医学 AI

A Proof-of-Concept Study of Multitask Learning for Cranial Synthetic CT Generation Across Heterogeneous MRI Field Strengths

多任务学习在跨异质MRI场强的颅骨合成CT生成中的概念验证研究

Zhuoyao Xin, Yiren Zhang, Christopher Wu, Dong Liu, Chunming Gu, Elena Greco, Erik H. Middlebrooks, Jun Hua, Jia Guo

机构 * F.M. Kirby Research Center for Brain Imaging, Kennedy Krieger Institute（F.M. Kirby脑成像研究中心，Kennedy Krieger研究所） ； Neurosection, Division of MR Research, Russell H. Morgan Department of Radiology and Radiological Science, Johns Hopkins University School of Medicine（神经科，磁共振研究部，约翰·霍普金斯大学医学院放射学与放射科学系） ； Department of Biomedical Engineering, Johns Hopkins University（生物医学工程系，约翰·霍普金斯大学） ； Department of Biomedical Engineering, Case Western Reserve University（生物医学工程系，凯斯西储大学） ； Department of Biomedical Engineering, Columbia University（生物医学工程系，哥伦比亚大学） ； Department of Neuroscience, Columbia University（神经科学系，哥伦比亚大学） ； Department of Radiology, Mayo Clinic（放射科，梅奥诊所） ； Neuroradiology and Neurosurgery, Mayo Clinic College of Medicine and Science（神经放射学与神经外科，梅奥诊所医学院与科学学院） 纠错

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

AI总结 本文提出一种深度学习框架，用于在不同MRI场强和协议下实现稳定的颅骨合成CT生成，通过模块化结构提升鲁棒性，并在多中心数据集上验证了其优于传统方法的性能。

Comments Published in Medical Physics (2026). DOI: 10.1002/mp.70429

Journal ref Medical Physics, 53(5): e70429, 2026

MedGemma 1.5 Technical Report

MedGemma 1.5 技术报告

Andrew Sellergren, Chufan Gao, Fereshteh Mahvar, Timo Kohlberger, Fayaz Jamil, Madeleine Traverse, Alberto Tono, Bashir Sadjad, Lin Yang, Charles Lau, Liron Yatziv, Tiffany Chen, Bram Sterling, Kenneth Philbrick, Richa Tiwari, Yun Liu, Madhuram Jajoo, Chandrashekar Sankarapu, Swapnil Vispute, Harshad Purandare, Abhishek Bijay Mishra, Sam Schmidgall, Tao Tu, Anil Palepu, Chunjong Park, Tim Strother, Rahul Thapa, Yong Cheng, Preeti Singh, Kat Black, Yossi Matias, Katherine Chou, Avinatan Hassidim, Kavi Goel, Joelle Barral, Tris Warkentin, Shravya Shetty, Dale Webster, Sunny Virmani, David F. Steiner, Can Kirmizibayrak, Daniel Golden

机构 * Google Research and Google DeepMind（谷歌研究与谷歌深Mind） 纠错

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；medical AI(abstract)；pathology(abstract)

AI总结 MedGemma 1.5 增强了医学影像处理、解剖定位和多时间点胸部X光分析能力，显著提升了3D MRI和CT分类精度，并在病理图像和临床知识推理中取得突破性进展。

RA-CMF: Region-Adaptive Conditional MeanFlow for CT Image Reconstruction

RA-CMF：基于区域自适应的条件均值流用于CT图像重建

Md Shifatul Ahsan Apurba, Md Selim, Jin Chen

机构 * Biomedical Informatics（生物医学信息学） ； Data Science University of Alabama at Birmingham Birmingham, AL, United States（数据科学，阿拉巴马大学伯明翰分校，伯明翰，AL，美国） ； Computer Science Florida Polytechnic University Lakeland, FL, United States（计算机科学，佛罗里达理工学院，拉凯兰德，FL，美国） 纠错

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

AI总结 本文提出RA-CMF方法，结合条件均值流与强化学习，实现CT图像重建的区域自适应增强，提升肿瘤区域的准确性和图像整体质量。

Interlaced R2D2 DNN Series for Scalable Non-Cartesian MRI with Sensitivity Self-calibration

交错的R2D2 DNN系列用于可扩展的非笛卡尔MRI敏感性自校准

Shijie Chen, Yiwei Chen, Amir Aghabiglou, Motahare Torki, Chao Tang, Ruud B. van Heeswijk, Yves Wiaux

