston, MA 02115, USA（放射科，麻省总医院和哈佛医学院） ； School of Computing, University of Georgia, Athens, GA 30602, USA（计算学院，佐治亚大学） 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MemSeg-Agent，通过将适应从权重空间转移到记忆空间，实现少样本学习、联邦监督学习和测试时间适应，提升医学图像分割的泛化能力和效率。

Electromagnetic Noise Characterization and Suppression in Low-Field MRI Systems

低场MRI系统中的电磁噪声特性与抑制

Teresa Guallart-Naval, José M. Algarín, Joseba Alonso

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出了一种实用协议，用于识别和抑制低场MRI系统中的电磁噪声，使系统接近热噪声极限，同时提供指导以集成额外组件而不影响信噪比。

Comments This is a protocol for optimizing the performance of low-field MRI scanners. If you use it, please give us feedback!

Journal ref Magn Reson Med. 2026; 95(5): 3000-3007

CBCT-Based Synthetic CT Generation Using Conditional Flow Matching Model

基于CBCT的合成CT生成使用条件流匹配模型

Junbo Peng, Huiqiao Xie, Tonghe Wang, Xiangyang Tang, Xiaofeng Yang

专题命中 医学影像 ：CT(title,abstract)

AI总结 本研究提出一种条件流匹配模型，用于从CBCT生成高质量合成CT，提高HU精度并减少伪影，从而提升放射治疗中的器官分割和剂量计算可靠性。

CLoPA: Continual Low Parameter Adaptation of Interactive Segmentation for Medical Image Annotation

CLoPA: 交互分割的持续低参数适应用于医学图像标注

Parhom Esmaeili, Chayanin Tangwiriyasakul, Eli Gibson, Sebastien Ourselin, M. Jorge Cardoso

机构 * School of Biomedical Engineering and Imaging Sciences, KCL, UK（生物医学工程与影像科学学院，KCL，英国） ； Siemens Healthineers, Princeton NJ, USA（西门子医疗，新泽西州普林斯顿，美国） 纠错

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

AI总结 CLoPA通过持续低参数适应提升医学图像分割性能，无需额外参数，在标注流程中实现专家级效果。

Comments 10 pages, 2 figures

Self-Auditing Parameter-Efficient Fine-Tuning for Few-Shot 3D Medical Image Segmentation

自审计参数高效微调用于少样本3D医学图像分割

Son Thai Ly, Hien V. Nguyen

机构 * University of Houston（德克萨斯大学） 纠错

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

AI总结 SEA-PEFT通过自审计参数高效微调方法，提升少样本3D医学图像分割的Dice指标，训练参数少于1%

Prompt Group-Aware Training for Robust Text-Guided Nuclei Segmentation

基于提示组的鲁棒文本引导核分割训练

Yonghuang Wu, Zhenyang Liang, Wenwen Zeng, Xuan Xie, Jinhua Yu

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） 纠错

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

AI总结 本文提出基于提示组的鲁棒文本引导核分割训练方法，通过组内一致性约束和质量引导正则化提升分割鲁棒性和泛化能力。

K-MaT: Knowledge-Anchored Manifold Transport for Cross-Modal Prompt Learning in Medical Imaging

K-MaT: 基于知识的流形传输用于医学影像中的跨模态提示学习

Jiajun Zeng, Shadi Albarqouni

机构 * University of Bonn（波恩大学） ； University Hospital Bonn（波恩大学医院） ； Clinic for Diagnostic and Interventional Radiology（诊断与介入放射科） 纠错

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

AI总结 K-MaT通过基于知识的流形传输实现跨模态提示学习，提升医学影像模型在不同模态间的泛化能力。

Optimizing 3D Diffusion Models for Medical Imaging via Multi-Scale Reward Learning

通过多尺度奖励学习优化3D扩散模型用于医学影像

Yueying Tian, Xudong Han, Meng Zhou, Rodrigo Aviles-Espinosa, Rupert Young, Philip Birch

机构 * University of Sussex（苏塞克斯大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文通过多尺度奖励学习优化3D扩散模型，提升医学影像生成质量与临床应用价值。

Comments Preprint

AI End-to-End Radiation Treatment Planning Under One Second

AI端到端放射治疗计划在1秒内完成

Simon Arberet, Riqiang Gao, Martin Kraus, Florin C. Ghesu, Wilko Verbakel, Mamadou Diallo, Anthony Magliari, Venkatesan Karuppusamy, Sushil Beriwal, REQUITE Consortium, Ali Kamen, Dorin Comaniciu

机构 * Digital Technology and Innovation（数字技术与创新） ； Siemens Healthineers（西门子医疗） ； Varian Medical Affairs（Varian医疗事务） 纠错

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

AI总结 本文提出了一种端到端深度学习框架AIRT，可在1秒内生成高质量的放射治疗计划，实现了超快速且标准化的治疗计划制定。

OralGPT-Plus: Learning to Use Visual Tools via Reinforcement Learning for Panoramic X-ray Analysis

