医学 AI

CORA: Generalizable coronary artery disease assessment and risk stratification from coronary CT angiography using pathology-centric representation learning

CORA：一种由病理合成驱动的冠状动脉CT血管造影分析和MACE风险评估基础模型

Jinkui Hao, Gorkem Durak, Halil Ertugrul Aktas, Ulas Bagci, Bradley D. Allen, Nilay S. Shah, Bo Zhou

机构 * Department of Radiology, Northwestern University（西北大学放射学系） ； Department of Biomedical Engineering, Northwestern University（西北大学生物医学工程系） ； Department of Cardiology, Northwestern University（西北大学心脏病学系） ； Department of Preventive Medicine, Northwestern University（西北大学预防医学系） 纠错

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

AI总结 CORA通过病理合成驱动的自监督框架，直接从体积CT血管造影数据中学习，提升冠状动脉疾病分析和MACE风险评估性能，实现29%的性能提升。

Comments Code is available at: https://github.com/Advanced-AI-in-Medicine-and-Physics-Lab/CORA

Pretreatment MRI reveals a latent, molecular-subtype-independent structural phenotype that organizes treatment trajectories and recurrence risk

治疗前MRI揭示一种潜在的、不依赖分子亚型的结构表型，可统筹治疗轨迹与复发风险分层

Dattatreya Kantha, Murray H. Loew

机构 * Medical Imaging & Image Analysis Laboratory, Department of Biomedical Engineering, George Washington University（医学影像与图像分析实验室，生物医学工程系，乔治·华盛顿大学） 纠错

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

AI总结 本研究针对乳腺癌新辅助治疗响应评估的现有局限，基于I-SPY2队列构建结局盲法纵向DCE-MRI流形，发现治疗前MRI存在独立于临床基因组特征的固有结构表型，可预测治疗轨迹与复发风险。

Comments 31 pages, 8 figures, 7 tables

Piecewise Dynamic Diffusion Regularization for Reconstruction of Cardiac Cine MRI

用于心脏电影MRI重建的分段动态扩散正则化方法

Florian Fürnrohr, Reinhard Heckel

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 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 针对实时心脏电影MRI严重欠采样与运动导致的重建难题，提出PDDR方法，分段融合时空扩散先验，实现高效高质量重建，性能优于现有方法。

Efficient Flow Matching for Sparse-View CT Reconstruction

用于稀疏视图CT重建的高效流匹配

Jiayang Shi, Lincen Yang, Zhong Li, Tristan van Leeuwen, Daniel M. Pelt, K. Joost Batenburg

机构 * Centrum Wiskunde en Informatica（数学与信息学研究中心） ； LIACS, Leiden University（莱顿大学LIACS） ； Great Bay University（大湾大学） ； Mathematical Institute, Utrecht University（乌得勒支大学数学研究所） 纠错

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

AI总结 研究利用流匹配（FM）模型进行CT重建，因其确定性与数据一致性操作天然兼容。提出基于FM的CT重建框架及高效变体，通过重用预测速度场减少神经网络函数评估次数，提高推理效率，实验证明效果良好。

Journal ref MICCAI 2026

Region-Aware Multimodal Large Language Model via SlowFast Tokenization and Pseudo-Mask Guidance for 3D CT Report Generation

区域感知多模态大语言模型：基于慢快标记化与伪掩码引导的3D CT报告生成

Sunggu Kyung, Jinyoung Seo, Hyunseok Lim, Dongyeong Kim, Hyungbin Park, Jimin Sung, Jihyun Kim, Wooyoung Jo, Yoojin Nam, Namkug Kim

机构 * Department of Convergence Medicine, University of Ulsan College of Medicine, Asan Medical Center, Seoul, Republic of Korea（韩国首尔峨山医疗中心蔚山大学医学院融合医学系） ； University of Ulsan College of Medicine, Seoul, Republic of Korea（韩国首尔蔚山大学医学院） ； Department of Radiology and Research Institute of Radiology, University of Ulsan College of Medicine, Asan Medical Center, Seoul, Republic of Korea（韩国首尔峨山医疗中心蔚山大学医学院放射科与放射学研究所） 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MedRegion-CT框架，通过区域慢快标记器联合建模全局与细粒度信息、伪掩码引导关注诊断关键区域、结构化病变信息提示，实现高质量CT报告生成，在多项指标上达到最优。

Comments Accepted to ECCV 2026. 15 pages, 8 figures, 4 tables

A Deep Multiscale Neural Network for Accurate Neurological Disorder Detection from MRI Scans and Real-Time Web Deployment

