医学 AI

EXACT: an explainable anomaly-aware vision foundation model for analysis of 3D chest CT

EXACT：一种可解释的异常感知视觉基础模型，用于3D胸部CT分析

Xuguang Bai, Mingxuan Liu, Tongxi Song, Yifei Chen, Hongjia Yang, Kasidit Anmahapong, Zihan Li, Ying Zhou, Qiyuan Tian

机构 * School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； Department of Radiology, Mianyang Central Hospital（绵阳市中心医院放射科） ； Center for Biomedical Imaging Research, Tsinghua University（清华大学生物医学成像研究中心） 纠错

专题命中 医学影像 ：CT(title,title_cn)；medical AI(abstract)；diagnosis(abstract)；radiology(abstract)

AI总结 EXACT通过学习空间解析表示，提升3D胸部CT的异常检测与可解释性，优于现有医学基础模型，适用于多疾病诊断和报告生成。

Towards Fair and Robust Volumetric CT Classification via KL-Regularised Group Distributionally Robust Optimisation

迈向公平且鲁棒的体积CT分类：通过KL正则化组分布鲁棒优化

Samuel Johnny, Blessed Guda, Goodness Obasi, Aaron Emmanuel, Moise Busogi

机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出通过KL正则化组分布鲁棒优化方法，解决多站点CT体积中二分类新冠和性别公平的肺部病理识别问题，提升模型鲁棒性和公平性。

Comments CVPR 2026 Medical Imaging & Healthcare Workshop

CNN-ViT Fusion with Adaptive Attention Gate for Brain Tumor MRI Classification: A Hybrid Deep Learning Model

结合自适应注意力门的CNN-ViT融合模型用于脑肿瘤MRI分类：一种混合深度学习模型

Syed Ibad Hasnain, Muhammad Faris, Hafiza Syeda Yusra Tirmizi, Rabail Khowaja, Hafsa Israr

机构 * Department of Biomedical Engineering（生物医学工程系） ； Hamdard University（哈姆达德大学） ； Sir Syed University（西迪·萨伊德大学） 纠错

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

AI总结 本文提出一种融合CNN和ViT的混合模型，通过自适应注意力门动态加权局部和全局特征，提升脑肿瘤MRI分类性能，实验结果显示其准确率、召回率等指标均优于传统方法。

Comments 9 pages, 4 figures, submitted as conference paper

Learning from Noisy Prompts: Saliency-Guided Prompt Distillation for Robust Segmentation with SAM

从噪声提示中学习：基于显著性的提示蒸馏用于具有SAM的鲁棒分割

Jingxuan Kang, Ziqi Zhang, Shaoming Zheng, Shuang Li, Uday Bharat Patel, Alexander Harry Fitzhugh, Phillip Lung, Yusuf Kiberu, Nikesh Jathanna, Shahnaz Jamil-Copley, Bernhard Kainz, Chen Qin

机构 * Imperial College London（伦敦帝国学院） ； Beihang University（北航） ； National Health Service（国家卫生服务） ； University of Nottingham（诺丁汉大学） 纠错

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

AI总结 本文提出SPD框架，通过数据驱动的解剖先验知识和上下文提示蒸馏，提升在噪声提示下的分割鲁棒性，实验表明其在MRI和CT基准上优于现有方法。

Comments Accepted to CVPR 2026 (Findings Track)

CT-Guided Spatially-varying Regularization for Voxel-Wise Deformable Whole-Body PET Registration

基于CT的局部变化正则化用于全身体积PET变形注册

Xiangcen Wu, Ruohua Chen, Sichun Li, Qianye Yang, Sheng Liu, Jianjun Liu, Zhaoheng Xie

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； Ren Ji Hospital, Shanghai Jiao Tong University（上海交通大学仁济医院） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文提出基于CT的局部变化正则化方法，用于全身体积PET变形注册，通过CT体积构建voxel级正则化图，提高全身体积注册精度和器官对齐性能。

