医学 AI

Time-driven Survival Analysis from FDG-PET/CT in Non-Small Cell Lung Cancer

基于FDG-PET/CT的非小细胞肺癌时间驱动生存分析

Sambit Tarai, Ashish Chauhan, Elin Lundström, Johan Öfverstedt, Therese Sjöholm, Veronica Sanchez Rodriguez, Håkan Ahlström, Joel Kullberg

机构 * Radiology, Department of Surgical Sciences（外科科学系放射学部） ； Antaros Medical（Antaros医疗） ； Molecular Imaging and Medical Physics, Department of Surgical Sciences（外科科学系分子成像与医学物理部） 纠错

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

AI总结 提出一种结合组织FDG-PET/CT投影和时间输入的深度学习回归框架，用于预测非小细胞肺癌患者的总生存期，在AUC上比基线方法提升4.3%，并实现了风险分层。

Comments Under review

Journal ref Ann Biomed Eng (2026)

UniReg: A Universal Model for Controllable CT Image Registration

UniReg: 一种用于可控CT图像配准的通用模型

Zi Li, Jianpeng Zhang, Tai Ma, Tony C. W. Mok, Yan-Jie Zhou, Zeli Chen, Xianghua Ye, Le Lu, Cheng Chen, Dakai Jin

机构 * The University of Hong Kong（香港大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； The First Affiliated Hospital of Zhejiang University（浙江大学第一附属医院） 纠错

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

AI总结 提出UniReg，首个条件统一模型，通过整合解剖结构先验、配准类型约束和实例特征，实现多场景CT图像配准的精确性和泛化性。

A European Multi-Center Breast Cancer MRI Dataset

欧洲多中心乳腺癌MRI数据集

Gustav Müller-Franzes, Lorena Escudero Sánchez, Nicholas Payne, Alexandra Athanasiou, Michael Kalogeropoulos, Aitor Lopez, Alfredo Miguel Soro Busto, Julia Camps Herrero, Nika Rasoolzadeh, Tianyu Zhang, Ritse Mann, Debora Jutz, Maike Bode, Christiane Kuhl, Yuan Gao, Wouter Veldhuis, Oliver Lester Saldanha, JieFu Zhu, Jakob Nikolas Kather, Daniel Truhn, Fiona J. Gilbert

机构 * University of Cambridge（剑桥大学） ； MITERA Hospital（MITERA医院） ； Ribera Salud Group（Ribera Salud集团） ； Radboud University Medical Center（拉德堡德大学医学中心） ； University Hospital RWTH Aachen（亚琛工业大学医院） ； University Medical Center Utrecht（乌得勒支大学医学中心） ； University Hospital Carl Gustav Carus（卡尔·古斯塔夫·卡鲁斯大学医院） ； EKFZ Technical University Dresden（德累斯顿技术大学EKFZ） 纠错

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

AI总结 为促进AI在乳腺癌MRI中的应用，构建了一个包含741例检查、来自5国6个临床机构的公开多中心数据集，涵盖恶性、良性及非病灶病例，并提供了基于Transformer模型的基准实验。

CT-OT Flow: Estimating Continuous-Time Dynamics from Discrete Temporal Snapshots

CT-OT Flow：从离散时间快照估计连续时间动态

Keisuke Kawano, Takuro Kutsuna, Naoki Hayashi, Yasushi Esaki, Hidenori Tanaka

机构 * Toyota Central R&D Labs., Inc.（丰田中央研发实验室） 纠错

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

AI总结 提出CT-OT Flow框架，通过部分最优对齐和核平滑从离散快照重建连续时间动态，在合成和真实数据上降低分布与轨迹误差。

Comments https://github.com/ToyotaCRDL/CT-OT_Flow

A Portable Brain MRI Scanner for Underserved Settings and Point-Of-Care Imaging

面向资源匮乏环境和即时护理的可便携脑部MRI扫描仪

Clarissa Z. Cooley, Patrick C. McDaniel, Jason P. Stockmann, Sai Abitha Srinivas, Stephen Cauley, Monika Sliwiak, Charlotte R. Sappo, Christopher F. Vaughn, Bastien Guerin, Matthew S. Rosen, Michael H. Lev, Lawrence L. Wald

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

AI总结 提出一种基于紧凑轻量永磁体的低场便携脑部MRI扫描仪，通过Halbach磁体设计和内置读出梯度场降低成本和基础设施需求，实现资源受限环境下的神经影像诊断。

