医学 AI

Mamba-driven MRI-to-CT Synthesis for MRI-only Radiotherapy Planning

基于Mamba的MRI到CT合成用于仅MRI的放疗计划

Konstantinos Barmpounakis, Theodoros P. Vagenas, Maria Vakalopoulou, George K. Matsopoulos

机构 * School of Electrical ； Computer Engineering, National Technical University of Athens Archimedes, Athena Research Center CentraleSup\'elec, University of Paris-Saclay 纠错

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

AI总结 本文提出基于Mamba架构的MRI到CT合成方法，以提高跨模态翻译的准确性与效率，通过3D Mamba架构捕捉复杂体积特征和长距离依赖，实现快速且精确的CT合成。

HUydra: Full-Range Lung CT Synthesis via Multiple HU Interval Generative Modelling

HUydra: 通过多HU区间生成建模实现全范围肺CT合成

António Cardoso, Pedro Sousa, Tania Pereira, Hélder P. Oliveira

机构 * INESC TEC, Portugal（葡萄牙INESC TEC研究院） ； Faculty of Engineering, University of Porto, Portugal（葡萄牙波尔图大学工程学院） ； Faculty of Sciences, University of Porto, Portugal（葡萄牙波尔图大学科学学院） 纠错

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

AI总结 本文提出一种多HU区间生成建模方法，通过训练针对特定组织的生成模型并融合输出，实现全范围肺CT合成，优于传统2D基线，提升FID和MMD等指标。

Comments Submitted to iEEE TPAMI (Transactions on Pattern Analysis and Machine Intelligence)

Curriculum-Driven 3D CT Report Generation via Language-Free Visual Grafting and Zone-Constrained Compression

基于课程学习的3D CT报告生成：通过无语言视觉移植与区域约束压缩

V. K. Cody Bumgardner, Mitchell A. Klusty, Mahmut S. Gokmen, Evan W. Damron

机构 * Center for Applied Artificial Intelligence, University of Kentucky（应用人工智能中心，肯塔基大学） 纠错

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

AI总结 本文提出Ker-VLJEPA-3B框架，通过四阶段课程学习生成胸腔CT报告，采用无语言视觉主干和区域约束压缩提升生成质量，实验显示其在CT-RATE基准上取得更高F1分数。

Comments 10 pages, 2 figures

Automatic Segmentation of 3D CT scans with SAM2 using a zero-shot approach

使用SAM2的零样本方法自动分割3DCT扫描

Miquel Lopez Escoriza, Pau Amargant Alvarez

机构 * Department of Computer Science, EPFL, Switzerland（瑞士联邦理工学院计算机科学系） 纠错

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

AI总结 本文研究了在不进行微调或领域特定训练的情况下，利用Segment Anything Model 2对体积CT数据进行自动分割的零样本方法，通过改进SAM2的视频记忆机制以适应3D数据，展示了零样本方法在医学图像分割中的可行性。

Comments 11 pages, 5 figures

Harnessing Lightweight Transformer with Contextual Synergic Enhancement for Efficient 3D Medical Image Segmentation

利用轻量级Transformer与上下文协同增强进行高效的3D医学图像分割

Xinyu Liu, Zhen Chen, Wuyang Li, Chenxin Li, Yixuan Yuan

机构 * Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong SAR（电子工程系，香港中文大学（深圳）Hong Kong SAR） ； Centre for Artificial Intelligence and Robotics (CAIR), Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences, Hong Kong SAR（人工智能与机器人中心（CAIR），香港科学与创新研究院，中国科学院，Hong Kong SAR） 纠错

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

AI总结 本文提出Light-UNETR，通过轻量级维度缩减注意力模块和紧凑门控线性单元提升模型效率，结合上下文协同增强策略提高数据效率，在少量标注数据下实现高效3D医学图像分割。

Comments Accepted to IEEE TPAMI

Single-Subject Multi-View MRI Super-Resolution via Implicit Neural Representations

单受试多视角MRI超分辨率通过隐式神经表示

Heejong Kim, Abhishek Thanki, Roel van Herten, Daniel Margolis, Mert R Sabuncu

机构 * Department of Radiology, Weill Cornell Medicine, New York, USA（韦尔·科恩医学系放射科，纽约，美国） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） ； Cornell Tech, New York, USA（康奈尔科技，纽约，美国） ； Weill Cornell Graduate School of Medical Sciences, New York, USA（韦尔·科恩医学科学研究生院，纽约，美国） 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SIMS-MRI框架，通过隐式神经表示和多分辨率哈希编码实现单患者多视角MRI的等效超分辨率，无需预处理。