一种用于MRI扫描中神经系统疾病准确检测的深度多尺度神经网络及实时Web部署

Ali Fatahi, Hoda Zamani, Mohammad H. Nadimi-Shahraki

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

AI总结 提出End-Net网络，通过多尺度Inception模块和WGAN-GP数据增强，实现MRI多类神经系统疾病的高精度分类，并部署为实时Web系统。

CTForensics: A Comprehensive Dataset and Method for AI-Generated CT Image Detection

CTForensics：用于人工智能生成的CT图像检测的综合数据集和方法

Yiheng Li, Zichang Tan, Guoqing Xu, Yichun Yeh, Yang Yang, Zhen Lei

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院计算智能研究中心） ； Sangfor Technologies Inc.（深信服技术有限公司） 纠错

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

AI总结 研究针对人工智能生成CT图像检测难题，介绍含75990张二维CT图像的CTForensics数据集及十种生成模型样本，提出ESF-CTFD框架，实验表明该框架性能优且抗干扰强。

Comments under review, repo: https://github.com/liyih/CTForensics

Geometry-Consistent Discretization of Local Correlation Equations for the Radon Transform in Clinical CT

临床CT中拉东变换局部相关方程的几何一致离散化

Xuanqing Mou, Jiayu Duan, Yang Mou

专题命中 医学影像 ：CT(title,title_cn)

AI总结 将二维拉东变换局部相关方程框架扩展到临床CT几何，提出几何一致离散化方案，用有限差分法离散，评估其数值有效性并用于稀疏视图正弦图插值，提升重建质量。

Comments 19 pages, 11 figures

Body Habitus Dominates Solver Choice as a Source of Uncertainty in MRI Safety Assessment of Active Implantable Medical Devices

身体体型在有源植入式医疗器械MRI安全评估中作为不确定性来源主导求解器选择

Safa Hameed, Fuchang Jiang, Bhumi Bhusal, Sana Ullah, Pia Sanpitak, Laleh Golestanirad

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究有源植入式医疗器械MRI安全评估中预测变异性的因素，通过对两种电磁求解器在多模型上进行跨平台评估，发现身体体型是主要不确定来源，解剖多样性应作主要变量。

GLOW-FDG: Generalized cancer LesiOn Whole-body segmentation model for $^{18}$F-FDG-PET/CT

GLOW-FDG：用于¹⁸F-FDG-PET/CT的广义癌症病灶全身分割模型

Maksym Fritsak, Maximilian Rokuss, Hubert S. Gabryś, Yannick Kirchhoff, Benjamin Hamm, Sebastian M. Christ, Nicolas Martz, Isabelle Opitz, Rolf Stahel, Martin Hüllner, Matthias Guckenberger, Klaus Maier-Hein, Stephanie Tanadini-Lang

机构 * Department of Radiation Oncology, University Hospital Zurich, University of Zurich, Zurich, Switzerland（苏黎世大学放射肿瘤科，苏黎世大学，苏黎世，瑞士） ； Faculty of Medicine, University of Zurich, Zurich, Switzerland（苏黎世大学医学院，苏黎世，瑞士） ； Division of Medical Image Computing, German Cancer Research Center (DKFZ), Heidelberg, Germany（德国癌症研究中心（DKFZ）医学图像计算部，海德堡，德国） ； Department of Radiation Oncology, Institut de Cancérologie de Lorraine, Vandœuvre-lès-Nancy, France（洛林癌症研究所放射肿瘤科，法国 Vandœuvre-lès-Nancy） ； Department of Thoracic Surgery, University Hospital Zurich, University of Zurich, Zurich, Switzerland（苏黎世大学胸外科科，苏黎世大学，苏黎世，瑞士） ； ETOP IBCSG Partners Foundation, Bern, Switzerland（ETOP IBCSG合作伙伴基金会，瑞士伯恩） ； Department of Nuclear Medicine, University Hospital Zurich, University of Zurich, Zurich, Switzerland（苏黎世大学核医学科，苏黎世大学，苏黎世，瑞士） 纠错

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

AI总结 研究针对¹⁸F-FDG-PET/CT全身癌症病灶分割，提出开源人工智能模型GLOW-FDG，经多类型训练及外部评估，在检测中性能优于基准模型，可提取定量成像生物标志物。

BrainNormalizer: Anatomy-Informed Pseudo-Healthy Brain Reconstruction from Tumor MRI via Edge-Guided ControlNet