机构 * Institute of Sensors, Signals and Systems, Heriot-Watt University Edinburgh, United Kingdom（传感器、信号与系统研究所，赫里奥特-沃斯大学爱丁堡分校，英国） ； Department of Diagnostic Imaging and Interventional Radiology, Lausanne University and Hospital, Switzerland（诊断影像与介入放射学系，洛桑大学及医院，瑞士） 纠错

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

AI总结 本文提出iR2D2，一种用于加速非笛卡尔k空间MRI图像重建的DNN系列框架，通过自校准敏感性图提升重建性能。

Comments 13 pages, 8 figures

HiFi-Mamba: Dual-Stream W-Laplacian Enhanced Mamba for High-Fidelity MRI Reconstruction

HiFi-Mamba：双流W-拉普拉斯增强Mamba用于高保真MRI重建

Hongli Chen, Pengcheng Fang, Yuxia Chen, Yingxuan Ren, Jing Hao, Fangfang Tang, Xiaohao Cai, Shanshan Shan, Feng Liu

机构 * AAAI Press（AAAI出版社） ； AAAI Publications Committee（AAAI出版委员会） 纠错

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

AI总结 HiFi-Mamba通过双流W-拉普拉斯模块与Mamba结构结合，提升MRI重建的高保真度，优于现有CNN、Transformer及Mamba模型，兼具高效性与准确性。

Phase-map synthesis from magnitude-only MR images using conditional score-based diffusion models with application in training of accelerated MRI reconstruction models

仅使用幅度图像的相位图合成方法及其在加速MRI重建模型训练中的应用

M. Berk Sahin, Dilek Yalcinkaya, Abolfazl Hashemi, Behzad Sharif

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文提出利用条件分数扩散模型合成幅度图像的相位图，从而生成大规模k空间数据集，用于训练更通用的MRI重建模型，提升重建质量与诊断准确性。

Neighbor2Inverse: Self-Supervised Denoising for Low-Dose Region-of-Interest Phase Contrast CT

Neighbor2Inverse: 基于自监督学习的低剂量区域兴趣相位对比CT去噪

Johannes B. Thalhammer, Lorenzo D'Amico, Lucy Costello, Sebastian Peterhansl, Daniel Frey, Tina Dorosti, Florian Schaff, Jannis Ahlers, Ronan Smith, Marcus Kitchen, Franz Pfeiffer, Martin Donnelley, Daniela Pfeiffer, Kaye S. Morgan

机构 * Chair of Biomedical Physics, Department of Physics, School of Natural Sciences, TU Munich（技术物理系主任，物理系，自然科学学院，慕尼黑技术大学） ； Munich Institute of Biomedical Engineering, TU Munich（慕尼黑生物医学工程研究所，慕尼黑技术大学） ； Institute for Diagnostic and Interventional Radiology, TUM Klinikum（诊断与介入放射学研究所，TUM医院） ； Institute for Advanced Study, TU Munich, 85748 Garching, Germany（高级研究研究所，慕尼黑技术大学，德国85748盖ARCHING） ； X-ray Imaging Group, School of Physics and Astronomy, Monash University, Australia（X射线成像组，物理与天文学学院，墨尔本大学，澳大利亚） ； School of Medicine and Robinson Research Institute, Adelaide University, and Respiratory and Sleep Medicine, Women’s and Children’s Hospital, Adelaide, Australia（医学学院和罗宾逊研究所，阿德莱德大学，以及呼吸与睡眠医学，妇女与儿童医院，阿德莱德，澳大利亚） 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Neighbor2Inverse框架，通过自监督学习在低剂量PBI-CT中实现有效去噪，保留结构细节，提升对比度和空间分辨率。

GAZE: Grounded Agentic Zero-shot Evaluation with Viewer-Level Tools and Literature Retrieval on Rare Brain MRI

GAZE：基于视图级工具和文献检索的 grounded 零样本评估

Duaa Alim, Mogtaba Alim, Liam Chalcroft

机构 * Imperial College London, UK（伦敦帝国学院） ； University of Toronto, Canada（多伦多大学） ； University College London, UK（伦敦大学学院） 纠错

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

AI总结 GAZE框架通过调用视图级工具和文献检索工具，使医学VLM在迭代方式下工作，实现对罕见脑MRI的零样本评估，提升病变定位和诊断准确率。

Multi-Dataset Cross-Domain Knowledge Distillation for Unified Medical Image Segmentation, Classification, and Detection

