医学 AI

Probabilistic Robustness in Medical Image Classification

医学图像分类中的概率鲁棒性

Yi Zhang, Siddartha Khastgir, Xingyu Zhao

机构 * WMG, University of Warwick（华威大学制造工程学院） 纠错

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

AI总结 研究医学图像分类中概率鲁棒性，构建自然损坏设置并在数据集上评估常用深度学习模型，为评估模型可信度提供统计视角，支持其在医学成像应用中更可靠部署。

On the validity of using idealised sample geometries for interpreting mechanical tests of very soft tissues

关于使用理想化样本几何形状解释非常软组织力学测试的有效性

Sajjad Arzemanzadeh, Karol Miller, Adam Wittek

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 研究使用理想化样本几何形状解释软组织力学测试的有效性，通过MRI重建脑组织样本真实几何形状，用有限元法模拟不同几何形状样本测试，发现理想化形状会使应力参数偏低，实际形状应用于反分析。

Comments 20 pages, 7 figures

Tracing 3D Anatomy in 2D Strokes: A Multi-Stage Projection Driven Approach to Cervical Spine Fracture Identification

在二维笔触中追踪三维解剖结构：一种用于颈椎骨折识别的多阶段投影驱动方法

Fabi Nahian Madhurja, Rusab Sarmun, Muhammad E. H. Chowdhury, Adam Mushtak, Israa Al-Hashimi, Sohaib Bassam Zoghoul

机构 * Department of Computer Science and Engineering, BRAC University（布拉格大学计算机科学与工程系） ； Department of Electrical and Electronic Engineering, University of Dhaka（达卡大学电子与电气工程系） ； Department of Electrical Engineering, Qatar University（卡塔尔大学电子工程系） ； Department of Radiology, Hamad Medical Corporation（哈马德医疗中心放射科） 纠错

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

AI总结 研究颈椎骨折识别中是否需完整三维椎体分割，提出端到端管道，先定位颈椎，从优化二维投影估计椎体掩码，用于下游骨折分类，结果表明投影掩码近似是可行替代方法。

Comments Includes supplementary material. Under review at Medical Image Analysis

CogRad: A Cognitively-Inspired Multi-Agent Framework for Radiology Report Generation

CogRad：一种用于放射学报告生成的受认知启发的多智能体框架

Saif Ur Rehman Khan, Hasaan Maqsood, Sebastian Vollmer, Andreas Dengel, Muhammad Nabeel Asim

机构 * German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Intelligentx GmbH（智能X有限公司） ； Department of Core Informatics, Graduate School of Informatics, Osaka Metropolitan University（大阪城市大学信息科学研究生院核心信息学系） 纠错

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

AI总结 提出受认知启发的多智能体框架CogRad，围绕放射科医生阅读过程的四个阶段构建报告生成，通过多智能体协作提升报告质量，在多个数据集上取得最佳成绩。

Dual-Adaptive SAM3: Hierarchical Routing over Low-Rank Expert Layers for Parameter-Efficient Medical Image Segmentation

双自适应SAM3：基于低秩专家层的分层路由用于参数高效的医学图像分割

Ying Chen, Jinyue Li, Kun Wang, Qiankun Li, Yang Liu

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； Imperial Global Singapore (IGS), Imperial College London（伦敦帝国理工学院新加坡帝国全球（IGS）） 纠错

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

AI总结 提出双自适应SAM3框架，通过任务感知的动态专家路由器和参数感知的分解参数化专家设计，兼顾分割精度与参数效率，在医学图像分割上有高表现。

Comments Accepted by MICCAI 2026

Language-guided Medical Image Segmentation with Target-informed Multi-level Contrastive Alignments

基于目标感知多级对比对齐的语言引导医学图像分割

Mingjian Li, Mingyuan Meng, Shuchang Ye, Mingye Zou, Michael Fulham, Lei Bi, Jinman Kim

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（北京中关村学院及中关村人工智能研究院） ； Department of Molecular Imaging, Royal Prince Alfred Hospital（皇家珀斯阿尔弗雷德医院分子成像部） 纠错

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

AI总结 研究针对医学图像分割，提出目标感知多级对比对齐框架，通过引入目标敏感语义距离模块、多级对比对齐策略和语言引导目标增强模块，弥合图文模态差距，实现细粒度文本引导，实验证明性能优于现有方法。

Comments Published in Expert Systems with Applications (ESWA)

An Interpretable Deep Learning Framework for Discovery and Clinical Validation of Deep Radiomic Signatures in Tumor Classification

