医学 AI

Tracking Cancer Through Text: Longitudinal Extraction From Radiology Reports Using Open-Source Large Language Models

通过文本追踪癌症：使用开源大语言模型进行放射学报告的纵向提取

Luc Builtjes, Alessa Hering

机构 * Department of Medical Imaging, Radboudumc（放射医学部，拉德堡德大学医学中心） 纠错

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

AI总结 本文提出基于开源大语言模型的放射学报告纵向信息提取方法，实现高准确率的肿瘤病变数据提取，适用于隐私敏感的医疗环境。

Comments 6 pages, 2 figures

GOUHFI 2.0: A Next-Generation Toolbox for Brain Segmentation and Cortex Parcellation at Ultra-High Field MRI

GOUHFI 2.0：一种用于超高场MRI脑分割和皮层分区的下一代工具箱

Marc-Antoine Fortin, Anne Louise Kristoffersen, Paal Erik Goa

机构 * Department of Physics, Norwegian University of Science and Technology（挪威科学技术大学物理系） ； Department of Radiology and Nuclear Medicine, St. Olavs Hospital HF（斯托尔奥斯医院HF放射科和核医学部） ； Department of Neurology and Clinical Neurophysiology, St. Olavs Hospital HF（斯托尔奥斯医院HF神经科和临床神经生理学部） ； Department of Neuromedicine and Movement Science, St. Olavs Hospital HF（斯托尔奥斯医院HF神经医学与运动科学部） ； Neuro-SysMed Center for Clinical Treatment Research, Department of Neurology, Haukeland University Hospital（Haukeland大学医院神经科临床治疗研究神经系医学中心） ； Department of Clinical Medicine, University of Bergen（卑尔根大学临床医学系） ； K.G. Jebsen Center for Translational Research in Parkinson’s disease, University of Bergen（帕金森病转化研究Jebsen中心，卑尔根大学） 纠错

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

AI总结 GOUHFI 2.0通过引入两个独立训练的3D U-Net分割任务，实现了对超高场MRI数据的高效脑分割和皮层分区，提升了分割准确性和可靠性。

UltrasoundAgents: Hierarchical Multi-Agent Evidence-Chain Reasoning for Breast Ultrasound Diagnosis

超声波智能体：用于乳腺超声诊断的层次多智能体证据链推理

Yali Zhu, Kang Zhou, Dingbang Wu, Gaofeng Meng

机构 * Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所，北京，中国） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学（大学层面）交叉学科学院，北京，中国） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences, Hong Kong（人工智能与机器人中心，香港创新科学研究院，中国科学院，香港） 纠错

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

AI总结 UltrasoundAgents通过层次多智能体框架实现乳腺超声诊断中的证据链推理，提升诊断准确性和证据可追溯性。

Prompting with the human-touch: evaluating model-sensitivity of foundation models for musculoskeletal CT segmentation

带有人情味的提示：评估基础模型对肌肉骨骼CT分割的敏感性

Caroline Magg, Maaike A. ter Wee, Johannes G. G. Dobbe, Geert J. Streekstra, Leendert Blankevoort, Clara I. Sánchez, Hoel Kervadec

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

AI总结 本研究评估了基础模型在肌肉骨骼CT分割中的敏感性，发现不同模型和提示策略性能差异大，且人类提示影响分割结果。

Visually-Guided Controllable Medical Image Generation via Fine-Grained Semantic Disentanglement

通过细粒度语义解耦实现视觉引导的可控医学图像生成

Xin Huang, Junjie Liang, Qingshan Hou, Peng Cao, Jinzhu Yang, Xiaoli Liu, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程系，中国沈阳） ； Key Laboratory of Intelligent Computing in Medical Image of Ministry of Education, Northeastern University, Shenyang, China（教育部医学图像智能计算重点实验室，东北大学，中国沈阳） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Shenyang, China（工业智能与系统优化国家级前沿科学中心，中国沈阳） ； AiShiWeiLai AI Research, China（艾世维来人工智能研究，中国） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学艾米人工智能研究所，加拿大埃德蒙顿，阿尔伯塔） 纠错

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

AI总结 本文提出视觉引导的文本解耦框架，通过细粒度语义解耦提升医学图像生成的可控性和生成质量。

Comments 10 pages, 7 figures. Currently under review

An Automated Radiomics Framework for Postoperative Survival Prediction in Colorectal Liver Metastases using Preoperative MRI

一种用于结直肠肝转移术后生存预测的自动化放射组学框架，利用术前MRI

Muhammad Alberb, Jianan Chen, Hossam El-rewaidy, Paul Karanicolas, Arun Seth, Yutaka Amemiya, Anne Martel, Helen Cheung