多数据集跨领域知识蒸馏用于统一的医学图像分割、分类和检测

Ceausescu Ciprian-Mihai, Anghelina Ion-Marian, Alexe Dumitru-Bogdan

机构 * Faculty of Mathematics and Computer Science, University of Bucharest（布加勒斯特大学数学与计算机科学学院） ； Gheorghe Mihoc-Caius Iacob Institute of Mathematical Statistics and Applied Mathematics of the Romanian Academy（罗马尼亚科学院格奥尔基·米霍茨-凯奥斯·伊阿科夫学院数学统计与应用数学研究所） 纠错

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

AI总结 本文提出了一种统一的跨领域迁移学习框架，通过多个异构医学影像数据集的知识提升分割、分类和目标检测性能，采用教师-学生范式，通过多级知识蒸馏训练任务特定的学生模型，扩展支持图像分类和目标检测，实现医学图像分析的多任务统一。

Comments Journal extension from the KES paper

Reconstruction Interval Z-Phase Dependence of AI Detection Sensitivity in CT Lung Nodule Screening

AI检测灵敏度在CT肺结节筛查中重建区间Z相依赖性的重建

Dan Soliman

机构 * GammaMetric Medical Physics, Independent Medical Physics Consultancy（GammaMetric医学物理部，独立医学物理咨询公司） 纠错

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

AI总结 研究探讨了AI检测灵敏度与重建区间内结节位置（Z相）的关系，发现结节直径与重建间隔比影响灵敏度，Z相效应在特定条件下主导检测变异。

A Target-Free Harmonization Method for MRI

无目标谐调方法用于磁共振成像

Minjun Kim, Dong Ju Mun, Hwihun Jeong, Hangyeol Park, Haechang Lee, Se Young Chun, Jongho Lee

机构 * Department of Electrical and Computer Engineering, Seoul National University（首尔国立大学电气与计算机工程系） ； Department of Psychiatry, Brigham and Women's Hospital, Harvard Medical School（精神病学系，布里金医院，哈佛医学院） 纠错

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

AI总结 本文提出TgtFreeHarmony方法，通过生成对抗网络解纠缠生成MRI领域风格的流形，实现无目标域数据的图像谐调，提升下游任务性能，保障数据隐私。

Comments 37 pages, 10 figures

Robustness of Transformer-Based Fluence Map Prediction Under Clinically Realistic Perturbations

基于变换器的荧光图预测在临床真实扰动下的鲁棒性

Ujunwa Mgboh, Rafi Ibn Sultan, Joshua Kim, Kundan Thind, Dongxiao Zhu

机构 * Wayne State University（韦恩州立大学） ； Henry Ford Health（亨利福特健康） 纠错

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

AI总结 研究基于变换器的荧光图预测在临床真实扰动下的鲁棒性，通过对比不同注意力机制的变换器模型，发现分层变换器在能量误差上表现更优，强调了物理指导评估的重要性。

Comments Accepted by The Artificial Intelligence in Medicine (AIME) 2026 Conference

Multi-View Hierarchical Representation Learning of Fetal Hemodynamics for Maternal Hypertension Detection at the Edge

多视角分层表征学习用于胎儿血流动力学的母高血压检测

Alireza Rafiei, Anahí Venzor Strader, Esteban Castro Aragón, Victoriana Rosibely Sut Serech, Enma Carolina Coyote Ixen, Reza Sameni, Peter Rohloff, Gari D. Clifford, Nasim Katebi

机构 * Emory University（埃默里大学） ； Center for Indigenous Health Research（原住民健康研究中心） ； Wuqu’ Kawoq（武克·卡沃克） ； Maya Health Alliance（玛雅健康联盟） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出AutoHyPE模型，通过多视角策略和对比学习提升表征鲁棒性，实现母高血压检测AUROC达0.80，支持利用低成本超声技术进行持续监测。

X-ray dark-field imaging from intensity flow: A Fokker-Planck approach to grating interferometry

X射线暗场成像从强度流：基于Fokker-Planck方法的光栅干涉术

Samantha J. Alloo, Florian Schaff, Regine Gradl, Benedikt Gunther, Franz Pfeiffer, Kaye S. Morgan

专题命中 医学影像 ：diagnosis(abstract)

AI总结 本文提出基于Fokker-Planck方程的新型光栅干涉术暗场成像算法，用于分离传输、相位差和暗场图像，提升图像质量和抗干扰能力。

Comments Supplementary material is available upon request from the corresponding author (samantha.alloo@monash.edu)