用于深度影像组学特征在肿瘤分类中发现与临床验证的可解释深度学习框架

Chengkun Sun, Jinqian Pan, Renjie Liang, Zhengkang Fan, Xin Miao, Yi Guo, Mei Liu, Muxuan Liang, Russell Terry, Jie Xu

机构 * Department of Health Outcomes and Biomedical Informatics, University of Florida（健康结果与生物医学信息学系，佛罗里达大学） ； Tiktok ； Department of Biostatistics, MD Anderson Cancer Center（生物统计学系，MD安德森癌症中心） ； Department of Urology, University of Florida（泌尿科，佛罗里达大学） 纠错

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

AI总结 针对深度学习影像特征可解释性差阻碍临床落地的问题，该框架融合分割、可解释分类与影像组学分析，多数据集验证可提升肿瘤分类性能与生物可解释性。

In-batch Relational Features Enhance Precision in An Unsupervised Medical Anomaly Detection Task

批内关系特征提升无监督医学异常检测任务的精度

P. Bilha Githinji, Ijaz Gul, Lian Zhang, Jinhao Xu, Peiwu Qin, Dongmei Yu

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

AI总结 在无监督医学图像异常检测中，将病理与正常解剖变异混淆是挑战。通过批内超图估计和共享权重图卷积层增强CNN自动编码器潜在表示，提升健康与病理样本可分性，降低误报率。

Physics-Informed Dynamic State Estimation for Current Transformers Using Graph Neural Networks

基于图神经网络的电流互感器物理信息动态状态估计

Michael A. Boateng, Gabriel Gauderman, Nathalie Uwamahoro

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究电流互感器动态状态估计问题，用COMTRADE测量值，通过构建结构化基准对比不同方案，用图神经网络改进初始化，提升估计器性能，增强CT饱和校正鲁棒性。

A Proximal Point Semismooth Newton Algorithm for Structural Composite Cardinality Optimization

一种用于结构复合基数优化的近端点半光滑牛顿算法

Penghe Zhang, Naihua Xiu, Houduo Qi

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 针对复合基数优化问题，考虑其平稳对偶形式，用近端点算法求解。利用半光滑牛顿算法在低维子空间最小化光滑凸函数，并给出不精确准则，该算法有全局和局部收敛性，还用于信号恢复与CT图像恢复，效果良好。

EPRA U-Net: An Efficient Pyramid Residual Attention Framework for Accurate Infarct Segmentation in Diffusion-Weighted MRI

EPRA U-Net：一种用于扩散加权磁共振成像中准确梗死分割的高效金字塔残差注意力框架

Hasan Ulutas, Muhammet Emin Sahin, Mustafa Fatih Erkoc, Esra Yuce, Turker Tuncer, Sengul Dogan, Serkan Kiranyaz

机构 * Yozgat Bozok University（亚兹加特博兹克大学） ； Izmir Bakircay University（伊兹米尔巴克伊大学） ； Queen Mary’s Digital Environment Research Institute (DERI)（皇后玛丽数字环境研究 institute (DERI)） ； Firat University（费拉特大学） ； Qatar University（卡塔尔大学） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 研究提出EPRA U-Net用于DWI图像梗死分割，用基于EfficientNet的编码器提取特征，集成多种模块并采用双注意力机制，用Tversky损失函数，实验表明其性能优于其他模型。

Comments 25 pages, 13 figures, 10 tables

SNR-Adaptive Unified Diffusion for Multi-Task Medical Image Segmentation

用于多任务医学图像分割的信噪比自适应统一扩散

Jiahao Liu, Hang Wei, Shuai Wu

机构 * School of Telecommunications Engineering, Xidian University（西安电子科技大学通信工程学院） ； 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） 纠错

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

AI总结 研究解决临床心脏成像模型冗余及知识共享问题，提出统一扩散分割框架UniT-Diff，通过特定机制化解冲突，在多基准测试中超越独立训练的特定任务基线。

Comments Accepted to IEEE SMC 2026. 6 pages, 15 figures

Graph Representation Learning of Longitudinal Medical Imaging Trajectories for Treatment Response Prediction

用于治疗反应预测的纵向医学影像轨迹的图表示学习

Johannes Kiechle, Richard Osuala, Daniel M. Lang, Stefan M. Fischer, Ivana Janíčková, Karim Lekadir, Julia A. Schnabel, Jan C. Peeken