From Coarse to Continuous: Progressive Refinement Implicit Neural Representation for Motion-Robust Anisotropic MRI Reconstruction

从粗到连续：用于运动鲁棒各向异性MRI重建的渐进细化隐式神经表示

Zhenxuan Zhang, Lipei Zhang, Yanqi Cheng, Zi Wang, Fanwen Wang, Haosen Zhang, Yue Yang, Yinzhe Wu, Jiahao Huang, Angelica I Aviles-Rivero, Zhifan Gao, Guang Yang, Peter J. Lally

机构 * Department of Bioengineering and Imperial-X, Imperial College London（生物工程系和Imperial-X，帝国理工学院伦敦分校） ； Department of Bioengineering, Imperial College London（生物工程系，帝国理工学院伦敦分校） 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PR-INR框架，通过运动感知扩散模块、隐式细节恢复模块和体素连续感知表示模块，解决MRI重建中的运动、结构和各向异性问题，提升重建质量和鲁棒性。

PIVM: Diffusion-Based Prior-Integrated Variation Modeling for Anatomically Precise Abdominal CT Synthesis

PIVM：基于扩散的先验集成变分建模用于解剖学精确的腹部CT合成

Dinglun He, Baoming Zhang, Xu Wang, Yao Hao, Deshan Yang, Ye Duan

机构 * Department of Electrical Engineering and Computer Science, University of Missouri, Columbia, MO, USA（密苏里大学电气工程与计算机科学系） ； Department of Computer Science, The University of Texas at Dallas, Richardson, TX, USA（德克萨斯大学达拉斯分校计算机科学系） ； Department of Radiation Oncology, Washington University in St. Louis, MO, USA（华盛顿大学圣路易斯分校放射肿瘤学系） ； Department of Radiation Oncology, Duke University, Durham, NC, USA（达特茅斯大学放射肿瘤学系） ； School of Computing, Clemson University, Clemson, SC, USA（克莱姆森大学计算机科学学院） 纠错

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

AI总结 本文提出PIVM框架，通过整合器官特定强度先验，实现高精度腹部CT图像合成，保留HU范围和细密解剖纹理。

Comments Accepted at the IEEE International Symposium on Biomedical Imaging (ISBI) 2026 (Oral). Equal contribution by the first three authors

From Noisy Labels to Intrinsic Structure: A Geometric-Structural Dual-Guided Framework for Noise-Robust Medical Image Segmentation

从噪声标签到内在结构：一种几何-结构双引导框架用于抗噪声医学图像分割

Tao Wang, Zhenxuan Zhang, Yuanbo Zhou, Xinlin Zhang, Yuanbin Chen, Tao Tan, Guang Yang, Tong Tong

机构 * College of physics ； information engineering, Fuzhou University, Xueyuan Road No.2, Fuzhou, 350108, China ； Bioengineering Department ； Imperial-X, Imperial College London, London W12 7SL, UK ； Lung Institute, Imperial College London, London SW7 2AZ, UK ； Cardiovascular Research Centre, Royal Brompton Hospital, London SW3 6NP, UK ； School of Biomedical Engineering \& Imaging Sciences, King's College London, London WC2R 2LS, UK ； Faculty of Applied Science, Macao Polytechnic University, Macao Special Administrative Region of China 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GSD-Net框架，通过整合几何和结构线索提升抗噪声能力，实验表明在噪声标注下性能优越，特别是在Kvasir、Shenzhen等数据集上提升显著。

Towards Routine AI-Based PET/CT and SPECT/CT Lesion Segmentation and Tracking in PSMA Theranostics

迈向基于AI的PSMA治疗显像中PET/CT和SPECT/CT病灶分割与追踪的常规化

Fereshteh Yousefirizi, Jean-Mathieu Beauregard, Arman Rahmim

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

AI总结 本文探讨了在前列腺癌影像中实现自动化病灶追踪的临床需求、技术基础及未来路径，强调了PSMA PET/CT与FDG PET/CT的区别及定量SPECT/CT在连接影像特征与治疗剂量中的关键作用。

Comments Frontiers in Biomedical Technologies. 2026 Feb 5

Twist-Tuned Bilayer Metasurface for 3T MRI

双层扭态超材料用于3T MRI

Ingrid Torres, Raquel Rodriguez, Robert W. Laird, Angela R. Laird, Alex Krasnok

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出一种双层扭态超材料，通过旋转和调整间隙实现被动MRI超材料的调谐，使设备在负载下仍能保持共振频率，为MRI提供可调的射频附件。

Automated Labeling of Intracranial Arteries with Uncertainty Quantification Using Deep Learning