Comments under review at Nature Biomedical Engineering

Progressive $\mathcal{J}$-Invariant Self-supervised Learning for Low-Dose CT Denoising

渐进式 $\mathcal{J}$-不变自监督学习用于低剂量CT去噪

Yichao Liu, Zongru Shao, Yueyang Teng, Junwen Guo

机构 * organization= IWR, Heidelberg University , city= Heidelberg , postcode= 69120 , state= Baden Württemberg , country= Germany ； organization= Silicon Austria Labs , city= Linz , postcode= 4040 , state= Upper Austria , country= Austria ； organization= Institute of Science Tokyo , addressline= , city= Tokyo , country= Japan ； organization= College of Medicine ； Biological Information Engineering, Northeastern University , city= Shenyang , postcode= 110169 , state= Liaoning , country= China ； organization= Key Laboratory of Intelligent Computing in Medical Image, Ministry of Education , city= Shenyang , postcode= 110169 , state= Liaoning , country= China ； organization= Department of Epidemiology \& Global Health, Umeå University , addressline= , city= Umeå , postcode= 90187 , country= Sweden 纠错

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

AI总结 提出渐进式 $\mathcal{J}$-不变学习，通过逐步盲点去噪机制和噪声注入正则化，提升低剂量CT去噪性能，在Mayo数据集上优于现有自监督方法并接近监督方法。

Universal CT Representations from Anatomy to Disease Phenotype through Agglomerative Pretraining

从解剖到疾病表型的通用CT表示：通过聚合预训练

Yuheng Li, Yuan Gao, Haoyu Dong, Yuxiang Lai, Shansong Wang, Mojtaba Safari, James E. Baciak, Xiaofeng Yang

机构 * Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology and Emory University（沃森·H·库勒生物医学工程系，佐治亚理工学院和埃默里大学） ； Department of Radiation Oncology and Winship Cancer Institute, Emory University（放射肿瘤学系和Winship癌症研究所，埃默里大学） ； Department of Electrical and Computer Engineering, Duke University（电气与计算机工程系，杜克大学） ； Department of Computer Science and Informatics, Emory University（计算机科学与信息学系，埃默里大学） ； Department of Materials Science & Engineering, Nuclear Engineering Program, University of Florida（材料科学与工程系、核工程项目，佛罗里达大学） 纠错

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

AI总结 提出FlexiCT系列CT基础模型，通过三阶段聚合连续预训练（二维轴向、三维解剖、报告引导语义对齐）统一CT分析，在分割、分类、配准、视觉语言理解和临床检索等任务上达到或超越专用模型，并捕获与肿瘤分期相关的影像特征。

Towards Brain MRI Foundation Models for the Clinic: Findings from the FOMO25 Challenge

面向临床的大脑MRI基础模型：来自FOMO25挑战赛的发现

Asbjørn Munk, Stefano Cerri, Vardan Nersesjan, Christian Hedeager Krag, Jakob Ambsdorf, Pablo Rocamora García, Julia Machnio, Peirong Liu, Suhyun Ahn, Nasrin Akbari, Yasmina Al Khalil, Kimberly Amador, Sina Amirrajab, Tal Arbel, Meritxell Bach Cuadra, Ujjwal Baid, Bhakti Baheti, Jaume Banus, Kamil Barbierik, Christoph Brune, Yansong Bu, Baptiste Callard, Yuhan Chen, Cornelius Crijnen, Corentin Dancette, Peter Drotar, Prasad Dutande, Nils D. Forkert, Saurabh Garg, Jakub Gazda, Matej Gazda, Benoît Gérin, Partha Ghosh, Weikang Gong, Pedro M. Gordaliza, Sam Hashemi, Tobias Heimann, Fucang Jia, Jiexin Jiang, Emily Kaczmarek, Chris Kang, Seung Kwan Kang, Mohammad Khazaei, Julien Khlaut, Petros Koutsouvelis, Jae Sung Lee, Yuchong Li, Mengye Lyu, Mingchen Ma, Anant Madabhushi, Klaus H. Maier-Hein, Pierre Manceron, Andrés Martínez Mora, Moona Mazher, Felix Meister, Nataliia Molchanova, Steven A. Niederer, Leonard Nürnberg, Jinah Park, Abdul Qayyum, Jonas Richiardi, Antoine Saporta, Branislav Setlak, Ning Shen, Justin Szeto, Constantin Ulrich, Puru Vaish, Vibujithan Vigneshwaran, Leroy Volmer, Zihao Wang, Siqi Wei, Anthony Winder, Jelmer M. Wolterink, Maxence Wynen, Chang Yang, Si Young Yie, Mostafa Mehdipour Ghazi, Akshay Pai, Espen Jimenez Solem, Sebastian Nørgaard Llambias, Mikael Boesen, Michael Eriksen Benros, Juan Eugenio Iglesias, Mads Nielsen

