医学 AI

Flow Matching for Conditional MRI-CT and CBCT-CT Image Synthesis

基于流匹配的条件MRI-CT和CBCT-CT图像合成

Arnela Hadzic, Simon Johannes Joham, Martin Urschler

机构 * Institute for Medical Informatics, Statistics and Documentation（医学信息学、统计学与文档研究所） 纠错

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

AI总结 本文提出一种全3D流匹配框架，用于生成MRI或CBCT到CT的合成图像，通过轻量3D编码器提取输入特征，并在有限训练分辨率下实现全局结构重建，但细节能效有限。

Comments Published in the Proceedings of the Third Austrian Symposium on AI, Robotics, and Vision (AIRoV 2026)

Cross-Distribution Diffusion Priors-Driven Iterative Reconstruction for Sparse-View CT

跨分布扩散先验驱动的稀疏视图CT迭代重建

Haodong Li, Shuo Han, Haiyang Mao, Yu Shi, Changsheng Fang, Jianjia Zhang, Weiwen Wu, Hengyong Yu

机构 * Department of Electrical and Computer Engineering, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校电子与计算机工程系） ； School of Biomedical Engineering, Sun Yat-Sen University（中山大学生物医学工程学院） 纠错

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

AI总结 本文提出CDPIR框架，通过整合跨分布扩散先验与模型驱动迭代重建方法，解决稀疏视图CT在分布外场景下的重建问题，提升图像质量与泛化能力。

Comments 17 pages, 15 figures, accepted by IEEE Transactions on Medical Imaging

Journal ref IEEE Transactions on Medical Imaging, 2026 (early access)

Bilevel Optimized Implicit Neural Representation for Scan-Specific Accelerated MRI Reconstruction

双层优化隐式神经表示用于特定扫描的加速MRI重建

Hongze Yu, Jeffrey A. Fessler, Yun Jiang

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

AI总结 本文提出了一种双层优化隐式神经表示方法，用于特定扫描的MRI加速重建，通过自动优化超参数实现定制化重建，无需训练数据，提升图像质量。

Comments 10 pages, 8 figures

Journal ref IEEE Trans. Med. Imag., early access, 2026

WFM: 3D Wavelet Flow Matching for Ultrafast Multi-Modal MRI Synthesis

WFM：用于超快速多模态MRI合成的3D小波流匹配

Yalcin Tur, Mihajlo Stojkovic, Ulas Bagci

机构 * Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Machine and Hybrid Intelligence Lab, Feinberg School of Medicine, Northwestern University（北western大学费因伯格医学院机器与混合智能实验室） 纠错

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

AI总结 本文提出WFM方法，通过学习基于小波空间条件均值的直接流，实现高效多模态MRI合成，单模型在BraTS 2024上达到26.8 dB PSNR和0.94 SSIM，速度比扩散模型快250-1000倍。

Comments 17 pages, 4 figures, 3 tables. Accepted at MIDL 2026 (Poster)

Deep Reinforcement Learning for Optimizing Angle Selection and Dose Allocation in CT Reconstruction

深度强化学习用于优化CT重建中的角度选择和剂量分配

Tianyuan Wang, Daniël M. Pelt, Felix Lucka, Tristan van Leeuwen, K. Joost Batenburg

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文提出结合PWLS-PnP重建框架与强化学习策略的深度强化学习方法，用于优化CT重建中的角度选择和剂量分配，提升重建质量和缺陷检测能力。

PanGuide3D: Cohort-Robust Pancreas Tumor Segmentation via Probabilistic Pancreas Conditioning and a Transformer Bottleneck

PanGuide3D：通过概率胰腺条件和一个Transformer瓶颈实现队列鲁棒的胰腺肿瘤分割

Sunny Joy Ma, Xiang Ma

机构 * Trailridge School（Trailridge学校） ； Department of Biochemistry, Grand View University（生物化学系，Grand View大学） ； Department of Computer Science, Iowa State University（计算机科学系，Iowa State大学） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 本文提出PanGuide3D，通过概率胰腺条件和Transformer瓶颈提升跨队列鲁棒性，实现高效且实用的3D CT肿瘤分割，尤其在小肿瘤和复杂解剖位置表现优异。

DiffNR: Diffusion-Enhanced Neural Representation Optimization for Sparse-View 3D Tomographic Reconstruction

DiffNR: 用于稀疏视图3D断层成像重建的扩散增强神经表示优化

Shiyan Su, Ruyi Zha, Danli Shi, Hongdong Li, Xuelian Cheng

机构 * Monash University（莫纳什大学） ； The Australian National University（澳大利亚国立大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 DiffNR通过引入扩散先验改进神经表示优化，解决稀疏视图下CT成像的严重伪影问题，提升PSNR并保持高效优化。

Comments Accepted to AAAI 2026. Project page: https://ooonesevennn.github.io/DiffNR/

UbiQVision: Quantifying Uncertainty in XAI for Image Recognition

UbiQVision: 对图像识别中XAI不确定性的量化

Akshat Dubey, Aleksandar Anžel, Bahar İlgen, Georges Hattab

机构 * Center for Artificial Intelligence in Public Health Research (ZKI-PH), Robert Koch Institute（公共健康人工智能研究中心（ZKI-PH），罗伯特·科赫研究所） ； Department of Mathematics and Computer Science, Freie Universität Berlin（数学与计算机科学系，柏林自由大学） 纠错

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

AI总结 本文提出UbiQVision框架，通过Dirichlet后验采样和Dempster-Shafer理论量化医疗影像中SHAP解释的不确定性，评估了三种不同数据集上的性能。

Comments Under Review. Updated manuscript. Feedback from reviewers incorporated

Anatomy-Aware Text-Visual Fusion with Dual-Perspective Prompts for Fine-Grained Lumbar Spine Segmentation

具有双视角提示的解剖感知文本-视觉融合用于细粒度腰椎分割

Sheng Lian, Jianlong Cai, Dengfeng Pan, Guang-Yong Chen, Hao Xu, Fan Zhang, Guodong Fan, Shuo Li

机构 * College of Computer and Data Science（计算机与数据科学学院） ； Shandong Technology and Business University（山东科技商务大学） ； Engineering Research Center of Big Data Intelligence (Fuzhou University)（大数据智能工程研究中心（福州大学）） ； The Chinese University of Hong Kong（香港中文大学） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 本文提出ATM-Net框架，通过解剖感知文本引导的多模态融合机制，提升腰椎细粒度分割精度，实验表明其在MRSpineSeg和SPIDER数据集上优于现有方法。