医学 AI

CTseg: A Tool for Brain CT Segmentation, Spatial Normalisation, and Volumetrics

CTseg：用于脑CT分割、空间归一化和体积测量的工具

Mikael Brudfors

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

AI总结 本文介绍并验证了CTseg，一个基于Multi-Brain生成建模框架的免费软件，用于脑CT图像的分割、空间归一化和体积测量，并通过与MRI参考标准的对比验证了其在分割精度、空间归一化一致性、脑体积一致性和下游性别分类性能上的优越性。

Zero-shot CT Super-Resolution using Diffusion-based 2D Projection Priors and Signed 3D Gaussians

基于扩散的二维投影先验和有符号三维高斯的零样本CT超分辨率

Jeonghyun Noh, Hyun-Jic Oh, Won-Ki Jeong

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Korea University（韩国大学） ； Seoul, Korea（韩国首尔） 纠错

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

AI总结 提出一种零样本三维CT超分辨率框架，通过扩散模型上采样二维投影先验并结合有符号三维高斯溅射（NAB-GS）重建高分辨率CT体积，在公开数据集上实现4倍超分辨率的优越性能。

Comments MICCAI 2026 early accepted

BCER Agent: Reliable Long-Horizon MRI Workflow Execution via Compilation, Artifact Binding, and Bounded Local Recovery

BCER Agent: 通过编译、工件绑定和有界局部恢复实现可靠的长期MRI工作流执行

Ziyang Long, Xinqi Li, Junzhou Chen, Yifan Gao, Debiao Li, Hsin-Jung Yang

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

AI总结 提出BCER控制器架构，通过解耦高层规划与执行、有界局部恢复机制，在长链MRI工作流上实现端到端执行一致改进，并保持输出与中间工件的可审计关联。

Comments Pre-review submitted version of a paper accepted to MICCAI 2026. The final authenticated version will be available on SpringerLink

CT Imaging with Helium and Carbon Ions for Hadron Therapy

用于强子治疗的氦离子和碳离子CT成像

Zsófia Jólesz, Gábor Bíró, Gábor Papp, Gergely Gábor Barnaföldi

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本研究通过蒙特卡洛模拟比较质子、氦离子和碳离子CT在强子治疗计划中的相对阻止本领重建精度和患者辐射剂量，发现碳离子成像精度最高但剂量较大，而氦离子和质子成像剂量更低，适合儿童和自适应再计划场景。

Comments 18 pages, 7 figures

Fractional-gradient Sparsity with Autoencoding Sequential Deep Image Prior for 3D CT Reconstruction

分数阶梯度稀疏性与自编码顺序深度图像先验用于三维CT重建

Haijie Yuan, Chaoyan Huang, Srijita Bandopadhyay, Liyue Shen, Saiprasad Ravishankar

专题命中 医学影像 ：CT(title,title_cn)

AI总结 提出FAST-DIP框架，结合输入自适应顺序深度图像先验和分数阶梯度稀疏正则化，实现三维CT重建，并证明交替最小化算法的收敛性。

Comments 16 pages, 3 figures, 4 tables

DefSynUS: Real-time Patient-specific Intrahepatic Vessel Identification via Deformation-Aware CT-US Domain Adaptation

DefSynUS：通过形变感知CT-超声域自适应的实时患者特异性肝内血管识别

Karl-Philippe Beaudet, Yordanka Velikova, Sidaty El Hadramy, Nassir Navab, Philippe Cattin, Juan Verde, Stéphane Cotin

机构 * Inria（法国国家信息与自动化研究所） ； University of Strasbourg（斯特拉斯堡大学） ； Technical University of Munich（慕尼黑技术大学） ； University of Basel（巴塞尔大学） ； Institute of Image-Guided Surgery（图像引导手术研究所） 纠错

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

AI总结 提出一种基于物理渲染和形变感知数据增强的域自适应框架，无需术前超声即可实现术中实时、患者特异性的肝内血管分支识别。

High-Fidelity ROI CT Reconstruction with Limited Quantum Resources via Hybrid Classical-Quantum Refinement

通过混合经典-量子细化在有限量子资源下实现高保真ROI CT重建

Hyunju Lee, Jeonghwa Lee, Kyungtaek Jun

专题命中 医学影像 ：CT(title,title_cn)

AI总结 提出一种混合经典-量子框架，先通过经典或量子方法重建粗全局图像，再对感兴趣区域进行量子优化，在减少量子比特需求的同时实现高保真重建。

Comments 9 pages, 5 figures

Towards the automated segmentation of epicardial and mediastinal fats: A multi-manufacturer approach using intersubject registration and random forest

朝向心外膜和纵隔脂肪的自动分割：一种使用跨受试者配准和随机森林的多厂商方法

É. O. Rodrigues, A. Conci, F. F. C. Morais, M. G. Pérez

机构 * Institute of Computing（计算学院） ； Institute of Medicine（医学学院） ； Fac. de Ing. en Sist. Electr. e Ind.（电子与工业工程系） ； Universidade Federal Fluminense（里约热内卢联邦大学） ； Universidade Federal do Rio de Janeiro（里约热内卢联邦大学） ； Universidad Técnica de Ambato（阿姆巴托技术大学） 纠错