机构 * Technical University of Munich（慕尼黑工业大学） ； TUM University Hospital Rechts der Isar（慕尼黑工业大学伊萨尔河右岸大学医院） ； Helmholtz Munich（慕尼黑亥姆霍兹中心） ； Universitat de Barcelona（巴塞罗那大学） ； Medical University of Vienna（维也纳医科大学） ； King’s College London（伦敦国王学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 针对乳腺癌患者新辅助化疗治疗反应预测难题，提出基于影像的3D时空框架，集成图神经网络及时空交互关系建模与新自监督目标，实验表明该方法性能优越，还建立了预测基准并评估相关影响。

PulmoSight-XAI: An Explainable Multi-View Attention Ensemble with Gradient Boosting Meta-Learning for Multi-Label Chest X-Ray Classification

PulmoSight-XAI：用于多标签胸部X光分类的具有梯度提升元学习的可解释多视图注意力集成

Moshiur Rahman, Shafqat Alam, Tasnia Binte Mamun

机构 * Department of Biomedical Engineering Bangladesh University of Engineering and Technology (BUET)（孟加拉国工程技术大学（BUET）生物医学工程系） 纠错

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

AI总结 针对胸部X光分类挑战，提出分层多视图集成框架。用五个卷积神经网络分别处理正侧位片，结合多尺度特征融合与注意力模块，采用混合损失函数优化模型，通过分层元学习策略提升性能，兼具准确性与可解释性。

Comments 17 pages, 3 figures, 6 tables

CIPHER: Causal Intervention Pathways for Healthcare Equity and Robustness

CIPHER：用于医疗公平性和稳健性的因果干预路径

Xinyu Jia, Weidong Guo, Wangyuan Zhao, Yi Guo, Zeju Li, Yuanyuan Wang

机构 * College of Biomedical Engineering, Fudan University（复旦大学 生物医学工程学院） 纠错

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

AI总结 研究医疗诊断深度学习模型在敏感亚组间表现差异问题，基于结构因果模型揭示敏感属性影响图像内容的四条路径，引入CIPHER框架干预因果路径，提升诊断准确性并减少差异。

Comments 8 pages, 2 figures. Accepted by MICCAI 2026

CLABTOOLKIT: An Open-Source Toolkit for Routine Processing, Manipulation, and Visualization of Neuroimaging Data

CLABTOOLKIT：用于神经影像数据常规处理、操作和可视化的开源工具包

Yasser Alemán-Gómez, Nino Hervé, Patric Hagmann

机构 * Connectomics Lab, Department of Radiology, Lausanne University Hospital (CHUV)（洛桑大学医院（CHUV）放射科连接组学实验室） ； University of Lausanne (UNIL)（洛桑大学） 纠错

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

AI总结 神经影像研究面临数据结构多样、工具接口和格式不兼容问题。CLABTOOLKIT将相关操作整合为统一框架，核心数据结构可处理多种格式数据，还有多个模块支持多种分析及可视化，其配置系统方便定制工作流程。

Comments Presented at OHBM 2026 in Bordeaux, France. Submitted to Aperture Neuro

AULLM++: Structured-Token-Conditioned Large Language Models for Micro-Expression Action Unit Detection

AULLM++：用于微表情动作单元检测的结构化令牌条件大语言模型

Zhishu Liu, Kaishen Yuan, Bo Zhao, Hui Ma, Zitong Yu

机构 * Great Bay University（广东东莞大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 针对微表情动作单元检测，以往方法有局限。本文提出AULLM++框架，利用大语言模型，将视觉特征注入文本提示，分证据构建、结构建模和基于推理预测三阶段，融合多粒度证据等，提升性能与泛化能力。

Geometry-Aware Visual Odometry for Bronchoscopic Navigation via High-Gain Observer Fusion

基于高增益观测器融合的支气管镜导航几何感知视觉里程计

Mohammadreza Kasaei, Francis Xiatian Zhang, Feng Li, Farshid Alambeigi, Kevin Dhaliwal, Mohsen Khadem

机构 * School of Informatics, University of Edinburgh, UK（爱丁堡大学信息学院，英国） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 针对支气管镜视觉导航在纹理缺失气道中易漂移失效的问题，提出融合气道消失点线索与高增益观测器的几何感知VO，大幅降低轨迹误差，性能优于现有主流方案。

Transition-Set Morphometry for Inter-Scale Contacts in Digital Sandstones

数字砂岩中跨尺度接触的过渡集形态测量法

O. M. Kiselev

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 介绍用于量化数字砂岩中跨尺度接触的过渡集形态测量法，将孔隙体积等视为不同几何子系统，用过渡集表示其邻域接触，测量相关指标，通过测试表明该方法可作为跨尺度接触的形态描述符。

