医学 AI

DeepFAN, a transformer-based deep learning model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multi-reader, multi-case trial

DeepFAN，一种基于transformer的深度学习模型，用于人类-人工智能协作评估CT扫描中的偶发性肺结节：多读者、多病例试验

Zhenchen Zhu, Ge Hu, Weixiong Tan, Kai Gao, Chao Sun, Zhen Zhou, Kepei Xu, Wei Han, Meixia Shang, Xiaoming Qiu, Yiqing Tan, Jinhua Wang, Zhoumeng Ying, Li Peng, Wei Song, Lan Song, Zhengyu Jin, Nan Hong, Yizhou Yu

机构 * Department of Radiology, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院北京协和医院放射科，疑难重症及罕见病国家重点实验室） ； Theranostics and Translational Research Center, National Infrastructures for Translational Medicine, Institute of Clinical Medicine, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院北京协和医院临床医学研究所，国家转化医学基础设施，诊疗与转化研究中心，疑难重症及罕见病国家重点实验室） ； Artificial Intelligence Lab, Deepwise Healthcare（深睿医疗人工智能实验室） ； Department of Epidemiology and Health Statistics, Institute of Basic Medicine Sciences, Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院北京协和医学院基础医学研究所流行病学与卫生统计学系） ； Department of Biostatistics, Peking University First Hospital（北京大学第一医院生物统计室） ； Department of Radiology, Huangshi Central Hospital, Affiliated Hospital of Hubei Polytechnic University（湖北理工学院附属医院黄石市中心医院放射科） ； Department of Radiology, Wuhan Third Hospital, Tongren Hospital of Wuhan University（武汉大学同仁医院武汉市第三医院放射科） ； +4 Medical Doctor Program, Chinese Academy of Medical Sciences & Peking Union Medical College（中国医学科学院北京协和医学院4+4医学博士项目） ； Department of Medicine Imaging, School of Clinical Medicine, Southwest Medical University（西南医科大学临床医学院医学影像系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） 纠错

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

AI总结 本文提出DeepFAN模型，通过多读者多病例试验验证其在辅助初级放射科医生评估肺结节方面的有效性，提升了诊断准确率和一致性。

Comments 28 pages for main text and 37 pages for supplementary information, 7 figures in main text and 9 figures in supplementary information

CardioDiT: Latent Diffusion Transformers for 4D Cardiac MRI Synthesis

CardioDiT：用于4D心脏MRI合成的潜在扩散变换器

Marvin Seyfarth, Sarah Kaye Müller, Arman Ghanaat, Isabelle Ayx, Fabian Fastenrath, Philipp Wild, Alexander Hertel, Theano Papavassiliu, Salman Ul Hassan Dar, Sandy Engelhardt

机构 * Institute for Artificial Intelligence in Cardiovascular Medicine, Medical Faculty of Heidelberg University, Heidelberg University（海德堡大学医学院心血管医学人工智能研究所，海德堡大学） ； Department of Cardiology, Angiology, Pneumology, Heidelberg University Hospital（海德堡大学医院心脏病学、血管学、肺病学系） ； DZHK (German Centre for Cardiovascular Research), Partner Site Heidelberg/Mannheim（德国心血管研究中心（DZHK），海德堡/曼海姆合作站点） ； Department of Radiology and Nuclear Medicine, University Medical Center Mannheim（曼海姆大学医学中心放射学与核医学系） ； Section for Invasive Cardiology and Electrophysiology, I. Medical Department, Cardiology, Hemostasiology and Intensive Care, University Medical Centre Mannheim（曼海姆大学医学中心第一内科（心脏病学、止血学与重症监护）介入心脏病学与电生理学科） ； University Medical Center of the Johannes Gutenberg-University Mainz（美因茨约翰内斯·古腾堡大学医学中心） ； Department of Cardiology, Angiology, Hemostasis, and Medical Intensive Care, University Medical Centre Mannheim, Medical Faculty Mannheim, University of Heidelberg（海德堡大学曼海姆医学院曼海姆大学医学中心心脏病学、血管学、止血学与内科重症监护系） 纠错

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

AI总结 本文提出CardioDiT，一种基于扩散变换器的4D潜在扩散模型，用于合成短轴 cine CMR，通过联合建模空间和时间实现连续心脏动态生成。

Synthetic Cardiac MRI Image Generation using Deep Generative Models

利用深度生成模型合成心脏MRI图像

Ishan Kumarasinghe, Dasuni Kawya, Madhura Edirisooriya, Isuri Devindi, Isuru Nawinne, Vajira Thambawita