机构 * organization= Department of Computer Science, University of Copenhagen , city= Copenhagen , country= Denmark ； organization= Pioneer Centre for AI , city= Copenhagen , country= Denmark ； organization= Copenhagen Research Centre for Biological ； Precision Psychiatry, Mental Health Centre Copenhagen, Copenhagen University Hospital , region= Capital Region of Denmark , city= Copenhagen , country= Denmark ； organization= Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital ； Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； Artificial Intelligence Laboratory, Massachusetts Institute of Technology , city= Boston , state= Massachusetts , country= USA ； organization= Johns Hopkins University , city= Baltimore , state= Maryland , country= USA ； organization= Radiological AI Testcenter (RAIT) , region= Capital Region of Denmark , city= Copenhagen , country= Denmark ； organization= Copenhagen University Hospital, Rigshospitalet , region= Capital Region of Denmark , city= Copenhagen , country= Denmark ； organization= Copenhagen University Hospital, Bispebjerg \& Frederiksberg Hospital , region= Capital Region of Denmark , city= Copenhagen , country= Denmark ； organization= Department of Clinical Medicine, Faculty of Health ； Medical Sciences, University of Copenhagen , city= Copenhagen , country= Denmark ； organization= Division of Medical Image Computing, German Cancer Research Center (DKFZ) , city= Heidelberg , country= Germany ； organization= University of British Columbia , city= Vancouver , state= British Columbia , country= Canada ； organization= Hawkes Institute, Department of Computer Science, University College London , city= London , country= United Kingdom ； Lung Institute, Faculty of Medicine, Imperial College London , city= London , country= United Kingdom ； organization= Department of Applied Mathematics, Technical Medical Centre, University of Twente , city= Enschede , country= Netherlands ； organization= IISLAB, Technical University of Košice , city= Košice , country= Slovakia ； organization= 2nd Department of Internal Medicine, Pavol Jozef Safarik University ； L Pasteur University Hospital , city= Košice , country= Slovakia ； organization= Fudan University , city= Shanghai , country= China ； organization= Shenzhen Technology University , city= Shenzhen , country= China ； organization= Department of Radiology, Lausanne University Hospital ； University of Lausanne , city= Lausanne , country= Switzerland ； organization= Louvain Neuroinflammation Imaging Lab (NIL), Université Catholique de Louvain , city= Brussels , country= Belgium ； organization= University of Applied Sciences ； organization= CIBM Center for Biomedical Imaging , city= Lausanne , country= Switzerland ； organization= Department of Radiation Oncology (Maastro), GROW Research Institute for Oncology ； Reproduction, Maastricht University Medical Centre+ , city= Maastricht , country= The Netherlands ； organization= Department of Biomedical Engineering, Medical Image Analysis, Eindhoven University of Technology , city= Eindhoven , country= The Netherlands ； organization= Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences , city= Shenzhen , country= China ； organization= McGill University ； Mila - Quebec AI Institute , city= Montreal , country= Canada ； organization= Hotchkiss Brain Institute ； Department of Radiology, University of Calgary , city= Calgary , state= Alberta , country= Canada ； organization= Department of Radiology, University of Calgary , city= Calgary , state= Alberta , country= Canada ； organization= Alberta Children's Hospital Research Institute, Department of Clinical Neuroscience, University of Calgary , city= Calgary , state= Alberta , country= Canada ； organization= The Wallace H. Coulter Department of Biomedical Engineering, Georgia Tech ； Emory University , city= Atlanta , state= Georgia , country= USA ； organization= SGGS College of Engineering ； organization= Seoul National University , city= Seoul , country= South Korea ； organization= The D-Lab, Department of Precision Medicine, GROW Research Institute for Oncology ； Reproduction, Maastricht University , city= Maastricht , country= The Netherlands ； organization= Artificial Intelligence in Medicine (AIM) Program, Mass General Brigham, Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； Nuclear Medicine, CARIM \& GROW, Maastricht University , city= Maastricht , country= The Netherlands ； organization= Department of Radiation Oncology, Dana-Farber Cancer Institute, Brigham ； Women’s Hospital, Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； Learning Group, Heidelberg University Hospital , city= Heidelberg , country= Germany 纠错

