医学 AI

Self-Auditing Residual Drifting for Pathology-Preserving Accelerated Knee MRI

自审计残差漂移模型用于保留病理特征的加速膝关节MRI

Qing Lyu, Jianxu Wang, Mohammad Kawas, Ge Wang, Christopher T. Whitlow

机构 * Department of Radiology & Biomedical Imaging, Yale School of Medicine（放射学与生物医学成像系，耶鲁医学院） ； Department of Biomedical Engineering, Rensselaer Polytechnic Institute（生物医学工程系，伦塞拉尔理工学院） 纠错

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

AI总结 提出SA-RDM-DC模型，通过物理条件残差漂移生成和自审计机制，在加速膝关节MRI中实现高保真重建并保留病理特征，优于多种基线方法。

Noninvasive H3 K27M screening in pediatric diffuse midline glioma using radiomics on heterogeneous T2-weighted MRI

基于异质性T2加权MRI影像组学的儿童弥漫性中线胶质瘤无创H3 K27M筛查

Arthur Zagitov, Alexander Beznosikov, Vladimir Bozhenko, Ninel Kamyshnikova, Tatiana Kulinich, Sofia Polozova, Yaroslav Kholodov

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

AI总结 本研究利用T2加权MRI影像组学在异质性转诊队列中筛查儿童弥漫性中线胶质瘤的H3K27M突变，通过预处理、特征选择和体积优化，CatBoost模型达到0.730准确率和0.826 F1分数，表明影像组学可作为辅助筛查工具。

Evaluating Synthetic Data Generation for Domain Generalization in Fetal Brain MRI Segmentation

评估胎儿脑MRI分割中域泛化的合成数据生成

Vladyslav Zalevskyi, Thomas Sanchez, Margaux Roulet, Busra Bulut, Hélène Lajous, Jordina Aviles Verdera, Sara Neves Silva, Georg Langs, Gregor Kasprian, Roxane Licandro, Jana Hutter, Hamza Kebiri, Meritxell Bach Cuadra

机构 * Department of Radiology, Lausanne University Hospital and University of Lausanne (UNIL)（拉沃斯大学医院放射科和洛桑大学（UNIL）） ； CIBM Center for Biomedical Imaging（生物医学成像中心） ； Institute for Information Processing, Leibniz University Hannover（汉诺威莱比锡大学信息处理研究所） ； Department of Biomedical Engineering, School of Biomedical Engineering & Imaging Sciences, King’s College London（伦敦国王学院生物医学工程系） ； Department of Biomedical Imaging and Image-Guided Therapy, Division of Neuroradiology and Musculoskeletal Radiology, Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系） ； Department of Biomedical Imaging and Image-guided Therapy, Computational Imaging Research Lab (CIR), Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系，计算成像研究实验室（CIR）） ； Christian Doppler Laboratory for Mathematical Modelling and Simulation of Next-Generation Medical Ultrasound Devices, Medical University of Vienna（维也纳医学大学下一代医学超声设备数学建模与仿真克里斯蒂安多普勒实验室） ； Comprehensive Center for Artificial Intelligence in Medicine, Medical University of Vienna（维也纳医学大学人工智能在医学中的综合中心） ； Division of Neuroradiology and Musculoskeletal Radiology, Department of Biomedical Imaging and Image–guided Therapy, Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系，神经放射学和骨科放射学系） 纠错

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

AI总结 针对胎儿脑MRI分割中数据异质性和标注不足问题，研究基于域随机化的合成数据生成策略，提出FetalSynthSeg框架，通过高斯混合强度建模和强度聚类提升跨域鲁棒性，在多个数据集上达到最优性能。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:023

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Population-Scale Segmentation of Penile Tissue in DIXON MRI using Deep Learning for Quantitative Phenotyping in Male Reproductive Health

基于深度学习的DIXON MRI阴茎组织群体尺度分割用于男性生殖健康定量表型分析

Jan Ernsting, Gunnar Paul Kordes, Nils Johannaber, Lynn Ogoniak, Wolfgang Roll, Tim Hahn, Alexander Siegfried Busch, Benjamin Risse

