医学 AI

Forecasting Future Anatomies: Longitudinal Brain Mri-to-Mri Prediction

预测未来解剖结构：纵向脑MRI到MRI的预测

Ali Farki, Elaheh Moradi, Deepika Koundal, Jussi Tohka

机构 * A.I. Virtanen Institute for Molecular Sciences, University of Eastern Finland, Kuopio, Finland（A.I. Virtanen分子科学研究所，东芬兰大学，库奥普io，芬兰） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG、q-bio；biomedical(journal_ref)

AI总结 本文研究从基线MRI预测未来脑部MRI，采用五种深度学习架构（UNet、U2-Net、UNETR、时间嵌入UNet和ODE-UNet）在ADNI和AIBL数据集上实现高保真体素级预测，并验证了跨队列泛化能力。

Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), Apr. 2026

Enhancing Ultra-low-field MRI with Segmentation-guided Adversarial Learning

利用分割引导的对抗学习增强超低场MRI

James Grover, Andrew Phair, Michael Ferraro, David E. J. Waddington

机构 * Image X Institute, Sydney School of Health Sciences, Faculty of Medicine and Health（Image X研究院，悉尼健康科学学院，医学与健康学院） 纠错

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

AI总结 提出结合解剖条件分割先验和模型集成的方法，通过Swin UNETR生成组织分割先验，并利用CycleGAN和T-REX两个增强网络合成3T级MRI，有效提升64 mT超低场MRI的图像质量。

SAFE-Diff: Scale-Aware Attention and Feature-Dispersive Diffusion with Uncertainty Estimation for Contrast-Enhanced Breast MRI Synthesis

SAFE-Diff: 用于对比增强乳腺MRI合成的尺度感知注意力与特征分散扩散及不确定性估计

Tianyu Zhang, Xinglong Liang, Jarek van Dijk, Luyi Han, Chunyao Lu, Antonio Portaluri, Xinghe Xie, Yaofei Duan, Nika Rasoolzadeh, Xin Wang, Yuan Gao, Muzhen He, Yue Sun, Jonas Teuwen, Tao Tan, Ritse Mann

机构 * Department of Medical Imaging, Radboud University Medical Center（鲁文大学医学中心医学影像部） ； Department of Radiology, Netherlands Cancer Institute（荷兰癌症研究所放射科） ； Maastro Clinic（马斯垂克诊所） ； Faculty of Applied Science, Macao Polytechnic University（澳门理工大学应用科学学院） ； Department of Radiation Oncology, Netherlands Cancer Institute（荷兰癌症研究所放射肿瘤科） 纠错

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

AI总结 提出SAFE-Diff模型，通过尺度感知注意力、特征分散扩散和不确定性估计，解决对比增强乳腺MRI合成中复杂病灶纹理和异质性增强模式的挑战。

Comments Early accepted by MICCAI 2026

FrequencyCT: Frequency Domain Self-supervised Low-dose CT Denoising

FrequencyCT：频域自监督低剂量CT去噪

Guoquan Wei, Liu Shi, Chong Chen, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； SKLMS, ICMSEC, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院SKLMS、ICMSEC） 纠错

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

AI总结 提出FrequencyCT，一种在频域中利用噪声与真实信号分布差异生成伪样本的零样本自监督方法，用于低剂量CT去噪，并通过数据截断稳定优化，实验验证了其临床潜力。

Gradient Step Plug-and-Play Model for Dental Cone-Beam CT Reconstruction

梯度步进即插即用模型用于牙科锥束CT重建

Idris Tatachak, Luis Kabongo, Nicolas Papadakis, Xavier Ripoche, Simon Rit

机构 * INSA‐Lyon, Universite Claude Bernard Lyon 1, CNRS, Inserm, CREATIS UMR 5220, U1294（INSA-里昂、 Claude Bernard 里昂大学、 CNRS、 Inserm、 CREATIS UMR 5220、 U1294） ； Univ. Bordeaux, CNRS, Inria, Bordeaux INP, IMB, UMR 5251（波尔多大学、 CNRS、 Inria、 Bordeaux INP、 IMB、 UMR 5251） ； ACTEON Group, France（ACTEON集团，法国） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 提出一种基于梯度步进去噪器的即插即用算法，通过模拟扇形束采集并添加光子噪声训练先验，有效减少牙科锥束CT重建中的光子噪声。

