医学 AI

Cycle Inverse-Consistent TransMorph: A Balanced Deep Learning Framework for Brain MRI Registration

循环逆一致TransMorph：一种用于脑部MRI配准的平衡深度学习框架

Jiaqi Shang, Haojin Wu, Yinyi Lai, Zongyu Li, Chenghao Zhang, Jia Guo

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

AI总结 本文提出一种基于Transformer的框架，通过双向一致性约束提升脑MRI变形配准的精度与稳定性，实验表明其在多个指标上表现优异。

From Explanations to Architecture: Explainability-Driven CNN Refinement for Brain Tumor Classification in MRI

从解释到架构：基于可解释性的CNN细化用于MRI中脑肿瘤分类

Rajan Das Gupta, Md Imrul Hasan Showmick, Lei Wei, Mushfiqur Rahman Abir, Shanjida Akter, Md. Yeasin Rahat, Md. Jakir Hossen

机构 * American International Brac University Faculty of Psychology University-Bangladesh（美国国际布拉大学心理学学院（孟加拉国）） ； Shinawatra University Department of Computer Science（辛纳瓦特大学计算机科学系） ； American International North South University（美国国际北南大学） ； American International University–Bangladesh Department of Computer Science（美国国际大学–孟加拉国计算机科学系） ； Multimedia University Department of Computer Science（多媒体大学计算机科学系） 纠错

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

AI总结 本文提出一种可解释性驱动的CNN框架，通过Grad-CAM量化层间相关性以去除低贡献层，提升模型透明度并保持分类精度，实验证明在多类脑MRI数据集上达到高准确率，支持更可信的脑肿瘤分类。

Comments This is the preprint version of the manuscript. It is currently being prepared for submission to an academic conference

SHAPE: Structure-aware Hierarchical Unsupervised Domain Adaptation with Plausibility Evaluation for Medical Image Segmentation

SHAPE：基于结构的分层无监督领域自适应与合理性评估用于医学图像分割

Linkuan Zhou, Yinghao Xia, Yufei Shen, Xiangyu Li, Wenjie Du, Cong Cong, Leyi Wei, Ran Su, Qiangguo Jin

机构 * School of Software, Northwestern Polytechnical University（西北工业大学软件学院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； School of Software Engineering, USTC（USTC软件工程学院） ； Australian Institute of Health Innovation, Macquarie University（麦考瑞大学健康创新研究所） ； Faculty of Applied Science, Macao Polytechnic University（澳门理工学院应用科学学院） ； School of Computer Software, Tianjin University（天津大学计算机软件学院） 纠错

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

AI总结 SHAPE通过结构感知的分层无监督领域自适应与合理性评估，提升医学图像分割在跨模态任务中的性能，采用超图合理性估计和结构异常修剪方法，显著提高心脏和腹部数据的Dice分数。

PGR-Net: Prior-Guided ROI Reasoning Network for Brain Tumor MRI Segmentation

PGR-Net：基于先验的感兴趣区域推理网络用于脑肿瘤MRI分割

Jiacheng Lu, Hui Ding, Shiyu Zhang, Guoping Huo

机构 * College of Information Engineering, Capital Normal University（首都师范大学信息工程学院） ； School of Artificial Intelligence, China University of Mining and Technology-Beijing（中国矿业大学(北京)人工智能学院） 纠错

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

AI总结 PGR-Net通过整合数据驱动的空间先验，提升脑肿瘤MRI分割的稳定性与精度，实验显示其在BraTS和MSD任务中表现优异。

Comments This paper has been accepted to the main conference of CVPR 2026

Ultra-low field 13C MRI of hyperpolarized pyruvate

超低场13C MRI的超极化丙酮酸

Thomas Boele, Stephen J. McBride, Megan Pike, Erica Curran, Patrick TomHon, Hester Braaksma, Sheng Shen, Neha Koonjoo, David E. Korenchan, Eduard Chekmenev, Thomas Theis, David E. J. Waddington, Matthew S. Rosen

