医学 AI

Cyclic 2.5D Perceptual Loss for Cross-Modal 3D Medical Image Synthesis: T1w MRI to Tau PET

循环2.5D感知损失用于跨模态3D医学图像合成：T1加权MRI到tau PET

Junho Moon, Symac Kim, Haejun Chung, Ikbeom Jang

机构 * Department of Artificial Intelligence, Hanyang University, Seoul, South Korea（人工智能系，翰阳大学，首尔，韩国） ； Department of Electronic Engineering, Hanyang University, Seoul, South Korea（电子工程系，翰阳大学，首尔，韩国） ； Division of Computer Engineering, Hankuk University of Foreign Studies, Yongin, South Korea（计算机工程系，韩国外语大学， Yongin，韩国） ； Division of AI Data Convergence, Hankuk University of Foreign Studies, Yongin, South Korea（AI数据融合系，韩国外语大学， Yongin，韩国） ； Division of Language & AI, Hankuk University of Foreign Studies, Seoul, South Korea（语言与AI系，韩国外语大学，首尔，韩国） 纠错

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

AI总结 本文提出循环2.5D感知损失用于从T1加权MRI生成tau PET，通过交替优化不同切面提升体积一致性，并标准化SUVR以提高准确性。

Comments Published in Human Brain Mapping, available at https://doi.org/10.1002/hbm.70508

CLIP Architecture for Abdominal CT Image-Text Alignment and Zero-Shot Learning: Investigating Batch Composition and Data Scaling

CLIP架构用于腹部CT图像-文本对齐和零样本学习：研究批量组成和数据缩放

Shivika, Kartik Bose, Pankaj Gupta

机构 * Department of Radiodiagnosis（放射诊断部门） 纠错

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

AI总结 本文研究了CLIP架构在腹部CT图像-文本对齐和零样本学习中的效果，探讨了训练批量组成和数据缩放的影响，发现随机采样和交替批次比人工类平衡更有效。

A Hybrid CNN and ML Framework for Multi-modal Classification of Movement Disorders Using MRI and Brain Structural Features

一种结合CNN和ML的混合框架用于利用MRI和脑结构性质进行运动障碍多模态分类

Mengyu Li, Ingibjörg Kristjánsdóttir, Thilo van Eimeren, Kathrin Giehl, Lotta M. Ellingsen, the ASAP Neuroimaging Initiative

机构 * University of Iceland, Faculty of Electrical and Computer Engineering（冰岛大学电气与计算机工程学院） ； University of Iceland, Faculty of Medicine（冰岛大学医学院） ； University of Cologne, Faculty of Medicine（科隆大学医学院） ； University Hospital Cologne, Dept. of Nuclear Medicine and Dept. of Neurology（科隆大学医院核医学科和神经内科） ； the ASAP Neuroimaging Initiative（ASAP神经影像倡议） 纠错

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

AI总结 本文提出结合CNN与ML的混合框架，用于区分APD亚型与PD及亚型间差异，利用MRI和脑结构性质数据实现高分类精度。

Comments To be published in Proceedings of SPIE Medical Imaging 2026

DICE: Diffusion Consensus Equilibrium for Sparse-view CT Reconstruction

DICE：扩散共识均衡用于稀疏视角CT重建

Leon Suarez-Rodriguez, Roman Jacome, Romario Gualdron-Hurtado, Ana Mantilla-Dulcey, Henry Arguello

机构 * Department of Systems and Informatics Engineering（系统与信息工程系） ； Department of Electrical, Electronics, and Telecommunications Engineering（电气、电子与电信工程系） ； Department of Physics（物理系） ； Universidad Industrial de Santander（圣安德烈斯工业大学） 纠错

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

AI总结 DICE框架通过整合双代理共识均衡，结合生成先验能力和测量一致性，有效提升稀疏视角CT重建质量，实验显示在15、30和60视角下优于现有方法。

Comments 8 pages, 4 figures, confenrence

Journal ref Proceedings of the 2025 IEEE 10th International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP)

