医学 AI

Translating MRI to PET through Conditional Diffusion Models with Enhanced Pathology Awareness

通过增强病理意识的条件扩散模型将MRI翻译为PET

Yitong Li, Igor Yakushev, Dennis M. Hedderich, Christian Wachinger

机构 * Lab for Artificial Intelligence in Medical Imaging, Institute for Diagnostic and Interventional Radiology, School of Medicine and Health, TUM Klinikum, Technical University of Munich (TUM)（人工智能医学成像实验室，诊断与介入放射学研究所，医学院与健康学院，TUM医院，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Nuclear Medicine, School of Medicine and Health（核医学系，医学院与健康学院） ； Department of Neuroradiology, School of Medicine and Health（神经放射学系，医学院与健康学院） 纠错

专题命中 医学影像 ：MRI(title,abstract)；pathology(title,abstract)；medical image(abstract,comments)；diagnosis(abstract)

AI总结 本文提出PASTA框架，利用条件扩散模型生成高质量3D PET图像，通过双臂架构和多模态条件整合提升结构与病理细节的保留，使合成PET在阿尔茨海默病诊断中性能优于MRI，接近真实PET。

Comments Accepted by Medical Image Analysis

ITKIT: Feasible CT Image Analysis based on SimpleITK and MMEngine

ITKIT：基于SimpleITK和MMEngine的可行CT图像分析

Yiqin Zhang, Meiling Chen

机构 * Lingang Laboratory（临港实验室） 纠错

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

AI总结 本文提出ITKIT，基于SimpleITK和MMEngine实现从DICOM到3D分割的完整流程，提供简单易用的CLI和灵活的模型配置，通过12个实验验证其在基本场景中的有效性。

A Novel Framework using Intuitionistic Fuzzy Logic with U-Net and U-Net++ Architecture: A case Study of MRI Bain Image Segmentation

一种利用直觉模糊逻辑与U-Net和U-Net++架构的新型框架：MRI脑图像分割的案例研究

Hanuman Verma, Kiho Im, Akshansh Gupta, M. Tanveer

机构 * Department of Mathematics, Bareilly College, Bareilly (MJP Rohilkhand University), Uttar Pradesh, 243005, India（巴里利学院数学系，巴里利（MJP罗希兰德大学），乌塔尔普拉德什，243005，印度） ； Fetal Neonatal Neuroimaging and Developmental Science Center, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA and Division of Newborn Medicine, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA also with Department of Pediatrics, Harvard Medical School, Boston, MA, USA（波士顿儿童医院胎儿和新生儿神经影像与发育科学中心，哈佛医学院，波士顿，马萨诸塞州02115，美国；波士顿儿童医院新生儿医学科，哈佛医学院，波士顿，马萨诸塞州02115，美国；也与哈佛医学院儿科系，波士顿，马萨诸塞州，美国） ； National Institute of Science Communication and Policy Research, New Delhi, 110012, India（国家科学传播与政策研究所，新德里，110012，印度） ； Department of Mathematics, Indian Institute of Technology Indore, Indore (M.P.)-453552, India（印度理工学院印度尔数学系，印度尔（马哈拉施特拉邦）-453552，印度） 纠错

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

AI总结 本文提出一种结合直觉模糊逻辑的U-Net和U-Net++框架，用于提高MRI脑图像分割的准确性，通过处理图像中的不确定性提升分割性能。

Comments 13 pages, 8 figures

LGESynthNet: Controlled Scar Synthesis for Improved Scar Segmentation in Cardiac LGE-MRI Imaging

LGESynthNet：用于改进心脏LGE-MRI成像瘢痕分割的受控瘢痕合成

Athira J. Jacob, Puneet Sharma, Daniel Rueckert

机构 * Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字化技术与创新部） ； Al in Healthcare and Medicine, Klinikum rechts der Isar, Technical University of Munich（医疗与医学AI，慕尼黑工业大学右侧医院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） 纠错

专题命中 医学影像 ：MRI(title,abstract)；biomedical(abstract)