BrainNormalizer：通过边缘引导控制网络从肿瘤MRI进行解剖学信息伪健康脑重建

Min Gu Kwak, Yeonju Lee, Hairong Wang, Kristin R. Swanson, Jing Li

机构 * University of Pittsburgh（匹兹堡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cedars-Sinai Medical Center（西德萨斯医疗中心） ； Mayo Clinic Arizona（梅奥诊所亚利桑那分部） 纠错

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

AI总结 针对脑肿瘤致结构变形难区分肿瘤与解剖变异问题，提出BrainNormalizer框架，用两阶段训练学习解剖先验等，通过特定策略实现伪健康脑重建，实验表明其有优势。

SFL-Net: Source-Factorized Latent Representation Learning for Multi-Contrast MRI to Tau-PET Synthesis

基于部分信息分解指导的解耦量化半UNet的多模态T1加权和FLAIR MRI生成可解释的tau-PET

Agamdeep S. Chopra, Caitlin Neher, Tianyi Ren, Juampablo E. Heras Rivera, Hesamoddin Jahanian, Mehmet Kurt

机构 * Department of Mechanical Engineering, University of Washington（华盛顿大学机械工程系） ； Department of Radiology, University of Washington（华盛顿大学放射学系） 纠错

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

AI总结 本文提出一种可解释的多模态图像合成框架，通过部分信息分解指导的解耦量化半UNet生成tau-PET，结合向量量化编码器和半UNet解码器，实现了在ADNI-3和OASIS-3数据集上的最佳性能。

Annotation-free deep learning for detection and segmentation of fetal germinal matrix-intraventricular hemorrhage in brain MRI

无需标注的深度学习用于胎儿生殖层-脑室出血的检测和分割

Mingxuan Liu, Yingqi Hao, Yi Liao, Juncheng Zhu, Haoxiang Li, Hongjia Yang, Yifei Chen, Yijin Li, Kasidit Anmahapong, Zihan Li, Jialan Zheng, Min Kang, Yan Song, Hua Lai, Xiaoling Zhou, Nan Sun, Rong Hu, Gang Ning, Haibo Qu, Qiyuan Tian

机构 * Department of Radiology, West China Second University Hospital, Sichuan University（四川大学华西第二医院放射科） ； School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University（清华大学医学院生物医学工程系） ； Department of Radiology, Sichuan Provincial Woman’s and Children’s Hospital, The Affiliated Women’s and Children’s Hospital of Chengdu Medical College（四川省妇幼保健院放射科，成都医学院附属妇幼医院） ； Chengdu Women’s and Children’s Central Hospital, School of Medicine, University of Electronic Science and Technology of China（成都妇女儿童中央医院，电子科技大学医学院） ； Department of Radiology, The Third Affiliated Hospital of Zhengzhou University（郑州大学第三附属医院放射科） ； Qujing Maternal and Child Health Hospital, Qujing, China（曲靖 maternal and child health hospital, Qujing, China） 纠错

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

AI总结 本文提出一种无需标注数据的深度学习框架，用于自动检测和分割胎儿生殖层-脑室出血，通过伪图像合成和医学先验知识训练，提升了诊断和分割的准确性。

MedMambaLite: Hardware-Aware Mamba for Medical Image Classification

MedMambaLite：用于医学图像分类的硬件感知Mamba

Romina Aalishah, Mozhgan Navardi, Tinoosh Mohsenin

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 针对医学图像分类在边缘设备上因模型大小和计算能力受限的问题，通过知识蒸馏优化基于Mamba的MedMambaLite模型，使其更轻更快，在数据集上准确率高，参数减少，能量效率提升。

Comments 21st IEEE Biomedical Circuits and Systems Conference (BioCAS) 2025

Interpretable machine learning predicts Parkinson's disease severity using motion-corrected QSM MRI and multiband multiecho fMRI features

可解释机器学习利用运动校正QSM MRI和多波段多回波fMRI特征预测帕金森病严重程度

Aixa X. Andrade

机构 * Lyda Hill Department of Bioinformatics（Lyda Hill 生物信息学系） ； Department of Biomedical Engineering（生物医学工程系） ； University of Texas Southwestern Medical Center, Dallas, Texas, USA（德克萨斯西南医学中心，德克萨斯州达拉斯） 纠错

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

AI总结 利用可解释机器学习，从QSM和多波段多回波静息态fMRI衍生的ReHo特征预测帕金森病运动严重程度。提取特征进行多模型实验，结果显示不同模型表现及特征贡献，表明结构和功能成像依临床预测目标作用不同。