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

AI总结 利用超极化技术与低场MRI结合，实现丙酮酸的代谢成像，展示超低场下超极化13C MRI在个性化医疗中的应用潜力。

HamVision: Hamiltonian Dynamics as Inductive Bias for Medical Image Analysis

HamVision：哈密顿动力学作为医学图像分析的归纳偏差

Mohamed A Mabrok

机构 * Department of Mathematics and Statistics, Qatar University（数学与统计学系，卡塔尔大学） 纠错

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

AI总结 HamVision利用阻尼谐振子作为结构化归纳偏差，通过相空间分解生成三种功能不同的表示，用于分割和分类任务，实现了在多个医学影像基准上的优异性能。

Imaging foundation model for universal enhancement of non-ideal measurement CT

用于非理想测量CT通用增强的成像基础模型

Rongjun Ge, Yuxin Liu, Zhan Wu, Shangwen Yang, Yuan Gao, Chenyu You, Ge Wang, Shuo Li, Yuting He, Yang Chen

机构 * School of Instrument Science and Engineering, Southeast University, China（东南大学仪器科学与工程学院, 中国） ； School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院, 中国） ； Department of Radiology, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University（南京鼓楼医院放射科, 南京大学附属医院） ； Shandong Fundamental Research Center for Computer Science, Qilu University of Technology (Shandong Academy of Sciences), China（山东省计算机科学基础研究中心, 青鲁科技大学（山东科学院）, 中国） ； Department of Electrical & Computer Engineering, Yale University, USA（耶鲁大学电气与计算机工程系, 美国） ； Department of Biomedical Engineering, Rensselaer Polytechnic Institute, USA（雷士拉尔理工学院生物医学工程系, 美国） ； Department of Computer and Data Sciences, Case Western Reserve University, USA（凯斯西储大学计算机与数据科学系, 美国） ； Department of Biomedical Engineering, Case Western Reserve University, USA（凯斯西储大学生物医学工程系, 美国） 纠错

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

AI总结 本文提出TAMP模型，通过多尺度集成Transformer架构，提升非理想测量CT图像质量，适用于多种临床场景，实验验证其在医学影像中的有效性。

Comments This paper has been accepted by Nature Communications

Focus on Background: Exploring SAM's Potential in Few-shot Medical Image Segmentation with Background-centric Prompting

聚焦背景：探索SAM在少样本医学图像分割中的潜力：基于背景的提示生成

Yuntian Bo, Yazhou Zhu, Piotr Koniusz, Haofeng Zhang

机构 * Nanjing University of Science and Technology（南京理工大学） ； University of New South Wales（新南威尔士大学） ； Data61 CSIRO 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FoB，通过背景中心提示生成解决SAM在医学图像分割中的过度分割问题，实验表明其在少样本分割任务中表现优异，具有良好的跨领域泛化能力。

Comments Accepted by CVPR26

Joint Segmentation and Grading with Iterative Optimization for Multimodal Glaucoma Diagnosis

多模态青光眼诊断的联合分割与分级迭代优化方法

Zhiwei Wang, Yuxing Li, Meilu Zhu, Defeng He, Edmund Y. Lam

机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, China（香港大学电子与电气工程系） ； College of Information Engineering, Zhejiang University of Technology, Hangzhou, China（浙江工业大学信息工程学院） 纠错

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

AI总结 本文提出一种迭代多模态优化模型，通过中层融合策略整合眼底和OCT特征，并利用跨模态特征对齐模块减少模态差异，实现青光眼的精确分割与分级。

Rethinking domain generalization in medical image segmentation: One image as one domain

重新思考医学图像分割中的领域泛化：一张图像即一个领域

Jin Hong, Bo Liu

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

AI总结 本文提出'一张图像即一个领域'假设，通过统一解耦框架实现多源和单源领域泛化，提升分割鲁棒性，实验显示在视盘和视杯分割中Dice分数达84.43%和88.91%。

CaroTo: A Tool for Fast Comprehensive Analysis of Carotid Artery Stenosis in 4D PC- and 3D BB-MRI Data

CaroTo：一种用于快速全面分析4D PC-和3D BB-MRI数据颈动脉狭窄的工具

Hinrich Rahlfs, Markus Hüllebrand, Sebastian Schmitter, Jonathan Andrae, Christoph Strecker, Andreas Harloff, Anja Hennemuth

