医学 AI

Structural MRI Synthesis for Alzheimer's Disease via Conditional Diffusion on Anatomical Masks

基于解剖掩膜条件扩散的阿尔茨海默病结构MRI合成

Muge Zhang, Muhammad Ali Khaliq, Jamal Alsakran, Byeong Kil Lee, Jeeho Ryoo

机构 * Fairleigh Dickinson University（Fairleigh Dickinson大学） ； University of Colorado at Colorado Springs（科罗拉多州立大学） 纠错

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

AI总结 针对阿尔茨海默病结构MRI合成中细微解剖变化难以捕捉的问题，本文扩展Med-DDPM条件扩散模型，以解剖分割掩膜为条件生成3D结构MRI，实验表明合成数据训练的模型Dice分数与真实数据相当，混合数据训练则显著提升性能。

Journal ref 2025 IEEE 8th International Conference on Multimedia Information Processing and Retrieval (MIPR)

Efficient Image-to-Image Schrödinger Bridge for CT Field of View Extension

面向CT视野扩展的高效图像到图像薛定谔桥

Zhenhao Li, Song Ni, Long Yang, Xiaojie Yin, Haijun Yu, Jiazhou Wang, Hongbin Han, Weigang Hu, Yixing Huang

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学人民医院医学技术研究所） ； Shanghai Cancer Center, Fudan University（复旦大学上海癌症中心） ； Department of Electrical and Computer Engineering, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校电气与计算机工程系） ； Beijing Key Laboratory of Intelligent Neuromodulation and Brain Disorder Treatment（北京智能神经调控与脑疾病治疗重点实验室） 纠错

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

AI总结 提出基于图像到图像薛定谔桥（I²SB）扩散模型的CT视野扩展框架，通过直接学习有限视野与扩展视野图像间的随机映射，实现单步快速推理，在精度和速度上均超越现有扩散模型。

Comments 12 pages

Journal ref IEEE Transactions on Radiation and Plasma Medical Sciences 2026

Optimized Multi-Contrast Self-Supervised MRI Reconstruction using Learned k-space Partitioning

使用学习型k空间划分的优化多对比度自监督MRI重建

Brenden Kadota, Charles Millard, Mark Chiew

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

AI总结 提出一种多对比度自监督学习框架，通过端到端学习最优k空间数据划分，无需全采样数据即可提升MRI重建质量。

BrainFusionNet: a deep learning and XAI model to understand local, global, and sequential features of MRI images for improved brain tumour detection

BrainFusionNet：一种用于理解MRI图像局部、全局和序列特征以改进脑肿瘤检测的深度学习与XAI模型

Md Taimur Ahad, Bo Song, Yan Li

机构 * School of Mathematics, Physics and Computing, University of Southern Queensland（南方昆士兰大学数学、物理与计算学院） ； School of Engineering, University of Southern Queensland（南方昆士兰大学工程学院） 纠错

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

AI总结 提出BrainFusionNet混合模型，结合CNN、ViT和GRU提取MRI空间、上下文和序列特征，并集成SHAP、LIME和GradCAM进行可解释性分析，在公开数据集上达到98%准确率，优于SOTA CNN。

Journal ref Brain Inf. 13, 21 (2026)

Pre-Deployment Robustness Stress Testing for CT Segmentation Systems Using Clinically Motivated Multi-Corruption Augmentation

CT分割系统的部署前鲁棒性压力测试：使用临床驱动的多损坏增强

CholMin Kanga, Jonghyun Chung, Amanpreet Kaur, Nagesh Gulkotwar, Aarthi Sivasankaran

机构 * Seoul National University（首尔国立大学） ； Google Inc.（谷歌公司） 纠错

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

AI总结 提出RAMP框架，通过多损坏增强提升CT分割模型在临床异质成像条件下的鲁棒性，显著缩小干净与损坏图像性能差距。

Toward Training-Free Zero-Shot Anomaly Detection in 3D Medical Images: A Batch-Based Approach Using 2D Foundation Models