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

AI总结 提出基于3D nnU-Net的深度学习框架，实现多通道DIXON MRI中全阴茎自动分割，在UK Biobank 34,412名参与者中验证，Dice系数0.92，为男性生殖健康研究提供可重复的群体尺度方法。

Patient-Specific Articulated Digital Twins from a Single Full-Body CT Scan

患者特异性关节式数字孪生：基于单次全身CT扫描

Han Zhang, Boyang Zhao, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提出从单次全身CT扫描构建患者特异性关节式数字孪生的方法，通过SMPL模型拟合、解剖感知绑定和姿态重定向，实现姿态可控的解剖模型，验证了其在保持骨骼几何和放射学结构方面的有效性。

ProSAC-CT: Progressive Spectral-Anatomical Co-Guided Multi-Stage Diffusion Model for Low-Dose CT Denoising

ProSAC-CT: 渐进式频谱-解剖协同引导的多阶段扩散模型用于低剂量CT去噪

Xuepeng Liu, Zetong Liu, Renyiming Li, Yan Li, Ruiyu Li, Ruili Li, Jiayi Ding, Eichi Takaya

机构 * College of Medicine and Biological Information Engineering, Northeastern University（东北大学医学与生物信息工程学院） ； Tohoku University School of Medicine（东北大学医学院） ； State Key Laboratory of Oncology in South China, Sun Yat-sen University Cancer Center（华南肿瘤学国家重点实验室，中山大学肿瘤防治中心） ； AI Lab, Tohoku University Hospital（东北大学医院人工智能实验室） 纠错

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

AI总结 提出ProSAC-CT，一种渐进式频谱-解剖协同引导的多阶段扩散模型，通过解剖先验引导、残差频域解耦和时间步解耦解码器，有效去除低剂量CT噪声并保留解剖细节。

Comments 14 pages, 8 figures, 3 tables

Accelerating MRI Colon Volume Measurements and Reducing Inter-Observer Variation through Automatic Segmentation and Human-in-the-Loop Correction

通过自动分割和人在回路校正加速MRI结肠体积测量并减少观察者间变异

Abi Spicer, Stephen Lloyd-Brown, Neele Dellschaft, Luca Marciani, Robin Spiller, Maura Corsetti, Penny Gowland, Xin Chen, Caroline Hoad

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 提出基于nnU-Net的自动分割结合人工校正方法，将结肠MRI分析时间从56分钟降至11分钟，同时提高观察者间重复性（ICC>0.93），全结肠体积测量准确度高（ICC=0.96）。

Personalized 4D Whole-Heart Mesh Reconstruction from Cine MRI via Multi-Scale Temporal Modeling and Differentiable Contour Rendering

基于多尺度时间建模与可微分轮廓渲染的个性化4D全心网格重建

Xiaoyue Liu, Dongcheng Cang, Xiaohan Yuan, Mark YY Chan, Ching-Hui Sia, Lei Li

机构 * Department of Biomedical Engineering, National University of Singapore（新加坡国立大学生物医学工程系） ； School of Automation, Southeast University（东南大学自动化学院） ； Department of Medicine, National University of Singapore（新加坡国立大学医学系） ； Department of Cardiology, National University Heart Centre Singapore（新加坡国立大学心脏中心心脏病学系） 纠错

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

AI总结 提出端到端框架，从稀疏电影MRI重建4D全心网格，利用可微分轮廓渲染和多尺度时间建模，实现低误差（1.68 mm）和高运动平滑度。

Comments 15 pages

A Benchmark of (MRI-) Foundation Models to Predict IDH Mutational Status in Glioma

（MRI）基础模型预测胶质瘤IDH突变状态的基准测试

Nathan Hollet, Elise Robinson, Efthymios Georgiou, Ekin Ermis, Uri Nahum, Sarah Brüningk

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

AI总结 本研究比较了四种图像基础模型和基于影像组学的基线方法在预测胶质瘤IDH突变状态上的性能，发现影像组学基础模型TabPFN表现最佳，而图像基础模型在跨队列迁移中性能下降，但BiomedCLIP在外部队列中AUROC最高。