机构 * Department of Computer Engineering（计算机工程系） ； University of Peradeniya（珀德尼亚大学） ； University of Maryland（马里兰大学） ； Department of Holistic Systems（整体系统系） ； SimulaMet ； Oslo, Norway（挪威奥斯陆） 纠错

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

AI总结 本文综述了通过深度生成模型生成合成心脏MRI图像的方法，探讨了在保真度、实用性和隐私方面现有技术的局限性，并强调了需要集成评估驱动框架以确保临床工作流程的可靠性。

Comments 12 pages, 2 figures, Preprint

VolDiT: Controllable Volumetric Medical Image Synthesis with Diffusion Transformers

VolDiT：基于扩散变换器的可控体积医学图像合成

Marvin Seyfarth, Salman Ul Hassan Dar, Yannik Frisch, Philipp Wild, Norbert Frey, Florian André, Sandy Engelhardt

机构 * Institute for Artificial Intelligence in Cardiovascular Medicine, Medical Faculty of Heidelberg University, Heidelberg University（海德堡大学医学院心血管医学人工智能研究所） ； Department of Cardiology, Angiology, Pneumology, Heidelberg University Hospital（海德堡大学医院心脏病学、血管学、肺病学系） ； DZHK (German Centre for Cardiovascular Research), Partner Site Heidelberg/Mannheim（德国心血管研究中心（DZHK）海德堡/曼海姆合作站点） ； University Medical Center of the Johannes Gutenberg-University Mainz（美因茨约翰内斯·古腾堡大学医学中心） 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VolDiT，首个纯变压器架构的3D扩散模型，通过体积块嵌入和全局自注意力实现3D数据处理，引入时间步门控控制适配器提升生成可控性，实验证明其在医学图像合成中具有更高的全局一致性与生成保真度。

Hyper-Connections for Adaptive Multi-Modal MRI Brain Tumor Segmentation

超连接用于自适应多模态MRI脑肿瘤分割

Lokendra Kumar, Shubham Aggarwal

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

AI总结 本文提出超连接用于体积多模态脑肿瘤分割，通过在五个架构中替代固定残差连接，提升BraTS 2021数据集上模型性能，尤其在增强肿瘤区域表现突出。

Comments 29 pages,6 tables,17 figures

CARE: Training-Free Controllable Restoration for Medical Images via Dual-Latent Steering

CARE：通过双潜在引导实现无需训练的医学图像可控修复

Xu Liu

机构 * University of Washington（华盛顿大学） 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CARE框架，通过双潜在策略在推理过程中平衡结构保持与先验引导，实现无需训练的可控医学图像修复，提升修复质量并减少不合理的重建风险。

Subject-Specific Low-Field MRI Synthesis via a Neural Operator

针对特定主体的低场MRI合成通过神经算子

Ziqi Gao, Nicha Dvornek, Xiaoran Zhang, Gigi Galiana, Hemant Tagare, Todd Constable

机构 * Departments of Biomedical Engineering, Yale University（耶鲁大学生物医学工程系） 纠错

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

AI总结 本文提出一种端到端的低场MRI合成框架，通过学习高场到低场的图像退化过程，提升低场MRI的模拟精度和诊断能力。

Comments 11 pages, 2 figures, 2 tables

Coronary artery calcification assessment in National Lung Screening Trial CT images (DeepCAC2)

在国家肺癌筛查试验CT图像中评估冠状动脉钙化（DeepCAC2）

Leonard Nürnberg, Simon Bernatz, Borek Foldyna, Michael T. Lu, Andrey Fedorov, Hugo JWL Aerts

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

AI总结 本文提出DeepCAC2数据集，利用深度学习自动处理NLST的CT扫描，生成标准化的冠状动脉钙化分割和风险评估，为心血管风险评估和影像生物标志物开发提供公开资源。

Patch2Loc: Learning to Localize Patches for Unsupervised Brain Lesion Detection

Patch2Loc: 通过学习定位片段进行无监督脑部病变检测

Hassan Baker, Austin J. Brockmeier

机构 * University of Delaware（德雷塞尔大学） 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Patch2Loc方法，利用无监督学习从结构MRI中提取正常片段，通过神经网络映射片段到其在脑体积切片中的位置，利用预测误差检测异常区域，实现更精细的分割。

Comments Accepted at AISTATS 2026 (Proceedings of Machine Learning Research)

