医学 AI

MSR:Hybrid Field Modeling for CT-MRI Rigid-Deformable Registration of the Cervical Spine with an Annotated Dataset

MSR：用于带有标注数据集的颈椎脊柱CT-MRI刚-变形配准的混合场建模

Bohai Zhang, Wenjie Chen, Mu Li, Kaixing Long, Xing Shen, Xinqiang Yao, Jincheng Yang, Jianting Chen, Wei Yang, Qianjin Feng, Lei Cao

机构 * School of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, China.（南方医科大学生物医学工程学院） ； Guangdong Provincial Key Laboratory of Medical Image Processing, Guangzhou, 510515, China.（广东省医学图像处理重点实验室） ； Guangdong Province Engineering Laboratory for Medical Imaging（广东省医学影像与诊断技术工程实验室） ； Information Center, Nanfang Hospital, Southern Medical University, Guangzhou, 510515, China.（南方医科大学南华医院信息中心） ； Division of Spine Surgery, Department of Orthopaedics, Nanfang hospital, Southern Medical University, Guangzhou, Guangdong, 510515, China.（南方医科大学南华医院骨科脊柱外科） 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MSR框架，通过混合刚-变形配准方法提升颈椎脊柱CT-MRI配准精度，解决复杂结构配准难题。

Deep Learning-Based Segmentation of Peritoneal Cancer Index Regions from CT Imaging

基于深度学习的CT影像中腹膜癌指数区域分割

Pieter C. Gort, Lotte J. S. Ewals, Marion W. Tops-Welten, Cris H. B. Claessens, Joost Nederend, Fons van der Sommen

机构 * Catharina Hospital Eindhoven（埃因霍温卡塔琳娜医院） 纠错

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

AI总结 本文提出基于深度学习的自动分割方法，用于CT影像中腹膜癌指数区域的分割，评估nnU-Net和Swin UNETR在62例CT扫描中的性能，结果显示nnU-Net在Dice系数上表现更优，为非侵入性影像评估奠定了基础。

Comments Accepted for presentation at Computer Assisted Radiology and Surgery (CARS) 2026

Stop Holding Your Breath: CT-Informed Gaussian Splatting for Dynamic Bronchoscopy

停止屏息：基于CT的高斯点云法用于动态支气管镜

Andrea Dunn Beltran, Daniel Rho, Aarav Mehta, Xinqi Xiong, Raúl San José Estépar, Ron Alterovitz, Marc Niethammer, Roni Sengupta

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Harvard Medical School（哈佛医学院） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本文提出利用患者特定的呼吸模型消除屏息协议需求，通过配对呼气吸气CT扫描减少呼吸运动，实现连续的变形感知重建。

RIHA: Report-Image Hierarchical Alignment for Radiology Report Generation

RIHA：报告-图像层次对齐用于放射学报告生成

Yucheng Chen, Yang Yu, Yufei Shi, Conghao Xiong, Xulei Yang, Si Yong Yeo

机构 * Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学李科钦医学院） ； MedVisAI Lab（医学影像人工智能实验室） ； Centre of AI in Medicine, Singapore（新加坡人工智能医学中心） ； Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学（深圳）） ； Department of Computer Science and Engineering（计算机科学与工程系） 纠错

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

AI总结 本文提出RIHA框架，通过多级对齐提升放射学报告生成的准确性，引入视觉和文本特征金字塔及跨模态对齐模块，实验表明其在自然语言生成和临床效果上优于现有方法。

Comments Accepted by Journal of Biomedical and Health Informatics (JBHI)

Focal Modulation and Bidirectional Feature Fusion Network for Medical Image Segmentation

焦点调制与双向特征融合网络用于医学图像分割

Moin Safdar, Shahzaib Iqbal, Mubeen Ghafoor, Tariq M. Khan, Imran Razzak, Thantrira Porntaveetus, Hamid Alinejad-Rokny