AI总结 本文提出LGESynthNet，一种基于潜在扩散模型的可控合成框架，通过奖励模型、提示模块和生物医学文本编码器，利用少量标注数据生成高质量瘢痕图像，提升后续分割和检测性能。

Comments Accepted at MICCAI STACOM workshop 2025

UEPS: Robust and Efficient MRI Reconstruction

UEPS：鲁棒且高效的MRI重建

Xiang Zhou, Hong Shang, Zijian Zhan, Tianyu He, Jintao Meng, Dong Liang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, China（深圳先进技术研究院，中国科学院，中国） ； School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University, China（生物医学工程学院，深圳大学医学院，深圳大学，中国） ； University of Chinese Academy of Sciences, China（中国科学院大学，中国） ； Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology, China（计算机科学与人工智能学院，深圳先进技术大学，中国） ； State Key Laboratory of Biomedical Imaging Science and System, Chinese Academy of Sciences, China（生物医学成像科学与系统国家重点实验室，中国科学院，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UEPS框架，通过消除CSM依赖、渐进分辨率和稀疏注意力机制，提升MRI重建的鲁棒性和效率，在多种临床转移测试中表现优异。

Comments The document contains the main paper and additional experimental details in the supplementary material. Open-source code can be found at: https://github.com/HongShangGroup/UEPS

Dual Agreement Consistency Learning with Foundation Models for Semi-Supervised Fetal Heart Ultrasound Segmentation and Diagnosis

双同意见一致性学习与基础模型在半监督胎儿心脏超声分割与诊断中的应用

Fangyijie Wang, Guénolé Silvestre, Kathleen M. Curran

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

AI总结 本文提出FM-DACL框架，结合预训练超声基础模型与卷积网络，通过异质协同训练和指数移动平均教师，提升低标注胎儿心脏超声分析的可行性，实验显示Dice分数达59.66，NSD为42.82。

Comments Accepted to the ISBI 2026 Fetal HearT UltraSound Segmentation and Diagnosis (FETUS) Challenge

Interpretable Prostate Cancer Detection using a Small Cohort of MRI Images

利用少量MRI图像进行可解释的前列腺癌检测

Vahid Monfared, Mohammad Hadi Gharib, Ali Sabri, Maryam Shahali, Farid Rashidi, Amit Mehta, Reza Rawassizadeh

机构 * Department of Computer Science, Boston University Metropolitan College（波士顿大学计算机科学系） ； Department of Radiology, McMaster University（麦斯特大学放射科） ； Department of Radiology, School of Medicine, 5th Azar Hospital, Golestan University of Medical Sciences（戈兰大学医学学院放射科，第五阿扎尔医院） ； Department of Medical Imaging, Niagara Health System（尼亚加拉健康系统医学影像科） ； Center of Excellence in Precision Medicine and Digital Health, Department of Physiology, Chulalongkorn University（朱拉隆梭大学精准医学与数字健康中心，生理学系） 纠错

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

AI总结 本文提出了一种基于小数据集的可解释前列腺癌检测框架，通过迁移学习和数据增强解决数据稀缺问题，比较了多种模型性能，展示了手工特征在小数据集中的有效性，并验证了方法在减少MRI采集复杂度和计算成本方面的优势。

Comments 26 pages, 5 figures, 7 tables

Unrolled Reconstruction with Integrated Super-Resolution for Accelerated 3D LGE MRI

展开重建与集成超分辨率用于加速3D晚期钆增强MRI

Md Hasibul Husain Hisham, Shireen Elhabian, Ganesh Adluru, Jason Mendes, Andrew Arai, Eugene Kholmovski, Ravi Ranjan, Edward DiBella

机构 * Kahlert School of Computing, University of Utah, Salt Lake City, UT, USA Radiology \& Imaging Sciences, University of Utah, Salt Lake City, UT, USA Cardiology, University of Utah, Salt Lake City, UT, USA 纠错