迈向3D医学图像的无训练零样本异常检测：基于批次的方法使用2D基础模型

Tai Le-Gia

机构 * Chungnam National University（忠南大学） 纠错

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

AI总结 提出CS3F框架，利用2D基础模型对3D医学图像进行零样本异常检测，通过沿多轴分解、切片编码和跨主体相似性计算异常分数，并引入粗到细的分词策略减少信号衰减。

Diffusion-Based Limited-Angle CT Reconstruction under Noisy Conditions

基于扩散的噪声条件下有限角度CT重建

Jiaqi Guo, Santiago López-Tapia

机构 * Dept. of Electrical and Computer Engineering, Northwestern University, Evanston, IL, USA（电气与计算机工程系，西北大学，埃文斯顿，伊利诺伊州，美国） 纠错

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

AI总结 本文提出基于扩散的有限角度CT重建方法，通过Mean-Reverting随机微分方程完成缺失角度视图，结合噪声感知校正机制提升鲁棒性，实验表明在不同噪声强度和采集条件下均表现优异。

Comments Accepted at the 2025 IEEE International Conference on Image Processing (ICIP), Workshop

Multi-Class Brain Tumor Classification Using Advanced Deep Learning Models: A Comparative Study

使用先进深度学习模型的多类脑肿瘤分类：一项比较研究

Asad Channa, Asghar Ali Chandio, Akhtar Hussain Jalbani, Mehwish Leghari, Shahzad Memon

机构 * Department of Computer Science, Quaid-e-Awam University of Engineering, Sciences & Technology（夸迪-艾瓦姆工程、科学与技术大学计算机科学系） ； Department of Artificial Intelligence, Quaid-e-Awam University of Engineering, Sciences & Technology（夸迪-艾瓦姆工程、科学与技术大学人工智能系） ； The Faculty of Artificial Intelligence and Cyber Security, Universiti Teknikal Malaysia Melaka（马来西亚梅拉卡技术大学人工智能与网络安全学院） ； Department of Data Science, Quaid-e-Awam University of Engineering, Sciences & Technology（夸迪-艾瓦姆工程、科学与技术大学数据科学系） ； Department of Computer Science and Digital Technologies, School of Architecture, Computing and Engineering, University of East London（东伦敦大学建筑、计算与工程学院计算机科学与数字技术系） 纠错

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

AI总结 本研究比较五种CNN架构（包括定制模型和四种预训练模型）在约10,000张MRI图像上的多类脑肿瘤分类性能，发现EfficientNetB0以95%准确率最优，尤其显著提高了脑膜瘤的召回率（89%）。

Learning Patient-Specific Disease Dynamics with Latent Flow Matching for Longitudinal Imaging Generation

学习患者特异性疾病动态：基于潜在流匹配的纵向影像生成

Hao Chen, Rui Yin, Yifan Chen, Qi Chen, Chao Li

机构 * University of Cambridge（剑桥大学） ； Nanjing First Hospital（南京第一医院） ； Nanjing Medical University（南京医科大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Dundee（邓迪大学） 纠错

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

AI总结 提出Δ-LFM框架，利用流匹配对齐患者潜在轨迹，通过患者特异性潜在对齐实现单调疾病进展建模，在三个纵向MRI基准上验证了可解释性和性能。

Comments ICLR 2026 accepted

Neural Phase Correlation

神经相位相关

Cole Reynolds

机构 * Weyl Labs（Weyl实验室） 纠错

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

AI总结 提出相位相关的学习泛化，通过可学习基函数将变换分解，适用于非刚性形变和幺正动力学，在心脏MRI和超声数据集上达到或超越现有方法。

Improved Multiscale Structural Mapping with Supervertex Vision Transformer for the Detection of Alzheimer's Disease Neurodegeneration

改进的多尺度结构映射与超顶点视觉Transformer用于阿尔茨海默病神经退行性病变的检测

Geonwoo Baek, David H. Salat, Ikbeom Jang

机构 * Department of Computer Science \& Engineering, Hankuk University of Foreign Studies, Seoul, Republic of Korea ； Athinoula A. Martinos Center for Biomedical Imaging, Department of Radiology, Massachusetts General Hospital, Charlestown, MA, USA ； Department of Radiology, Harvard Medical School, Boston, MA, USA ； Neuroimaging Research for Veterans (NeRVe) Center, VA Boston Healthcare System, Boston, MA, USA 纠错