Generalizable CT-Free PET Attenuation and Scatter Correction for Pediatric Patients

可泛化无CT的PET衰减和散射校正方法用于儿科患者

Jia-Mian Wu, Jun Liu, Siqi Li, Xiaoya Wang, Shibai Yin, Huanyu Luo, Lingling Zheng, Qiang Gao, Jigang Yang, Tai-Xiang Jiang

机构 * School of Computing and Artificial Intelligence, Southwestern University of Finance and Economics（西南财经大学计算机学院） ； Department of Nuclear Medicine, Beijing Friendship Hospital, Capital Medical University（首都医科大学北京友谊医院核医学科） ； Department of Radiology, Beijing Children’s Hospital, Capital Medical University, National Center for Children’s Health（首都医科大学北京儿童医院放射科） 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GPCN网络，通过多带上下文细化模块和频率感知频谱解耦模块，实现无CT的PET衰减和散射校正，提升儿科影像的定量精度与鲁棒性。

Comments 13 pages, 15 figures, 7 tables. Source code available at https://github.com/wujm7/GPCN-PET

Dual-domain Multi-path Self-supervised Diffusion Model for Accelerated MRI Reconstruction

双域多路径自监督扩散模型用于加速MRI重建

Yuxuan Zhang, Jinkui Hao, Bo Zhou

机构 * Department of Radiology, Northwestern University（放射科，西北大学） ； Department of Biomedical Engineering, Huazhong University of Science and Technology（生物医学工程系，华中科技大学） 纠错

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

AI总结 本文提出双域多路径自监督扩散模型，通过自监督训练方案、轻量混合注意力网络和多路径推理策略，提升MRI重建的准确性、效率和可解释性，克服传统模型依赖全采样数据的局限。

Comments Accepted at IEEE-TNNLS, 13 pages

B-FIRE: Binning-Free Diffusion Implicit Neural Representation for Hyper-Accelerated Motion-Resolved MRI

B-FIRE：无分组扩散隐式神经表示用于超加速运动分辨MRI

Di Xu, Hengjie Liu, Yang Yang, Mary Feng, Jin Ning, Xin Miao, Jessica E. Scholey, Alexandra E. Hotca-cho, William C. Chen, Michael Ohliger, Martina Descovich, Huiming Dong, Wensha Yang, Ke Sheng

机构 * Radiation Oncology, University of California, San Francisco, California（加州大学旧金山分校放射肿瘤学系） ； Radiology and Biomedical Imaging, University of California, San Francisco, California（加州大学旧金山分校放射学与生物医学成像系） ； Siemens Medical Solutions USA, Inc., Cleveland, Ohio（西门子医疗解决方案美国公司，克利夫兰，俄亥俄） ； Radiology at Children’s Hospital Los Angeles, Keck School of Medicine, University of Southern California, Los Angeles, California（洛杉矶儿童医院放射学，美国南加州大学凯克医学院，洛杉矶，加利福尼亚） 纠错

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

AI总结 B-FIRE通过扩散隐式神经表示框架实现超加速MRI重建，解决运动分辨信息模糊问题，提升3D腹部解剖的即时重建精度。

DyABD: The Abdominal Muscle Segmentation in Dynamic MRI Benchmark

DyABD：动态MRI中腹肌分割基准

Niamh Belton, Victoria Joppin, Aonghus Lawlor, Catherine Masson, Thierry Bege, David Bendahan, Kathleen M. Curran

机构 * Science Foundation Ireland Centre for Research Training in Machine Learning（科学基金会爱尔兰机器学习研究培训中心） ； Aix Marseille Univ, Univ Gustave Eiffel, LBA, Marseille France（马赛大学，奥古斯特·埃菲尔大学，LBA，法国马赛） ； Aix Marseille Université, CNRS, CRMBM UMR 7339, Marseille France（马赛大学，法国国家科学研究中心，CRMBM UMR 7339，法国马赛） ； Insight Centre for Data Analytics, University College Dublin（都柏林大学数据分析洞察中心） 纠错