OralGPT-Plus：通过强化学习学习使用视觉工具进行全景X射线分析

Yuxuan Fan, Jing Hao, Hong Chen, Jiahao Bao, Yihua Shao, Yuci Liang, Kuo Feng Hung, Hao Tang

机构 * The Hong Kong University of Science and Technology (GZ)（香港科学与技术大学） ； Faculty of Dentistry, The University of Hong Kong（香港大学牙医学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） 纠错

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

AI总结 OralGPT-Plus通过强化学习实现全景X射线分析中的交互式对称推理，提升诊断可靠性。

Comments 34 pages, 24 figures, conference

Journal ref CVPR 2026

A Semi-Supervised Framework for Breast Ultrasound Segmentation with Training-Free Pseudo-Label Generation and Label Refinement

一种用于乳腺超声分割的半监督框架，具有无训练伪标签生成和标签细化

Ruili Li, Jiayi Ding, Ruiyu Li, Yilun Jin, Shiwen Ge, Yuwen Zeng, Xiaoyong Zhang, Eichi Takaya, Jan Vrba, Noriyasu Homma

机构 * Tohoku University Graduate School of Medicine（东北大学医学研究科） ； Advanced Institute of Convergence Knowledge Informatics（融合知识信息先进研究所） ； Research Institute of Electrical Communication, Tohoku University（东北大学电气通信研究所） ； National Institute of Technology, Sendai College（名古屋国立技术大学送崎学院） ； State Key Laboratory of Oncology in South China, Sun Yat-sen University Cancer Center（南方肿瘤学国家重点实验室，中山大学肿瘤中心） ； Department of Mathematics, Informatics, and Cybernetics, University of Chemistry and Technology（化学与技术大学数学、信息学与自动控制系） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； Southeast University, School of Cyber Science and Engineering（东南大学网络科学与工程学院） 纠错

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

AI总结 本文提出一种无训练伪标签生成和标签细化的半监督框架，通过跨域结构迁移提升乳腺超声分割性能，实现低标注下的高效分割。

CORE-Seg: Reasoning-Driven Segmentation for Complex Lesions via Reinforcement Learning

CORE-Seg: 通过强化学习实现复杂病灶的推理驱动分割

Yuxin Xie, Yuming Chen, Yishan Yang, Yi Zhou, Tao Zhou, Zhen Zhao, Jiacheng Liu, Huazhu Fu

机构 * Yuxin Xie 1 ； Yuming Chen 1 ； Yishan Yang 1 ； Yi Zhou 1 ； Tao Zhou 2 ； Zhen Zhao 3 ； Jiacheng Liu 3 ； Huazhu Fu 4 纠错

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

AI总结 CORE-Seg通过强化学习实现复杂病灶分割，提出语义引导的提示适配器和渐进训练策略，取得更高Dice系数和更低失败率

Comments Under Review with Computational Visual Media

Physics Informed Deep Unfolded Full Waveform Inversion for Edema Detection

物理指导的深度展开全波形反演用于水肿检测

Ruizhi Zhang, Yhonatan Kvich, Rui Guo, Oded Cohen, Yonina C. Eldar

专题命中 医学影像 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文提出深度展开全波形反演方法，用于实时检测水肿，通过学习更新规则提升重建效率和精度。

Fuse4Seg: Image Fusion for Multi-Modal Medical Segmentation via Bi-level Optimization

Fuse4Seg: 多模态医学分割的图像融合 via 两级优化

Yuchen Guo, Junli Gong, Hongmin Cai, Yiu-ming Cheung, Weifeng Su

机构 * Northwestern University（西北大学） ； Northeastern University（东北大学） ； South China University of Technology（华南理工大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港 Baptist大学） 纠错

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

AI总结 Fuse4Seg通过两级优化实现多模态医学图像融合，解决视觉与语义间的差距问题，提升分割任务的准确性和临床可解释性。

Passive All-Optical Nonlinear Neuron Activation via PPLN Nanophotonic Waveguides

通过PPLN纳米光子波导实现被动全光非线性神经元激活

Wujie Fu, Xiaodong Shi, Sakthi Sanjeev Mohanraj, Lei Shi, Yuan Gao, Zexian Wang, Jianing Wang, Xu Chen, Luo Qi, Pragati Aashna, Guanyu Chen, Di Zhu, Aaron Danner

专题命中 医学影像 ：medical image(abstract)

AI总结 本研究提出了一种基于PPLN波导的被动全光非线性激活方法，实现了80%的转换效率，展示了在神经推理中的应用潜力，与数字实现性能相当。

Comments Has been published on eLight 6, 9 (2026). https://doi.org/10.1186/s43593-026-00125-0

Journal ref eLight 6, 9 (2026)

Global in Time Vortex Configurations for the $2$D Euler Equations

二维欧拉方程的全局时间涡旋配置

Juan Dávila, Manuel del Pino, Monica Musso, Shrish Parmeshwar

专题命中 医学影像 ：CT(abstract)

AI总结 本文通过粘合经典行进波构造了二维欧拉方程的全局时间涡旋解，展示了在时间趋于无穷时接近多个行进涡旋的叠加。

Comments Accepted in the Journal of the European Mathematical Society