基于深度学习的颅内动脉自动标注与不确定性量化

Javier Bisbal, Patrick Winter, Sebastian Jofre, Aaron Ponce, Sameer A. Ansari, Ramez Abdalla, Michael Markl, Oliver Welin Odeback, Sergio Uribe, Cristian Tejos, Julio Sotelo, Susanne Schnell, David Marlevi

机构 * Dept. of Molecular Medicine and Surgery, Karolinska Institutet（卡罗林斯卡研究所分子医学与外科部） ； Biomedical Imaging Center, Pontificia Universidad Católica de Chile（智利天主教大学生物医学成像中心） ； Department of Electrical Engineering, School of Engineering, Pontificia Universidad Católica de Chile（智利天主教大学工程学院电气工程系） ； Millennium Institute for Intelligent Healthcare Engineering (iHEALTH), Santiago, Chile（智利智能健康工程研究院（iHEALTH）） ； Department of Medical Physics, Institute of Physics, University of Greifswald（格里夫斯瓦尔德大学物理研究所医学物理系） ； Department of Radiology, Northwestern University（西北大学放射科） ； Department of Neurological Surgery, Northwestern University（西北大学神经外科部） ； Department of Neurology, Northwestern University（西北大学神经科） 纠错

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

AI总结 本文提出基于深度学习的自动动脉标注框架，利用3D时间飞越磁共振血管成像数据，通过三种CNN架构提升标注精度与鲁棒性，并引入不确定性量化方法增强可解释性与可靠性。

Comments 16 pages, 6 figures

Journal ref BMC Medical Imaging (2026)

Towards a general-purpose foundation model for fMRI analysis

面向fMRI分析的通用基础模型

Cheng Wang, Yu Jiang, Zhihao Peng, Chenxin Li, Changbae Bang, Lin Zhao, Wanyi Fu, Jinglei Lv, Jorge Sepulcre, Carl Yang, Lifang He, Tianming Liu, Xue-Jun Kong, Quanzheng Li, Daniel S. Barron, Anqi Qiu, Randy Hirschtick, Byung-Hoon Kim, Hongbin Han, Xiang Li, Yixuan Yuan

机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Yonsei University, Seoul, South Korea（延世大学） ； University of Georgia, Athens, GA（佐治亚大学） ； Peking University Health Science Center, Beijing, China（北京大学医学部） ； University of Sydney, Sydney, Australia（悉尼大学） ； Yale School of Medicine, New Haven, CT（耶鲁医学院） ； Emory University, Atlanta, GA（埃默里大学） ； Lehigh University, Bethlehem, PA（莱斯利大学） ； Boston Children’s Hospital, Boston, MA（波士顿儿童医院） ； Massachusetts General Hospital, Boston, MA（麻省总医院） ； Brigham and Women’s Hospital, Boston, MA（布里奇沃特医院） ； Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； Kempner Institute for Natural and Artificial Intelligence, Cambridge, MA（Kempner自然与人工智能研究所） 纠错

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

AI总结 本文提出NeuroSTORM模型，通过直接学习4D fMRI数据的通用表示，实现跨任务高效迁移，优于现有方法在五类下游任务中的表现。

FixationFormer: Direct Utilization of Expert Gaze Trajectories for Chest X-Ray Classification

FixationFormer：直接利用专家凝视轨迹进行胸部X光分类

Daniel Beckmann, Benjamin Risse

机构 * Institute for Geoinformatics（地理信息研究所） ； Department of Computer Science（计算机科学系） ； University of Münster（穆斯堡大学） 纠错

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

AI总结 本文提出FixationFormer，通过将专家凝视轨迹作为序列建模，利用Transformer架构提升胸部X光分类性能，实现更直接的专家诊断信息整合。

An Explainable AI-Driven Framework for Automated Brain Tumor Segmentation Using an Attention-Enhanced U-Net

基于可解释AI的自动化脑肿瘤分割框架：使用增强注意力的U-Net

MD Rashidul Islam, Bakary Gibba

机构 * School of Computing and Informatics（计算机与信息学学院） 纠错

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

AI总结 本文提出一种基于增强注意力U-Net的框架，利用BraTS 2020数据集进行脑肿瘤分割，通过自定义损失函数和可解释AI提升分割精度与可解释性。

Abnormalities and Disease Detection in Gastro-Intestinal Tract Images

胃肠道图像中的异常与疾病检测

Zeshan Khan, Muhammad Atif Tahir

机构 * National University of Computer and Emerging Sciences（国立计算机与新兴科学大学） 纠错

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

AI总结 本文提出基于传统纹理方法和深度学习的胃肠道图像分析方法，通过优化模型和数据集提升分类和分割性能，实现高精度和实时检测。

Comments PhD Thesis

NeuroSeg Meets DINOv3: Transferring 2D Self-Supervised Visual Priors to 3D Neuron Segmentation via DINOv3 Initialization

