医学 AI

Manganese-Functionalized GelMA Hydrogels for MRI-Guided Immunotheranostics in Precision Oncology

锰功能化GelMA水凝胶用于精准肿瘤学中的MRI引导免疫治疗诊断

Motahareh Nazari, Keyvan Alavi

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

AI总结 综述锰功能化GelMA水凝胶平台，整合MRI成像、免疫调节与治疗，实现精准肿瘤学的诊断-治疗一体化。

Comments 20 pages, 3 figures

Evidence-Based Text-Conditioned 3D CT Synthesis for Ovarian Cancer

基于证据的文本条件3D CT合成用于卵巢癌

Francesca Pia Panaccione, Eugenio Lomurno, Francesca Fati, Carlotta Pecchiari, Marina Rosanu, Luigi De Vitis, Lucia Ribero, Gabriella Schivardi, Giovanni Damiano Aletti, Nicoletta Colombo, Maria Francesca Spadea, Francesco Multinu, Matteo Matteucci, Elena De Momi

机构 * AIRLab, Politecnico di Milano（米兰理工学院AIR实验室） ； Politecnico di Milano（米兰理工学院） ； NEARLab, Politecnico di Milano（米兰理工学院NEAR实验室） ； Istituto Europeo di Oncologia（欧洲肿瘤研究所） ； Università degli Studi dell’Insubria（意大利北部大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 提出OvESyn框架，利用CT衍生描述符和临床元数据构建标准文本，无需原始放射学报告，通过潜在扩散模型生成腹部盆腔3D CT，首次实现文本条件合成在卵巢癌中的应用。

DeVAR: Low-Dose CT Denoising via Visual Autoregressive Modeling

DeVAR：通过视觉自回归建模实现低剂量CT去噪

Xizhuo Zhang, Yannian Gu, Zhongzhen Huang, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； SenseTime Research（商汤科技研究院） ； Shanghai Innovation Institute（上海创新研究院） 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DeVAR框架，首次将视觉自回归建模（VAR）应用于低剂量CT去噪，通过下一尺度预测生成离散令牌图，并引入残差精炼器捕获细微结构，结合双表示混合训练策略，在公开数据集上取得最优性能。

RADIANT-PET: Reasoning-Augmented PET/CT Lesion Segmentation with Large Language Models and Reinforcement Learning

RADIANT-PET：结合大语言模型和强化学习的推理增强型PET/CT病灶分割

Jiasheng Wang, Tanun Jitwatcharakomol, Piyawadee Jongpradubgiat, Simeng Zhu

机构 * Division of Hematology, The Ohio State University Comprehensive Cancer Center（血液科，俄亥俄州立大学综合癌症中心） ； Department of Radiology, Mahidol University（医学放射科，玛希多大学） ； Department of Radiology, Mettapracharak Hospital（医学放射科，Mettapracharak医院） ； Department of Radiation Oncology, The Ohio State University Comprehensive Cancer Center（放射肿瘤科，俄亥俄州立大学综合癌症中心） 纠错

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

AI总结 提出RADIANT-PET框架，通过大语言模型和强化学习对候选摄取区域进行推理分类，抑制生理性假阳性，提升PET/CT病灶分割准确性。

A multi-architecture study of specificity refinement and false-positive mechanism analysis in prostate MRI

前列腺MRI中特异性细化和假阳性机制分析的多架构研究

Yongbo Shu, Kewen Chen, Yifeng Yuan, Zirui Xin, Luo Lei, Yang Yang, Xi Chen, Aijing Luo

机构 * The Second Xiangya Hospital of Central South University（中南大学湘雅医学院第二医院） ； School of Life Sciences, Central South University（中南大学生命科学学院） ； Hunan Provincial Key Laboratory of Medical Information Research (Central South University)（湖南省医学信息研究重点实验室（中南大学）） ； Hunan Provincial Clinical Medical Research Center for Cardiovascular Intelligent Medicine（湖南省心血管智能医学临床医学研究中心） 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 本研究通过多架构分析前列腺MRI检测中的假阳性，发现假阳性在影像对比度上与癌症匹配，并评估了一种轻量级后处理细化头，可提升病例级特异性。