Efficient Brain Extraction of MRI Scans with Mild to Moderate Neuropathology

高效提取带有轻度至中度神经病变的MRI扫描

Hjalti Thrastarson, Lotta M. Ellingsen

机构 * Faculty of Electrical and Computer Engineering, University of Iceland（电气与计算机工程学院，冰岛大学） 纠错

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

AI总结 本文提出了一种高效且鲁棒的MRI脑部提取方法，通过改进的U-Net和新的损失函数实现脑外表面的一致分割，适用于存在神经病变的图像。

Comments Accepted for publication in the Proceedings of SPIE Medical Imaging 2026

A Multimodal Clinically Informed Coarse-to-Fine Framework for Longitudinal CT Registration in Proton Therapy

一种多模态的临床导向粗到细框架用于质子治疗纵向CT配准

Caiwen Jiang, Yuzhen Ding, Mi Jia, Samir H. Patel, Terence T. Sio, Jonathan B. Ashman, Lisa A. McGee, Jean-Claude M. Rwigema, William G. Rule, Sameer R. Keole, Sujay A. Vora, William W. Wong, Nathan Y. Yu, Michele Y. Halyard, Steven E. Schild, Dinggang Shen, Wei Liu

机构 * Department of Radiation Oncology, Mayo Clinic, Phoenix, Arizona, USA（梅奥诊所放射肿瘤科） ； School of Biomedical Engineering, ShanghaiTech University, Shanghai, China（上海科技大学生物医学工程学院） ； Shanghai United Imaging Intelligence Co., Ltd., Shanghai 200230, China（上海联合影像智能科技有限公司） ； Shanghai Artificial Intelligence Laboratory, Shanghai 200232, China（上海人工智能实验室） ； Shanghai Clinical Research and Trial Center, Shanghai 201210, China（上海临床研究与试验中心） 纠错

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

AI总结 本文提出一种多模态的临床导向粗到细框架，结合质子放疗工作流程中的多种信息，提升纵向CT配准的准确性和临床适用性。

Med-CAM: Minimal Evidence for Explaining Medical Decision Making

Med-CAM：为解释医学决策制定提供最小证据

Pirzada Suhail, Aditya Anand, Amit Sethi

机构 * IIT Bombay（印度理工学院班加罗尔） 纠错

专题命中 医学影像 ：medical AI(abstract)；pathology(abstract)；diagnosis(abstract)；radiology(abstract)

AI总结 本文提出Med-CAM框架，通过分类器激活匹配生成最小且清晰的证据图，为医学决策提供解释性证据，优于现有方法。

ADP-DiT: Text-Guided Diffusion Transformer for Brain Image Generation in Alzheimer's Disease Progression

ADP-DiT：用于阿尔茨海默病进展的文本引导扩散变换器

Juneyong Lee, Geonwoo Baek, Ikbeom Jang

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Hankuk University of Foreign Studies（韩国民法大学） 纠错

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

AI总结 ADP-DiT通过整合临床信息和时间间隔，提升阿尔茨海默病纵向MRI生成的精度与可解释性，实现更精细的时间控制和解剖结构重建。

Comments 15 pages, 3 figures, accepted to ICPR 2026

Learning-Based Estimation of Spatially Resolved Scatter Radiation Fields in Interventional Radiology

基于学习的介入放射学中空间分辨散射辐射场估计

Felix Lehner, Pasquale Lombardo, Susana Castillo, Oliver Hupe, Marcus Magnor

机构 * Physikalisch-Technische Bundesanstalt (PTB)（物理技术联邦机构（PTB）） ； Belgian Nuclear Research Centre (SCK CEN)（比利时核研究中心（SCK CEN）） ； Institute for Computer Graphics, Technical University Braunschweig（计算机图形学研究所，技术大学布伦瑞克） ； Physics and Astronomy, University of New Mexico（物理与天文学，新墨西哥大学） ； Cluster of Excellence PhoenixD, Leibniz University Hannover（卓越中心PhoenixD，莱比锡大学汉诺威） 纠错

