医学 AI

WING: A Window-Prior-Based Generative Network with Gated Inception for Cross-Modality CT Synthesis

WING：一种基于窗口先验的带门控inception的生成网络用于跨模态CT合成

Siyuan Mei, Yan Xia, Yipeng Sun, Siming Bayer, Zirong Li, Chengze Ye, Daiqi Liu, Fuxin Fan, Yixing Huang, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg（模式识别实验室，埃尔朗根-纽伦堡弗里德里希-亚历山大大学） ； Department of Orthodontics and Orofacial Orthopaedics, Friedrich-Alexander-Universität Erlangen-Nürnberg（正畸与口腔颌面正畸科，埃尔朗根-纽伦堡弗里德里希-亚历山大大学） ； Siemens Healthineers（西门子医疗） ； Institute of Medical Technology, Peking University（北京大学医学技术研究所） 纠错

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

AI总结 研究旨在从MRI和CBCT生成CT体积改善放疗计划。核心方法是将回归目标重构成窗口表示，引入WING网络，含门控inception生成器、融合与细化变压器及联合对抗训练目标。主要贡献是在相关基准上达最优性能且支持单模型多解剖合成。

CONFLUX: A Latent Diffusion Model for 3D Chest-CT Synthesis with RL Post-Training

CONFLUX：一种用于3D胸部CT合成的潜在扩散模型及强化学习后训练

Max Van Puyvelde, Halil Ibrahim Gulluk, Wim Van Criekinge, Olivier Gevaert

机构 * Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学系） ； Department of Mathematical Modelling, Statistics & Bioinformatics, Ghent University（根特大学数学建模、统计与生物信息学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

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

AI总结 提出CONFLUX潜在扩散模型用于胸部CT合成，由3D变分自编码器和整流流变压器构成，基于放射学元数据生成，通过强化学习后训练增强对临床属性控制，在三平面弗雷歇距离上领先并发布模型与数据集。

PhyMRI-SR: Toward Physics-Aware MRI Image Super-Resolution

PhyMRI-SR：迈向基于物理感知的MRI图像超分辨率

Lihua Wei, Huatong Gao, Jia Gong, Zhiyu Tan, Hao Li, Jun Liu, Zhihua Ren

机构 * School of Biomedical Engineering, ShanghaiTech University（上海科技大学生物医学工程学院） ； Shanghai Academy of AI for Science（上海人工智能研究院） ； Fudan University（复旦大学） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算与通信学院） ； School of Biomedical Engineering & State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University（上海科技大学生物医学工程学院与先进医学材料与器械国家重点实验室） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心） 纠错

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

AI总结 研究旨在解决MRI图像超分辨率问题，将其视为物理感知重建问题。核心方法是采用2D高斯点渲染并引入三项创新，包括先验感知高斯表示、物理约束信号建模和元学习框架。主要贡献是在动态分辨率数据集和标准基准上实现领先性能，有临床部署潜力。

Comments Project Page: https://bio-med-i2-lab.github.io/projects/PhyMRI-SR

UniField: A Unified Field-Aware MRI Enhancement Framework

UniField: 一种统一的场感知MRI增强框架

Yiyang Lin, Chenhui Wang, Zhihao Peng, Yixuan Yuan

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

AI总结 UniField通过整合多模态和增强任务，利用共享退化特性提升MRI增强性能，提出场感知频谱校正机制并公开大规模多场MRI数据集。

Harrison.Rad 1.5 Technical Report: A radiology foundation model that can draft reports from images, priors and clinical context

哈里森.Rad 1.5技术报告：一种可根据图像、先验知识和临床背景起草报告的放射学基础模型

Suneeta Mall, Vladimir Nekrasov, Ashnil Kumar, Sajith Karunasena, Aiden Nibali, Alix Bird, Mateo Diaz Shine, Jarrel Seah

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

AI总结 研究针对放射科报告积压问题，提出HR1.5多模态大语言模型，通过三阶段训练，用特定评分框架评估，该模型是唯一达模拟FRCR及格标准的系统，在多方面准确率最高，还研究了可解释性等以支持临床应用评估。

Decoupled Single-Mask Annotation Noise Detection via Cross-Sectional Patch Self-Consistency

通过横截面补丁自一致性进行解耦单掩码注释噪声检测

Yinheng Zhu, Xiaowei Xu

机构 * Tsinghua University（清华大学） ； Guangdong Provincial People’s Hospital（广东省人民医院） 纠错

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

AI总结 研究血管CT数据集单掩码注释噪声问题，提出利用横截面补丁自一致性的解耦框架检测噪声，通过采样、检索邻居及计算分数产生证据和质量图，实验验证其能提高训练鲁棒性并揭示注释偏差。

