医学 AI

Less Is More? Selective Visual Attention to High-Importance Regions for Multimodal Radiology Summarization

少即是多？选择性关注高重要性区域用于多模态放射学摘要

Mst. Fahmida Sultana Naznin, Adnan Ibney Faruq, Mushfiqur Rahman, Niloy Kumar Mondal, Md. Mehedi Hasan Shawon, Md Rakibul Hasan

机构 * Bangladesh University of Engineering and Technology（孟加拉国工程技术大学） ； BRAC University（布拉克大学） ； Curtin University（科廷大学） 纠错

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

AI总结 本文通过MIMIC-CXR基准测试表明，选择性关注病理相关视觉区域比全图更有效，提出ViTAS模型在多模态放射学摘要中取得SOTA结果。

FOSCU: Feasibility of Synthetic MRI Generation via Duo-Diffusion Models for Enhancement of 3D U-Nets in Hepatic Segmentation

FOSCU：通过双扩散模型生成合成MRI的可行性，以增强肝部分割的3D U-Net

Youngung Han, Kyeonghun Kim, Seoyoung Ju, Yeonju Jean, Minkyung Cha, Seohyoung Park, Hyeonseok Jung, Nam-Joon Kim, Woo Kyoung Jeong, Ken Ying-Kai Liao, Hyuk-Jae Lee

机构 * Seoul National University（首尔国立大学） ； Sangmyung University（祥明大学） ； Ewha Womans University（梨花女子大学） ； Chung-Ang University（中央大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医学中心，成均馆大学医学院） ； NVIDIA（英伟达） 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FOSCU，通过双扩散模型生成高分辨率合成MRI数据及分割标签，结合改进的3D U-Net训练流程，提升肝部分割的鲁棒性与图像真实性。

Comments 10 pages, 5 figures. Accepted at IEEE APCCAS 2025

Deep infant brain segmentation from multi-contrast MRI

从多对比MRI深度分割婴儿大脑

Malte Hoffmann, Lilla Zöllei, Adrian V. Dalca

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BabySeg框架，通过深度学习实现婴儿和幼儿大脑的分割，支持多种MRI协议，提升分割准确性和效率。

Comments 8 pages, 8 figures, 1 table, website at https://w3id.org/babyseg, presented at the 2025 IEEE Asilomar Conference on Signals, Systems, and Computers

Journal ref Asilomar Conf Signals Syst Comput, 2025, 974-981

Beyond Benchmarks: A Framework for Post Deployment Validation of CT Lung Nodule Detection AI

超越基准：一种用于CT肺结节检测AI部署后验证的框架

Daniel Soliman

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

AI总结 本文提出了一种基于物理的框架，用于评估部署的肺结节检测模型对CT采集参数系统性变化的敏感性，发现切片厚度对AI性能的影响比图像噪声更根本。

Trimodal Deep Learning for Glioma Survival Prediction: A Feasibility Study Integrating Histopathology, Gene Expression, and MRI

三模态深度学习在胶质瘤生存预测中的应用：整合组织病理学、基因表达和MRI的可行性研究

Iain Swift, JingHua Ye

机构 * Munster Technological University（芒斯特理工大学） 纠错

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

AI总结 本文探讨了三模态深度学习在胶质瘤生存预测中的可行性，通过整合组织病理学、基因表达和MRI数据，评估了不同融合策略的效果，发现三模态早期融合在小样本下有初步的预测价值。

Comments 6 pages, 1 figure, submitted to the IEEE CBMS 2026 conference, still waiting for notification

Time-resolved aortic 3D shape reconstruction from a limited number of cine 2D MRI slices

从有限数量的动态2D MRI切片中实现时间分辨的三维主动脉形状重建

Gloria Wolkerstorfer, Stefano Buoso, Rabea Schlenker, Jochen von Spiczak, Robert Manka, Sebastian Kozerke

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

AI总结 本文提出利用统计形状模型与可微体积网格优化算法，从有限数量的动态2D MRI切片中重建时间分辨的主动脉三维几何，验证了其准确性和可行性。

LatentFM: A Latent Flow Matching Approach for Generative Medical Image Segmentation