Comments 29 pages, 6 figures, 5 tables

Measured-Subspace Consistency: A Plug-and-Play Operator for Diffusion Posterior Sampling in Accelerated MRI Reconstruction

测量子空间一致性：加速MRI重建中扩散后验采样的即插即用算子

Junhyeok Lee, Kyu Sung Choi

机构 * Interdisciplinary Program in Cancer Biology, Seoul National University College of Medicine（首尔国立大学医学院癌症生物学跨学科项目） ； Department of Radiology, Seoul National University College of Medicine, Seoul National University Hospital（首尔国立大学医学院放射科，首尔国立大学医院） ； Healthcare AI Research Institute, Seoul National University Hospital（首尔国立大学医院医疗人工智能研究机构） 纠错

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

AI总结 针对加速MRI中扩散后验采样在已测量k空间上产生不一致的问题，提出测量子空间一致性（MSC）作为无训练的后验修正算子，通过经典一致性锁减少测量子空间泄漏，保持未测量子空间多样性，无需重新训练或调参。

A Dual-domain Refinement Network with FBP-based Jacobian Learning for Sparse-view Dual-Energy CT Material Decomposition

基于FBP雅可比学习的双域精炼网络用于稀疏视角双能CT材料分解

Qian Liu, Xiaohong Fan, Ke Chen, Chong Chen, Shuaikang Wang, Jianping Zhang

机构 * School of Mathematics and Computational Science, Xiangtan University, National Center for Applied Mathematics in Hunan, Key Laboratory for Intelligent Computing and Information Processing of the Ministry of Education（湘潭大学数学与计算机科学学院，湖南应用数学研究中心，教育部智能计算与信息处理重点实验室） ； College of Mathematical Medicine, Zhejiang Normal University（浙江师范大学数学医学学院） ； Department of Mathematics and Statistics, University of Strathclyde（斯特拉斯克莱德大学数学与统计学系） ； State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学科学国家重点实验室，数学与系统科学研究院） 纠错

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

AI总结 针对稀疏视角双能CT材料分解的非线性病态问题，提出迭代双域精炼网络DECT-DRNet，通过FBP集成U-Net近似雅可比算子，并引入可学习稀疏双域正则化项（含傅里叶卷积残差块），实现全局噪声抑制与结构保持。

Comments Submitted to IEEE Transactions on Computational Imaging, 16 pages

LETT-NeXt: A Lightweight RECIST-Guided Model for 3D CT Lesion Segmentation

LETT-NeXt: 一种轻量级RECIST引导的3D CT病灶分割模型

Sebastian Aas, Elias Stenhede, Arian Ranjbar

机构 * Medical Technology & E-health, Akershus University Hospital, Lørenskog, Norway（医疗技术与e健康，阿克赫斯大学医院，洛伦斯克罗格，挪威） ； Faculty of Medicine, University of Oslo, Oslo, Norway（医学学院，奥斯陆大学，奥斯陆，挪威） 纠错

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

AI总结 提出轻量级RECIST引导模型LETT-NeXt，通过编码RECIST标记为提示通道，结合MedNeXt-v2编码器-解码器和自适应AutoZoom推理，实现3D CT病灶分割，在公开验证集上DSC达79.4%。

When Does Synthetic CT Transfer? A Label-Free Donor/Host Diagnostic for Medical Vision-Language Model Routing on Real Lung CT

合成CT何时迁移？一种无标签的供体/宿主诊断方法用于真实肺CT上的医学视觉-语言模型路由

Fakrul Islam Tushar

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

AI总结 本文提出一种无标签方法，通过合成数字双胞胎区分供体驱动和宿主驱动的模型能力，预测合成CT到真实CT的迁移性，并在肺CT视觉-语言任务上验证。

Comments 10 pages, 7 figures, 1 table, 1 supplement

Tumor-aware augmentation with task-guided attention analysis improves rectal cancer segmentation from magnetic resonance images

肿瘤感知增强与任务引导注意力分析提高磁共振图像直肠癌分割

Aneesh Rangnekar, Joao Miranda, Natally Horvat, Stephanie Chahwan, Samir Alrayess, Aditya Apte, Aditi Iyer, Eve LoCastro, Revathi Ravella, Marc J Gollub, Iva Petkovska, Jesse Joshua Smith, Paul Romesser, Julio Garcia-Aguilar, Harini Veeraraghavan, Joseph O. Deasy

