医学 AI

7 Tesla Quantitative MRI and Machine Learning for Exploratory Motor Subtype Stratification and Diagnosis in Parkinson's Disease

7特斯拉定量MRI与机器学习用于帕金森病运动亚型分层和探索性诊断

Anne Louise Kristoffersen, Runa Geirmundsdatter Unsgård, Marc-Antoine Fortin, Ingrid Gylterud Kvålsgard, Kjersti Eline Stige, Thanh Pierre Doan, Erik Magnus Berntsen, Charalampos Tzoulis, Pål Erik Goa

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

AI总结 本研究利用7特斯拉MRI的定量图和深度学习自动脑分割，结合特征选择的机器学习分类器，实现了帕金森病运动亚型（姿势不稳与步态困难型 vs 震颤为主型）的高精度分层和诊断。

Parameter-Efficient CT Reconstruction via Deep Graph Laplacian Regularization

基于深度图拉普拉斯正则化的参数高效CT重建

Veera Varuni Radhakrishnan, Chinthaka Dinesh, Qurat-ul-Ain Azim

机构 * Mechanical and Industrial Engineering Department（机械与工业工程系） 纠错

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

AI总结 提出深度图拉普拉斯正则化（Deep GLR）方法，通过将二次图正则化集成到近端前向-后向分裂优化框架中，仅用少量参数和数据即可实现低剂量CT重建的噪声抑制，在参数效率和数据效率上显著优于现有方法。

Comments 7 pages, 3 figures, conference

From Prompt Optimization to Multi-Dimensional Credibility Evaluation: Enhancing Trustworthiness of Chinese LLM-Generated Liver MRI Reports -- with Preliminary Extension to Lung Cancer

从提示优化到多维可信度评估：增强中文LLM生成的肝脏MRI报告的可信度——初步扩展至肺癌

Qiuli Wang, Xinhuang Sun, Yonglin Chen, Jie Cheng, Yongxu Liu, Xingpeng Zhang, Xiaoming Li, Wei Chen

机构 * Yu-Yue Pathology Research Center, Jinfeng Laboratory, Chongqing, China（渝粤病理研究所，金风实验室，重庆，中国） ； T Magnetic Resonance Imaging Translational Medical Center, Department of Radiology, Southwest Hospital, Army Medical University, Chongqing, China（7T磁共振成像转化医学中心，放射科，西南医院，中国人民解放军军医大学，重庆，中国） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；radiology(abstract)

AI总结 本研究提出多维可信度评估（MDCA）框架，并指导机构特定提示优化，以增强LLM生成的肝脏MRI报告的可信度，初步扩展至肺癌。

Comments 10 pages, 6 figures, 4 tables

Train-Free Segmentation in MRI with Cubical Persistent Homology

基于立方体持续同调的MRI无训练分割

Anton François, Raphaël Tinarrage

机构 * Centre G. Borelli ； ENS Paris-Saclay（巴黎-萨克雷大学） ； IST Austria（IST奥地利研究所） ； EMAp, Fundação Getulio Vargas（EMAp，格洛里亚·瓦格斯基金会） 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 提出一种基于拓扑数据分析的无训练MRI分割框架，通过自动阈值、提取已知拓扑子集和分解成分三步实现，利用持续同调中的近似代表循环建立拓扑特征与解剖成分的可解释联系，在胶质母细胞瘤和胎儿皮质板分割中验证有效性。

Comments Similar to the published version. 22 pages, 11 figures, 3 tables. For associated code, see https://github.com/antonfrancois/gliomaSegmentation_TDA

Journal ref Journal of Mathematical Imaging and Vision 68, 20 (2026)

MedSAM-CA: A CNN-Augmented ViT with Attention-Enhanced Multi-Scale Fusion for Medical Image Segmentation

MedSAM-CA：一种用于医学图像分割的CNN增强型ViT与注意力增强多尺度融合方法

Peiting Tian, Xi Chen, Haixia Bi, Fan Li

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

AI总结 提出MedSAM-CA，通过卷积注意力增强边界细化网络和注意力增强特征融合块，在低资源条件下微调预训练MedSAM模型，实现高精度医学图像分割。

Comments Withdrawn by the authors because the current version requires substantial revision in the description of the experimental settings and data preprocessing procedures. The manuscript should not be cited in its current form

