医学 AI

Prototype-Based Knowledge Guidance for Fine-Grained Structured Radiology Reporting

基于原型的知识引导的细粒度结构化放射科报告

Chantal Pellegrini, Adrian Delchev, Ege Özsoy, Nassir Navab, Matthias Keicher

机构 * Computer Aided Medical Procedures, Technische Universität München, Germany（计算机辅助医疗程序，慕尼黑技术大学，德国） ； Munich Center for Machine Learning, Germany（慕尼黑机器学习中心，德国） 纠错

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

AI总结 ProtoSR通过整合自由文本信息提升细粒度结构化放射科报告的自动化水平，利用多模态知识库和原型条件残差增强模型预测，有效改进了对罕见发现和属性的识别能力。

MRI2Qmap: multi-parametric quantitative mapping with MRI-driven denoising priors

MRI2Qmap: 多参数定量成像与MRI驱动去噪先验

Mohammad Golbabaee, Matteo Cencini, Carolin Pirkl, Marion Menzel, Michela Tosetti, Bjoern Menze

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

AI总结 MRI2Qmap通过整合物理模型与深度学习先验，实现无需地面真实数据的高效定量MRI重建，提升高加速成像性能。

SDUM: A Scalable Deep Unrolled Model for Universal MRI Reconstruction

SDUM：一种可扩展的深度展开模型用于通用MRI重建

Puyang Wang, Pengfei Guo, Keyi Chai, Jinyuan Zhou, Daguang Xu, Shanshan Jiang

机构 * Johns Hopkins University（约翰霍普金斯大学） ； NVIDIA 纠错

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

AI总结 SDUM是一种结合Restormer、CSME、SWDC和UC的通用MRI重建框架，通过级联扩展训练实现可扩展性，无需微调即可在多个挑战赛道上取得最佳性能。

Comments https://github.com/NVIDIA-Medtech/NV-Raw2insights-MRI

SPEGC: Continual Test-Time Adaptation via Semantic-Prompt-Enhanced Graph Clustering for Medical Image Segmentation

SPEGC：通过语义提示增强图聚类实现持续测试时间适应用于医学图像分割

Xiaogang Du, Jiawei Zhang, Tongfei Liu, Tao Lei, Yingbo Wang

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

AI总结 SPEGC通过语义提示增强图聚类方法，提升医学图像分割中持续测试时间适应的鲁棒性和性能。

Comments Accepted to CVPR 2026. 16 pages, 7 figures

Complete reconstruction of the tongue contour through acoustic to articulatory inversion using real-time MRI data

通过实时MRI数据实现舌轮廓的完整重建：利用声音到发声器官的逆向处理

Sofiane Azzouz, Pierre-André Vuissoz, Yves Laprie

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文通过实时MRI数据和深度学习方法实现舌头轮廓的高精度重建，利用Bi-MSTM架构和MFCC特征提升逆向处理的准确性。

Evidential learning driven Breast Tumor Segmentation with Stage-divided Vision-Language Interaction

证据学习驱动的乳腺肿瘤分割与阶段划分的视觉-语言交互

Jingxing Zhong, Qingtao Pan, Xuchang Zhou, Jiazhen Lin, Xinguo Zhuang

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

AI总结 本文提出TextBCS模型，结合阶段划分的视觉-语言交互和证据学习，以提升乳腺肿瘤分割在低对比度和模糊边界情况下的准确性。

Multi-objective optimization determines when, which and how to fuse deep networks: an application to predict COVID-19 outcomes

多目标优化确定何时、何种及如何融合深度网络：应用于预测新冠结局的应用

Valerio Guarrasi, Paolo Soda

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

AI总结 本文提出一种多目标优化方法，用于确定何时、何种及如何融合深度网络，以提升新冠预测的准确性和鲁棒性。

Journal ref Computers in Biology and Medicine 154 (2023) 106625

Nyxus: A Next Generation Image Feature Extraction Library for the Big Data and AI Era

Nyxus：面向大数据和人工智能时代的下一代图像特征提取库

Nicholas Schaub, Andriy Kharchenko, Hamdah Abbasi, Sameeul Samee, Hythem Sidky, Nathan Hotaling

机构 * DSBU ； Axle Research ； NovaGen Research Fund ； NCATS 纠错

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

AI总结 Nyxus是一个专为大数据和人工智能时代设计的图像特征提取库，通过高效的离核处理和多领域支持，提升图像分析的计算效率和准确性。

Comments 29 pages, 9 figures, 6 supplemental tables

SemiTooth: a Generalizable Semi-supervised Framework for Multi-Source Tooth Segmentation

SemiTooth: 一种通用的半监督框架用于多源牙齿分割

Muyi Sun, Yifan Gao, Ziang Jia, Xingqun Qi, Qianli Zhang, Qian Liu, Tianzheng Deng

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

AI总结 本文提出SemiTooth框架，通过多教师多学生结构和更严格的加权置信度约束，实现多源牙齿分割的高精度与高效性。

Comments 5 pages, 5 figures. Accepted to IEEE ICASSP 2026

ActiveFreq: Integrating Active Learning and Frequency Domain Analysis for Interactive Segmentation

ActiveFreq: 将主动学习与频域分析相结合用于交互分割

Lijun Guo, Qian Zhou, Zidi Shi, Hua Zou, Gang Ke

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

AI总结 ActiveFreq结合主动学习与频域分析，通过AcSelect和FreqFormer提升交互分割的精度与效率，实现更少用户交互下的高质量标注。

Comments 16 pages, 8 figures, published in Knowledge-Based Systems

Journal ref Knowledge-Based Systems 327 (2025) 114091

Domain Feature Collapse: Implications for Out-of-Distribution Detection and Solutions

领域特征坍塌：对分布外检测的影响及解决方案

Hong Yang, Devroop Kar, Qi Yu, Alex Ororbia, Travis Desell

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

AI总结 本文通过信息论解释了单一领域训练导致分布外检测失败的机制，提出领域特征坍塌是根本原因，并通过领域过滤方法验证了理论，为迁移学习和模型微调提供了新视角。

Comments Error in theoretical assumptions

SegAnyPET: Universal Promptable Segmentation from Positron Emission Tomography Images

SegAnyPET：从正电子发射断层扫描图像中进行通用可提示分割

Yichi Zhang, Le Xue, Wenbo Zhang, Lanlan Li, Yuchen Liu, Chen Jiang, Yuan Cheng, Yuan Qi

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

AI总结 SegAnyPET通过构建PETS-5k数据集，提出跨提示自信学习策略，实现从PET图像中高效分割多种器官，提升分割任务的通用性和准确性。

Comments Accept for ICCV 2025

Few-Shot Neuromorphic Vision in a Nonlinear Photonic Network Laser

在非线性光子网络激光中实现少样本神经形态视觉

Wai Kit Ng, Jakub Dranczewski, Anna Fischer, T V Raziman, Dhruv Saxena, Tobias Farchy, Kilian Stenning, Jonathan Peters, Heinz Schmid, Will R Branford, Mauricio Barahona, Kirsten Moselund, Riccardo Sapienza, Jack C. Gartside

专题命中 医学影像 ：diagnosis(abstract)

AI总结 该研究提出了一种基于非线性光子网络激光的视网膜启发计算系统，实现了特征检测、少样本分类和分割，展示了在低数据环境下优于传统CNN的性能。