Comments 13 pages, 6 figures. Accepted by MICCAI 2026

Self-Supervised Implicit CEST Reconstruction via Physics-Informed Lorentz Encoding

通过物理信息洛伦兹编码实现自监督隐式CEST重建

Dexuan Li, Yupeng Wu, Chenglong Wang, Hanlin Liu, Hui Zhen, Jianqi Li, Guang Yang

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

AI总结 针对多池CEST MRI采集时间长、有限数据重建高分辨率Z谱难的问题，提出物理信息洛伦兹编码（LE），将CEST重建作为自监督任务，通过隐式连续坐标学习实现，实验证明其优于现有方法，能确保准确的定量代谢物映射。

Comments 10 pages, 5 figures, Accepted by MICCAI 2026

Volumetric Directional Diffusion: Anchoring Uncertainty Quantification in Anatomical Consensus for Ambiguous Medical Image Segmentation

体积方向扩散：在模糊医学图像分割的解剖学共识中锚定不确定性量化

Chao Wu, Mahesh Bhosale, Kangxian Xie, Pouya Karimian, David Doermann, Mingchen Gao

机构 * Department of Computer Science and Engineering University at Buffalo, SUNY Buffalo, NY, USA（计算机科学与工程系，布法罗大学，纽约州，布法罗，美国） 纠错

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

AI总结 针对模糊医学图像分割中不同专家边界描绘有差异的问题，提出体积方向扩散（VDD）框架，以粗略共识预测为锚点，学习方向扩散过程生成边界变化，实验表明该方法能在保持精度和结构一致性时改善不确定性分布对齐。

Reduced NEXI protocol for the quantification of human gray matter microstructure on the Connectome 2.0 scanner

用于Connectome 2.0扫描仪中人类灰质微结构量化的一种简化NEXI协议

Quentin Uhl, Tommaso Pavan, Julianna Gerold, Kwok-Shing Chan, Yohan Jun, Shohei Fujita, Aneri Bhatt, Yixin Ma, Qiaochu Wang, Hong-Hsi Lee, Susie Y. Huang, Berkin Bilgic, Ileana Jelescu

机构 * Lausanne University Hospital (CHUV) and University of Lausanne（拉沃斯大学医院（CHUV）和拉沃斯大学） ； Massachusetts General Hospital（麻省总医院） ； Athinoula A. Martinos Center for Biomedical Imaging（阿提诺拉A.马丁诺斯生物医学成像中心） 纠错

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

AI总结 本文提出一种简化NEXI协议，利用可解释AI框架减少扫描时间，验证了其在体内的有效性，并展示了其在微结构映射中的优势。

Comments Submitted to Imaging Neuroscience. This all-in-one version includes supplementary materials. 34 pages, 145 figures, 4 tables

TMF-RSE: Tri-Modal Fusion with Regional Semantics and Evidential Uncertainty for Lung Severity Scoring

TMF-RSE：用于肺部严重程度评分的具有区域语义和证据不确定性的三模态融合

Fadi Abdeladhim Zidi, Salah Eddine Bekhouche, Abdellah Zakaria Sellam, Gaby Maroun, Fadi Dornaika, Cosimo Distante

机构 * Institute of Applied Sciences and Intelligent Systems (ISASI), CNR（应用科学与智能系统研究所（ISASI），CNR） ； Department of Computer Science and Artificial Intelligence, University of the Basque Country (UPV/EHU)（巴斯克国家大学计算机科学与人工智能系） ； University of Salento（萨莱nton大学） 纠错

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

AI总结 针对从胸部影像量化肺部疾病严重程度的问题，提出TMF-RSE框架，结合多模态特征，采用互补融合机制和证据回归，在相关数据集实验中性能优于基于Transformer的基线。

Comments 6 pages, 2 figures, 5 tables. IEEE conference format (IEEEtran). Submitted to AVSS 2026. Tri-modal fusion for lung severity scoring using appearance, segmentation, and VLM semantics with evidential uncertainty

Shape Over Intensity: Directional Topological Encoding for False Positive Reduction in Intracranial Aneurysm Detection

面向动脉瘤与分叉检测的拓扑形状表示方法

Akshay Gokhale, Mansi Dhamne

机构 * Sardar Patel Institute of Technology（萨达尔·帕特尔技术学院） 纠错

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

AI总结 针对颅内动脉瘤CTA检测假阳性高、小病灶灵敏度低的问题，提出即插即用拓扑感知框架，采用SECT表征血管几何，大幅提升小动脉瘤检测性能与跨设备泛化性。

Comments 36 pages, 12 figures, preprint

A Quadratic Vertex Threshold for Isolated Cliques in the Minimum Degree Kruskal-Katona Problem for 3-Uniform Hypergraphs