Artifact Correction for Echo-Planar Imaging at Low-Field and Ultra-Low-Field MRI

低场和超低场MRI中回波平面成像的伪影校正

Sisi Qiao, Yilin Yu, Tiecheng Lin, Yuhao Liu, Jiajia Sun, Xiaoling Li

机构 * School of Mechanical Engineering, Xi'an Jiaotong University（西安交通大学机械工程学院） 纠错

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

AI总结 针对低场和超低场MRI中回波平面成像的奈奎斯特鬼影问题，提出一种无需参考扫描的校正流程，结合峰值对齐与插值重采样方法，有效抑制鬼影并提升图像质量。

Comments 19 pages, 10 figures, 2 tables

ULF-Synth: Physics-Guided Ultra-Low-Field MRI Enhancement for Pediatric Neuroimaging

ULF-Synth：用于儿科神经影像的物理引导超低场MRI增强

Toufiq Musah, Salvatore Calcagno, Federica Proietto Salanitri, Xiaomeng Li, Maruf Adewole, Marawan Elbatel

机构 * Kwame Nkrumah University of Science and Technology（科拉努姆大学科学与技术学院） ； University of Catania（卡塔尼亚大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Medical Artificial Intelligence Lab（医学人工智能实验室） 纠错

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

AI总结 提出ULF-Synth框架，通过从高场MRI合成逼真的超低场图像并采用空间-频率域目标，实现无需真实配对数据的超低场MRI增强，提升结构相似性和诊断可接受性。

Comments 10 pages, 2 figures, 3 tables

SliceWorld: A Predictive and Controllable World-State Model for CT Report Generation

SliceWorld: 一种用于CT报告生成的预测性和可控世界状态模型

Yuanhe Tian, Yan Song

机构 * Zhongguancun Academy（中关村学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出SliceWorld世界状态框架，通过编码CT切片序列为因子感知的潜在状态，实现未来切片预测、病变因子干预和LLM报告生成，在M3D-Cap和CT-RATE上提升NLG指标和临床评估。

Comments 18 pages, 5 figures

Joint constraints on $R_h=ct$ cosmology from DESI DR2 BAO, CC, and SN\textit{Ia} Pantheon$^+$ sample

来自DESI DR2 BAO、CC和SN Ia Pantheon⁺样本对$R_h=ct$宇宙学的联合约束

Amritansh Mehrotra, S. K. J. Pacif, A. F. Santos

专题命中 医学影像 ：CT(title,title_cn)

AI总结 利用宇宙计时器、Ia型超新星和重子声学振荡数据，通过χ²统计、AIC、BIC和贝叶斯因子比较ΛCDM与$R_h=ct$模型，发现ΛCDM整体表现更优，而$R_h=ct$预测严格线性膨胀。

Comments 15 pages, 6 figures, version accepted for publication in EPJC

GRASP MRI: A Decade of Innovation from Bench to Bedside

GRASP MRI：从实验室到临床的十年创新

Li Feng, Kai Tobias Block, Hersh Chandarana, Daniel K Sodickson

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文综述了GRASP MRI在过去十年中的技术演进和临床转化，重点介绍了其连续径向采集、灵活回顾性重建和运动鲁棒成像的概念优势。

FENCE: Flexible Electric Noise reduCtion Endo-shield for the Suppression of Electromagnetic Interference in Low-Field MRI

FENCE：用于抑制低场MRI电磁干扰的柔性电噪声减少内屏蔽

Julia Pfitzer, Martin Uecker, Hermann Scharfetter

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 针对低场MRI电磁干扰问题，提出FENCE柔性内屏蔽方法，通过阻断电容耦合有效抑制EMI，在保持系统便携性的同时显著提升图像质量。

Comments 21 pages, 13 figures, 8 tables

Journal ref NMR in Biomedicine 2026;39:e70287

Soft Tuy-Completeness for Robust Projection Selection in Cone-Beam CT

锥束CT中鲁棒投影选择的软Tuy完备性

Linda-Sophie Schneider, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg（模式识别实验室，弗赖堡-亚历山大-大学埃尔兰根-纽伦堡） 纠错

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

AI总结 基于Tuy完备性理论，提出连续软近正交评分和分辨率感知饱和覆盖目标，通过次模贪心算法和混合整数线性规划实现投影选择，并引入有效空间分辨率作为轨迹级诊断指标。

Comments Preprint

Evidence-Linked Radiology Reporting: A Human-Supervised Reference Architecture for Structured Imaging Intelligence