CA-GCL: Cross-Anatomy Global-Local Contrastive Learning for Robust 3D Medical Image Understanding

CA-GCL：跨解剖全局-局部对比学习用于稳健的3D医学图像理解

Hanwen Zhang, Yao Liu, Die Dai, Jiaye Yang, Qiao Liu, Yutong Xie, Peng Wang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫扎德人工智能大学） 纠错

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

AI总结 本文提出CA-GCL框架，通过全局对比学习和临床感知文本增强，解决3D医学图像理解中文本嵌入空间退化问题，提升零样本异常检测性能和跨数据集泛化能力。

Embracing Intra-Class Heterogeneity for Semi-Supervised Medical Image Segmentation: From Diversity to Precision

拥抱类内异质性用于半监督医学图像分割：从多样性到精确性

Yuqi Liu, Yufei Chen, Wei Fu, Xiaodong Yue, Shuo Li

机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Artificial Intelligence Institute, Shanghai University（上海大学人工智能研究院） ； Department of Computer and Data Sciences, Case Western Reserve University（凯斯西储大学计算机与数据科学系） ； Department of Biomedical Engineering, Case Western Reserve University（凯斯西储大学生物医学工程系） 纠错

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

AI总结 提出多原型对比学习框架，通过生成与强度对齐的异质原型、优化原型空间和对齐知识，有效建模类内异质性，提升半监督医学图像分割的多样性和精确性。

Comments Accepted by Medical Image Analysis

GPU-accelerated superiorization on constrained physical problems with SupPy

基于GPU加速的约束物理问题超优化方法及SupPy工具

Tobias Becher, Yair Censor, Kay Barshad, Niklas Wahl

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 提出SupPy开源Python工具箱，在GPU上加速超优化方法，应用于地震图像重建、低剂量CT重建和调强放疗计划，相比仅寻求可行解，超优化算法在降噪和降低剂量方面效果更优。

RadiomicNet: A Hybrid Radiomics-Guided Lightweight Architecture for Interpretable Medical Image Segmentation

RadiomicNet: 一种混合放射组学引导的轻量级可解释医学图像分割架构

Mohammad Amanour Rahman

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Ahsanullah University of Science and Technology (AUST)（阿萨努拉科学与技术大学） 纠错

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

AI总结 提出RadiomicNet，通过放射组学注意力门（RAG）将手工放射组学特征集成到轻量级编码器-解码器中，实现可解释分割，在BUSI和Kvasir-SEG数据集上分别达到0.763和0.854的Dice系数，参数仅3.27M。

Comments Accepted at the IEEE ICIP 2026 LBDL 2 Workshop

Spatio-Temporal and Clinical Conditioning for Fine-Grained Radiology Report Retrieval

细粒度放射学报告检索的时空与临床条件化

P. Sloan, E. Simpson, M. Mirmehdi

机构 * Department of Computer Science University of Bristol（计算机科学系 布里斯托大学） 纠错

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

AI总结 提出STAR3框架，通过区域级解剖信息与临床指征及纵向变化对齐，实现基于检索的放射学报告生成，在MIMIC-CXR上优于现有方法。

Comments 14 pages, 2 figures, 6 tables

Precision Recall Controllable Radiology Report Generation via Hybrid Natural Language and Clinical Reward Learning

通过混合自然语言和临床奖励学习实现精确召回可控的放射学报告生成

Ling Chen, Ruinan Jin, Jun Luo, Hanliang Chen, Quirin Strotzer, Rongkai Yan, Yuan Xue, Luciano Prevedello, Dufan Wu

机构 * The Ohio State University（俄亥俄州立大学） ； University Medical Center Regensburg（雷根斯堡大学医学中心） 纠错

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

AI总结 提出一种强化学习框架，通过控制参数在推理时调整临床精确率与召回率的权衡，并引入临床奖励和组相对训练策略，在MIMIC-CXR数据集上优于现有方法。

Comments Accepted by MICCAI 2026

VERITAS: A Multi-Agent Co-Scientist for Verifiable Image-Derived Hypothesis Testing

