医学 AI

Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning

通过性别对抗注意力多实例学习实现公平的肺部疾病诊断

Aditya Parikh, Aasa Feragen

机构 * Technical University of Denmark (DTU)（丹麦技术大学（DTU）） 纠错

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

AI总结 本文提出一个公平意识框架，用于从胸部CT体积中多类肺部疾病诊断，通过性别对抗注意力多实例学习模型，解决稀疏病理信号和人口统计学不平衡问题，提升诊断公平性。

Are General-Purpose Vision Models All We Need for 2D Medical Image Segmentation? A Cross-Dataset Empirical Study

通用视觉模型是否足以满足2D医学图像分割需求？一项跨数据集的实证研究

Vanessa Borst, Samuel Kounev

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

AI总结 本文通过跨数据集实证研究，探讨通用视觉模型在2D医学图像分割中的有效性，发现通用模型在多数情况下优于专用模型，并揭示其在临床相关结构捕捉上的优势。

Comments Under review, MICCAI 2026

Accelerating Stroke MRI with Diffusion Probabilistic Models through Large-Scale Pre-training and Target-Specific Fine-Tuning

通过大规模预训练和目标特定微调加速中风MRI

Yamin Arefeen, Sidharth Kumar, Steven Warach, Hamidreza Saber, Jonathan Tamir

机构 * Chandra Family Department of Electrical and Computer Engineering（查克拉家族电气与计算机工程系） ； Department of Imaging Physics（成像物理系） ； Dell Medical School Department of Neurology（德莱尔医学院神经学系） ； Dell Medical School Department of Neurosurgery（德莱尔医学院神经外科系） ； Dell Medical School Department of Diagnostic Medicine（德莱尔医学院诊断医学系） ； Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究院） 纠错

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

AI总结 本文提出一种高效策略，利用扩散概率生成模型在有限数据下加速MRI重建，通过大规模预训练和目标特定微调实现临床中风MRI的快速扫描。

Multiscale Structure-Guided Latent Diffusion for Multimodal MRI Translation

多尺度结构引导的潜在扩散模型用于多模态MRI翻译

Jianqiang Lin, Zhiqiang Shen, Peng Cao, Jinzhu Yang, Osmar R. Zaiane, Xiaoli Liu

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程系，沈阳，中国） ； 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，沈阳，中国） ； 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，沈阳，中国） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学阿米人工智能研究所，埃德蒙顿，阿尔伯塔，加拿大） ； AiShiWeiLai AI Research, Beijing, China（人工智能研究（北京）有限公司，北京，中国） 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MSG-LDM框架，通过多尺度特征空间分离风格与结构信息，提升多模态MRI翻译的结构一致性与纹理细节。

Decoding Matters: Efficient Mamba-Based Decoder with Distribution-Aware Deep Supervision for Medical Image Segmentation

解码至关重要：基于Mamba的高效解码器与分布感知深度监督用于医学图像分割

Fares Bougourzi, Fadi Dornaika, Abdenour Hadid

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

AI总结 本文提出基于解码器的通用2D医学图像分割方法，通过改进的解码器结构和分布感知损失提升多尺度上下文表示，实现高效且通用的医学图像分割。

PCA-Enhanced Probabilistic U-Net for Effective Ambiguous Medical Image Segmentation

PCA增强的概率U-Net用于有效的模糊医学图像分割

Xiangyu Li, Chenglin Wang, Qiantong Shen, Fanding Li, Wei Wang, Kuanquan Wang, Yi Shen, Baochun Zhao, Gongning Luo

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

AI总结 本文提出PCA增强的概率U-Net，通过降维和逆PCA操作提升医学图像分割的准确性和变异性，解决传统方法在高维潜在空间冗余和表达能力限制的问题。

Reconstruction of the Complete Vocal Tract Contour Through Acoustic to Articulatory Inversion Using Real-Time MRI Data

通过实时MRI数据实现完整声带轮廓的重建

Sofiane Azzouz, Pierre-André Vuissoz, Yves Laprie

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出了一种基于实时MRI数据的完整发音器官逆向建模方法，实现了从声带到嘴唇的整个发音器官轮廓重建，测试精度达到1.65毫米。

HyDA: Hypernetworks for Test Time Domain Adaptation in Medical Imaging Analysis

HyDA：用于医学影像分析的超网络在测试时间域适应

Doron Serebro, Tammy Riklin-Raviv

机构 * Ben-Gurion University of The Negev（贝内杰尔大学） 纠错

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

AI总结 HyDA通过动态调整模型参数实现测试时间域适应，适用于MRI脑龄预测和胸部X光病理分类，展示了跨任务和模态的泛化能力。

Comments submitted to MICCAI 2025

Journal ref MICCAI 2025

Reinforcing the Weakest Links: Modernizing SIENA with Targeted Deep Learning Integration

强化薄弱环节：通过定向深度学习整合现代SIENA

Riccardo Raciti, Lemuel Puglisi, Francesco Guarnera, Daniele Ravì, Sebastiano Battiato

机构 * Dept. of Math and Computer Science, University of Catania（卡塔尼亚大学数学与计算机科学系） ； MIFT Department, University of Messina（梅斯ina大学MIFT系） 纠错

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

AI总结 本文通过整合SynthStrip和SynthSeg改进SIENA，提升其对脑萎缩的估计精度，同时保持原有框架的可解释性，实验显示深度学习能显著增强纵向分析流程的鲁棒性与一致性。

Marker-Based 3D Reconstruction of Aggregates with a Comparative Analysis of 2D and 3D Morphologies

基于标记的聚合物3D重建及其2D和3D形态的比较分析

Haohang Huang, Jiayi Luo, Issam Qamhia, Erol Tutumluer, John M. Hart, Andrew J. Stolba

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

AI总结 本文提出一种基于摄影测量的低成本3D重建方法，通过标记设计实现背景抑制和点云拼接，用于获取聚合物的3D形态信息，对比2D和3D形态特性，验证了重建精度。

Prompt-Driven Lightweight Foundation Model for Instance Segmentation-Based Fault Detection in Freight Trains

基于提示的轻量级基础模型用于基于实例分割的货运列车故障检测

Guodong Sun, Qihang Liang, Xingyu Pan, Moyun Liu, Yang Zhang

机构 * School of Mechanical Engineering, Hubei University of Technology（湖北工业大学机械工程学院） ； Hubei Key Laboratory of Modern Manufacturing Quality Engineering, Hubei University of Technology（湖北工业大学现代制造质量工程重点实验室） ； School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院） 纠错

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

AI总结 本文提出一种轻量级自提示实例分割框架，用于货运列车故障检测，通过自提示生成模块实现基础模型到领域任务的知识迁移，并采用轻量级视觉Transformer backbone，实现低计算成本的高效部署。

Comments 14 pages, 9 figures