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

AI总结 本文提出DyABD基准数据集，用于动态腹部MRI的腹肌分割任务，包含患者腹股沟疝的动态MRI及高质量标注，评估现有分割模型在不同学习范式下的泛化能力，揭示医学图像分割仍有提升空间。

Journal ref BMC Medical Imaging (2026)

CT-FineBench: A Diagnostic Fidelity Benchmark for Fine-Grained Evaluation of CT Report Generation

CT-FineBench：用于CT报告生成细粒度评估的诊断可信度基准

Ruifeng Yuan, Wanxing Chang, Weiwei Cao, Bowen Shi, Zhongyu Wei, Ling Zhang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（沪幻实验室） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 CT-FineBench通过基于问题回答的流程构建，评估CT报告的细粒度事实一致性，优于传统指标，能更敏感地捕捉临床细节错误。

Comments Accepted by ACL 2026 Main

Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification

多视图协同学习与视觉-语言适应用于低资源生物医学图像分类

Xiaoliu Luo, Minxue Xiao, Ting Xie, Mengzhu Wang, Huiqing Qi, Joey Tianyi Zhou, Taiping Zhang, Xu Wang

机构 * Chongqing University of Technology（重庆理工大学） ； Collge of Computer Science, Sichuan University（四川大学计算机学院） ； Hebei University of Technology（河北工业大学） ； Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research, Agency for Science, Technology and Research, Singapore（新加坡科技研究局前沿人工智能研究中心） 纠错

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

AI总结 本文提出多视图协同学习框架，通过视觉-语言适应提升低资源下生物医学图像分类性能，采用多粒度对比学习和结构监督增强跨模态对齐与细粒度区分。

Design and Optimization of a Pole-less 0.2 T C-Type MRI Magnet

无极0.2特斯拉C型MRI磁体的设计与优化

Ivan Etoku Oiye, Ajay Sharma, Sairam Geethanath

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出一种无极0.2T C型双极磁体设计，通过磁环替代传统磁极以提高磁场均匀性并减轻重量，实验显示其在20cm DSV内达到0.2T峰值磁场和1.43mT不均匀性，重量仅为590kg。

Comments 9 pages,5 figures, manuscript

DiffuSAM: Diffusion-Based Prompt-Free SAM2 for Few-Shot and Source-Free Medical Image Segmentation

DiffuSAM: 基于扩散的无提示SAM2用于少样本和源无关医学图像分割

Tal Grossman, Noa Cahan, Lev Ayzenberg, Hayit Greenspan

机构 * School of Electrical Engineering, Tel Aviv University, Israel（特拉维夫大学电气工程学院） ； School of Biomedical Engineering, Tel Aviv University, Israel（特拉维夫大学生物医学工程学院） 纠错

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

AI总结 DiffuSAM通过轻量级扩散先验生成SAM2兼容的分割掩码嵌入，实现无提示医学图像分割，无需用户输入，在BTCV和CHAOS数据集上表现出色。

Homology-based Morphometry of Brain Atrophy: Methods and Applications

基于同调的脑萎缩形态学：方法与应用

Donato Quiccione, Mariam Pirashvili, Nathan Broomhead, Sean J. Fallon

专题命中 医学影像 ：MRI(summary_cn,abstract)；pathology(abstract)；分类 q-bio、eess.IV

AI总结 本文提出基于持续同调的两种方法，用于量化脑结构T1加权MRI的多尺度几何特征，通过合成实验验证其在跨受试者和跨时间分析中的有效性，并应用于ADNI数据展示其在脑萎缩检测与纵向跟踪中的应用。

Component-Adaptive and Lesion-Level Supervision for Improved Small Structure Segmentation in Brain MRI