Comments CT Meeting 2026 - 9th International Conference on Image Formation in X-Ray Computed Tomography, Jun 2026, Salt lake City, United States

Weight-Guided Constraints for Body Model and Lead Selection in Pediatric CIED MRI Safety Simulations

体重引导的儿科CIED MRI安全模拟中的体模与导线选择约束

Safa Hameed, Kaylee Henry, Fuchang Jiang, Bhumi Bhusal, Halley Dillenbeck, Lindsey Gakenheimer-Smith, Gregory Webster, Laleh Golestanirad

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 通过回顾性分析281名儿科患者的302次CIED手术，提出基于体重的约束框架，用于指导MRI安全模拟中的体模和导线配置，以反映临床现实。

Adaptive Temporal Gating of Longitudinal Magnetic Resonance Imaging for Alzheimer's Prediction

用于阿尔茨海默病预测的纵向磁共振成像自适应时间门控

Alireza Moayedikia, Sara Fin, Alicia Troncoso Lora, Uffe Kock Wiil

机构 * organization= School of Business Law ； Entrepreneurship, Swinburne University of Technology , city= Melbourne , state= VIC , country= Australia ； organization= Australian Regenerative Medicine Institute, Monash University , city= Melbourne , state= VIC , country= Australia ； organization= Data Science \& Big Data Lab, Universidad Pablo de Olavide , city= Seville , country= Spain ； organization= The Maersk Mc-Kinney M ller Institute, University of Southern Denmark , city= Odense , country= Denmark 纠错

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

AI总结 提出TAF-Net混合CNN-Transformer架构，通过自适应时间门控融合纵向3D MRI的时空表示，在MCI-to-AD转化预测中仅用结构MRI即达到最优性能，接近需多模态数据的方法。

An Empirical Study on Variance-based MC Dropout Uncertainty-Error Correlation in 2D Brain Tumor Segmentation

基于方差的MC Dropout不确定性-误差相关性在二维脑肿瘤分割中的实证研究

Saumya B

机构 * Project Associate DESE, Indian Institute of Science（DESE项目助理，印度科学研究院） 纠错

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

AI总结 通过U-Net在四种增强设置下的实验，发现基于方差的MC Dropout不确定性在全局和边界上与分割误差的相关性较弱，表明其局限性。

Comments v2: Updated title and framing to clarify that findings are specific to variance-based uncertainty estimation via MC Dropout, not MC Dropout broadly. Minor textual improvements throughout. Code and results available at https://github.com/Saumya4321/mcd-error-correlation

Case-Aware Medical Image Classification with Multimodal Knowledge Graphs and Reliability-Guided Refinement

基于多模态知识图谱和可靠性引导精化的病例感知医学图像分类

Yiming Xu, Yixuan Liu, Yuhang Zhang, Ling Zheng, Yihan Wang, Qi Song

机构 * University of Science and Technology of China（科学技术大学） 纠错

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

AI总结 提出一种基于多模态知识图谱的病例感知推理框架，通过构建结构化诊断记忆、自适应检索相似病例、知识传播与注入机制以及置信度校准的决策精化方案，提升医学图像分类的性能和可解释性。

A Unified Fractional Regularization Framework for Sparse Recovery

用于稀疏恢复的统一分数阶正则化框架

Yinhao Zhao, Haoyu He, Chuanqi Ma, Hao Wang

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） 纠错

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

AI总结 提出基于 ℓ1/ℓp^q 模型的统一分数阶正则化框架，通过参数 p 和 q 泛化多种稀疏正则化器，理论刻画了与 ℓ1-αℓp 模型的一阶驻点等价性，并建立了基于 RIP 的充分恢复条件，开发了 MM 算法并证明收敛性，实验表明在稀疏恢复和 MRI 重建中优于现有方法。

Generative MR Multitasking with complex-harmonic cardiac encoding: Bridging the gap between gated imaging and real-time imaging