NeuroSeg Meets DINOv3：通过DINOv3初始化将2D自监督视觉先验转移到3D神经元分割

Yik San Cheng, Runkai Zhao, Weidong Cai

机构 * The University of Sydney（悉尼大学） 纠错

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

AI总结 本文提出利用DINOv3学习的2D视觉表示适应3D生物分割模型，通过膨胀策略和拓扑感知骨架损失提升神经元重建精度，实验显示在四个神经影像数据集上均优于现有方法。

Comments 17 pages, 12 figures, and 11 tables. Accepted to CVPR 2026

URA-Net: Uncertainty-Integrated Anomaly Perception and Restoration Attention Network for Unsupervised Anomaly Detection

URA-Net：一种集成不确定性异常感知与恢复注意力网络用于无监督异常检测

Wei Luo, Peng Xing, Yunkang Cao, Haiming Yao, Weiming Shen, Zechao Li

机构 * State Key Laboratory of Precision Measurement Technology and Instruments, Department of Precision Instrument, Tsinghua University（精密测量技术与仪器国家重点实验室，清华大学精密仪器系） ； State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（智能制造装备与技术国家重点实验室，华中科技大学） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） 纠错

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

AI总结 URA-Net通过引入不确定性集成的异常感知模块和恢复注意力机制，有效解决传统方法在异常检测中的过泛化问题，提升检测性能。

Comments Accepted by IEEE TCSVT

Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction

梯度下降可证明解决非线性断层重建

Sara Fridovich-Keil, Fabrizio Valdivia, Gordon Wetzstein, Benjamin Recht, Mahdi Soltanolkotabi

机构 * Department of Electrical Engineering, Stanford University（斯坦福大学电子工程系） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出通过非线性正向模型直接重建信号，证明梯度下降在非凸优化中能以几何速率收敛至全局最优，减少金属伪影。

Exact analytical PGSE signal for diffusion confined to a cylindrical surface using a spectral Laplacian formalism

在有限PGSE梯度下，利用谱拉普拉斯形式主义推导扩散受限于圆柱面的精确解析信号

Erick J Canales-Rodríguez, Chantal M. W. Tax, Juan Manuel Górriz, Derek K. Jones, Jean-Philippe Thiran, Jonathan Rafael-Patiño

专题命中 医学影像 ：MRI(abstract)

AI总结 本文推导了在有限PGSE梯度下，扩散受限于圆柱面的精确解析信号，采用谱矩阵形式主义，避免了近似，提高了计算效率，并通过蒙特卡洛模拟验证了结果的准确性。

Comments 32 pages, 2 figures, 4 tables

The role of detailed gas and dust opacities in shaping the evolution of the inner disc edge subject to episodic accretion

详细气体和尘埃不透明度在塑造受周期性吸积影响的内盘边缘演化中的作用

Michael Cecil, Mario Flock, Mykola G. Malygin, Rolf Kuiper, Prakruti Sudarshan, Alexandros Ziampras, Vardan G. Elbakyan

专题命中 医学影像 ：MRI(abstract)

AI总结 研究不同尘埃和气体不透明度描述对原行星盘内区结构和演化的效应，探讨周期性不稳定性的影响，通过二维轴对称辐射水动力模型模拟数千年内的演化，发现气体不透明度对内盘边缘结构影响最大，导致尘埃升华前沿和死区内边缘位置变化，温度分布改变，并揭示了周期性不稳定性机制。

Comments 22 pages, 15 figures, accepted for publication in A&A

Journal ref A&A 707, A296 (2026)

DROP: Distributionally Robust Optimization for Multi-task Learning in Graphical Models

DROP：在图形模型中的多任务学习中的分布鲁棒优化

Canruo Shen, Xintong Ji, Qiong Li, Wenzhi Yang, Xiaoping Shi

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出DROP方法，通过多任务节点回归框架实现鲁棒估计，理论证明其在数据污染下的误差界，并通过模拟和fMRI应用展示其在高维数据中的优越性。

On a theorem of Narasimhan and Ramanan on deformations

关于Narasimhan和Ramanan定理的变形

V. Balaji, Y. Pandey

专题命中 医学影像 ：CT(abstract)

AI总结 本文基于模栈理论，研究了稳定扭量的上同调群，并推导了Narasimhan和Ramanan的经典结果。

Comments Several typos and expository changes made. The results are more precise