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

AI总结 CaroTo工具通过多模态和多维分割、生物标志物提取和可视化，实现颈动脉动脉粥样斑块的标准化评估，提升颈动脉狭窄分析的精度和一致性。

Comments VCBM 2024, Poster Honorable Mention

Feasibility of Augmented Reality-Guided Robotic Ultrasound with Cone-Beam CT Integration for Spine Procedures

增强现实引导的机器人超声与锥束CT整合在脊柱手术中的可行性

Tianyu Song, Felix Pabst, Feng Li, Yordanka Velikova, Miruna-Alexandra Gafencu, Yuan Bi, Ulrich Eck, Nassir Navab

机构 * Chair for Computer Aided Medical Procedures(CAMP), Technical University of Munich(TUM)（计算机辅助医疗程序系（CAMP），慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

专题命中 医学影像 ：CT(title,abstract)

AI总结 本文提出一种基于光学透视增强现实的机器人系统，结合锥束CT与超声成像，提升脊柱手术中针具定位的准确性和效率，降低认知负荷。

Comments 8 pages, 7 figures

Fast undersampled dynamic MRI reconstruction using explicit representation learning with Gaussian splatting

快速动态MRI重建：利用显式表示学习与高斯点溅射

M. L. Terpstra, C. A. T. van den Berg

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出利用显式表示学习与高斯点溅射方法，实现高效个性化动态MRI重建，可在60秒内训练高斯点并以0.5ms/d的推理时间获得高质量心脏MRI。

Comments Accepted at ISMRM 2026

DGRNet: Disagreement-Guided Refinement for Uncertainty-Aware Brain Tumor Segmentation

DGRNet：基于分歧的改进用于不确定性感知的脑肿瘤分割

Bahram Mohammadi, Yanqiu Wu, Vu Minh Hieu Phan, Sam White, Minh-Son To, Jian Yang, Michael Sheng, Yang Song, Yuankai Qi

机构 * Macquarie University（麦考瑞大学） ； Adelaide University（阿德莱德大学） ； Flinders University（弗林德斯大学） ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 DGRNet通过多视角分歧引导的不确定性估计和文本条件细化，解决单模型预测的不确定性量化不足和医学报告信息未充分利用的问题，提升分割精度和不确定性估计。

Comments 10 pages, 3 figures, 4 tables

Interpretable Deep Learning Framework for Improved Disease Classification in Medical Imaging

可解释的深度学习框架用于改进医学影像中的疾病分类

Jutika Borah, Hidam Kumarjit Singh

机构 * Gauhati University（果阿大学） 纠错

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

AI总结 本文提出一种统一的深度学习框架，通过交叉引导通道空间注意力机制提升医学影像中特征整合、可解释性和预测可靠性，结合MC-Dropout与置信度预测实现不确定性评估，验证了双向交叉注意力在疾病分类中的有效性。

Comments 18 pages, 8 figures, 5 tables

TAFG-MAN: Timestep-Adaptive Frequency-Gated Latent Diffusion for Efficient and High-Quality Low-Dose CT Image Denoising

TAFG-MAN：时间自适应频率门控潜在扩散用于高效高质量低剂量CT图像去噪

Tangtangfang Fang, Yang Jiao, Xiangjian He, Jingxi Hu, Jiaqi Yang

机构 * University of Nottingham Ningbo China（宁波大学） 纠错

专题命中 医学影像 ：CT(title)；分类 cs.CV

AI总结 本文提出TAFG-MAN框架，结合感知优化的自动编码器和紧凑潜在空间中的条件潜在扩散修复，以及轻量级时间自适应频率门控设计，提升低剂量CT图像去噪的效率和质量。

SegMaFormer: A Hybrid State-Space and Transformer Model for Efficient Segmentation

SegMaFormer：一种用于高效分割的混合状态空间和变换器模型

Duy D. Nguyen, Phat T. Tran-Truong

机构 * Department of Software Engineering, Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT)（胡志明市技术大学软件工程系） ； Vietnam National University Ho Chi Minh City（越南胡志明市国家大学） 纠错