机构 * Department of Computing, Abasyn University Islamabad Campus (AUIC)（阿巴斯扬大学伊斯兰堡校区计算机系） ； School of Computer Science and Informatics, De Montfort University（德蒙福特大学计算机科学与信息学学院） ； Naif Arab University for Security Sciences（纳夫阿拉伯安全科学大学） ； School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院） ； Center of Excellence in Precision Medicine and Digital Health, Chulalongkorn University（朱拉隆功大学精准医学与数字健康卓越中心） ； School of Biomedical Engineering, UNSW Sydney（新南威尔士大学悉尼分校生物医学工程学院） 纠错

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

AI总结 本文提出FM-BFF-Net，结合卷积与Transformer，通过焦点调制注意力机制和双向特征融合模块提升医学图像分割的边界精度与鲁棒性，实验表明其在多项指标上优于现有方法。

Leveraging Quantum-Based Architectures for Robust Diagnostics

利用量子架构实现稳健的诊断

Shabnam Sodagari, Tommy Long

机构 * Computer Engineering and Computer Science Department, California State University Long Beach（加州州立大学长滩分校计算机工程与计算机科学系） 纠错

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

AI总结 本文提出一种混合经典-量子诊断框架，结合数据集特定预处理、迁移学习和量子卷积神经网络，用于多类医学图像分类，实验结果显示在肾病、宫颈细胞和脑肿瘤分类中均取得高准确率。

Grounded Multimodal Retrieval-Augmented Drafting of Radiology Impressions Using Case-Based Similarity Search

基于案例相似性搜索的医学影像印象 grounded 多模态检索增强草稿生成

Himadri S Samanta

机构 * Independent AI Researcher（独立AI研究员） 纠错

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

AI总结 本文提出一种多模态检索增强生成系统，结合对比图像-文本嵌入、基于案例的相似性检索和引用约束草稿生成，以生成具有临床依据的医学影像印象。

Comments 15 pages, 4 figures, 3 tables

Primus: Enforcing Attention Usage for 3D Medical Image Segmentation

Primus：强制使用注意力机制用于3D医学图像分割

Tassilo Wald, Saikat Roy, Fabian Isensee, Constantin Ulrich, Sebastian Ziegler, Dasha Trofimova, Raphael Stock, Michael Baumgartner, Gregor Köhler, Klaus Maier-Hein

机构 * Division of Medical Image Computing, German Cancer Research Center, Heidelberg（德国癌症研究中心医学图像计算部门，海德堡） ； Faculty of Mathematics and Computer Science, Heidelberg University（海德堡大学数学与计算机科学学院） ； Helmholtz Imaging, German Cancer Research Center（德国癌症研究中心赫尔姆霍茨成像中心） ； Medical Faculty, Heidelberg University（海德堡大学医学系） ； National Center for Tumor Diseases (NCT), NCT Heidelberg（海德堡国家肿瘤疾病中心（NCT）） ； Pattern Analysis and Learning Group, Department of Radiation Oncology（放射肿瘤学系模式分析与学习小组） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI), Abu Dhabi（阿布扎克穆罕默德·本·扎耶德人工智能大学） 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Primus和PrimusV2，通过引入Transformer为中心的分割架构，解决了现有Transformer模型在3D医学图像分割中的不足，实现了与CNNs的竞争力。

Comments Accepted in Transactions on Machine Learning Research (TMLR)

Echo-α: Large Agentic Multimodal Reasoning Model for Ultrasound Interpretation

Echo-α：用于超声解读的大型代理多模态推理模型

Jing Zhang, Wentao Jiang, Tao Huang, Zhiwei Wang, Jianxin Liu, Jian Chen, Ping Ye, Gang Wang, Zengmao Wang, Bo Du, Dacheng Tao

