arXivDaily arXiv每日学术速递 周一至周五更新

科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

2026-05-20 至 2026-05-20 共收录 17 信号源:cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 医学影像 17 篇

2605.19737 2026-05-20 cs.GR cs.CV 90%

Decentralized Direct Volume Rendering: A Browser-Native GPU Architecture for MRI Digital Twins in Resource-Constrained Settings

去中心化直接体渲染:一种浏览器原生的GPU架构,用于资源受限环境中的MRI数字孪生

Oserebameh Augustine Beckley

机构 * Lagos State University(拉各斯州大学)

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

AI总结 本研究提出了一种去中心化的浏览器原生GPU架构,用于在资源受限环境中实现高保真的MRI数字孪生,通过在低成本集成边缘GPU上执行确定性的单次通过射线投射和形态学梯度计算,实现了快速的像素生成和稳定的交互性能。

Comments 10 pages, 4 figures. Live interactive browser demo available at: https://webgpu-mri.vercel.app/ . Source code repository: https://github.com/Bahdmanbabzo/webgpu-mri

详情

展开后加载摘要…

URL PDF HTML 收藏
2501.09799 2026-05-20 eess.IV 90%

Scan-Adaptive MRI Undersampling Using Neighbor-based Optimization (SUNO)

基于邻域优化的扫描自适应MRI欠采样(SUNO)

Siddhant Gautam, Angqi Li, Nicole Seiberlich, Jeffrey A. Fessler, Saiprasad Ravishankar

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

AI总结 本文提出了一种联合学习扫描自适应的Cartesian欠采样模式和相应重建模型的框架,通过交替算法优化欠采样模式和重建模型,利用迭代坐标下降法进行离线优化,并通过最近邻搜索选择测试时的欠采样模式,从而在4×和8×加速因子下提升MRI图像的视觉质量和定量指标。

Comments Published in IEEE Transactions on Computational Imaging, Early Access, Jan. 2026

Journal ref IEEE Transactions on Computational Imaging, pp. 1-13, Jan. 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.19393 2026-05-20 cs.CV cs.LG 86%

Neuron Incidence Redistribution for Fairness in Medical Image Classification

神经元发生再分配用于医疗图像分类中的公平性

Abin Shoby, Lyle John Palmer, Nikhil Cherian Kurian

机构 * Neuron Incidence Redistribution for Fairness in Medical Image Classification(神经发生再分配用于医学图像分类)

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

AI总结 本文提出了一种轻量级的正则化方法Neuron Incidence Redistribution (NIR),通过减少预测概率加权平均激活值的方差来提升医疗图像分类中的公平性,实验结果显示在不同年龄和性别组别中,TPR和FPR的不平等现象显著降低。

Comments 4 Pages, 1 Figure

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.19207 2026-05-20 cs.CV cs.AI cs.LG 85%

Quantized Machine Learning Models for Medical Imaging in Low-Resource Healthcare Settings

用于低资源医疗环境的量化机器学习模型:医学影像

Sumanth Meenan Kanneti, Aryan Shah

机构 * Georgia State University(佐治亚州立大学)

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

AI总结 本文提出了一种多策略压缩框架,用于MRI图像中的脑肿瘤分类,通过量化感知训练、从DenseNet-101教师模型到紧凑DenseNet-32学生模型的知识蒸馏以及轻量MobileNetV2骨干网络上的Float16后训练量化,实现了在低资源医疗环境中高效且准确的脑肿瘤筛查。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.18225 2026-05-20 cs.CV cs.AI 83%

Is SAM3 ready for pathology segmentation?

SAM3是否准备好进行病理分割?

Qiuyu Kong, Shakiba Sharifi, Yiming Wang, Marco Cristani, Zanxi Ruan

机构 * Sapienza University of Rome(罗马萨皮恩扎大学) University of Verona(威尼斯大学) Fondazione Bruno Kessler(布鲁诺·凯斯勒基金会)

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

AI总结 本文评估了SAM3在病理图像分割中的能力,发现文本提示效果有限,视觉提示类型和预算对性能影响显著,少样本学习有提升但鲁棒性不足,且提示基于方法与任务训练适配方法之间存在显著差距。

Comments accept to icip2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2503.16309 2026-05-20 eess.IV cs.CV physics.med-ph 82%

Rapid patient-specific neural networks for intraoperative X-ray to volume registration