Comments 16 pages from main manuscript and 17 pages from supplementary information

Phi-SegNet: Phase-Integrated Supervision for Medical Image Segmentation

Phi-SegNet：用于医学图像分割的相位集成监督

Shams Nafisa Ali, Taufiq Hasan

机构 * mHealth Lab, Department of Biomedical Engineering, Bangladesh University of Engineering and Technology（孟加拉工程与技术大学生物医学工程系mHealth实验室） ； Department of Electrical and Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系） ； Center for Bioengineering Innovation and Design, Department of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物工程创新与设计中心，生物医学工程系） 纠错

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

AI总结 研究针对医学图像分割跨模态泛化难问题，提出Phi-SegNet架构，在架构和优化层面融入相位感知信息，含双特征掩码模块与逆傅里叶注意力块，经实验取得优异性能，为泛化分割框架发展提供新思路。

Comments 13 pages, 9 figures

Beyond Random Sampling: Distribution-Aware Alignment for Semi-Supervised Medical Image Segmentation

超越随机采样：用于半监督医学图像分割的分布感知对齐

Weihao Yan, Yeqiang Qian, Yi Dong, Ming Yang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Department of Ultrasound, Xinhua Hospital Affiliated to Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属新华医院超声科） 纠错

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

AI总结 研究针对半监督医学图像分割中随机采样策略在低数据量时表征偏差的问题，提出基于分布对齐的高效框架，用分布感知样本选择策略和记忆引导复制粘贴模块，提升分割性能。

Comments 19 pages, 5 figures, accepted by ECCV 2026

Enhancing Implicit Neural Representations with Image Feature Embedding for Unsupervised Cardiac Cine MRI Reconstruction

利用图像特征嵌入增强隐式神经表示用于无监督心脏电影磁共振成像重建

Donghang Lyu, Marius Staring, Yiming Dong, Keupp Jochen, Hildo J. Lamb, Mariya Doneva

机构 * Division of Image Processing, Department of Radiology, Leiden University Medical Center（莱顿大学医学中心放射科图像处理部） ； C.J. Gorter Center, Department of Radiology, Leiden University Medical Center（莱顿大学医学中心放射科C.J. 戈特中心） ； Cardio Vascular Imaging Group, Department of Radiology, Leiden University Medical Center（莱顿大学医学中心放射科心血管成像组） ； Philips Innovative Technologies（飞利浦创新技术公司） 纠错

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

AI总结 研究针对心脏电影磁共振成像重建，提出图像域双分支INR框架I-FP-INR，通过引入特征处理分支提取互补特征嵌入增强表示，提升重建质量且具强鲁棒性。

Comments In submission

CPR: Chained Perceptual Refinement for Coarse-to-Fine Medical Image Classification

CPR：用于从粗到精医学图像分类的链式感知细化

Si-Yuan Lu, Hanruo Zhu, Ziquan Zhu, Gaojie Jin, Zeyu Fu, Lu Yin, Ke Li, Lu Liu, Tianjin Huang

机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） ； University of Leicester（莱斯特大学） ； University of Exeter（埃克塞特大学） ； University of Surrey（萨里大学） 纠错

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

AI总结 研究针对高分辨率医学图像分析难题，提出CPR框架，将其视为从全局到局部的决策过程，能动态预测细化区域，保持骨干网络输入大小固定，实验表明该方法在精度和效率上表现优异。

Light Coils: MRI with Fully Optical Data and Power Transmission

轻量级线圈：基于全光数据与电力传输的磁共振成像

Zining Liu, Morteza Teymoori, Jakob Gerlach, Reza Aghabagheri, Henning Helmers, Michael Bock, Caglar Ataman, Ali Oezen

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

AI总结 介绍新型轻量级线圈概念，采用全光磁共振接收架构，通过光实现数据传输、前端供电和线圈失谐，可降低布线复杂度，优化相关参数后能匹配传统射频线圈系统信噪比，还展示了多通道阵列应用成果。

Comments Submitted to Nature Communications in Article format

Atlas is Your Perfect Context: One-Shot Customization for Generalizable Foundational Medical Image Segmentation

图谱是理想上下文：用于可泛化基础医学图像分割的一次性定制

Ziyu Zhang, Yi Yu, Simeng Zhu, Ahmed Aly, Yunhe Gao, Ning Gu, Yuan Xue

机构 * Nanjing University（南京大学） ； The Ohio State University（俄亥俄州立大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究医学图像中解剖结构分割问题，提出图谱引导框架AtlasSegFM，通过图谱查询配准生成提示，用冻结基础模型细化分割，经自适应融合模块结合图谱先验与模型输入及预测，实现一次性定制。