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

AI总结 本文提出三种轻量级全连接神经网络变体，用于交互式估计三维空间分辨散射辐射场，并评估其在医疗辐射防护中的应用。

Enhancing Reinforcement Learning for Radiology Report Generation with Evidence-aware Rewards and Self-correcting Preference Learning

通过证据感知奖励和自校正偏好学习增强放射科报告生成

Qin Zhou, Guoyan Liang, Qianyi Yang, Jingyuan Chen, Sai Wu, Chang Yao, Zhe Wang

机构 * Department of Computer Science and Engineering, ECUST（电子科技大学计算机科学与工程系） ； Key Laboratory of Smart Manufacturing in Energy Chemical Process, Ministry of Education, P. R. China（教育部能源化工过程智能制造重点实验室） ； Zhejiang University（浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） 纠错

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

AI总结 本文提出ESC-RL方法，结合证据感知对齐奖励和自校正偏好学习，提升放射科报告生成的临床准确性与持续改进能力，实验表明其在胸部X光数据集上表现优异。

Comments 13 pages,4 figures, ACL2026-main

Algorithms Trained on Normal Chest X-rays Can Predict Health Insurance Types

在正常胸部X光上训练的算法可以预测健康保险类型

Chi-Yu Chen, Rawan Abulibdeh, Arash Asgari, Sebastián Andrés Cajas Ordóñez, Leo Anthony Celi, Deirdre Goode, Hassan Hamidi, Laleh Seyyed-Kalantari, Ned McCague, Thomas Sounack, Po-Chih Kuo

机构 * National Taiwan University Hospital, Taiwan（台湾国立台湾大学医院） ； University of Toronto, Canada（加拿大多伦多大学） ； York University, Canada（加拿大约克大学） ； MIT Critical Data, United States of America（美国MIT Critical Data） ； Massachusetts Institute of Technology, USA（美国麻省理工学院） ； Mass General Brigham, USA（美国麻省总医院） ； Dana-Farber Cancer Institute, USA（美国达纳-法伯癌症研究所） 纠错

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

AI总结 研究显示，通过训练胸部X光图像的深度模型，可预测患者的健康保险类型，揭示社会不平等的隐含特征，挑战医学影像的中立性假设。

Comments Accepted by MIDL 2026

CausalDisenSeg: A Causality-Guided Disentanglement Framework with Counterfactual Reasoning for Robust Brain Tumor Segmentation Under Missing Modalities

CausalDisenSeg: 一种基于因果推理的解耦框架，用于在缺失模态下的鲁棒脑肿瘤分割

Bo Liu, Yulong Zou, Jin Hong

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； School of Mathematics and Computer Sciences, Nanchang University（南昌大学数学与计算机科学学院） 纠错

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

AI总结 本文提出CausalDisenSeg框架，通过因果引导的解耦和反事实推理，解决多模态脑肿瘤分割中因模态偏差导致的鲁棒性问题，实验显示其在严重缺失模态场景下准确性和一致性均优于现有方法。

Is plasmoid-mediated reconnection really important in accretion flows to drive flares in AGNs?

反磁流体动力学中磁片介导的重联是否真的在吸积流中驱动AGN中的耀斑中起重要作用？

Giovani H. Vicentin, Elisabete M. de Gouveia Dal Pino, George N. Wong, Lia Medeiros, Grzegorz Kowal, James M. Stone, Alex Lazarian

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 研究发现湍流介导的重联比磁片介导的重联快十倍，表明湍流驱动的重联是AGN中快速重联和耀斑的主要机制。

Comments 8 pages, 3 figures. Proceedings of the High Energy Phenomena in Relativistic Outflows IX (HEPRO-IX)

Agentic MR sequence development: leveraging LLMs with MR skills for automatic physics-informed sequence development

代理MR序列开发：利用LLM与MR技能进行自动物理引导的序列开发

Moritz Zaiss, Amr Aly, Jonathan Endres, Tobias Dornstetter, Simon Weinmüller, Andreas Maier

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本文提出Agent4MR框架，利用LLM和物理验证报告自动生成并优化PyPulseq序列，减少交互次数，实现高效序列开发。