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

AI总结 本文提出一种混合展开重建框架，通过增强深度超分辨率网络提升超分辨率和数据一致性，改进3D晚期钆增强MRI的重建效果和左心房分割性能。

Latent Causal Modeling for 3D Brain MRI Counterfactuals

潜在因果建模用于3D脑MRI反事实

Wei Peng, Tian Xia, Fabio De Sousa Ribeiro, Tomas Bosschieter, Ehsan Adeli, Qingyu Zhao, Ben Glocker, Kilian M. Pohl

机构 * Stanford University（斯坦福大学） ； Weill Cornell Medicine（韦尔·科恩医学中心） ； Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 本文提出一种两阶段方法，在潜在空间中构建结构因果模型，利用VQ-VAE学习MRI体积的紧凑嵌入，并通过闭式广义线性模型生成高质量3D脑MRI反事实。

Benchmarking CNN-based Models against Transformer-based Models for Abdominal Multi-Organ Segmentation on the RATIC Dataset

在RATIC数据集上对基于CNN和基于Transformer的模型进行基准测试用于腹部多器官分割

Lukas Bayer, Sheethal Bhat, Andreas Maier

机构 * Pattern Recognition Lab Friedrich-Alexander-Universität Erlangen-Nürnberg（艾尔朗根-纽伦堡弗里德里希-亚历山大大学模式识别实验室） 纠错

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

AI总结 本文比较了基于CNN的SegResNet与三种混合Transformer模型在RATIC数据集上的多器官分割性能，发现CNN在整体表现上更优，而UNETR++表现最佳，UNETR收敛更快。

WeNLEX: Weakly Supervised Natural Language Explanations for Multilabel Chest X-ray Classification

WeNLEX：弱监督的多标签胸片分类自然语言解释

Isabel Rio-Torto, Jaime S. Cardoso, Luís F. Teixeira

机构 * INESC TEC ； Universidade do Porto（葡萄牙波尔图大学） 纠错

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

AI总结 本文提出WeNLEX，一种弱监督生成多标签胸片分类自然语言解释的方法，通过图像匹配和分布对齐确保解释的可信度和合理性，仅需少量真实解释即可生成高质量解释，并提升分类性能。

A Hybrid Physical--Digital Framework for Annotated Fracture Reduction Data Evaluated using Clinically Relevant 3D metrics

一种混合物理-数字框架用于注释骨折复位数据的评估，采用临床相关的3D指标

Basile Longo, Paul-Emmanuel Edeline, Hoel Letissier, Marc-Olivier Gauci, Aziliz Guezou-Philippe, Valérie Burdin, Guillaume Dardenne

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 本文提出混合物理-数字框架生成注释骨折复位数据，通过3D打印和CT扫描实现精确复位评估，引入临床相关3D指标提升复位质量。

Towards Efficient and Stable Ocean State Forecasting: A Continuous-Time Koopman Approach

迈向高效且稳定的海洋状态预测：一种连续时间Koopman方法

Rares Grozavescu, Pengyu Zhang, Mark Girolami, Etienne Meunier

机构 * Department of Engineering University of Cambridge（工程系剑桥大学） ； Alan Turing Institute（艾伦·图灵研究所） ； INRIA Paris（巴黎国家信息与自动化研究所） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文提出连续时间Koopman自编码器用于高效稳定的海洋状态预测，通过线性微分方程建模非线性动力学，实现时间不变预测并优于Transformer基线。

On the algebraic lower bound for the radius of spatial analyticity for the Zakharov-Kuznetsov and modified Zakharov-Kuznetsov equations

关于Zakharov-Kuznetsov和修正Zakharov-Kuznetsov方程空间解析性的代数下界

Mikaela Baldasso, Mahendra Panthee

专题命中 医学影像 ：CT(abstract)

AI总结 本文研究了二维广义Zakharov-Kuznetsov方程的初值问题，证明了在时间区间内解的空间解析性半径保持不变，并给出了在不同情况下解析性半径衰减的代数下界。

Comments 34 pages. arXiv admin note: text overlap with arXiv:2308.08541