Performance of a GPU- and Time-Efficient Pseudo 3D Network for Magnetic Resonance Image Super-Resolution and Motion Artifact Reduction

GPU和时间高效的伪3D网络在磁共振图像超分辨率和运动伪影减少中的性能

Hao Li, Jianan Liu, Marianne Schell, Tao Huang, Arne Lauer, Katharina Schregel, Jessica Jesser, Dominik F Vollherbst, Martin Bendszus, Sabine Heiland, Tim Hilgenfeld

机构 * Department of Neuroradiology, University Hospital Heidelberg（海德堡大学神经放射科） ； College of Science and Engineering, James Cook University（詹姆斯库克大学科学与工程学院） 纠错

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

AI总结 本文提出了一种高效的伪3D网络，用于磁共振图像超分辨率和运动伪影减少，通过优化采样率和减少GPU负载，提升了图像质量和处理效率。

Comments 16 pages, 9 figures

CIV-DG: Conditional Instrumental Variables for Domain Generalization in Medical Imaging

CIV-DG：用于医学影像领域泛化的条件工具变量

Shaojin Bai, Yuting Su, Weizhi Nie

机构 * School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） 纠错

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

AI总结 本文提出CIV-DG方法，通过条件工具变量分离病理语义与扫描器伪影，解决医疗AI中跨站点泛化受选择偏差影响的问题，实验表明其在Camelyon17和胸部X光数据集上优于现有方法。

Comments 10 pages, 2 figures

Structure Causal Models and LLMs Integration in Medical Visual Question Answering

结构因果模型与大语言模型在医学视觉问答中的整合

Zibo Xu, Qiang Li, Weizhi Nie, Weijie Wang, Anan Liu

机构 * School of Microelectronics, Tianjin University（天津大学微电子学院） ； School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系） 纠错

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

AI总结 本文提出一种因果推理框架，通过消除图像与问题间的混杂效应，提升医学视觉问答的准确性，并引入因果图结构和多变量重采样方法以增强模型对复杂医疗数据的理解能力。

Comments Accepted by IEEE TMI 2025

Evolution of the radius of analyticity for mKdV-type equations

mKdV型方程解的解析半径的演化

Renata O. Figueira, Mahendra Panthee

专题命中 医学影像 ：CT(abstract)

AI总结 本文研究了两种初始值问题中解的解析半径演化的下界，针对修正的Korteweg-de Vries方程和具有广义色散与阻尼项的mKdVm方程，得出了新的下界结果。

Comments 24 pages

Cavitation by phase shift of focused shock waves inside a droplet

聚焦冲击波在液滴内通过相位移产生空化

Samuele Fiorini, Guillaume T. Bokman, Anunay Prasanna, Stefanos Nikolaou, Sayaka Ichihara, Bratislav Lukić, Alexander Rack, Yoshiyuki Tagawa, Outi Supponen

专题命中 医学影像 ：biomedical(abstract)

AI总结 研究通过冲击波相位移在液滴内产生负压空化，无需外部稀疏波，揭示了冲击波传播的物理机制，为生物医学治疗的安全性和精度提升提供新思路。

SaNDi-SHoP: Searching for Satellites'N'Disks with a Star-Hopping Program I. Analysis of the close surroundings of DI companions

SaNDi-SHoP：通过恒星跳跃程序寻找卫星的N'Disks I. 对DI伴星附近环境的分析

Cecilia Lazzoni, Alice Zurlo, Silvano Desidera, Andrea Bernardi, Sebastian Pérez, Dino Mesa, Domenico Barbato, Pedro Henrique Nogueira, Anuroop Dasgupta

专题命中 医学影像 ：CT(abstract)

AI总结 本文利用恒星跳跃技术对十二个行星和棕矮星进行调查，通过PSF参考库和NEGFC方法分析其周围环境，得出卫星和盘形成条件的约束，发现三个系统可能存在卫星或盘。

On uniqueness of coefficient identification in the Bloch-Torrey equation for magnetic resonance imaging

关于Bloch-Torrey方程中系数识别唯一性的研究

Barbara Kaltenbacher

专题命中 医学影像 ：MRI(abstract)

AI总结 本文研究了在磁共振成像中通过Bloch-Torrey方程重建空间变化的自旋密度及自旋-晶格、自旋-自旋弛豫时间及局部磁场不均匀性的唯一性问题，采用k空间采样和扩散特性两种方法进行分析。