VERITAS：通过智能系统进行图像派生假设检验的可验证认知推理

Lucas Stoffl, Benedikt Wiestler, Johannes C. Paetzold

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

AI总结 VERITAS通过多智能体系统自主测试自然语言假设，生成可审计的证据链，通过四阶段工作流和认知证据标签框架提升医学影像研究的可验证性，达到81.4%的准确率。

Comments 43 pages, 5 figures. Code available at https://github.com/LucZot/veritas

TRACE: A Concept Bottleneck Model for Longitudinal 3D Glioblastoma Response Assessment

TRACE：用于纵向3D胶质母细胞瘤反应评估的概念瓶颈模型

Alia Tarek, Hamsa Saberr, Hamza Elghonemy, Youssef Afify, Tamer Basha, Omair Shahzad Bhatti, Abdulrahman M. Selim, Hasan Md Tusfiqur Alam, Daniel Sonntag

机构 * Department of Biomedical and Healthcare Data Engineering, Faculty of Engineering, Cairo University（生物医学与健康数据工程系，工程学院，开罗大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； University of Oldenburg（奥尔登堡大学） 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TRACE模型，通过概念瓶颈架构将RANO 2.0标准融入深度学习，实现可解释的4类胶质母细胞瘤纵向反应分类，在LUMIERE数据集上达到4类宏F1为0.4769，并支持概念校正。

Comments Accept in the EXPLIMED: Explainable Artificial Intelligence for the Medical Domain workshop in IJCAI 2026

HistoSeg++: Delving deeper with attention and multiscale feature fusion for biomarker segmentation

HistoSeg++: 基于注意力与多尺度特征融合的生物标志物分割深入探索

Saad Wazir, Rao Faizan, Daeyoung Kim

机构 * School of Computing, KAIST（韩国科学技术院计算机学院） ； Kyung Hee University (Global Campus)（庆熙大学（全球校区）） 纠错

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

AI总结 提出一种新型Nested-UNet架构，通过内外注意力单元和通道特征重校准增强多尺度信息捕获，结合边缘感知损失提升边界精度，在三个公开数据集上表现优于现有方法。

Comments Published in the Proceedings of ICBBE 2025. The Version of Record is available at https://doi.org/10.1145/3794209.3794211

Ophiuchus: Incentivizing Tool-augmented "Think with Images" for Joint Medical Segmentation, Understanding and Reasoning

Ophiuchus: 激励工具增强的“图像思考”用于联合医学分割、理解与推理

Yankai Jiang, Yujie Zhang, Peng Zhang, Wenjie Li, Yichen Li, Jintai Chen, Xiaoming Shi, Shihui Zhen

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Information Hub, HKUST (Guangzhou)（信息枢纽，香港科技大学（广州）） 纠错

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

AI总结 提出Ophiuchus框架，通过三阶段训练策略（冷启动SFT、自反思微调、工具强化学习）使MLLM动态聚焦细粒度视觉区域，实现精准医学分割与诊断。

Free-breathing Pulmonary Relaxometry at 0.55T

0.55T下的自由呼吸肺部弛豫测量

Pavlos Panos, Oliver Bieri, Maurice Pradella, Katrin E. Hostettler, Grzegorz Bauman

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 提出一种在0.55T下集成自由呼吸工作流进行自动二维肺部T1和T2弛豫测量的方法，通过改进序列和全自动处理管道实现运动校正与定量成像，验证了可行性。

Boosting Ultrasound Image Classification via Attribute-Guided Dual-Branch Framework

通过属性引导双分支框架提升超声图像分类

Bo Zhao, Yapeng Li, Juhua Liu, Bo Du

机构 * School of Computer Science, National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（武汉大学计算机学院、国家多媒体软件工程技术研究中心、人工智能研究院、湖北省多媒体与网络通信工程重点实验室） 纠错

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

AI总结 提出属性引导双分支框架，引入领域无关的医学属性先验，通过基线分支和属性引导分支的融合，提升超声图像分类的准确性和可解释性。

Comments accepted by MICCAI 2026