机构 * Department of Medical Physics, Memorial Sloan Kettering Cancer Center（医学物理系，纪念斯隆凯特琳癌症中心） ； Department of Radiology, Memorial Sloan Kettering Cancer Center（放射学系，纪念斯隆凯特琳癌症中心） ； Department of Radiation Oncology, Memorial Sloan Kettering Cancer Center（放射肿瘤学系，纪念斯隆凯特琳癌症中心） ； Department of Surgery, Memorial Sloan Kettering Cancer Center（外科系，纪念斯隆凯特琳癌症中心） ； Department of Medicine, Memorial Sloan Kettering Cancer Center（医学系，纪念斯隆凯特琳癌症中心） 纠错

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

AI总结 本文通过肿瘤感知增强和任务引导注意力分析，改进CT到MRI的直肠癌分割，验证了预训练模型在跨模态转移中的局限性，并提出了缓解策略以提升鲁棒性。

CaresAI at CT-DEB26: Detecting Dosing Errors In Clinical Trials Using Domain-Specific Transformer Embeddings and Classification Models

CaresAI at CT-DEB26: 使用领域特定Transformer嵌入和分类模型检测临床试验中的剂量错误

Leon Hamnett, Favour Igwezeke, Joseph Itopa Abubakar, Mary Adetutu Adewunmi

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

AI总结 本研究利用基于生物医学语料训练的Transformer模型（如BioBERT）编码临床试验文本，结合结构化元数据，通过机器学习模型检测剂量错误，最高ROC-AUC达0.853。

Comments 18 pages, published in CL4Health 2026 proceedings (3rd Workshop on Patient-oriented language processing) @ LREC 2026 http://lrec-conf.org/proceedings/lrec2026/workshops/cl4health/2026.cl4health-1.0.pdf

Journal ref Proceedings of the Third Workshop on Patient-Oriented Language Processing, CL4Health 2026, 12 May 2026

Product-of-Gaussian-Mixture Diffusion Models for Joint Nonlinear MRI Reconstruction

基于高斯混合积的扩散模型用于联合非线性MRI重建

Laurenz Nagler, Martin Zach, Thomas Pock

机构 * Graz University of Technology（格拉茨技术大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Biomedical Imaging Group and Center for Biomedical Imaging（生物医学成像组和生物医学成像中心） 纠错

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

AI总结 本文提出结合参数高效高斯混合积扩散模型与经典平滑先验的联合重建方法，提升MRI重建的效率和鲁棒性，同时改善去噪和图像重建效果。

Adversarial robustness of a U-Net-based model observer for CT protocol optimization

基于U-Net的模型观察者用于CT协议优化的对抗鲁棒性

Filippo Maria Balli, Giorgia Stendardo, Sandra Doria, Michele Ginolfi, Alessio Gnerucci, Diego Sona, Adriana Taddeucci, Cesare Gori, Evaristo Cisbani

专题命中 医学影像 ：CT(title,title_cn)

AI总结 研究使用对抗样本系统评估U-Net模型观察者在CT协议优化中的漏洞，通过对抗训练提升鲁棒性，并利用放射组学分析揭示纹理变化与预测失败的联系。

Comments Preprint

BTI-Net: Bidirectional Decoder-Level Task Interaction via Uncertainty-Aware Gating for Multi-Task Medical Image Analysis

BTI-Net: 基于不确定性感知门控的双向解码器级任务交互用于多任务医学图像分析

Abdullah Al Shafi, Md Kawsar Mahmud Khan Zunayed, Safin Ahmmed, Sk Imran Hossain, Engelbert Mephu Nguifo

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

AI总结 提出BTI-Net，通过任务交互模块实现解码器级双向通信，并利用不确定性代理注意力自适应门控跨任务交互，在三个医学数据集上提升分割和分类性能。

Comments 9 pages, 5 figures, 6 tables; supplementary material included (8 pages, 19 figures, 18 tables)

DrivenMorph: Bridging Attention Mechanism and Variational Image Registration via Difference Modeling