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

AI总结 本文提出MSSM+结合SSVM和SV-ViT，通过多尺度结构映射和超顶点映射提高阿尔茨海默病早期检测的准确性，实现了更显著的组间差异识别和分类性能提升。

Comments Submitted to Human Brain Mapping

Journal ref Human Brain Mapping 47(8), e70548 (2026)

Signatures of a Tidally Induced Spiral Arm at the Anticenter of the Milky Way and a Kinematically Extended Anticenter Stream Using DESI DR2

利用DESI DR2在银河系反中心发现潮汐诱导旋臂及运动学延展的反中心流的信号

Mika Lambert, Constance M. Rockosi, Sergey E. Koposov, Ting S. Li, Monica Valluri, Leandro Beraldo e Silva, Songting Li, Joaõ A. S. Amarante, Amanda Byström, Gustavo E. Medina, Nathan R. Sandford, Joan Najita, Namitha Kizhuprakkat, Jessica N. Aguilar, Steven Ahlen, Davide Bianchi, David Brooks, Todd Claybaugh, Kyle Dawson, Axel de la Macorra, Peter Doel, Jaime E. Forero-Romero, Enrique Gaztañaga, Satya Gontcho A Gontcho, Gaston Gutierrez, Dick Joyce, Anthony Kremin, Claire Lamman, Martin Landriau, Laurent Le Guillou, Marc Manera, Aaron Meisner, Ramon Miquel, John Moustakas, Adam Myers, Seshadri Nadathur, Will Percival, Francisco Prada, Ignasi Perez-Rafols, Graziano Rossi, Eusebio Sanchez, David Schlegel, Michael Schubnell, Joseph H. Silber, David Sprayberry, Gregory Tarle, Benjamin A. Weaver, Rongpu Zhou, Hu Zou

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 基于DESI MWS数据，分析61883颗主序转折星，发现麒麟座环（MRi）的运动学特征与潮汐诱导旋臂一致，并计算了人马座矮椭球星系最近两次通过时间；确认反中心流（ACS）在运动学上与MRi解耦，且其运动学特征更广泛分布。

Comments 26 pages, 14 figures, Accepted to the Astronomical Journal

SMART: A Flexible, Interpretable, and Scalable Spatio-temporal Brain Atlas from High-Resolution Imaging Data

SMART：一种灵活、可解释且可扩展的高分辨率成像数据时空脑图谱

John Kalkhof, Boris Gutman, Emile d'Angremont, Daniel C. Alexander, Marco Lorenzi

机构 * Illinois Institute of Technology（伊利诺伊理工学院） ； Amsterdam University Medical Center（阿姆斯特丹大学医学中心） ； University College London（伦敦大学学院） 纠错

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

AI总结 提出SMART框架，通过解耦全局疾病动态与患者特定解剖表现，学习连续疾病时间图谱，实现高分辨率3D医学图像中时空变化的灵活、可解释和可扩展建模。

Quantification of Uncertainty with Adversarial Models in Medical Image Segmentation

医学图像分割中对抗模型的不确定性量化

Hana Jebril, Thomas Pinetz, Günter Klambauer, Hrvoje Bogunović

机构 * Institute of Artificial Intelligence, Center for Medical Data Science, Medical University of Vienna, Austria（人工智能研究所、医学数据科学中心、维也纳医学大学，奥地利） ； Comprehensive Center for AI in Medicine, Medical University of Vienna, Austria（医学人工智能综合中心、维也纳医学大学，奥地利） ； ELLIS Unit Linz, LIT AI Lab and Institute for Machine Learning, Johannes Kepler University Linz, Austria（林茨ELLIS单位、LIT人工智能实验室和机器学习研究所、林茨约瑟夫·冯·克拉夫特大学，奥地利） ； Institute for Machine Learning, Johannes Kepler University Linz, Austria（机器学习研究所、林茨约瑟夫·冯·克拉夫特大学，奥地利） ； Clinical Research Center for Medical AI, Johannes Kepler University Linz, Austria（医学人工智能临床研究中心、林茨约瑟夫·冯·克拉夫特大学，奥地利） 纠错