Comments ECCV 2026

From Raw Segmentations to Simulation-Ready Cardiac Meshes: An Automated Framework for Anatomical Reconstruction and Virtual Cohort Generation

从原始分割到适用于模拟的心脏网格：用于解剖重建和虚拟队列生成的自动化框架

Francesco Fabbri, Martino Andrea Scarpolini, Paolo Ciancarella, Francesco Tudisco, Roberto Verzicco, Alessandro Ricci, Francesco Viola

机构 * Gran Sasso Science Institute (GSSI)（大萨索科学研究所） ； European Hospital（欧洲医院） ； University of Edinburgh（爱丁堡大学） ； Physics of Fluids Group, University of Twente（特温特大学流体物理小组） ； INFN–Laboratori Nazionali del Gran Sasso（意大利国家核物理研究所大萨索国家实验室） 纠错

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

AI总结 该研究提出半自动管道，将基于CT的分割转化为适用于模拟的心脏网格。利用深度学习分割方法，经模板配准和变形策略，几分钟内完成转化，保留解剖和拓扑一致性，可构建心脏统计形状模型。

PromptRad: Knowledge-Enhanced Multi-Label Prompt-Tuning for Low-Resource Radiology Report Labeling

PromptRad: 基于知识的多标签提示微调用于低资源放射报告标注

Ying-Jia Lin, Tzu-Chin Lo, Ping-Chien Li, Chi-Tung Cheng, Chien-Hung Liao, Hung-Yu Kao

机构 * Department of Artificial Intelligence and AI Research Center, Chang Gung University（人工智能系及AI研究中心，长庚大学） ； Department of Radiology, Sijhih Cathay General Hospital（放射科，西吉医院） ； Department of Medical Imaging and Intervention, Chang Gung Memorial Hospital（医学影像与介入科，长庚纪念医院） ； Department of Trauma and Emergency Surgery, Chang Gung Memorial Hospital（创伤与急诊外科，长庚纪念医院） ； Department of Computer Science, National Tsing Hua University（计算机科学系，国立清华大学） 纠错

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

AI总结 本文提出PromptRad，一种基于知识的多标签提示微调方法，用于在低资源环境下进行放射报告标注，通过引入UMLS元词典中的同义词增强类别表示，以更少的标注数据实现优于传统方法的性能。

Comments BioNLP 2026 @ ACL (camera-ready version)

Mutually Exclusive Multiclass Lesion Segmentation in Neuroimaging: Binary-Guided Weak Supervision with Inter-Class Orthogonality

神经成像中的互斥多类病变分割：具有类间正交性的二元引导弱监督

Ashutosh Kumar, Vivek Dhamale, Vaanathi Sundaresan

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

AI总结 针对神经成像中共存病变子类的弱监督分割难题，提出BiMEx-MS框架，将多类分割分解为全病变定位和排他性类分配，通过特定损失和形态学伪标签细化实现类间互斥，在多数据集上效果良好。

CenSynCMB: Centre Maps and Physics-Guided Synthesis for Microbleed Detection

CenSynCMB：用于脑微出血检测的中心图与物理引导合成方法

Lucas He, Hanyuan Zhang, Krinos Li, Adama Fatima Saccoh, Silvia Ingala, Rafael Rehwald, Marleen de Bruijne, Frederik Barkhof, Rhodri Davies, Carole H. Sudre

机构 * UCL（伦敦大学学院） 纠错

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

AI总结 针对脑微出血自动检测难度大的问题，提出融合3D注意力U-Net等模块的CenSynCMB框架，通过物理引导合成数据提升检测性能，在公开数据集上取得最优结果。

Be Indiscrete: The Benefits of Learning Continuous Spine Degeneration Severity Scores

保持离散：学习连续脊柱退变严重程度评分的益处

Maria Monzon, Andrew Zisserman, Robin Y. Park, Catherine R. Jutzeler, Amir Jamaludin

机构 * Biomedical Data Science Lab, Dept. D-HEST, ETH Zurich（生物医学数据科学实验室，D-HEST系，苏黎世联邦理工学院） ； Swiss Institute of Bioinformatics (SIB)（瑞士生物信息学研究所） ； Visual Geometry Group, Dept. of Engineering Science, University of Oxford（视觉几何组，工程科学系，牛津大学） 纠错

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

AI总结 研究将脊柱退变建模为连续严重程度排序问题，介绍SpineRankNet框架从腰椎MRI学习标量严重程度分数，与多类分类和序数回归对比，表明排序损失训练的模型可实现MRI扫描细粒度排序，分数能恢复分级且提升类间区分度。

Solve the Missing First Step: Can VLMs Standardize Raw Heterogeneous Medical Data?