LatentFM: 一种用于生成医学图像分割的潜在流匹配方法

Huynh Trinh Ngoc, Hoang Anh Nguyen Kim, Toan Nguyen Hai, Long Tran Quoc

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

AI总结 本文提出LatentFM，通过在潜在空间中使用流匹配方法，实现高精度且具有不确定性的医学图像分割，通过生成置信图和多样化的分割输出提升预测可靠性。

NeoNet: An End-to-End 3D MRI-Based Deep Learning Framework for Non-Invasive Prediction of Perineural Invasion via Generation-Driven Classification

NeoNet：一种端到端的3D MRI基于深度学习框架，用于通过生成驱动分类非侵袭性预测神经浸润

Youngung Han, Minkyung Cha, Kyeonghun Kim, Induk Um, Myeongbin Sho, Joo Young Bae, Jaewon Jung, Jung Hyeok Park, Seojun Lee, Nam-Joon Kim, Woo Kyoung Jeong, Won Jae Lee, Pa Hong, Ken Ying-Kai Liao, Hyuk-Jae Lee

机构 * Seoul National University（首尔大学） ； OUTTA ； Chung-Ang University（中央大学） ； Sookmyung Women's University（淑明女子大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，成均馆大学医学院） ； Samsung Changwon Hospital, Sungkyunkwan University School of Medicine（三星昌原医院，成均馆大学医学院） ； NVIDIA AI Technology Center（英伟达人工智能技术中心） 纠错

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

AI总结 本文提出NeoNet框架，通过生成驱动分类方法预测胆管癌神经浸润，解决缺乏明确影像学标准的问题，实现最高AUC 0.7903的性能。

Comments 15 pages, 5 figures. Accepted for oral presentation at W3PHIAI Workshop, AAAI 2026

Rich-U-Net: A medical image segmentation model for fusing spatial depth features and capturing minute structural details

Rich-U-Net：一种用于融合空间深度特征和捕捉细微结构细节的医学图像分割模型

Zhuoyi Fang, Kexuan Shi, Jiajia Liu, Qiang Han

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

AI总结 本文提出Rich-U-Net模型，通过多级多维特征融合与优化策略，提升医学图像中细结构定位与分割精度，实验表明其在Dice、IoU和HD95指标上优于现有方法。

Bayesian Model Comparison of $R_h=ct$ versus $Λ$CDM using HII galaxy Hubble diagram

基于HII星系哈勃图的$R_h=ct$与$Λ$CDM的贝叶斯模型比较

Yuva Himanshu Pallam, Shantanu Desai

专题命中 医学影像 ：CT(title,abstract)

AI总结 本文通过贝叶斯模型比较，分析$R_h=ct$与$Λ$CDM/$w$CDM在HII星系和巨外星系HII区域数据集中的优劣，发现基于普朗克宇宙学的正态先验下，$R_h=ct$对$Λ$CDM有显著优势，对$w$CDM则边缘优势。

Comments 9 pages, 3 figures. Accepted for publication in Physics Letters A

Better than Average: Spatially-Aware Aggregation of Segmentation Uncertainty Improves Downstream Performance

优于平均：基于空间的分割不确定性聚合改进下游性能

Vanessa Emanuela Guarino, Claudia Winklmayr, Jannik Franzen, Josef Lorenz Rumberger, Manuel Pfeuffer, Sonja Greven, Klaus Maier-Hein, Carsten T. Lüth, Christoph Karg, Dagmar Kainmueller

机构 * Max-Delbrück-Center (MDC)（马克斯·德尔布吕克中心） ； Helmholtz Imaging（亥姆霍兹成像） ； Charité Universitätsmedizin（柏林夏里特医学院） ； Humboldt-Universität zu Berlin（柏林洪堡大学） ； University of Potsdam（波茨坦大学） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Heidelberg University（海德堡大学） 纠错

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

AI总结 研究通过空间感知的不确定性聚合方法提升下游任务性能，分析现有聚合策略的优劣，提出新策略并验证其在不同数据集上的有效性。

Comments 27 pages, 13 figures, 6 tables. Accepted at CVPR 2026 (The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026)

Robust Detection of Retinal Neovascularization in Widefield Optical Coherence Tomography

在宽场光学相干断层扫描中稳健检测视网膜新生血管

Jinyi Hao, Jie Wang, Liqin Gao, Tristan T. Hormel, Yukun Guo, An-Lun Wu, Christina J. Flaxel, Steven T. Bailey, Kotaro Tsuboi, Thomas S. Hwang, Yali Jia