3-均匀超图最小度克鲁斯卡尔-卡托纳问题中孤立团的二次顶点阈值

Haorui Liu, Mei Lu, Yi Zhang

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究3-均匀超图最小度克鲁斯卡尔-卡托纳问题，通过图变换正则化邻域结构，将问题简化为计数论证，证明对足够大的\(t\)，当\(|X|\)满足一定条件时，极值超图含\(K_{t + 1}^3\)孤立副本，给出二次阶阈值。

Comments 27 pages

Label Hierarchy Transition: Delving into Class Hierarchies to Enhance Deep Classifiers

标签层次转换：深入研究类层次结构以增强深度分类器

Renzhen Wang, De cai, Kaiwen Xiao, Xixi Jia, Xiao Han, Deyu Meng

机构 * School of Mathematics and Statistics and Ministry of Education Key Lab of Intelligent Networks and Network Security, Xi’an Jiaotong University（数学与统计学学院和教育部智能网络与网络安全重点实验室，西安交通大学） ； Tencent AI Lab（腾讯AI实验室） ； ByteDance（字节跳动） ； SINGPATH AI Lab, SingPath Medical Technology Pte. Ltd.（SingPath AI实验室，SingPath医疗科技私人有限公司） ； School of Mathematics and Statistics, Xidian University（数学与统计学学院，西安电子科技大学） ； College of Biomedical Engineering, Sichuan University（生物医学工程学院，四川大学） ； School of Mathematics and Statistics, Ministry of Education Key Lab of Intelligent Networks and Network Security, Xi’an Jiaotong University（数学与统计学学院和教育部智能网络与网络安全重点实验室，西安交通大学） ； Macao Institute of Systems Engineering, Macau University of Science and Technology（澳门系统工程研究院，澳门科技大学） 纠错

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

AI总结 研究针对层次分类中现有方法未充分利用类别相关性的问题，提出基于深度学习的LHT统一概率框架，由转换网络和混淆损失构成，实验证明其优于现有方法，还扩展到皮肤病变诊断任务展现潜力。

OBBSeg: Irregular Lesion Segmentation under Oriented Bounding Box Annotations

OBBSeg：基于有向边界框标注的不规则病变分割

Jun Wei, Xinchang Liu, Yu Liu, Chuhua Yang, Shuhui Wang, Hui Huang

机构 * CSSE, Shenzhen University（深圳大学计算机科学与软件学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 针对医学图像分割像素级标注瓶颈，提出OBBSeg中间监督范式，由有向边界框引导，联合编码空间范围与方向，引入掩码到OBB损失减轻矩形偏差，通过PAFE和DBFE增强前景表示抑制背景干扰，实验表明其性能优异。

Comments 18 pages, 7 figures. ECCV 2026

Shape Ultrasound with Dynamic Microfluidic Lenses

利用动态微流体透镜实现超声形状控制

Dajun Zhang, Hyunji Shim, Michael Ferolito, Feng Ye, Hongrui Jiang, Chu Ma

专题命中 医学影像 ：biomedical(abstract)

AI总结 研究利用微流体超声透镜系统实现超声场可重构空间调制，通过FPGA控制微泵填充不同液体生成相位模式，集成微流体透镜与单元素换能器展示多种功能，确立了微流体相位调制用于动态超声场控制的优势。

Effective Color Dipole Approach to Color Transparency in $ρ^0$ Electroproduction

有效色偶极方法在\texorpdfstring{$ρ^0$}{rho^0}电产生中的颜色透明度研究

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

专题命中 医学影像 ：CT(abstract)

AI总结 采用多通道末态相互作用框架，结合有效色偶极模型边界条件，研究$^{12}$C和$^{56}$Fe核上$ρ^0$电产生中的核透明度，解释了CLAS数据中$Q^2$依赖的增强现象。

Comments 7 pages, 4 figures

Eigenvalues of Brownian Motions on $\mathrm{GL}(N,\mathbb{C})$

关于\(\mathrm{GL}(N,\mathbb{C})\)上布朗运动的特征值

Tatiana Brailovskaya, Nicholas A. Cook, Todd Kemp, Félix Parraud

专题命中 医学影像 ：CT(abstract_cn)

AI总结 研究\(\mathrm{GL}(N,\mathbb{C})\)上布朗运动特征值，通过一族非退化扩散过程及对小\(t\)时布朗运动的定量逼近，证明其特征值经验法则几乎必然收敛到确定性概率测度，解决了相关猜想。