组件自适应与病变级监督用于改善脑MRI中的小结构分割

Minh Sao Khue Luu, Evgeniy N. Pavlovskiy, Bair N. Tuchinov

机构 * The Artificial Intelligence Research Center of Novosibirsk State University（新西伯利亚国立大学人工智能研究中心） 纠错

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

AI总结 本文提出CATMIL统一目标函数，结合组件自适应Tversky损失和多实例学习，提升小病变分割的准确性与检测能力，实验显示其在Dice分数和边界误差上优于传统方法，尤其提升小病变召回率。

Comments This version includes additional false-negative and false-positive error analysis in the Results

Risk-Aware Robust Learning: Reducing Clinical Risk under Label Noise in Medical Image Classification

风险感知的鲁棒学习：在医疗图像分类中减少临床风险下的标签噪声

Maycon R. S. Pereira, Filipe R. Cordeiro

机构 * Visual Computing Lab, Departamento de Computação, Universidade Federal Rural de Pernambuco (UFRPE), Brasil（视觉计算实验室，计算机系，佩鲁巴科州联邦大学（UFRPE），巴西） 纠错

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

AI总结 本文研究了在标签噪声下，现有鲁棒学习方法是否能保持临床安全，通过引入成本敏感的全局风险公式，发现结合成本敏感优化可显著降低临床风险。

Comments Accepted at SBCAS'26

Hierarchical Spatio-Channel Clustering for Efficient Model Compression in Medical Image Analysis

层次化空间-通道聚类用于医疗图像分析中的高效模型压缩

Sisipho Hamlomo, Marcellin Atemkeng, Habte Tadesse Likassa, Blaise Ravelo, Thierry Bouwmans, Sébastien Lalléchère, Antoine Vacavant, Ding-Geng Chen

机构 * Department of Mathematics, Rhodes University（罗德斯大学数学系） ； Department of Statistics, Rhodes University（罗德斯大学统计系） ； National Institute for Theoretical and Computational Sciences（国家理论与计算科学研究所） ； College of Health Solutions, Arizona State University（亚利桑那州立大学健康解决方案学院） ； Department of Statistics, College of Natural and Computational Sciences, Addis Ababa University（亚的斯亚贝巴大学自然与计算科学学院统计系） ； Department of Statistics, University of Pretoria（比勒陀利亚大学统计系） ； Université Clermont Auvergne, Clermont Auvergne INP, CNRS, Institut Pascal（克莱蒙特-奥弗涅大学，克莱蒙特-奥弗涅INP，CNRS，帕西尔研究所） ； Laboratoire MIA, La Rochelle Université（拉罗谢尔大学MIA实验室） 纠错

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

AI总结 本文提出层次化空间-通道低秩压缩框架，通过空间区域和通道激活的冗余利用，提升CNN在医疗图像分析中的压缩效率与性能。

Does Machine Unlearning Preserve Clinical Safety? A Risk Analysis for Medical Image Classification

机器去学习是否能保持临床安全性？医疗图像分类中的风险分析

Andreza M. C. Falcao, Filipe R. Cordeiro

机构 * Visual Computing Lab, Departamento de Computação, Universidade Federal Rural de Pernambuco (UFRPE), Brasil（巴西普埃布拉联邦农业大学计算机系视觉计算实验室） 纠错

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

AI总结 本文研究了医疗图像分类中去学习对临床风险的影响，提出SalUn-CRA方法以降低误诊风险，验证了临床风险在去学习验证中的重要性。

Comments Accepted at SBCAS'26

Radiomics- and Clinical Feature-Driven Prediction of Volumetric Response in Skull-Base Meningioma after CyberKnife Radiosurgery

基于影像组学和临床特征的颅底脑膜瘤接受CyberKnife放射手术后体积反应预测

Yin Lin, Elena De Martin, Giacomo Conte, Domenico Aquino, Cristiana Pedone, Alberto Redaelli, Riccardo Barbieri, Laura Fariselli, Simona Ferrante