DrivenMorph: 通过差异建模桥接注意力机制与变分图像配准

Mingke Li, Jianping Zhang, Jinqiu Deng

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

AI总结 提出DrivenMorph框架，通过差异建模作为物理启发归纳偏置，结合注意力机制与变分图像配准，利用神经Demons层模拟力-位移交互生成平滑形变，在3D脑MRI数据集上优于现有方法。

Comments 14 pages

Journal ref IEEE Journal of Biomedical and Health Informatics, 2026

Learning from Acquisition: Metadata-driven Multimodal Pre-training for Cardiac MRI

从采集信息中学习：基于元数据驱动的心脏MRI多模态预训练

Xueyi Fu, Liwei Hu, Zi Wang, Guang Yang

机构 * Department of Surgery & Cancer（外科与癌症系） ； Bioengineering Department and Imperial-X（生物工程系和Imperial-X） ； National Heart and Lung Institute（国家心脏和肺研究所） ； Cardiovascular Research Centre（心血管研究中心） ； School of Biomedical Engineering & Imaging Sciences（生物医学工程与成像科学学院） 纠错

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

AI总结 提出MetaCLIP-CMR框架，将采集元数据转化为文本监督进行对比学习，在分类和分割任务上优于ImageNet和掩码重建初始化，且仅需不到1%的预训练图像量即可达到与大规模模型相当的性能。

Comments 11 pages, 3 figures, 3 tables

Complete virtual unwrapping and reading of a rolled Herculaneum papyrus

完整虚拟展开与阅读一卷卷起的赫库兰尼姆纸莎草

Giorgio Angelotti, Stephen Parsons, Federica Nicolardi, Youssef Nader, Sean Johnson, David Josey, Paul Henderson, Hendrik Schilling, Johannes Rudolph, Forrest McDonald, Elian Rafael Dal Prá, Paul Tafforeau, Alessandro Mirone, Clifford Seth Parker, Jan Paul Posma, Benjamin Kyles, Claudio Vergara, Alessia Lavorante, Rossella Villa, Maria Chiara Robustelli, Marzia D'Angelo, Gianluca Del Mastro, Michael McOsker, Kilian Fleischer, Christy Chapman, Nat Friedman, William Brent Seales

机构 * Vesuvius Challenge, San Francisco, CA, USA（维苏威挑战，美国加州旧金山） ； EduceLab, University of Kentucky, Lexington, KY, USA（EduceLab，肯塔基大学，美国肯塔基州列克星敦） ； Università degli Studi di Napoli Federico II, Napoli, Italy（那不勒斯费德里科二世大学，意大利那不勒斯） ； University of Glasgow, Glasgow, UK（格拉斯哥大学，英国格拉斯哥） ； ESRF, Grenoble, France（欧洲同步辐射研究中心，法国格勒诺布尔） ； Università di Salerno, Salerno, Italy（萨勒诺大学，意大利萨勒诺） ； Università degli Studi della Campania Luigi Vanvitelli, S. Maria Capua Vetere, Italy（坎帕尼亚卢吉·范维蒂利大学，意大利圣玛丽亚·卡普阿·韦特里） ； University College London, London, UK（伦敦大学学院，英国伦敦） ； Universität Tübingen, Tübingen, Germany（图宾根大学，德国图宾根） 纠错

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

AI总结 利用高分辨率相衬显微CT和改进的机器学习方法，首次完整虚拟展开并阅读了赫库兰尼姆纸莎草卷PHerc. 1667，无需物理打开，并验证了墨迹恢复方法，为系统恢复未打开卷轴提供了可扩展框架。

Comments Preprint, 4 main figures

A Distributionally Robust Framework for Learned Reconstructions in Inverse Problems

逆问题中学习重建的分布鲁棒框架

Floor van Maarschalkerwaart, Subhadip Mukherjee, Christoph Brune, Marcello Carioni

机构 * University of Twente（特文特大学） ； IIT Kharagpur（印度理工学院哈里科特） 纠错

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

AI总结 提出一种结构化分布鲁棒优化框架，通过约束扰动与数据采集过程对齐，学习对分布偏移鲁棒的重建算子，并建立强对偶性和显式最坏情况风险界，在去模糊和正弦图到CT重建中优于标准DRO和MSE基线。

Longitudinal Lesion Inpainting in Brain MRI via 3D Region Aware Diffusion

通过3D区域感知扩散进行脑部MRI的纵向病变修复

Zahra Karimaghaloo, Dumitru Fetco, Haz-Edine Assemlal, Hassan Rivaz, Douglas L. Arnold