证据关联放射学报告：面向结构化成像智能的人机协同参考架构

Houman Kazemzadeh, Kamyar Naderi

机构 * Xylemed 纠错

专题命中 医学影像 ：radiology(title,abstract)；CT(abstract,abstract_cn)

AI总结 提出一种人机协同、证据关联的参考架构，通过结合特定检查模板、语音到结构处理、测量与分割捕获、受控AI辅助起草以及基于DICOM、HL7 FHIR等标准的互操作性，将放射学报告从自由文本转化为结构化智能层，支持审阅报告、纵向比较、临床数据重用及系统集成。

Comments Technical report, 27 pages, 2 figures, 12 tables, 1 listing; reference architecture paper; does not report clinical outcomes or validated diagnostic performance

Radiuma: A Unified Zero-Code Executable Graphical Workflow Generator for Reproducible and Shareable Medical Image Analysis and Machine Learning

Radiuma: 一个统一的无代码可执行图形工作流生成器，用于可重复和可共享的医学图像分析与机器学习

Mohammad Salmanpour, Mehrdad Oveisi, Isaac Shiri, Arman Rahmim

机构 * Department of Basic and Translational Research, BC Cancer Research Institute（基础与转化研究部，BC癌症研究中心） ； Department of Radiology, University of British Columbia（放射科，不列颠哥伦比亚大学） ； Technological Virtual Collaboration (TECVICO Corp.)（技术虚拟协作（TECVICO公司）） ； Department of Computer Science, University of British Columbia（计算机科学系，不列颠哥伦比亚大学） ； Department of Cardiology, Inselspital, Bern University Hospital, University of Bern（心脏病学部，Inselspital，伯恩大学医院，伯恩大学） ； Department of Digital Medicine, University of Bern（数字医学系，伯恩大学） ； Departments of Physics & Biomedical Engineering, University of British Columbia（物理学与生物医学工程系，不列颠哥伦比亚大学） 纠错

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

AI总结 提出Radiuma模块化平台，通过可视化工作流系统集成图像处理、放射组学特征提取和机器学习模块，实现无需编程即可构建可重复的多步分析流程。

Non-intrusive Body Composition Assessment from Full-body mmWave Scans

基于全身毫米波扫描的非侵入性身体成分评估

Miriam Senne, Benjamin D. Killeen, Tony Danjun Wang, Nassir Navab

机构 * Chair for Computer Aided Medical Procedures（计算机辅助医疗程序研究所） ； Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 提出一种利用毫米波雷达扫描通过多任务学习回归身体成分指标的方法，在真实扫描中实现了内脏脂肪体积和体脂百分比的预测。

A Wireless Reconfigurable Metasurface for Enhanced Parallel Magnetic Resonance Imaging

一种用于增强并行磁共振成像的无线可重构超表面

Yuhan Liu, Xia Zhu, Ke Wu, Artem Kaliaev, Christina A. LeBedis, Stephan W. Anderson, Xin Zhang

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 提出一种无线可重构同轴环路超表面（CLM），通过同轴架构和共享电流路径实现相干同相谐振模式，在3.0 T MRI系统上实现高达14.8倍信噪比增强，并兼容并行成像。

A digital twin for microwave liver treatment replanning

微波肝脏治疗再规划的数字孪生

Ilias Nahmed, Francesco Dettori, Juan Verde, Michel Duprez, Pablo Alvarez, Stéphane Cotin

专题命中 医学影像 ：MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)

AI总结 针对微波消融中天线位置偏差导致消融不完整的问题，提出基于数字孪生的模拟器和优化器，通过调整功率、时间和天线位置实现无需重新插入天线的完全消融。

Cross-Stage Attention Multi-Expert Network for Radiologist-Inspired Breast Ultrasound Diagnosis

受放射科医生启发的乳腺超声诊断的跨阶段注意力多专家网络

Xinyang Zhai, Chong Yang, Ruizhi Zhang

机构 * International Agency for Research on Cancer (IARC)（国际癌症研究机构） ； World Health Organization（世界卫生组织） 纠错

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

AI总结 提出跨阶段注意力混合专家网络(CSA-MoE-Net)，通过跨阶段注意力模块增强多级特征、三分支MoE块从全肿瘤图像、肿瘤核心和边界学习互补特征，并在平衡数据集上实现96.33%准确率，显著优于基线ResNet-18。