Comments Word count abstract/body: 223 / 4303

Rethinking Uncertainty in Segmentation: From Estimation to Decision

重新思考分割中的不确定性：从估计到决策

Saket Maganti

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

AI总结 本文研究了医学图像分割中不确定性地图如何转化为决策策略，提出两阶段流程并引入简单置信度感知延迟规则，有效减少分割错误并提升跨数据集鲁棒性。

Comments 29 pages, 12 tables, 9 figures, Github repo: Saket-Maganti/medical-seg-uncertainity

Hybrid Approach for Enhancing Lesion Segmentation in Fundus Images

增强视网膜图像病变分割的混合方法

Mohammadmahdi Eshragh, Emad A. Mohammed, Behrouz Far, Ezekiel Weis, Carol L Shields, Sandor R Ferenczy, Trafford Crump

机构 * Department of Electrical \& Software Engineering, University of Calgary, Canada. ； Department of Computer Science ； Physics, Wilfrid Laurier University, Waterloo, Canada. ； Dept of Ophthalmology \& Visual Sciences, University of Alberta, Edmonton, Canada. ； Wills Eye Hospital, Philadelphia, USA. ； Department of Surgery, University of Calgary, Canada. 纠错

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

AI总结 本文提出结合数学聚类分割与U-Net的混合方法，提升视网膜病变分割精度，减少数据依赖，实现高分辨率图像的性能提升。

PBE-UNet: A light weight Progressive Boundary-Enhanced U-Net with Scale-Aware Aggregation for Ultrasound Image Segmentation

PBE-UNet：一种轻量级的渐进边界增强U-Net，具有尺度感知聚合，用于超声图像分割

Chen Wang, Yixin Zhu, Yongbin Zhu, Fengyuan Shi, Qi Li, Jun Wang, Zuozhu Liu, Keli Hu

机构 * Department of Computer Science, Shaoxing University（绍兴大学计算机科学系） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Northeastern University（工业智能化与系统优化国家级前沿科学中心，东北大学） ； College of Computer Science, Chongqing University（重庆大学计算机学院） ； School of Computer and Computing Science, Hangzhou City University（杭州市大学计算机与计算科学学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； Information Technology R&D Innovation Center of Peking University（北京大学信息技术研发创新中心） 纠错

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

AI总结 本文提出PBE-UNet，通过引入尺度感知聚合模块和边界引导特征增强模块，解决超声图像分割中边界模糊和尺度变化的问题，实验表明其在四个数据集上优于现有方法。

Comments 14 pages, 14 figures

A 3D SAM-Based Progressive Prompting Framework for Multi-Task Segmentation of Radiotherapy-induced Normal Tissue Injuries in Limited-Data Settings

一种基于3D SAM的渐进提示框架，用于有限数据设置下的放射治疗诱导正常组织损伤多任务分割

Caiwen Jiang, Lei Zeng, Wei Liu

机构 * Department of Radiation Oncology, Mayo Clinic, Phoenix, Arizona, USA（放射肿瘤科，梅奥诊所，凤凰城，亚利桑那州，美国） 纠错

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

AI总结 本文提出一种基于3D SAM的渐进提示框架，用于在有限标注数据下实现放射治疗诱导正常组织损伤的多任务分割，通过三种互补提示提升分割性能。

fMRI-LM: Towards a Universal Foundation Model for Language-Aligned fMRI Understanding

fMRI-LM：迈向语言对齐的fMRI理解的通用基础模型

Yuxiang Wei, Yanteng Zhang, Xi Xiao, Chengxuan Qian, Tianyang Wang, Vince D. Calhoun

机构 * TReNDS Center (Georgia Institute of Technology, Georgia State University, Emory)（TReNDS中心（佐治亚理工学院、佐治亚州立大学、埃默里大学）） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Jiangsu University（江苏大学） 纠错

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出fMRI-LM，通过三阶段框架将fMRI与语言结合，实现跨模态脑表示，通过神经分词、预训练LLM适应及多任务微调，提升fMRI的语义理解能力。

Comments Code are available: https://github.com/yuxiangwei0808/fMRI-LM