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

AI总结 提出QUAM-SM后处理框架，通过针对性对抗搜索识别脆弱像素，量化不确定性并分离认知与偶然不确定性，在公开数据集上优于现有方法。

Comments Accepted at MICCAI 2026

RespGeomLib: A Reproducible Parametric Engine for Generating Analysis-Ready Human Airway Lumen Geometry

RespGeomLib：一个可复现的参数化引擎，用于生成分析就绪的人类气道管腔几何结构

Nichula Wasalathilaka, Parakrama Ekanayake, Roshan Godaliyadda

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

AI总结 提出RespGeomLib，一个基于YAML规范的可复现参数化引擎，通过端口组装与隐式平滑混合生成无缝气道管腔表面，避免全局体素化，在定量上产生更清洁的分叉且更高效，支持形态测量引导生成和CFD仿真。

Comments Accepted to Publication at 2026 IEEE Mercon

Confidence is Not Reliability: Rethinking MC Dropout in Brain Tumour Segmentation

置信度不等于可靠性：重新思考脑肿瘤分割中的MC Dropout

Xin Ci Wong, Duygu Sarikaya, Kieran Zucker, Marc De Kamps, Nishant Ravikumar

机构 * Centre for Doctoral Training in AI for Medical Diagnosis and Care（人工智能辅助医疗诊断与护理博士培训中心） ； School of Computing, University of Leeds（利兹大学计算机学院） ； School of Computer Science, University of Leeds（利兹大学计算机科学学院） ； Leeds Cancer Centre, St James’s University Hospital, Leeds, UK（利兹癌症中心，圣詹姆斯大学医院，利兹，英国） 纠错

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

AI总结 通过MC Dropout不确定性估计，发现全局不确定性-误差对齐（AUROC≈0.97）可能掩盖关键子区域（如增强肿瘤）的严重误校准（ECE=0.915），表明子区域校准评估对临床安全至关重要。

Comments Accepted for MIUA2016

A Clinician-Centered Pipeline for Annotation and Evaluation in Ultrasound AI Studies

面向临床医生的超声AI研究注释与评估流程

Fangyijie Wang, Jianjun Yu, Wentao Shi, Haixia Huang, Ran Shi, Guénolé Silvestre, Kathleen M. Curran

机构 * Research Ireland Centre for Research Training in Machine Learning（爱尔兰研究机器学习研究中心） ； School of Medicine, University College Dublin, Dublin, Ireland（都柏林大学医学院） ； The Third People's Hospital of Zhenjiang City, Zhenjiang, China（镇江市第三人民医院） ； Zhenjiang Maternal and Child Health Hospital, Zhenjiang, China（镇江 maternal and child health hospital） ； The Fifth People's Hospital of Zhenjiang City, Zhenjiang, China（镇江市第五人民医院） ； School of Computer Science, University College Dublin, Dublin, Ireland（都柏林大学计算机科学学院） 纠错

专题命中 医学影像 ：medical AI(abstract)；medical image(abstract)

AI总结 提出一个基于中央服务器和轻量级浏览器的临床医生中心化流程，支持远程注释、盲评和多评分者参与，在胎儿超声分割研究中验证了其可重复性和统计一致性。

Comments Accepted to MIUA 2026

MIDS: Detecting Stealthy Masquerade and Tampering Attacks on CAN Bus via Bidirectional Mamba

MIDS：通过双向Mamba检测CAN总线上的隐蔽伪装和篡改攻击

Qiqi Liu, Runhan Song, Lei Cui, Heng Zhang, Yuyan Sun, Limin Sun

机构 * Institute of Information Engineering, Chinese Academy of Sciences（信息工程研究所，中国科学院） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Zhongguancun Laboratory（中关村实验室） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 针对CAN总线缺乏加密认证易受攻击的问题，提出MIDS双流框架，利用双向状态空间模型并行处理标识符和载荷，在特斯拉Model 3数据集上F1达96.94%，优于基线8个百分点以上。

Using Large Language Models to Analyze Engagement in Computational Thinking via Computational Physics Essays