SMAFormer: Synergistic Multi-Attention Transformer for Medical Image Segmentation

SMAFormer: 协同多注意力Transformer用于医学图像分割

Fuchen Zheng, Xuhang Chen, Weihuang Liu, Haolun Li, Yingtie Lei, Jiahui He, Chi-Man Pun, Shounjun Zhou

机构 * University of Macau（澳门大学） 纠错

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

AI总结 提出SMAFormer，一种融合像素注意力、通道注意力和空间注意力的Transformer架构，通过协同多注意力块和特征融合调制器提升小肿瘤和器官的分割性能。

Comments Accepted by IEEE BIBM 2024

A World Model of Radiologist Reading for Medical Image Representation Learning

放射科医生阅读的世界模型用于医学图像表示学习

Yiwei Li, Zihao Wu, Huaqin Zhao, Yifan Zhou, Chao Cao, Dajiang Zhu, Tianming Liu, Lin Zhao

机构 * University of Georgia（佐治亚大学） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

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

AI总结 提出GazeWorld，一种将图像视为世界、放射科医生注视序列视为轨迹的医学成像世界模型，通过自回归预测注视补丁表示和空间补全未访问区域，在多个基准上实现最先进的诊断准确率和零样本性能。

DA-UCT: Self-Supervised Domain-Adaptive Ultrasound Computed Tomography for Rapid Musculoskeletal Sound Speed Reconstruction

DA-UCT：用于快速肌肉骨骼声速重建的自监督域自适应超声计算机断层扫描

Tianyu Liu, Heyu Ma, Aiduo Wang, Peiwen Li, Boyi Li, Ying Li, Dan Li, Chengcheng Liu, Dean Ta

机构 * College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院） 纠错

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

AI总结 提出SDA-UCT框架，通过自监督域自适应和注意力增强网络，实现快速高分辨率肌肉骨骼超声计算机断层扫描重建，显著提升速度并保持高质量。

Are We Overconfident in Models and Results for Semi-Supervised 3D Medical Image Segmentation?

我们在半监督3D医学图像分割的模型和结果上是否过于自信？

Jun Li, Ziwei Qin

机构 * Institute of Systems Science and Technology, School of Electrical Engineering, Southwest Jiaotong University, China（系统科学与技术研究院，电气工程学院，西南交通大学，中国） 纠错

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

AI总结 针对半监督医学图像分割中伪标签框架的确认偏差和基准测试集使用不当导致的性能高估问题，提出一种基于双轴可靠性评估的三空间校准分割框架（TCSeg），以解耦置信度与不确定性并协同校正偏差。

Comments Accepted by ICML 2026

Fast and Robust Diffusion Posterior Sampling for MR Image Reconstruction Using the Preconditioned Unadjusted Langevin Algorithm

使用预条件未调整朗之万算法实现快速且鲁棒的MR图像重建扩散后验采样

Moritz Blumenthal, Tina Holliber, Jonathan I. Tamir, Martin Uecker

机构 * Institute of Biomedical Imaging, Graz University of Technology, Graz, Austria ； Department of Radiology, Boston Children's Hospital, Harvard Medical School, Boston, USA ； Chandra Family Department of Electrical Engineering, University of Texas at Austin, USA ； Department of Diagnostic Medicine, Dell Medical School, University of Texas at Austin, USA 纠错

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

AI总结 针对MR图像重建中扩散后验采样速度慢和参数调优问题，提出基于预条件未调整朗之万算法的精确似然方法，实现快速收敛且无需调参的鲁棒采样。

Comments Submitted to Magnetic Resonance in Medicine

Global linear convergence of entropy-regularized softmax policy gradient beyond tabular MDPs

熵正则化softmax策略梯度的全局线性收敛性：超越表格MDP

Ziyue Chen, David Šiška, Lukasz Szpruch

机构 * School of Mathematics（数学系） 纠错

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

AI总结 本文研究连续状态和动作空间的无限时域熵正则化马尔可夫决策过程中策略梯度的全局收敛性，通过线性函数逼近的log-linear softmax策略，在$Q^π_τ$可实现性假设下建立非均匀Polyak--Łojasiewicz不等式，并识别两种特征机制下非均匀常数的有界性，证明正则化目标沿梯度流的全局线性收敛。