解决缺失的第一步：视觉语言模型能否标准化原始异构医学数据？

Xin Chen, Dongliang Xu, Cunhao Zhu, Xudong Luo, Haoyang Lyu, Xiaoxiao Sun, Serena Yeung-Levy, Yue Yao

机构 * Shandong University（山东大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究视觉语言模型应用于医学AI时原始医学数据标准化问题，通过构建基准测试，让模型处理原始数据集文件夹，评估其多种能力，发现即使最佳模型端到端成功率也低，凸显该环节是医学AI诊断关键瓶颈。

Comments 16 pages, 7 figures

Spatial Graph Representation and Morphometric Analysis of the Pulmonary Vascular Tree From Computed Tomography Using Multi-Scale Hessian-Based Filter Fusion and TEASAR Skeletonization

基于多尺度基于Hessian的滤波器融合和TEASAR骨架化的计算机断层扫描肺血管树的空间图表示和形态计量分析

Piotr Mackiewicz, Jakub Kołyska, Radoslaw Roszczyk

机构 * Faculty of Electrical Engineering（电子工程学院） 纠错

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

AI总结 提出一种基于CT重建肺血管树的方法，融合多尺度基于Hessian的滤波器检测大小血管，分割肺实质，提取中心线构建血管图，经修剪验证无环，评估几何合理性，可生成合理模型支持定量肺成像等。

SAVER: Stochastic Adaptive Variance-Driven Exploration and Reconstruction for Low-Dose Computed Tomography

SAVER：用于低剂量计算机断层扫描的随机自适应方差驱动探索与重建

Shunta Nonaga, Koji Tabata, Junya Honda, Hiroyuki Kudo, Wataru Yashiro, Tamiki Komatsuzaki

机构 * Graduate School of Chemical Sciences and Engineering, Hokkaido University（北海道大学化学科学与工程研究生院） ； Research Center of Mathematics for Social Creativity, Research Institute for Electronic Science, Hokkaido University（北海道大学社会创新数学研究中心、电子科学研究所） ； Institute for Chemical Reaction Design and Discovery (WPI-ICReDD), Hokkaido University（北海道大学化学反应设计与发现研究所（世界顶级国际研究中心计划）） ； Graduate School of Informatics, Kyoto University（京都大学信息学研究生院） ； RIKEN Center for Advanced Intelligence Project (AIP)（理化学研究所先进智能项目中心） ； Department of Computer Science, Institute of Systems and Information Engineering, University of Tsukuba（筑波大学系统与信息工程学院计算机科学系） ； International Center for Synchrotron Radiation Innovation Smart (SRIS), Tohoku University（东北大学国际同步辐射创新智能中心） ； Institute of Multidisciplinary Research for Advanced Materials (IMRAM), Tohoku University（东北大学先进材料多学科研究所） ； Department of Finemechanics, Graduate School of Engineering, Tohoku University（东北大学工程研究生院精密机械系） ； Graduate School of Dentistry, Tohoku University（东北大学牙科学院） 纠错

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

AI总结 研究针对低剂量CT中减少辐射剂量与保证图像质量的挑战，提出SAVER框架，基于数据统计方差实时选投影角度，经实验验证其在重建保真度及抗噪性上表现优，能依信息重分配剂量提升诊断质量。

Prior-Guided Frequency-Calibrated Virtual EEG Channel Inference from Four Frontal Electrodes for Wearable EEG Augmentation

用于可穿戴脑电图增强的鲁棒频率校准虚拟脑电通道生成：来自四个额叶电极

Minghao Xiao

机构 * School of Biomedical Science and Engineering, South China University of Technology（生物医学工程学院，华南理工大学） ； School of Automation Science and Engineering, South China University of Technology（自动化科学与工程学院，华南理工大学） 纠错

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

AI总结 提出FAVC-Net网络，通过频率校准从四个额叶电极生成13个未测量通道，联合优化波形保真度、频谱分配和鲁棒性，在PRED+CT数据集上实现最佳波形-频谱性能。

Comments 19 pages, 4 figures