使用大型语言模型通过计算物理论文分析计算思维中的参与度

Sean Savage, Amir Bralin, Paul Hur, N. Sanjay Rebello

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本研究利用多模态大型语言模型自动评估100篇学生计算物理论文中的计算思维参与度，在明确子任务上达到84%的准确率，但主观整体质量评估准确率仅71%。

Comments 13 pages, 3 figures, 3 tables. Submitted to Physical Review Physics Education Research

Beyond Nearest Neighbor Interpolation in Data Augmentation

超越数据增强中的最近邻插值

Olivier Rukundo

机构 * Department of Electronic and Computer Engineering, University of Limerick（电子与计算机工程系，利默里克大学） 纠错

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

AI总结 本文提出改进的几何变换函数和均值分类过滤机制，以避免最近邻插值带来的标注误差和低通滤波影响，通过离线数据增强管道提升医学图像分割性能。

Comments 10 pages, 11 figures, 14 tables

A Systematic Review on the Generative AI Applications in Human Medical Genomics

关于生成式AI在人类医学基因组学中的应用系统综述

Anton Changalidis, Yury Barbitoff, Yulia Nasykhova, Andrey Glotov

机构 * Dpt. of Genomic Medicine（基因组医学系） ； D.O. Ott Research Institute of Obstetrics, Gynaecology, and Reproductology（D.O. Ott妇产科与生殖医学研究所） 纠错

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

AI总结 本文系统综述了生成式AI在罕见和常见疾病遗传研究与诊断中的应用，分析了LLM在基因组变异识别、注释及医学影像中的作用，指出其在多模态数据整合和临床应用中的挑战。

Comments 31 pages, 5 figures

Journal ref Frontiers in Genetics 16 (2026) 1694070

GUMP-Net: An interpretable model-data-driven intelligent algorithm for multi-class pelvic segmentation

GUMP-Net: 一种用于多类盆腔分割的可解释模型-数据驱动智能算法

Liheng Wang, Yinghui Zhang, Licheng Zhang, Hailin Xu, Qiyong Cao, Chong Chen

机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学科学国家重点实验室，数学与系统科学研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Orthopedics, The Fourth Medical Center of Chinese PLA General Hospital（中国人民解放军第四医学中心骨科部） ； National Clinical Research Center for Orthopedics, Sports Medicine and Rehabilitation（骨科、运动医学与康复临床研究中心） ； Department of Trauma and Orthopedics, People’s Hospital Peking University（北京大学人民医院创伤与骨科部） ； Department of Orthopedics and Traumatology, Beijing Jishuitan Hospital, Capital Medical University（首都医科大学北京积水潭医院骨科与创伤科） 纠错

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

AI总结 提出GUMP-Net，结合改进测地线活动轮廓模型与深度神经网络，实现多类盆腔分割，在小训练数据下表现更优，并提供可解释几何视角。

Comments 26 pages, 8 figures, 3 tables

Retrieval-Based Brain Decoding by Alignment, not Complexity

基于对齐而非复杂性的检索式脑解码

Matteo Ciferri, Matteo Ferrante, Nicola Toschi

专题命中 医学影像 ：MRI(abstract)；分类 q-bio

AI总结 本文通过跨多数据集实验证明，线性对比解码器在脑解码中优于岭回归和标准非线性方法，表明解码增益更多来自训练目标而非架构复杂性。

R&B -- Rhythm and Brain: Cross-subject Decoding of Music from Human Brain Activity

R&B -- 音乐与大脑：从人类脑活动交叉解码音乐

Matteo Ferrante, Matteo Ciferri, Nicola Toschi

机构 * Department of Biomedicine and Prevention University of Rome Tor Vergata（生物医学与预防系罗马大学托尔维加塔分校） ； A.A. Martinos Center for Biomedical Imaging Harvard Medical School/MGH, Boston (US)（A.A. Martinos生物医学成像中心哈佛医学院/马萨诸塞总医院，波士顿（美国）） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 q-bio

AI总结 研究通过fMRI数据解码音乐，利用CLAP模型和voxel编码模型，实现跨被试音乐识别，提升音乐感知与情绪的神经基础理解。

Comments The first two authors contributed equally to this work

Journal ref Neural Networks, 203, 109195 (2026)