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

AI总结 SegMaFormer结合Mamba和Transformer模块，通过分层体积编码实现高效长距离依赖建模，在三个公开基准上表现优异，参数和计算量显著降低。

Multi-View Deformable Convolution Meets Visual Mamba for Coronary Artery Segmentation

多视角可变形卷积与视觉Mamba相结合用于冠状动脉分割

Xiaochan Yuan, Pai Zeng

机构 * Sichuan Agricultural University（四川农业大学） 纠错

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

AI总结 本文提出MDSVM-UNet框架，结合多方向蛇卷积与残差视觉Mamba，解决冠状动脉分割中的长距离依赖和类别不平衡问题，提升分割精度与效率。

A Kernel Space-based Multidimensional Sparse Model for Dynamic PET Image Denoising

基于核空间的多维稀疏模型用于动态PET图像去噪

Kuang Xiaodong, Li Bingxuan, Li Yuan, Rao Fan, Ma Gege, Xie Qingguo, Mok Greta S P, Liu Huafeng, Zhu Wentao

机构 * Zhejiang Polytechnic University of Mechanical and Electrical Engineering（浙江机电职业技术学院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥国家综合科学中心人工智能研究院） ； School of Electrical and Optical Engineering（南京理工大学电气与光学工程学院） ； Zhejiang Lab（浙江实验室） ； School of Intelligent Science and Technology（智能科学与技术学院） ； Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（杭州高等研究院，中国科学院大学） ； Biomedical Imaging Laboratory (BIG), Department of Electrical and Computer Engineering, Faculty of Science and Technology, University of Macau（澳门大学生物医学成像实验室） ； College of Optical Science and Engineering（光学工程学院） ； College of Biomedical Engineering and Instrument Science（生物医学工程与仪器科学学院） 纠错

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

AI总结 本文提出基于核空间的多维稀疏模型（KMDS）用于动态PET图像去噪，利用帧间空间相关性和帧内结构一致性，结合神经网络实现端到端的KMDS-Net，实验表明其在动态PET去噪中优于现有方法。

Positional Segmentor-Guided Counterfactual Fine-Tuning for Spatially Localized Image Synthesis

基于位置分割器的反事实微调用于空间局部化图像合成

Tian Xia, Matthew Sinclair, Andreas Schuh, Fabio De Sousa Ribeiro, Raghav Mehta, Rajat Rasal, Esther Puyol-Antón, Samuel Gerber, Kersten Petersen, Michiel Schaap, Ben Glocker

机构 * Department of Computing, Imperial College London, UK（帝国理工学院 computing 部，英国） ； HeartFlow, Inc., Mountain View, CA, USA（HeartFlow 公司，美国加州山景城） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出Positional Seg-CFT，通过将每个结构细分为区域并独立测量每个区域，实现空间局部化的反事实生成，提升冠状动脉CT血管造影中疾病建模的精细空间控制。

Anatomical Prior-Driven Framework for Autonomous Robotic Cardiac Ultrasound Standard View Acquisition

基于解剖先验的自主机器人心脏超声标准视图采集框架

Zhiyan Cao, Zhengxi Wu, Yiwei Wang, Pei-Hsuan Lin, Li Zhang, Zhen Xie, Huan Zhao, Han Ding

机构 * State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（华中科技大学智能制造装备与技术国家重点实验室） ； School of Biomedical Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）生物医学工程学院） ； Information Intelligence Lab, Department of Electrical Engineering, National Chung Hsing University（中原大学电子工程系信息智能实验室） ； Institute of Medical Equipment Science and Engineering, Huazhong University of Science and Technology（华中科技大学医学装备科学与工程研究院） ； Department of Ultrasound Medicine, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院附属同济医院超声医学科） ； Institute of Systems Science (ISS), National University of Singapore (NUS)（新加坡国立大学系统科学研究所） 纠错

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

AI总结 本文提出结合心脏结构分割与自主探头调整的框架，通过解剖先验引导提升超声标准视图采集的自动化水平，实验表明其在分割精度和探头调整成功率上均有显著提升。

Comments Accepted for publication at the IEEE ICRA 2026. 8 pages, 5 figures, 3 tables