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

AI总结 针对临床脑MRI数据异质且标注成本高的问题，FOMO25挑战赛通过自监督预训练（FOMO60K数据集）评估了16个团队的基础模型，发现自监督预训练能提升域迁移泛化性，但不同任务需不同预训练目标，且模型规模扩展收益有限。

Few-Shot Left Atrial Wall Segmentation in 3D LGE MRI via Meta-Learning

基于元学习的3D LGE MRI左心房壁少样本分割

Yusri Al-Sanaani, Rebecca Thornhill, Pablo Nery, Elena Pena, Robert deKemp, Calum Redpath, David Birnie, Sreeraman Rajan

机构 * Department of Systems and Computer Engineering, Carleton University（系统与计算机工程系，卡尔顿大学） ； Department of Radiology, Radiation Oncology, and Medical Physics, University of Ottawa（放射科、放射肿瘤学与医学物理系，渥太华大学） ； Division of Cardiology, Department of Medicine, University of Ottawa Heart Institute（心内科，医学系，渥太华心脏研究所） 纠错

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

AI总结 提出基于模型无关元学习（MAML）和3D残差U-Net的框架，通过边界感知复合损失和辅助任务实现左心房壁的少样本分割，在5-shot下Dice达0.54，接近全监督性能。

Comments Accepted to IEEE EMBC 2026

Do Synthetic Brain MRIs Reliably Improve Tumour Classification? A StyleGAN2-ADA Class-Plane Augmentation Study on BRISC 2025

合成脑部MRI能否可靠改善肿瘤分类？基于BRISC 2025的StyleGAN2-ADA类平面增强研究

José Rafael Noriega Cedeño

机构 * NVIDIA 纠错

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

AI总结 本研究使用StyleGAN2-ADA生成合成脑部MRI，结合InceptionV3特征过滤，在三种分类器上评估其对肿瘤分类性能的影响，发现增强效果依赖于架构和比例，视觉保真度不能保证下游任务提升。

Comments 18 pages, 16 figures

Investigating Robot Control Policy Learning for Autonomous X-ray-guided Spine Procedures

自主X光引导脊柱手术的机器人控制策略学习研究

Florence Klitzner, Blanca Inigo, Benjamin D. Killeen, Lalithkumar Seenivasan, Michelle Song, Axel Krieger, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Technical University of Munich（慕尼黑技术大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院） 纠错

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

AI总结 本文研究基于模仿学习的机器人控制策略在稀疏输入（双平面X光）下进行椎体成形术中的可行性，通过模拟环境训练策略实现基于视觉的套管针迭代对齐，首次尝试成功率达68.5%，并展示了向复杂解剖结构和真实X光的迁移能力，但存在入口点精度不足等局限。

Exploiting Longitudinal Context in Clinician-Verified Interactive Lesion Tracking

在临床医生验证的交互式病灶追踪中利用纵向上下文

Yannick Kirchhoff, Maximilian Rokuss, Daniel Philipp Mertens, David Füller, Benjamin Hamm, Andreas Schreyer, Oliver Ritter, Klaus Maier-Hein

机构 * German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing, Germany（德国癌症研究中心（DKFZ）海德堡，医学图像计算部，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） ； HIDSS4Health -- Helmholtz Information and Data Science School for Health, Karlsruhe/Heidelberg, Germany（HIDSS4Health——海德堡信息与数据科学健康学校，卡尔斯鲁厄/海德堡，德国） ； Medical Faculty, Heidelberg University, Germany（海德堡大学医学学院，德国） ； University Hospital Brandenburg an der Havel, Brandenburg Medical School Theodor Fontane, Germany（勃兰登堡运河大学医院，布兰登堡泰奥多尔·冯·_fontane医学学校，德国） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital, Germany（放射肿瘤科模式分析与学习组，海德堡大学医院，德国） 纠错

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

AI总结 提出一种临床医生验证的追踪范式，结合早期空间提示融合与潜在时间差异加权，通过大规模合成预训练提升纵向上下文利用，在MICCAI autoPET IV挑战中获第一，并发布PanTrack基准。

Comments Accepted at MICCAI 2026

RAG4Outcome: A Retrieval-Augmented Multimodal Framework for Prognostic Prediction in Chronic Osteomyelitis