机构 * DEIB Polytechnic University of Milan（米兰理工学院DEIB部门） ； Health Department Fondazione IRCCS Istituto Neurologico Carlo Besta（卡尔罗·贝斯塔神经研究所健康部门） 纠错

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

AI总结 本文提出结合影像组学和临床特征的预测框架，用于预测颅底脑膜瘤接受CyberKnife放射手术后的体积反应，通过六种模型分析预治疗MRI图像和临床变量，验证了TabPFN在小样本高维数据中的有效性。

Journal ref 2026 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference

Benchmarking Open-Source FDK Against Commercial and Iterative Reconstruction Methods for Preclinical Micro-CBCT

对开源FDK与商业及迭代重建方法在临床前微CT中的性能评估

Falk L Wiegmann, Nancy L Ford

专题命中 医学影像 ：CT(title_cn,abstract)

AI总结 本文对比了四种重建方法在相同数据上的性能，发现单一指标排名误导性大，开源FDK在速度和透明度上表现优异，而商业软件在空间分辨率上最佳但低对比度检测能力不足。

Neural networks as low-cost surrogates for impurity solvers in quantum embedding methods

神经网络作为量子嵌入方法中杂质求解器的低成本替代品

Rohan Nain, Philip M. Dee, Kipton Barros, Steven Johnston, Thomas A. Maier

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 本文探讨了在低数据量下训练神经网络作为动态平均场理论中杂质求解器的替代方案，证明其在训练集内插值时的准确性可与CT-QMC方法媲美，并能显著加速求解过程。

Comments 10 pages, 9 figures, v2 includes additional results for a larger training set

SemiGDA: Generative Dual-distribution Alignment for Semi-Supervised Medical Image Segmentation

SemiGDA: 生成双分布对齐用于半监督医学图像分割

Kaiwen Huang, Yi Zhou, Yizhe Zhang, Jingxiong Li, Tao Zhou

机构 * Nanjing University of Science and Technology（南京理工大学） ； Southeast University（东南大学） 纠错

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

AI总结 SemiGDA通过双分布对齐模块和一致性驱动跳过适配器提升半监督医学图像分割的语义学习和场景适应性，实验表明其优于现有方法。

Comments This paper have been accepted by CVPR 2026

MAE-Based Self-Supervised Pretraining for Data-Efficient Medical Image Segmentation Using nnFormer

基于MAE的自监督预训练用于数据高效医学图像分割的nnFormer

R. M. Krishna Sureddi, T. Satyanarayana Murthy, Nomula Varsha Reddy, Adi Kanishka, Nalla Manvika Reddy

机构 * Chaitanya Bharathi Institute of Technology（恰蒂斯赫尔学院技术学院） 纠错

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

AI总结 本文提出基于MAE的自监督预训练方法，提升nnFormer在医学图像分割中的数据效率，实现更高的Dice得分、更快的收敛速度和更好的小样本泛化能力。

Comments 4 pages, 2 figures, 2 tables

Secure On-Premise Deployment of Open-Weights Large Language Models in Radiology: An Isolation-First Architecture with Prospective Pilot Evaluation

面向放射学的开放权重大语言模型本地部署安全方案：一种优先隔离的架构及其前瞻性试点评估

Sebastian Nowak, Jann-Frederick Laß, Narine Mesropyan, Babak Salam, Nico Piel, Mohammed Bahaaeldin, Wolfgang Block, Alois Martin Sprinkart, Julian Alexander Luetkens, Benjamin Wulff, Alexander Isaak

机构 * Department of Diagnostic and Interventional Radiology, University Hospital Bonn（诊断与介入放射科，波恩大学医院） ； Department of Research-IT, University Hospital Bonn（研究-IT部门，波恩大学医院） 纠错

专题命中 医学影像 ：radiology(title,abstract)