机构 * Casey Eye Institute, Oregon Health & Science University（俄勒冈健康与科学大学凯西眼科研究所） ； Department of Biomedical Engineering, Oregon Health & Science University（俄勒冈健康与科学大学生物医学工程系） ； Department of Ophthalmology, Mackay Memorial Hospital（马偕纪念医院眼科） ； Department of Ophthalmology, Aichi Medical University（爱知医科大学眼科） 纠错

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

AI总结 本文提出了一种基于宽场OCT/OCTA的新型方法，用于视网膜新生血管的诊断和分期，通过直接二分类定位任务实现自动化检测，提高了诊断准确率和分割精度。

Comments 21 pages, 12 figures. Submitted to Optica. Corresponding author: Yali Jia

Journal ref Optica 13(4), 628-641 (2026)

Align Your Query: Representation Alignment for Multimodality Medical Object Detection

对齐你的查询：多模态医学目标检测中的表示对齐

Ara Seo, Bryan Sangwoo Kim, Hyungjin Chung, Jong Chul Ye

机构 * KAIST AI（韩国科学技术院人工智能学院） ； EverEx 纠错

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

AI总结 本文提出通过表示对齐提升多模态医学目标检测性能，引入模态令牌和QueryREPA预训练阶段，使查询表示更适应模态特征，提升检测精度。

Comments Project page: https://araseo.github.io/alignyourquery/

PRS-Med: Position Reasoning Segmentation in Medical Imaging

PRS-Med: 医学影像中的位置推理分割

Quoc-Huy Trinh, Minh-Van Nguyen, Jun Zeng, Debesh Jha, Ulas Bagci

机构 * Aalto University（阿尔托大学） ； Northwestern University（西北大学） ； Technical University of Denmark（丹麦技术大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； University of South Dakota（南达科他大学） 纠错

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

AI总结 PRS-Med提出一种基于位置推理的医学影像分割框架，通过整合视觉-语言模型与分割解码器，提升临床诊断的准确性与可解释性。

Cycle-Constrained Adversarial Denoising Convolutional Network for PET Image Denoising: Multi-Dimensional Validation on Large Datasets with Reader Study and Real Low-Dose Data

循环约束对抗去噪卷积网络用于PET图像去噪：在大规模数据集上的多维验证，包含读者研究和真实低剂量数据

Yucun Hou, Fenglin Zhan, Xin Cheng, Chenxi Li, Ziquan Yuan, Runze Liao, Haihao Wang, Jianlang Hua, Jing Wu, Jianyong Jiang

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

AI总结 本文提出Cycle-DCN网络，通过整合噪声预测器、两个判别器和一致性网络，利用多种损失函数优化，有效提升低剂量PET图像的PSNR、SSIM和NRMSE，且在读者研究中获得高评分，具有临床相关性。

Comments This work has been submitted to the IEEE for possible publication

Journal ref Med Image Anal. 107(Pt B) (2026) 103826

Learning Structural-Functional Brain Representations through Multi-Scale Adaptive Graph Attention for Cognitive Insight

通过多尺度自适应图注意力学习结构-功能脑表示以获得认知洞察

Badhan Mazumder, Sir-Lord Wiafe, Aline Kotoski, Vince D. Calhoun, Dong Hye Ye

机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（三机构神经影像与数据科学转化研究中心 (TReNDS)） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出MAGNet框架，通过多尺度自适应图注意力机制融合结构和功能脑网络，提升认知功能理解。

Comments Preprint version of the paper accepted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026). This is the author's accepted manuscript. The final published version will appear in IEEE Xplore

The Effect of Attention Head Count on Transformer Approximation

注意力头数对变换器近似效果的影响

Penghao Yu, Haotian Jiang, Zeyu Bao, Ruoxi Yu, Qianxiao Li

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文研究了变换器中注意力头数对近似性质的影响，推导了参数复杂度的上下界，并通过实验验证了理论结果。

Comments Accepted by ICLR 2026

Model order reduction via Lie groups

通过李群进行模型降阶

Yannik P. Wotte, Patrick Buchfink, Silke Glas, Federico Califano, Stefano Stramigioli

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出基于李群的模型降阶框架MORLie，用于近似高维流形动力系统，能处理非等变动力学并提供新的非侵入性方法，实验显示其误差界低于Kolmogorov N-宽度，适用于多种应用。

Comments 25 pages, 22 figures

Journal ref Communications in Nonlinear Science and Numerical Simulation, Volume 160, 2026, 109973, ISSN 1007-5704