Comments 13 pages, 3 figures, 8 tables

RUFNet: Query-Guided Support Mask Refinement and Uncertainty Fusion based on Hybrid Mamba for Few-Shot Brain Tumor Segmentation

RUFNet：基于混合曼巴的查询引导支持掩码细化与不确定性融合用于少样本脑肿瘤分割

Dongyi He, Xiangkai Wang, Binbing Xu, Bin Jiang, Hongjie Yan, Weixiang Liu, Wai Ting Siok, Nizhuan Wang

机构 * Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； School of Artificial Intelligence, Chongqing University of Technology（重庆理工大学人工智能学院） ； Affiliated Lianyungang Hospital of Xuzhou Medical University（徐州医科大学附属连云港医院） ； College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院） 纠错

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

AI总结 研究针对少样本脑肿瘤分割挑战，提出基于混合曼巴的RUFNet框架，结合支持掩码细化与不确定性感知后融合，采用线性复杂度骨干等方法，在BraTS 2020数据集上表现出色。

UniSpine-GS: An Efficient Physics-Aware Gaussian Framework for Cross-Modality Multi-view Spine Image Synthesis

UniSpine-GS：一种用于跨模态多视图脊柱图像合成的高效物理感知高斯框架

Qiuhua Chen, Changning Yu, Na Huang, Chao Sun, Bo Du

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； The Department of Ultrasound of Renmin Hospital East Branch of Wuhan University（武汉大学人民医院东院区超声科） ； Institute of Artificial Intelligence, Wuhan University（武汉大学人工智能研究院） ； National Engineering Research Center for Multimedia Software, Wuhan University（武汉大学多媒体软件国家工程研究中心） ； Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（武汉大学多媒体网络通信工程湖北省重点实验室） 纠错

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

AI总结 为解决脊柱疾病诊断中3D成像成本高、模态差异挑战等问题，提出UniSpine-GS框架，通过3D感知表示用于多视图脊柱成像新视图投影渲染，引入策略提升边界保真度和局部细节，性能优于现有方法。

An automated method of identifying incorrectly labelled images based on the sequences of loss functions of deep learning networks

一种基于深度学习网络损失函数序列识别错误标注图像的自动化方法

Zhipeng Zhang, Wenhui Shou, Wengting Ma, Dongjia Xing, Qingqing Xu, Li-Qun Xu, Qingxia Fan, Ling Xu

机构 * China Mobile Research Institute（中国移动研究院） ； Shenyang He Eye Hospital（沈阳_he眼科医院） 纠错

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

AI总结 提出通过分析深度学习分类网络多轮训练损失函数序列来识别医学图像错误标注，经专家审核重标可提升数据集质量和模型性能，实验验证了该方法有效性。

Comments Presented at the 6th EAI International Conference on IoT as a Service (IoTaaS 2020). Published by Springer in LNICST, vol 346, 2021

Journal ref in IoT as a Service, 6th EAI Int. Conf. (IoTaaS 2020), LNICST 346, Springer, 2021, pp. 261-269

Causal-RetiGraph: Cross-Cohort Retinal Support and Same-Subject Pathway Analysis for Diabetic Retinopathy

因果关系视网膜图：糖尿病视网膜病变的跨队列视网膜支持和同一受试者通路分析

Inam Ullah, Imran Razzak, Shoaib Jameel

机构 * University of Southampton（索姆塞特大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫阿兹·宾·扎伊德人工智能大学） 纠错

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

AI总结 介绍Causal-RetiGraph框架，通过视网膜图像折叠和NHANES折叠构建模型，连接视网膜图型与通路建模，用于视网膜支持和通路优先级排序等，揭示病变与生物标志物作用及关键通路信号。

LAW & ORDER: Adaptive Spatial Weighting for Medical Diffusion and Segmentation

法律与秩序：医学扩散与分割的自适应空间加权

Anugunj Naman, Ayushman Singh, Gaibo Zhang, Yaguang Zhang

机构 * Elmore Family School of Electrical and Computer Engineering（埃尔莫尔电气与计算机工程学院） ； Purdue University（普渡大学） ； Sesame AI ； Department of Computer Science（计算机科学系） ； Department of Agricultural and Biological Engineering (ABE)（农业与生物工程系） ； Department of Agricultural Sciences Education and Communication (ASEC)（农业科学教育与交流系） 纠错

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

AI总结 研究医学图像分析中自适应空间加权，通过两个适配器实现。LAW为掩码条件扩散学习像素损失权重，ORDER通过选择性双向跳跃注意力改进分割，在多个数据集上取得良好效果，证明该方法对医学扩散和分割的有效性。