机构 * MiliLab（Mili实验室） 纠错

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

AI总结 Echo-α结合了精确的病变定位和整体临床推理，通过九任务监督课程和强化学习提升超声解读的准确性和可解释性。

Comments 12 pages, 4 figures. Technical report

PhotIQA: A photoacoustic image data set with image quality ratings

PhotIQA: 一个包含图像质量评分的光电图像数据集

Anna Breger, Janek Gröhl, Clemens Karner, Thomas R Else, Ian Selby, Tom Rix, Lara-Sophie Witt, Merle Duchêne, Jonathan Weir-McCall, Carola-Bibiane Schönlieb

机构 * University of Cambridge, DAMTP, Cambridge, United Kingdom（剑桥大学，DAMTP，剑桥，英国） ； Medical University of Vienna, CMPBE, Vienna, Austria（维也纳医科大学，CMPBE，维也纳，奥地利） ； University of Cambridge, Department of Physics, Cambridge, UK（剑桥大学，物理系，剑桥，英国） ； Cancer Research UK Cambridge Institute, Cambridge, UK（英国癌症研究会剑桥研究所，剑桥，英国） ； ENI-G, a Joint Initiative of the University Medical Center Göttingen and the Max Planck Institute for Multidisciplinary Sciences, Göttingen, Germany（ENI-G，歌德堡大学医疗中心与马克斯·普朗克多学科科学研究所的联合倡议，歌德堡，德国） ； University of Cambridge, Department of Radiology, Cambridge, UK（剑桥大学，放射学系，剑桥，英国） ； Cambridge University Hospitals, Department of Radiology, Cambridge, UK（剑桥大学医院，放射学系，剑桥，英国） ； German Cancer Research Center (DKFZ), IMSY, Heidelberg, Germany（德国癌症研究中心（DKFZ），IMSY，海德堡，德国） ； Faculty of Mathematics and Computer Science, Heidelberg University, Germany（海德堡大学，数学与计算机科学学院，德国） ； King’s College London, School of Biomedical Engineering & Imaging Sciences, London, UK（伦敦国王学院，生物医学工程与成像科学学院，伦敦，英国） 纠错

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

AI总结 本文提出PhotIQA数据集，包含1134张光电图像，由五位专家对五项质量属性进行全参考评分，用于支持IQA方法的开发与测试。

Comments 16 pages

Residual Gaussian Splatting for Ultra Sparse-View CBCT Reconstruction

残差高斯点云法用于超稀疏视角CBCT重建

Jian Lin, Jiancheng Fang, Shaoyu Wang, Changan Lai, Yikun Zhang, Yang Chen, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） 纠错

专题命中 医学影像 ：CT(abstract_cn)；分类 cs.CV

AI总结 本文提出残差高斯点云法，结合小波多分辨率分析与3DGS，解决超稀疏视角CBCT重建中光谱偏倚问题，提升图像细节与几何纹理的精度。

A Two Stage Pipeline for Left Atrial Wall Constrained Scar Segmentation and Localization from LGE-MR Images

一种用于从LGE-MR图像中进行左心房壁约束瘢痕分割与定位的双阶段流程

Bipasha Kundu, Cristian Linte

专题命中 医学影像 ：MRI(abstract)；分类 eess.IV

AI总结 本文提出一种双阶段nnUNet框架，利用左心房解剖结构提升瘢痕分割与定位精度，通过几何感知输入和边界不确定性监督策略，提高分割准确性并降低误检率。

Backdoor Attacks on Prompt-Driven Video Segmentation Foundation Models

针对提示驱动视频分割基础模型的后门攻击

Zongmin Zhang, Zhen Sun, Yifan Liao, Wenhan Dong, Xinlei He, Xingshuo Han, Shengmin Xu, Xinyi Huang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Fujian Normal University（福建师范大学） ； Jinan University（暨南大学） 纠错

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

AI总结 本文研究了针对提示驱动视频分割基础模型的后门攻击，提出BadVSFM框架，通过两阶段策略实现可控的后门效果，实验表明其在多种模型和数据集上具有有效性。