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

AI总结 本文提出基于DDPM的新型伪3D纵向修复框架，利用多通道条件结合不同时间点的纵向信息，提高病变修复的感知保真度和纵向稳定性，同时提升处理效率。

A Neuroimaging Simulation Framework for Developing and Evaluating Causal AI

用于开发和评估因果AI的神经影像模拟框架

Eryn Libert-Scott, Emma A. M. Stanley, Vibujithan Vigneshwaran, Matthias Wilms, Erik Y. Ohara, Nils D. Forkert

机构 * Biomedical Engineering Graduate Program, University of Calgary（卡莱尔大学生物医学工程研究生项目） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） ； Department of Radiology, University of Michigan（密歇根大学放射科） 纠错

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

AI总结 提出一种生成具有已知因果结构的合成神经影像框架，通过模拟T1加权MRI中的体积变化实现因果控制，为因果AI方法提供基准测试数据。

Comments 10 pages, 5 figures, submitted to the Journal of Biomedical and Health Informatics, Code available at https://github.com/erynl-s/SCAR

Towards Modality-Agnostic Medical Image Anomaly Detection: A Training-Free Manifold Refinement Approach

通过均值移位密度增强改进医疗图像中的异常检测

Pritam Kar, Gouri Lakshmi S, Saptarshi Bej

机构 * School of Data Science, Indian Institute of Science Education and Research（数据科学学院，印度科学教育与研究学院） 纠错

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

AI总结 本文提出一种结合自监督表征学习与基于流形的密度估计的混合异常检测框架，通过均值移位密度增强提升医疗图像异常检测性能，实验表明其在多个数据集上取得最佳AUC和平均精度。

AD-DAE: Alzheimer's Disease Progression Modeling with Unpaired Longitudinal MRI using Diffusion Auto-Encoders

AD-DAE：利用未配对纵向MRI进行阿尔茨海默病进展建模的扩散自编码器

Ayantika Das, Arunima Sarkar, Keerthi Ram, Mohanasankar Sivaprakasam

机构 * Indian Institute of Technology Madras (IITM)（印度理工学院马德拉斯分校） ； Sudha Gopalakrishnan Brain Centre (SGBC), IITM（苏达·戈帕拉克里希南脑中心（SGBC），印度理工学院马德拉斯分校） 纠错

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

AI总结 本文提出AD-DAE框架，通过扩散自编码器在无配对纵向MRI数据中建模阿尔茨海默病进展，利用紧凑的潜在空间生成后续影像。

Comments Accepted in IEEE Journal of Biomedical and Health Informatics ( https://ieeexplore.ieee.org/document/11579738 )

DMDSC: A Dynamic-Margin Deep Simplex Classifier for Open-Set Recognition on Medical Image Datasets

DMDSC：一种动态边距深度单纯形分类器用于医学图像数据集的开集识别

Vishal, Arnav Aditya, Nitin Kumar, Saurabh J. Shigwan

机构 * Shiv Nadar Institute of Eminence Deemed to be University（希夫纳德学院卓越大学） 纠错

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

AI总结 本文提出DMDSC，通过动态边距方法解决医学图像数据集中的类别不平衡问题，提升对稀有病理的识别性能。

Set-Inclusive Uncertainty Modeling for Robust Brain Tumor Segmentation

面向鲁棒脑肿瘤分割的集合包含不确定性建模

Seunghun Baek, Jihwan Park, Jaeyoon Sim, Hoseok Lee, Seungjoo Lee, Won Hwa Kim

机构 * Pohang University of Science and Technology（釜山科学技术大学） 纠错

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

AI总结 提出概率表示框架，将特征建模为高斯分布，通过集合包含策略约束模态子集的不确定性排序，在缺失模态场景下提升分割鲁棒性。

Comments MICCAI 2026

Good Enough? An Investigation on the Impact of Label Quality in Large-Scale Medical Datasets