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

AI总结 提出一种基于跨受试者配准和随机森林的全自动方法，用于分割CT图像中的心外膜和纵隔脂肪，平均准确率达98.4%，Dice相似指数为96.8%。

Journal ref 2015 IEEE International Conference on Industrial Technology (ICIT)

A unified deeplearning framework for contrast-phase-specific virtual monochromatic imaging

一种用于对比相位特异性虚拟单色成像的统一深度学习框架

Antony Jerald, Hemant K Aggarwal, Brian Nett, Avinash Gopal, Phaneendra K Yalavarthy, Bipul Das, Rajesh Langoju

机构 * Science and Technology Organization, GE HealthCare（科技组织，GE医疗） 纠错

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

AI总结 提出一种统一深度学习框架，利用对比相位先验信息从单能CT数据合成对比相位特异性虚拟单色50 keV图像，通过新型先验条件架构实现能量转换，并在四个对比相位上验证了其对比增强和泛化能力。

Journal ref SPIE Medical Imaging 2026

The energy conditions and model selection in the local Universe

局部宇宙中的能量条件与模型选择

Namit Chandak, Fulvio Melia, Junjie Wei

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 利用HII星系和宇宙计时器数据在局部宇宙中对标准模型与$R_{\rm h}=ct$宇宙进行模型选择，发现后者被数据强烈支持（似然约92%），且其优化拟合完全满足所有四个能量条件，而ΛCDM的最佳拟合在$z\lesssim 2$时违反强能量条件。

Comments 15 pages, 15 figures, 4 tables. Published in EPJ-C

Graph Neural Network Reveals the Cortical Morphology of Local Brain Aging in Normal Cognition and Alzheimer's Disease

图神经网络揭示正常认知与阿尔茨海默病中局部脑老化的皮层形态学

Samuel D. Anderson, Jordan Jomsky, Nikhil N. Chaudhari, Nahian F. Chowdhury, Xiaoyu, Zheng, Andrei Irimia, Alzheimers Disease Neuroimaging Initiative

专题命中 医学影像 ：MRI(abstract_cn)；pathology(abstract)；分类 q-bio、eess.IV

AI总结 提出图神经网络（GNN）利用皮层形态学特征（厚度、面积、曲率、灰白质强度比、沟深）估计局部脑龄（LBA），在ADNI数据集上比现有方法误差更低，并发现与阿尔茨海默病病理相关的区域老化模式。

Comments Code and supplementary tables are available at https://github.com/irimia-laboratory/Graph_UNet

A Principled Self-Referenced Early Stopping Approach for Deep Image Prior

一种基于自引用的原则性早期停止方法用于深度图像先验

Chaoyan Huang, Cheng-Han Huang, Ismail R. Alkhouri, Rongrong Wang

机构 * Department of Computational Mathematics, Science, & Engineering, Michigan State University（密歇根州立大学计算数学、科学与工程系） ； Department of Electrical Engineering and Computer Science, University of Michigan（密歇根大学电气工程与计算机科学系） ； X Computational Physics Division, Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室计算物理部） ； Michigan Institute for Computational Discovery & Engineering, University of Michigan（密歇根大学计算发现与工程研究所） ； Mathematical Sciences, Michigan State University（密歇根州立大学数学科学系） 纠错

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

AI总结 针对深度图像先验（DIP）过拟合问题，提出一种基于构造伪自引用图像的过拟合检测框架，实现无需噪声水平估计的早期停止方法。

Comments 35 pages, 10 figures, 14 tables

Fairness Beyond Demographics: Optimizing Performance Across Appearance-Based Hidden Cohorts in Medical Imaging

超越人口统计学的公平性：在医学影像中优化基于外观的隐藏队列性能

Milad Masroor, Cuong Nguyen, Kevin Wells, Gustavo Carneiro

机构 * Centre for Vision, Speech and Signal Processing（视觉、语音和信号处理中心） 纠错

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

AI总结 提出无标签隐藏队列公平性（LHCF）训练范式，通过聚类图像为外观队列并优化其公平性，解决医学影像模型在人口统计学属性上的性能差异问题。

Comments Pre-review version submitted to MICCAI 2026. 10 pages, 5 figures

Bridging Superconductors with UN Development Goals: Perspectives and Applications

超导体与联合国发展目标的桥梁：视角与应用

Edimar A. S. Duran, Alfonso Pulgar, Rodolfo Izquierdo, Diana M. Koblischka, Anjela Koblischka-Veneva, Michael R. Koblischka, Rafael Zadorosny

专题命中 医学影像 ：MRI(abstract)

AI总结 本文通过文献计量分析，探讨陶瓷超导体与联合国可持续发展目标的关联，强调其在能源、医疗、交通、环保及量子计算等领域的应用潜力。

Comments 51 pages, 17 figures, 7 tables, Review paper based on bibliometry

Journal ref physica status solidi (a), 2026; 223