基于复谐波心脏编码的生成式MR多任务成像：弥合门控成像与实时成像的鸿沟

Xinguo Fang, Anthony G. Christodoulou

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

AI总结 提出生成式多任务框架，利用条件变分自编码器（CVAE）和复谐波心脏坐标统一门控与实时心脏MRI，实现柔性心脏运动表示、抑制伪影并提高定量T1/T2映射质量。

Comments Submitted to Magnetic Resonance in Medicine; 21 pages, 7 figures

Computed Tomography Reconstruction Algorithm Using Markov Random Field Model

使用马尔可夫随机场模型的计算机断层扫描重建算法

Taiga Shimomiya, Taichi Kusumi, Masayuki Uesugi, Akihisa Takeuchi, Yuki Sada, Hayaru Shouno, Masato Okada

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 针对低剂量和稀疏视角CT成像，提出基于马尔可夫随机场模型的贝叶斯重建算法，通过最小化贝叶斯自由能估计超参数，实现优于滤波反投影的重建性能。

Comments 18 pages, 7 figures

ROOM: A Physics-Based Continuum Robot Simulator for Photorealistic Medical Datasets Generation

ROOM: 基于物理的连续体机器人模拟器，用于生成逼真的医学数据集

Salvatore Esposito, Matías Mattamala, Daniel Rebain, Francis Xiatian Zhang, Kevin Dhaliwal, Mohsen Khadem, Subramanian Ramamoorthy

机构 * University of Edinburgh, UK（爱丁堡大学，英国） ； University of British Columbia, Canada（不列颠哥伦比亚大学，加拿大） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 提出ROOM模拟框架，利用患者CT扫描生成多模态支气管镜训练数据，验证其在姿态估计和深度估计任务中的有效性。

Journal ref International Conference on Robotics and Automation 2026

Revisiting 2D Foundation Models for Scalable 3D Medical Image Classification

重新审视用于可扩展3D医学图像分类的2D基础模型

Han Liu, Bogdan Georgescu, Yanbo Zhang, Youngjin Yoo, Michael Baumgartner, Riqiang Gao, Jianing Wang, Gengyan Zhao, Eli Gibson, Dorin Comaniciu, Sasa Grbic

机构 * Digital Technology and Innovation, Siemens Healthineers, Princeton NJ, USA（西门子医疗数字技术与创新，普林斯顿新泽西州，美国） ； Digital Technology and Innovation, Siemens Healthineers, Erlangen, Germany（西门子医疗数字技术与创新，埃尔兰根，德国） 纠错

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

AI总结 本文针对当前3D医学图像分类基础模型的数据偏差、适应不足和任务覆盖不全问题，提出AnyMC3D框架，通过冻结2D基础模型并添加轻量插件实现高效多任务扩展，并在12项任务上达到领先性能。

Comments 1st Place in VLM3D Challenge

VesselSim: learning 3D blood vessel segmentation without expert annotations

VesselSim: 无需专家标注的3D血管分割学习

Erin Rainville, Melissa Ananian, Tristan Mirolla, Hassan Rivaz, Yiming Xiao

机构 * Department of Computer Science and Software Engineering, Concordia University, Montreal, Canada（计算机科学与软件工程系，康科迪亚大学，蒙特利尔，加拿大） ； Department of Electrical and Computer Engineering, Concordia University, Montreal, Canada（电气与计算机工程系，康科迪亚大学，蒙特利尔，加拿大） 纠错

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

AI总结 提出VesselSim两阶段框架，通过几何驱动的合成血管生成和自监督测试时适应，实现无需真实标注的3D血管分割，在多个临床数据集上达到与有监督方法竞争的性能。

Comments This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution will be published as part of the MICCAI 2026 proceedings in October

Geometry-Correct Diffusion Posterior Sampling with Denoiser-Pullback Curvature Guidance and Manifold-Aligned Damping

几何校正扩散后验采样：基于去噪器回拉曲率引导与流形对齐阻尼

Seunghyeok Shin, Minwoo Kim, Dabin Kim, Hongki Lim

机构 * Department of Electrical and Computer Engineering, Inha University, Incheon, 22212, South Korea（电气与计算机工程系，Inha大学，Incheon，22212，韩国） 纠错