When Minor Edits Matter: LLM-Driven Prompt Attack for Medical VLM Robustness in Ultrasound

微小修改同样重要：基于LLM驱动的提示攻击用于医学视觉语言模型在超声中的鲁棒性

Yasamin Medghalchi, Milad Yazdani, Amirhossein Dabiriaghdam, Moein Heidari, Mojan Izadkhah, Zahra Kavian, Giuseppe Carenini, Lele Wang, Dena Shahriari, Ilker Hacihaliloglu

机构 * University of British Columbia, Vancouver, Canada（不列颠哥伦比亚大学） 纠错

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

AI总结 本文提出一个可扩展的对抗评估框架，利用大语言模型生成临床合理的对抗提示变体，评估SOTA医学视觉语言模型在超声中的鲁棒性，揭示模型在临床应用中的安全漏洞。

HUG-VAS: A Hierarchical NURBS-Based Generative Model for Aortic Geometry Synthesis and Controllable Editing

HUG-VAS：一种基于层次NURBS的生成模型用于主动脉几何合成与可控编辑

Pan Du, Mingqi Xu, Xiaozhi Zhu, Jian-xun Wang

机构 * Department of Aerospace and Mechanical Engineering, University of Notre Dame（notre dame 大学航空航天与机械工程系） ； Sibley School of Mechanical and Aerospace Engineering, Cornell University（cornell 大学机械与航空航天工程学院） ； Department of Applied and Computational Mathematics and Statistics, University of Notre Dame（notre dame 大学应用与计算数学与统计学系） 纠错

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

AI总结 HUG-VAS通过结合NURBS参数化与层次扩散模型，实现主动脉几何的精细合成与可控编辑，支持零样本生成与临床应用。

Comments 64 pages, 9 figures, 6 supplementary figures

T$_2$* and Susceptibility Mapping as Indicators of Placental Health

T₂*和磁敏感度成像作为胎盘健康指标

Amy Turnbull, George Hutchinson, Louise Dewick, Ruizhe Li, Chris Bradley, Lopa Leach, Dimitrios Amantis, Xin Chen, Grazziela Figueredo, Kate F Walker, Penny Gowland

专题命中 医学影像 ：MRI(abstract)

AI总结 研究通过同时获取T₂*和磁敏感度数据，探讨氧分布对胎盘T₂*随孕周变化的影响，并分析异常胎盘中两种指标的差异。

A Modular Approach to Stochastic Optimisation for Inverse Problems Using the Core Imaging Library

基于核心成像库的逆问题随机优化模块化方法

Evangelos Papoutsellis, Margaret A. G. Duff, Jakob S. Jørgensen, Sam Porter, Claire Delplancke, Gemma Fardell, Edoardo Pasca, Kris Thielemans

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出基于核心成像库的随机优化模块化框架，提供灵活的算法组件，支持开发和测试随机优化方法，适用于大规模逆问题应用。

Accreting Primordial Black Holes: Dark Matter Constituents

吸积原初黑洞：暗物质组成部分

Brandon Curd, Richard Anantua, Nathaniel Lujan, T. Kenneth Fowler

专题命中 医学影像 ：MRI(abstract)

AI总结 研究通过GRMHD模拟展示原初黑洞在磁旋转不稳定性作用下，将早期宇宙密度与现今暗物质丰度联系起来，发现正电子对等离子体可作为原初黑洞种子的质料，其辐射与观测到的伽马射线背景一致。

Comments 9 pages; previously submitted as version 2 of 2303.09341

What Does FEXI Measure in Neurons?

FEXI在神经元中测量什么？

Valerij G. Kiselev, Jing-Rebecca Li

专题命中 医学影像 ：MRI(abstract)

AI总结 研究通过分析FEXI技术，发现其扩散系数恢复呈现多指数衰减，与拉普拉斯算子的本征值相关。研究指出，传统指数拟合导致的交换时间依赖于混合时间间隔和平衡扩散系数调整，提出膜渗透性估计为0.005微米/毫秒。