足够好吗？对大规模医学数据集标签质量影响的调查

Alexander Jaus, Zdravko Marinov, Constantin Seibold, Simon Reiß, Jiale Wei, Jens Kleesiek, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； HIDSS4Health - Helmholtz Information and Data Science School for Health（HIDSS4Health - 亥姆霍兹信息与数据科学健康学院） ； Diagnostic and Interventional Radiology, Heidelberg University Hospital（海德堡大学医院诊断与介入放射科） ； Institute for AI in Medicine, University Hospital Essen（埃森大学医院医学人工智能研究所） 纠错

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

AI总结 研究探讨标签质量对医学图像分割模型性能的影响，发现预训练阶段无需严格标签质量，建议将专家资源投入下游任务数据集。

Comments Accepted to MICCAI 2026

The Lockman-SpReSO Project: A Deep X-ray Spectral View of a FIR-selected AGN Population

Lockman-SpReSO项目：远红外选AGN星系的深度X射线光谱研究

Mauricio Elías-Chávez, Takamitsu Miyaji, Martín Herrera-Endoqui, Irene Cruz-González, Yair Krongold, Héctor Hernández-Toledo, Mirjana Povic, Bereket Assefa, Mauro González-Otero, Castalia Alenka Negrete, Miguel Cerviño, J. Antonio de Diego, Miguel Sánchez-Portal, Erika Benítez, Jordi Cepa, José Antonio Vázquez Mata, Monica I. Rodriguez, Emilio J. Alfaro, J. Jesús González, Carmen P. Padilla-Torres, J. Ignacio González-Serrano, Vladimir Ávila-Reese, Ángel Bongiovanni, A. M. Perez Garcia

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 基于Lockman Hole天区的XMM-Newton深度观测，对94个远红外选AGN进行X射线光谱分析，发现遮蔽AGN比例随红移增加，并识别出强和边界康普顿厚AGN候选体，支持退行环面模型。

Comments 24 pages, 16 figures, accepted for publication in MNRAS

Fast Equivariant Imaging: Accelerating Unsupervised Learning and Model Adaptation via Inexact Splitting

快速等价成像：通过不精确分裂加速无监督学习和模型适应

Guixian Xu, Jinglai Li, Junqi Tang

机构 * School of Mathematics, University of Birmingham（伯明翰大学数学学院） 纠错

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

AI总结 本文提出Fast Equivariant Imaging框架，通过不精确变量分裂方案快速高效训练深度成像网络，提升X射线CT重建和图像修复的泛化性能，实现10倍加速和改进的适应能力。

Comments 31 pages

A Digital Twin Framework for Adaptive Treatment Planning in Radiotherapy

放射治疗自适应规划的数字孪生框架

Chih-Wei Chang, Sri Sai Akkineni, Mingzhe Hu, Keyur Shah, Yuan Gao, Pretesh Patel, Ashesh B. Jani, Greeshma Agasthya, Jun Zhou, Xiaofeng Yang

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 提出一种数字孪生框架，集成深度学习配准、每日CBCT更新和知识评估，在前列腺SBRT中实现快速再优化，平均再优化时间5.5分钟，剂量覆盖和危及器官保护均达临床标准。

Journal ref Physics in Medicine & Biology, 2026

3D Field of Junctions: A Noise-Robust, Training-Free Structural Prior for Volumetric Inverse Problems

3D 立体接点场：一种噪声鲁棒、无需训练的结构先验用于体积分量逆问题

Narges Moeini, Namhoon Kim, Justin Romberg, Sara Fridovich-Keil

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

AI总结 本文提出3D FoJ方法，通过优化3D楔形接点来实现体积分量逆问题的去噪，无需训练数据，保留和增强3D边缘和角结构，适用于低信噪比下的多种3D成像任务。

Comments ECCV 2026

PGE-SAM: Prompt-Guided Feature Enhancement for Interactive Segmentation under Degradation

PGE-SAM: 面向退化条件下交互式分割的提示引导特征增强

Tuan-Duc Nguyen, Anh-Tuan Mai, Duc-Trong Le

机构 * FPT Software AI Center（FPT软件人工智能中心） ； VNU University of Engineering and Technology（VNU工程大学） 纠错

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

AI总结 提出PGE-SAM框架，通过提示引导生成器、多尺度特征交互和前景重建损失，增强SAM在噪声、模糊等退化下的交互式分割鲁棒性，并构建DM-Seg基准，在医学和自然图像上取得SOTA。

Comments 54 pages