快速的患者特异性神经网络用于术中X射线到体积的配准

Vivek Gopalakrishnan, David-Dimitris Chlorogiannis, Andrew Abumoussa, Anna M. Larson, Nazim Haouchine, Darren B. Orbach, Sarah Frisken, Neel Dey, Polina Golland

机构 * Harvard-MIT Health Sciences and Technology, Massachusetts Institute of Technology(哈佛-麻省理工健康科学与技术, 麻省理工学院) Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology(计算机科学与人工智能实验室, 麻省理工学院) Department of Radiology, Harvard Medical School(哈佛医学院放射科) Saint Luke’s Marion Bloch Neuroscience Institute(圣路易斯马里恩布洛克神经科学研究所) Department of Critical Care Medicine, Shriners Children’s Hospital(谢尔曼儿童医院重症医学科) Department of Interventional Neuroradiology, Boston Children’s Hospital(波士顿儿童医院介入神经放射科) Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital(阿提努拉A·马丁诺斯生物医学成像中心, 麻省总医院)

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

AI总结 本文提出了一种自监督框架xvr,结合患者特异性神经网络和梯度优化,实现了快速且准确的2D到3D配准,通过物理模拟生成训练数据,无需手动标注,提升了临床和研究社区的广泛应用能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.19060 2026-05-20 cs.CV cs.AI eess.IV 82%

LiFT: Lifted Inter-slice Feature Trajectories for 3D Image Generation from 2D Generators

LiFT:用于从2D生成器生成3D图像的提升跨切片特征轨迹

Xinhe Zhang, Yuyang Zhang, Pengfei Jin, Arnau Marin-Llobet, Na Li, Quanzheng Li

机构 * School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院) Center for Advanced Medical Computing and Analysis, Massachusetts General Hospital and Harvard Medical School(马萨诸塞总医院和哈佛医学院高级医学计算与分析中心) Kempner Institute, Harvard University(哈佛大学凯普纳研究所)

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

AI总结 本文提出LiFT框架,通过将3D体积合成分解为单切片图像生成和跨切片轨迹学习,解决高分辨率3D医学图像生成中体积模型计算成本高和2D切片生成器在第三维度上无法保持解剖一致性的问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.25646 2026-05-20 cs.CV cs.RO 81%

SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound

SAMe:一种用于机器人超声的语义解剖映射引擎

Jing Zhang, Duojie Chen, Wentao Jiang, Zihan Lou, Jianxin Liu, Xinwu Cui, Qinghong Zhao, Bo Du, Christoph F. Dietrich, Dacheng Tao

机构 * School of Computer Science, Wuhan University(武汉大学计算机学院) Hubei Center for Applied Mathematics, Wuhan University(湖北应用数学中心,武汉大学) Department of Ultrasound, The Central Hospital of Wuhan(武汉市中心医院超声科) Department of Medical Ultrasound, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology(同济医院,同济医学院,华中科技大学医学影像科) Department of Ultrasound in Medicine, Renmin Hospital of Wuhan University(武汉大学仁医医院医学超声科) University Hospital, Johann-Wolfgang-Goethe University Frankfurt am Main(法兰克福歌德大学医学院大学医院) College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院)

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

AI总结 该研究提出SAMe,一种语义解剖映射引擎,通过提供显式的解剖先验层,解决机器人超声扫描初始化问题,实现了基于临床症状的解剖目标识别和控制指令生成,提高了自动扫描的准确性和效率。

Comments Supplementary information included. Code will be released at https://github.com/MiliLab/Echo-SAMe

详情

展开后加载摘要…

URL PDF HTML 收藏
2506.03178 2026-05-20 eess.IV cs.AI cs.CV 81%

LLaMA-XR: A Novel Framework for Radiology Report Generation using LLaMA and QLoRA Fine Tuning

LLaMA-XR: 一种基于LLaMA和QLoRA微调的新型放射科报告生成框架

Md. Zihad Bin Jahangir, Muhammad Ashad Kabir, Sumaiya Akter, Israt Jahan, Minh Chau