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

AI总结 提出一种基于去噪器回拉曲率引导和流形对齐阻尼的几何校正扩散后验采样方法，通过每噪声水平的阻尼高斯-牛顿校正替代标量引导，实现稳定高效的后验采样。

Comments Code: https://github.com/Seunghyeok0715/CLAMP

Journal ref International Conference on Machine Learning 2026

The AdS/$\mathsf{C}$-$\mathsf{P}$-${\mathsf T}$ Correspondence

AdS/$\mathsf{C}$-$\mathsf{P}$-${\mathsf T}$ 对应

Jaume Gomis

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究 ${\cal N}=4$ SYM 中 $\mathsf{C}$、$\mathsf{P}$、$\mathsf{T}$ 的实现及其与 $AdS_5 imes S^5$ 上弦论整体对称性的对应，并定义具有大 $N$ 展开的余维二电荷共轭单值性缺陷。

Comments latex, 54 pages; v2 Added more details and revised the discussion of charge-conjugation monodromy defects

Factual Serialization Enhancement: A Key Innovation for Chest X-ray Report Generation

事实序列化增强：胸部X光报告生成的关键创新

Kang Liu, Zhuoqi Ma, Mengmeng Liu, Zhicheng Jiao, Xiaolu Kang, Qiguang Miao, Kun Xie

机构 * School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Xi’an Key Laboratory of Big Data and Intelligent Vision（西安大数据与智能视觉重点实验室） ； Key Laboratory of Collaborative Intelligence Systems, Ministry of Education（教育部协同智能系统重点实验室） ； School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院） ； Department of Diagnostic Imaging, Brown University（布朗大学诊断影像科） 纠错

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

AI总结 提出FSE两阶段事实序列化增强方法，通过事实引导对比学习和证据驱动报告生成，提升胸部X光报告生成的临床准确性和自然语言质量。

Comments code is available at FSE" target="_blank" rel="noopener">https://github.com/mk-runner/FSE

Comparing Dynamical Models Through Diffeomorphic Vector Field Alignment

通过微分同胚向量场对齐比较动力学模型

Ruiqi Chen, Giacomo Vedovati, Todd Braver, ShiNung Ching

机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG、q-bio

AI总结 提出DFORM框架，通过非线性坐标变换对齐两个动力系统的轨迹，评估拓扑等价性并定位高维模型中的低维动力学模式。

Comments 57 pages, 18 figures. For associated code, see https://github.com/rq-Chen/DFORM_stable

Journal ref Neural Computation (2026) 38 (6): 1006-1061

MORI-Seg: Learning Morphological Geometry for Instance Segmentation without Instance Annotations

MORI-Seg: 无需实例标注的形态学几何学习用于实例分割

Leiyue Zhao, Tianyu Shi, Daniel Reisenbuchler, Xinzi He, Junchao Zhu, Tianyuan Yao, Yuechen Yang, Yanfan Zhu, Junlin Guo, Gelei Xu, Haichun Yang, Yuankai Huo, Mert R. Sabuncu, Yihe Yang, Ruining Deng

机构 * Southern University of Science and Technology（南方科技大学） ； Sichuan University（四川大学） ； University of Regensburg（莱茵-魏尔堡大学） ； Cornell University（康奈尔大学） ； Vanderbilt University（范德比尔特大学） ； University of Notre Dame（Notre Dame 大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Cornell Tech（康奈尔科技） ； Weill Medical College of Cornell University（康奈尔大学韦尔医学院） 纠错

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

AI总结 提出MORI-Seg框架，通过从语义掩码学习形态感知几何表示（对象中心距离场和边界带表示）以及类条件特征解耦模块，在仅语义监督下实现端到端的实例分割，提升拥挤粘连区域的实例分离精度。

Polygon-mamba: Retinal vessel segmentation using polygon scanning mamba and space-frequency collaborative attention

Polygon-mamba: 使用多边形扫描Mamba和空间-频率协同注意力进行视网膜血管分割

Yuanyuan Peng, Wen Li

机构 * School of Electrical and Automation Engineering, East China Jiaotong University（东华理工大学电气与自动化工程学院） 纠错

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

AI总结 针对视网膜小血管分割难题，提出一种混合CNN-Mamba融合网络，通过多边形扫描Mamba和空间-频率协同注意力机制，有效保留像素连通性并增强关键特征，在三个公开数据集上取得优异性能。