机构 * Department of Medical Biophysics, University of Toronto（多伦多大学医学生物物理学系） ； Physical Sciences Platform, Sunnybrook Research Institute（阳光医疗研究学院物理科学平台） ； UCL Cancer Institute, University College London（伦敦大学学院癌症研究所） ； Systems and Biomedical Engineering Department, Cairo University（开罗大学系统与生物医学工程系） ； Department of Surgery, University of Toronto（多伦多大学外科医学系） ； Department of Laboratory Medicine and Pathobiology, University of Toronto（多伦多大学实验室医学与病理学系） ； Sunnybrook Health Sciences Centre（阳光健康科学中心） ； Department of Medical Imaging, University of Toronto（多伦多大学医学影像学系） 纠错

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

AI总结 本研究提出了一种基于AI的自动化框架，利用术前MRI预测结直肠肝转移术后生存，结合分割算法和放射组学分析提高预测准确性。

VIVID-Med: LLM-Supervised Structured Pretraining for Deployable Medical ViTs

VIVID-Med: 基于LLM监督的结构化预训练用于可部署的医学ViT

Xiyao Wang, Xiaoyu Tan, Yang Dai, Yuxuan Fu, Shuo Li, Xihe Qiu

机构 * Shanghai University of Engineering Science（上海工程技术大学） ； National University of Singapore（新加坡国立大学） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 VIVID-Med通过LLM监督的结构化预训练方法，实现轻量级可部署的医学ViT模型，在医学图像分析中表现出高效和强泛化能力。

Comments 10 pages, 4 figures

X-WIN: Building Chest Radiograph World Model via Predictive Sensing

X-WIN：通过预测感知构建胸片世界模型

Zefan Yang, Ge Wang, James Hendler, Mannudeep K. Kalra, Pingkun Yan

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

AI总结 X-WIN通过预测感知构建胸片世界模型，利用体积数据提炼3D解剖知识，提升CXR的表示学习和诊断能力。

Comments Accepted by CVPR 2026

Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning

使用深度学习对视网膜低成本光学相干断层扫描图像进行分割

Timo Kepp, Helge Sudkamp, Claus von der Burchard, Hendrik Schenke, Peter Koch, Gereon Hüttmann, Johann Roider, Mattias P. Heinrich, Heinz Handels

机构 * Institute of Medical Informatics, University of Lübeck（吕贝克大学医学信息学研究所） ； University of Lübeck（吕贝克大学） ； Graduate School for Computing in Medicine and Life Sciences, University of Lübeck（医学与生命科学计算研究生学院，吕贝克大学） ； Medical Laser Center Lübeck（吕贝克医疗激光中心） ； Department of Ophthalmology, University of Kiel（基尔大学眼科部门） ； Institute of Biomedical Optics, University of Lübeck（吕贝克大学生物医学光学研究所） 纠错

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

AI总结 本文提出使用深度学习方法对视网膜低成本OCT图像进行分割，通过CNN和CDAE提高分割精度并纠正伪影影响。

Comments Accepted for SPIE Medical Imaging 2020: Computer-Aided Diagnosis

Class Incremental Learning with Task-Specific Batch Normalization and Out-of-Distribution Detection

具有任务特定批量规范化和分布外检测的增量学习

Zhiping Zhou, Xuchen Xie, Yiqiao Qiu, Run Lin, Weishi Zheng, Ruixuan Wang

机构 * Amazon（亚马逊） 纠错

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

AI总结 本研究提出一种基于任务特定批量规范化和分布外检测的增量学习框架，有效提升模型在新任务中的可塑性与旧任务的稳定性。

Comments accepted by Neurocomputing Journal, camera ready version

Regularizing INR with diffusion prior self-supervised 3D reconstruction of neutron computed tomography data

通过扩散先验正则化INR实现中子计算机断层扫描数据的自监督3D重建

Maliha Hossain, Haley Duba-Sullivan, Amirkoushyar Ziabari

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 本文提出DINR方法，通过扩散先验正则化INR，实现中子CT数据的高质量3D重建，提升稀疏视图下的重建性能和图像质量。

TractoRC: A Unified Probabilistic Learning Framework for Joint Tractography Registration and Clustering

TractoRC：一种联合束取样注册与聚类的统一概率学习框架

Yijie Li, Xi Zhu, Junyi Wang, Ye Wu, Lauren J. O'Donnell, Fan Zhang

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 TractoRC通过统一的概率学习框架联合执行束图注册与流线聚类，提升白质组织分析的性能。

Comments 11 pages, 3 figures

An Updated Assessment of Reinforcement Learning for Macro Placement

宏观布线强化学习的最新评估

Chung-Kuan Cheng, Andrew B. Kahng, Sayak Kundu, Yucheng Wang, Zhiang Wang

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文评估了Google Brain在宏观布线中的深度强化学习方法，展示了更新的CT实现，并分析了预训练指导和基准测试结果。

Comments There are total sixteen pages and two pages for the appendix. It includes six figures and eleven tables. This paper has been accepted and published in IEEE Transactions on CAD