机构 * Department of Computer Science and Engineering, Southeast University(计算机科学与工程系,东南大学) School of Computing, Mathematics and Engineering, Charles Sturt University(计算、数学与工程学院,查尔斯·斯特劳特大学) Department of Computer Science and Engineering, University of Liberal Arts Bangladesh(计算机科学与工程系,孟加拉国自由大学) Medical Imaging Group, School of Dentistry and Medical Sciences, Charles Sturt University(医学影像组,牙科学院与医学科学学院,查尔斯·斯特劳特大学)

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

AI总结 本文提出LLaMA-XR框架,结合LLaMA 3.1与DenseNet-121图像嵌入及QLoRA微调,提升放射科报告生成的准确性和临床相关性,同时保持计算效率。

Comments 25 pages

Journal ref Bioengineering 2026, 13(5), 493

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.19214 2026-05-20 cs.LG cs.CV 81%

Worst-Group Equalized Odds Regularization for Multi-Attribute Fair Medical Image Classification

多属性公平医疗图像分类中的最差组等化几率正则化

Nikhil Cherian Kurian, Victor Caquilpan Parra, Abin Shoby, Luke Whitbread, Lauren Oakden-Rayner, Robert Vandersluis, Jessica Schrouff, Lyle J. Palmer, Mark Jenkinson

机构 * Australian Institute for Machine Learning, Adelaide University(澳大利亚机器学习研究所,阿德莱德大学) GlaxoSmithKline (GSK)(葛兰素史克(GSK))

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

AI总结 本文提出了一种最差组等化几率正则化方法,用于在多个人口属性上同时评估和缓解医疗图像分类中的系统性差异,通过在推理时优化子组层面的真阳性率和假阳性率偏差,减少等化几率和等化机会的不平等,同时对AUC影响最小。

Comments 11 Pages, 2 Figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.09392 2026-05-20 physics.med-ph cs.SE 80%

An Integrated Open Source Software System for the Generation and Analysis of Subject-Specific Blood Flow Simulation Ensembles

用于生成和分析特定主体血流模拟集合的集成开源软件系统

Simon Leistikow, Thomas Miro, Adrian Kummerländer, Ali Nahardani, Katja Grün, Markus Franz, Verena Hoerr, Mathias J. Krause, Lars Linsen

专题命中 医学影像 :MRI(summary_cn,abstract)

AI总结 本文提出了一种集成开源软件系统,结合MRI和CFD技术,用于生成和分析特定主体的血流模拟集合,以提高心血管疾病诊断和血流动力学参数分析的准确性。

Comments 21 pages, 7 figures, 2 tables

Journal ref Computers 2026, 15(5), 300

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.22258 2026-05-20 cs.CV cs.AI 77%

Beyond Classification Accuracy: Neural-MedBench and the Need for Deeper Reasoning Benchmarks

超越分类准确度:Neural-MedBench与更深层次推理基准的需求

Miao Jing, Mengting Jia, Junling Lin, Zhongxia Shen, Huan Gao, Mingkun Xu, Shangyang Li

机构 * School of Physics Science and Technology, Beijing University of Posts and Telecommunications(北京邮电大学物理科学与技术学院) Guangdong Institute of Intelligence Science and Technology(广东智能科学技术研究院) Beijing Chaoyang Hospital, Capital Medical University(北京朝阳医院) Sleep Medical Center, Huzhou Third Municipal Hospital, Affiliated Hospital of Wenzhou Medical University(湖州第三人民医院睡眠医学中心,温州医科大学附属医院) University of Macau(澳门大学) Renyixun Health Technology Co., Ltd(仁颐讯健康科技有限公司) Academy for Advanced Interdisciplinary Studies, Peking University(北京大学交叉学科研究院)

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

AI总结 本文提出Neural-MedBench,一个专门用于测试多模态神经病学推理能力的基准,揭示现有医疗数据集过于强调分类准确度的问题,并通过系统评估发现模型推理失败而非感知误差主导性能下降,强调需要兼顾广度与深度的评估框架。

Comments 23 pages, 12 figures

Journal ref ICLR'2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.19230 2026-05-20 cs.CV cs.LG 73%

Robust Mitigation of Age-Dependent Confounding Effects via Sample-Difficulty Decorrelation

通过样本难度去相关性实现鲁棒的年龄依赖性混杂效应缓解

Nikhil Cherian Kurian, Victor Caquilpan Parra, Abin Shoby, Luke Whitbread, Lyle J. Palmer

机构 * Australian Institute for Machine Learning(澳大利亚机器学习研究所) Adelaide University(阿德莱德大学)