DUCX: Decomposing Unfairness in Tool-Using Chest X-ray Agents

DUCX：分解使用工具的胸部X光代理中的不公平性

Zikang Xu, Ruinan Jin, Xiaoxiao Li

机构 * Institute of Artificial Intelligence, Hefei Comprehensive National Science Center, Anhui, China（人工智能研究所，合肥国家科学中心，安徽，中国） ； The University of British Columbia, Vancouver, BC V6Z 1Z4, Canada（不列颠哥伦比亚大学，温哥华，BC V6Z 1Z4，加拿大） ； Vector Institute, Toronto, ON M5G 1M1, Canada（向量研究所，多伦多，ON M5G 1M1，加拿大） 纠错

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

AI总结 提出DUCK框架，通过阶段式公平性分解方法，系统审计使用工具的胸部X光代理中的工具暴露偏差、工具转换偏差和模型推理偏差，揭示端到端评估无法预测的群体差异。

Comments Early accepted by MICCAI 2026

Phase-Pole-Free Images and Smooth Coil Sensitivity Maps by Regularized Nonlinear Inversion

通过正则化非线性反演实现无相位奇点的图像和光滑线圈灵敏度图

Moritz Blumenthal, Martin Uecker

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

AI总结 针对MR图像重建中相位奇点问题，提出在非线性反演（NLINV）算法中集成相位奇点检测与校正方法，通过计算线圈灵敏度图的旋度检测并避免相位奇点，实现无奇点的图像和光滑线圈灵敏度图。

Comments Submitted to Magnetic Resonance in Medicine

Journal ref Magnetic Resonance in Medcine 2026;96:134-145

Norm attainment of a class of block operator matrices

一类块算子矩阵的范数达到性

Kangjian Wu, Jiayu Ling, Qingxiang Xu

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究一类2×2块算子矩阵的范数函数严格单调性条件，并刻画其范数达到性。

Comments In the near future, a new section devoted to the numerical range of operators will be added; accordingly, this paper will be expanded

Interpretable and backpropagation-free Green Learning for efficient multi-task echocardiographic segmentation and classification

可解释且无需反向传播的绿色学习用于高效多任务超声心动图分割与分类

Jyun-Ping Kao, Jiaxin Yang, C. -C. Jay Kuo, Jonghye Woo

机构 * Harvard Medical School and Massachusetts General Hospital（哈佛医学院和麻省总医院） ； Graduate Institute of Biomedical Electronics and Bioinformatics（生物医学电子与生物信息学研究生院） ； University of Southern California（南加州大学） 纠错

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

AI总结 提出一种无需反向传播的多任务绿色学习框架，通过无监督VoxelHop编码器与多级回归解码器及XG-Boost分类器，在EchoNet-Dynamic数据集上实现左心室分割与射血分数分类，以极低参数量达到高精度。

Comments Accepted for publication in APSIPA Transactions on Signal and Information Processing. Jyun-Ping Kao and Jiaxing Yang contributed equally to this work. C.-C. Jay Kuo and Jonghye Woo are the senior authors

ARMA-C3: A Contrastive ARMA Convolutional Framework for Unsupervised and Semi-supervised Classification

ARMA-C3: 一种用于无监督和半监督分类的对比ARMA卷积框架

VSS Tejaswi Abburi, Saurabh J. Shigwan, Nitin Kumar

机构 * VSS Tejaswi Abburi ； Saurabh J. Shigwan ； Nitin Kumar 纠错

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

AI总结 提出ARMA-C3框架，利用对比学习和图割正则化在无监督和半监督场景下学习图节点的判别性表示，在多个医学影像数据集上表现优异。

K-U-KAN: Koopman-Enhanced U-KAN for 3D Dental Reconstruction from a Single Panoramic X-ray Radiograph

K-U-KAN: 基于Koopman增强的U-KAN用于单张全景X射线片的三维牙齿重建

Bikram Keshari Parida, Abhijit Sen, Wonsang You

机构 * Artificial Intelligence \& Image Processing Lab., Department of Information \& Communication Engineering, Sun Moon University, Asan-Si, South Korea ； Department of Physics ； Engineering Physics, Tulane University, New Orleans, LA, USA 纠错

专题命中 医学影像 ：CT(abstract_cn)；分类 cs.CV

AI总结 提出K-U-KAN三阶段流水线，结合Kolmogorov-Arnold网络、Koopman算子与U-KAN，从单张全景X射线高效重建三维牙齿结构，提升感知质量并缩短训练时间。

Comments 24 pages, 9 figures,