RAG4Outcome：用于慢性骨髓炎预后预测的检索增强多模态框架

Daqian Shi, Pei Han, Jishizhan Chen, Yang Wang, Xiaolei Diao, Xianyou Zheng, Pengfei Cheng

机构 * Queen Mary University of London（女王玛丽大学） ； Shanghai Sixth People’s Hospital Affiliated to SJTU School of Medicine（上海第六人民医院附属复旦大学医学院） ； University College London（大学学院伦敦） 纠错

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

AI总结 提出RAG4Outcome框架，通过检索增强生成技术融合PET-CT影像报告、结构化手术诊断记录和非结构化随访笔记等多模态临床数据，实现慢性骨髓炎的预后预测，提高可解释性和临床可靠性。

The Double Dilemma in Multi-Task Radiology Report Generation: A Gradient Dynamics Analysis and Solution

多任务放射学报告生成中的双重困境：梯度动力学分析与解决方案

Erjian Zhang, Yatong Hao, Liejun Wang, Zhiqing Guo

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； Xinjiang University（新疆大学） ； Information Security Engineering Technology Research Center（信息安全工程技术研究中心） 纠错

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

AI总结 针对多任务放射学报告生成中线性标量化策略无法平衡判别性临床监督与生成平滑性的问题，提出基于梯度动力学的冲突规避幅度增强梯度下降（CAME-Grad）优化器，通过方向修正与能量注入实现动态平衡，在八个方法上平均提升2.3%和1.9%的临床效能。

Comments Accepted by ICML 2026

Bayesian High-dimensional Grouped-regression using Sparse Projection-posterior

贝叶斯高维分组回归：基于稀疏投影后验

Samhita Pal, Subhashis Ghosal

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 提出一种基于稀疏投影后验的贝叶斯高维分组回归方法，通过三种投影映射实现组变量选择和估计，并证明模型选择一致性和最优后验收缩率。

On the $L^{2}$ estimates of the diffusion waves

关于扩散波的 $L^{2}$ 估计

Ryo Ikehata, Hiroshi Takeda

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究强阻尼波动方程在低维情况（n=1,2）下解的 $L^2$ 范数长时间行为，通过引入差算子 $D(t)$ 比较扩散波与自由波，证明一维中自由波是有效渐近轮廓，而二维中波近似失效。

Reconstruction of instantaneous flow fields from transient velocity snapshots using physics-informed neural networks: Applications to pulsatile blood flow behind a stenosis

基于物理信息神经网络的瞬时流场重建：应用于狭窄后脉动血流

Kakeru Ueda, Hiro Wakimura, Satoshi Ii

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 提出一种不显式输入时间的物理信息神经网络框架，通过推断加速度项从瞬态速度快照重建瞬时流场，并引入加速度失配损失提高预测精度，在狭窄后脉动血流数值实验中验证了稀疏时间采样下的可靠重建能力。

Comments 13 pages, 10 figures

Lost in the Folds: When Cross-Validation Is Not a Deep Ensemble for Uncertainty Estimation

迷失在折叠中：当交叉验证不是用于不确定性估计的深度集成时

Tristan Kirscher, Markus Bujotzek, Yannick Kirchhoff, Maximilian Rokuss, Fabian Isensee, Kim-Celine Kahl, Balint Kovacs, Klaus Maier-Hein

机构 * ICube Laboratory, CNRS UMR-7357, University of Strasbourg, Strasbourg, France（ICube实验室，法国斯特拉斯堡大学） ； CLCC Institut-Strauss, Strasbourg, France（CLCC斯特拉斯堡研究所） ； German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing（海德堡德国癌症研究中心（DKFZ）医学影像计算部门） ； Medical Faculty Heidelberg, Heidelberg University, Heidelberg, Germany（海德堡医学院，海德堡大学） ； Faculty of Mathematics and Computer Science, University of Heidelberg, Germany（海德堡大学数学与计算机科学学院） ； Helmholtz Imaging, German Cancer Research Center, Heidelberg, Germany（海德堡德国癌症研究中心Helmholtz成像部门） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital, Heidelberg, Germany（海德堡大学医院放射肿瘤学部模式分析与学习小组） 纠错

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

AI总结 本文通过实验比较K折交叉验证集成与深度集成在医学图像分割不确定性估计中的表现，发现深度集成在校准和故障检测上更优，而交叉验证集成更反映标注歧义。

Comments Accepted for publication at MICCAI 2026

Journal ref 29th International Conference On Medical Image Computing And Computer Assisted Intervention, Sep 2026, Strasbourg, France