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

AI总结 本文提出了一种鲁棒框架,通过针对虚假的年龄相关趋势而非强制不变性来缓解年龄依赖性混杂效应,通过样本难度建模和去相关年龄与主导年龄难度趋势,减少年龄相关的真阳性与假阳性差异,同时保持临床有意义的非线性年龄信息。

Comments 10 Pages, 3 Figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.19374 2026-05-20 cs.CV cs.AI cs.LG 62%

Concept-Guided Noisy Negative Suppression for Zero-Shot Classification and Grounding of Chest X-Ray Findings

基于概念的噪声负样本抑制用于零样本分类和胸片发现的 grounding

Chenyu Lian, Hong-Yu Zhou, Chun-Ka Wong, Jing Qin

机构 * The Center for Smart Health, School of Nursing, the Hong Kong Polytechnic University, Hong Kong, China(香港理工大学智能健康中心,护理学院,中国香港) Research Institute for Smart Ageing, the Hong Kong Polytechnic University, Hong Kong, China(香港理工大学智能老龄化研究 institute,中国香港) School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University, Beijing, China(清华大学生物医学工程学院,清华大学,北京,中国) Queen Mary Hospital, LKS Faculty of Medicine, The University of Hong Kong, Hong Kong, China(香港大学李嘉诚医学院Queen Mary医院,中国香港)

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

AI总结 本文提出了一种基于概念的噪声负样本抑制框架CoNNS,通过构建层次化概念本体,解决不同患者间相似发现导致的噪声负样本问题,提升零样本理解任务的性能。

Comments Early accepted by MICCAI 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.19692 2026-05-20 cs.CV 61%

WBCAtt+: Fine-Grained Pixel-Level Morphological Annotations for White Blood Cell Images

WBCAtt+: 细粒度像素级形态学标注用于白血球图像

Satoshi Tsutsui, Winnie Pang, Shuting He, Bihan Wen

机构 * Rapid-Rich Object Search (ROSE) Lab, School of Electrical and Electronic Engineering, Nanyang Technological University(快速丰富目标搜索(ROSE)实验室,电气与电子工程学院,南洋理工大学) Shanghai University of Finance and Economics(上海财经大学)

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

AI总结 本文提出WBCAtt+数据集,通过11个形态学属性和5个像素级细胞组件的密集标注,为白血球图像提供了全面的标注,用于改进属性识别和语义分割的基准模型,并展示了可解释AI模型等应用。

Comments Accepted to Medical Image Analysis. arXiv admin note: substantial text overlap with arXiv:2306.13531

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.19622 2026-05-20 cs.CV 57%

UniRefiner: Teaching Pre-trained ViTs to Self-Dispose Dross via Contrastive Register

UniRefiner: 通过对比注册教会预训练ViTs自我处理杂质

Congpei Qiu, Zhaoyu Hu, Wei Ke, Zhuotao Tian, Yanhao Wu, Tong Zhang

机构 * Xi’an Jiaotong University, School of Software Engineering(西安交通大学软件工程学院) University of Chinese Academy of Sciences(中国科学院大学) Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳)) Shenzhen Loop Area Institute(深圳河套学院)

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

AI总结 本文提出UniRefiner,一种通用 refinement 框架,通过对比注册方法教会预训练 ViT 自动处理空间敏感任务中的杂质 token,提升模型在密集预测任务中的表现。

Comments CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.04381 2026-05-20 cs.CV cs.AI 57%

Enabling Real-Time Colonoscopic Polyp Segmentation on Commodity CPUs via Ultra-Lightweight Architecture

通过超轻量架构在商用CPU上实现实时结肠镜息肉分割

Weihao Gao, Zhuo Deng, Zheng Gong, Lan Ma

机构 * School of Computer Science and Artificial Intelligence, Guangdong University of Education(广东教育学院计算机科学与人工智能学院) Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院)

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

AI总结 本文提出UltraSeg家族,一种在CPU上运行的轻量级分割模型,能够在不依赖GPU的情况下实现实时结肠镜息肉分割,其核心方法是采用组多率扩张卷积和注意力门控跨层融合,主要贡献是建立了首个在商用CPU上实现高精度实时息肉分割的基准线。

Comments 18pages, 4 figures

详情

展开后加载摘要…

URL PDF HTML 收藏