AI总结 本文提出一种优先隔离的架构，用于在放射学领域安全部署开放权重大语言模型，通过严格的网络隔离和权限控制，验证了其在临床实用性和技术可行性上的表现。

Comments 39 pages, 4 figures, 3 tables

NeuroAPS-Net: Neuro-Anatomically Aware Point Cloud Representation for Efficient Alzheimer's Disease Classification

NeuroAPS-Net：神经解剖意识点云表示用于高效阿尔茨海默病分类

Towhidul Islam, Mufti Mahmud

机构 * 1 ICS Department, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia ； 2 SDAIA-KFUPM JRC for AI, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia ； Machines, King Fahd University of Petroleum \& Minerals, Dhahran, Saudi Arabia 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NeuroAPS-Net，通过解剖优先采样生成神经解剖标注的点云数据集，并采用轻量几何深度学习模型实现高效阿尔茨海默病分类。

Comments 6 pages, 3 figures, Accepted under IJCNN 2026

A Specialized Importance-Aware Quantum Convolutional Neural Network with Ring-Topology (IA-QCNN) for MGMT Promoter Methylation Prediction in Glioblastoma

一种基于环拓扑的量子卷积神经网络（IA-QCNN）用于胶质瘤中MGMT启动子甲基化预测

Emine Akpinar, Murat Oduncuoglu

机构 * Department of Physics, Yildiz Technical University（物理系，伊兹密尔技术大学） 纠错

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

AI总结 本文提出了一种基于量子力学原理的IA-QCNN架构，用于预测胶质瘤中MGMT启动子甲基化状态，通过能量切片选择、重要性加权、环拓扑量子卷积和折叠池化层，提升了高维数据的表示学习能力，实现了高精度预测并有效缓解过拟合问题。

Comments Submitted to Applied Soft Computing

Weighted Directional Total Nuclear Variation for Joint Yttrium-90 PET/SPECT Reconstruction with CTAC-derived Guidance

加权方向总核变分用于联合钇-90 PET/SPECT重建与CTAC引导

S Porter, D Deidda, D R McGowan, J Anton-Rodriguez, S Arridge, K Thielemans

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文提出加权方向总核变分方法，用于联合PET/SPECT重建，利用CTAC引导的各向异性，提高微球分布的重建效果和临床对比度。

Semantic Segmentation for Histopathology using Learned Regularization based on Global Proportions

基于全局比例的学习正则化在病理学中的语义分割

Yangping Li, Thomas Pinetz, Michael Hölzel, Marieta Toma, Alexander Effland

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

AI总结 本文提出VSLP框架，通过全局标签比例推断密集分割，无需像素级标注，利用变分优化提升分割可解释性，并在公开数据集上取得优于弱监督和无监督方法的性能。

Electrically detected magnetic resonance of $^{75}$As magnetic clock transitions in silicon

硅中$^{75}$As磁钟跃迁的电探测磁共振

Ravi Acharya, Shao Qi Lim, Brett C. Johnson, Nicholas Gillespie, Christopher T. -K. Lew, Alexander M. Jakob, Daniel L. Creedon, Gus O. Bonin, Dane R. McCamey, Richard J. Curry, Jeffrey C. McCallum, David N. Jamieson

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究通过低场连续波电探测磁共振观察硅中近表面$^{75}$As spins的磁钟跃迁，揭示了低场EDMR在探测近表面供体系统磁钟跃迁中的灵敏性。

Comments Main manuscript (7 pages, 4 figures) and supplemental material (7 pages, 4 figures)

Radio-frequency pulse design in local rotating frame in magnetic resonance imaging

磁共振成像中局部旋转框架下的射频脉冲设计

Seung-Kyun Lee

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本文提出在局部旋转框架下设计空间选择性射频脉冲，简化了磁化动力学并提高了并行发射脉冲设计效率。

Comments 6 figures