Comments Accepted at TMLR

Variational Sparse Paired Autoencoders (vsPAIR) for Inverse Problems and Uncertainty Quantification

用于逆问题和不确定性量化的变分稀疏配对自动编码器(vsPAIR)

Jack Michael Solomon, Rishi Leburu, Matthias Chung

机构 * Emory University Department of Mathematics（埃默里大学数学系） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 针对逆问题，提出变分稀疏配对自动编码器(vsPAIR)。架构通过学习的潜在映射连接标准VAE和稀疏VAE，能进行不确定性估计，鼓励可解释性，提供结构化不确定性估计，实验验证其有效性。

Diverse Normal Prototypes-Guided Contrastive Reconstruction for Medical Anomaly Detection

用于医学异常检测的多样正常原型引导对比重建

Luhu Li, Bin Liu, Bowen Lin, Zihan Shen, Chengwei Wang, Shujun Fu

机构 * School of Mathematics, Shandong University（山东大学数学学院） ； Department of Interventional Medicine and Minimally Invasive Oncology, The Second Qilu Hospital of Shandong University（山东大学第二齐鲁医院介入医学与微创肿瘤科） ； Department of Neurosurgery, The Second Qilu Hospital of Shandong University（山东大学第二齐鲁医院神经外科） 纠错

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

AI总结 针对医学图像异常检测中注释有限和领域差距问题，提出DNP-ConFormer框架，集成可训练编码器、原型引导重建和多样性感知对齐损失，提升表征质量和异常定位能力。

Comments Accepted to MICCAI 2026

Accuracy, Uncertainty, and Adaptability of Automatic Myocardial ASL Segmentation using Deep CNN

自动心脏灌注成像中深度CNN的准确性、不确定性和适应性研究

Hung P. Do, Yi Guo, Andrew J. Yoon, Krishna S. Nayak

机构 * Ming Hsieh Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California（明希德电气与计算机工程系，维特比工程学院，南加州大学） ； Long Beach Memorial Medical Center, University of California Irvine（长滩纪念医疗中心，加州大学伊万尼耶分校） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文研究了深度CNN在自动心脏灌注成像分割中的准确性、不确定性和适应性，提出两种不确定性评估方法，并通过调整参数实现对假阳性和假阴性率的适应。

Naive parton picture for kaon color transparency in $A(e,e'K^+)$

介子色透明度的朴素部分子图象研究：$A(e,e'K^+)$反应

Kook-Jin Kong, Tae Keun Choi, Byung-Geel Yu

专题命中 医学影像 ：CT(abstract)

AI总结 本文基于扩展的Glauber框架，研究了$A(e,e'K^+)$反应中K介子的色透明度，发现其比π介子的色透明度更符合朴素部分子模型。

Comments 6 pages, 5 figures, 1 table

Journal ref Chin. Phys. C 50, 084106 (2026)

Power Delivery for Cryogenic Scalable Quantum Applications: Challenges and Opportunities

低温可扩展量子应用中的电力输送：挑战与机遇

Yating Zou, Batuhan Keskin, Gregor G. Taylor, Zenghui Li, Jie Wang, Eduard Alarcon, Fabio Sebastiano, Masoud Babaie, Edoardo Charbon

专题命中 医学影像 ：CT(abstract)

AI总结 本文探讨了在低温环境下实现可扩展量子系统电力输送的挑战与机遇，分析了多种架构在热负荷、功率损耗、加热、噪声耦合、功率密度、可扩展性、可靠性和复杂性方面的性能，指出非辐射高压传输是具有潜力的候选方案。

Comments 5 pages, 4 figures

In Vivo Quantification of Glioma-Induced Solid Stress Using MR Elastography and Deformable Image Registration

使用磁共振弹性成像和可变形图像配准对胶质瘤诱导的固体应力进行体内定量

Noah Jaitner, Mehrgan Shahryari, Jakob Schattenfroh, Tom Meyer, Hossein S. Aghamiry, Jakob Ludwig, Jakob Jordan, Anastasia Janas, Anna Morr, Biru Huang, Boshra Shams, Thomas Picht, Gueliz Acker, Tobias Schaeffter, Jing Guo, Ingolf Sack

专题命中 医学影像 ：MRI(abstract)

AI总结 研究将多频磁共振弹性成像与基于3D磁共振成像的微分同胚可变形图像配准网络分析相结合，在小鼠模型和患者中无创量化胶质瘤诱导的固体应力，发现其与患者生存相关，是首次对胶质瘤患者机械应力的直接定量。