科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
可靠性感知的CT-MRI配准：一个具有稳定性分析和风险分类的质量工程框架
机构 * School of Systems Science and Industrial Engineering, Binghamton University（宾夕法尼亚大学系统科学与工业工程学院）
专题命中 医学影像 ：MRI(title,title_cn)；CT(title,title_cn)；分类 cs.CV
AI总结 提出可靠性感知框架，通过数据学习阈值将配准质量转化为风险类别，用多种指标评估可靠性，经训练阈值用于测试患者，表明仿射配准更优，可靠性过滤配准可改善对齐，还做了多方面分析。
pyMEAL：用于稳健医学图像翻译的多编码器增强感知学习工具箱
机构 * Hong Kong Centre for Cerebro-Cardiovascular Health Engineering (COCHE)（香港脑心血管健康工程中心） ； Department of Informatics, Sokoine University of Agriculture（农业科学学院信息系） ； Department of Diagnostic Radiology, The University of Hong Kong（香港大学诊断放射科） ； State Key Laboratory of Brain and Cognitive Sciences, The University of Hong Kong（香港大学脑科学与认知科学国家重点实验室） ； Alzheimer’s Disease Research Network, The University of Hong Kong（香港大学阿尔茨海默病研究网络） ； Department of Biomedical Engineering, City University of Hong Kong（城市大学生物医学工程系） ； Department of Radiology and Radiological Science, The Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院放射学与放射科学系） ； City University of Hong Kong Shenzhen Research Institute（城市大学深圳研究 institute）
专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；medical image(title,abstract)；diagnosis(abstract)
AI总结 针对医学图像翻译受患者差异等挑战及3D图像翻译受阻问题，提出多编码器增强感知学习（MEAL），研究三种特征整合策略，经实验验证其在CT到T1加权MRI翻译任务中表现出色，提升了医学图像翻译的稳健性和临床适用性。
Comments 46 pages, 11 figures, 3 tables
利用器官分层报告知识学习基于解剖学的CT视觉语言表征
机构 * Department of Radiology, Perelman School of Medicine, University of Pennsylvania（放射科，佩尔曼医学院，宾夕法尼亚大学）
专题命中 医学影像 ：CT(title,title_cn)；diagnosis(abstract)；radiology(abstract)；分类 cs.CV
AI总结 研究利用CT图像与放射学报告进行医学视觉语言预训练，提出OKA-CT框架，通过转化报告为器官条件知识，分阶段学习，在数据集上实现零样本异常诊断高AUROC，优于基线，提升报告-图像对齐。
Comments 9 pages, 6 figures, 4 tables
CHM-Net：基于中心热图驱动的宏观-微观建模网络用于基于MRI的微生物密度分层
机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； School of Future Technology（未来技术学院） ； Department of Medical Imaging（医学影像科） ； Affiliated Cancer Hospital, Guangzhou Medical University（广州医学院附属癌症医院）
专题命中 医学影像 ：MRI(title,title_cn)；medical image(abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 研究基于MRI的微生物密度分层，提出CHM-Net，通过中心热图引导小病变反应定位，构建宏观-微观证据预测微生物密度，在GBNPC 2026数据集上验证有效性，在两个3D医学图像数据集上证实鲁棒性。
策略驱动的CT智能体：为临床一致的CT推理建模阶段感知诊断控制
机构 * University of Science and Technology of China（中国科学技术大学） ； Technical University of Munich（慕尼黑工业大学）
专题命中 医学影像 ：CT(title,title_cn)；diagnosis(abstract)；分类 cs.LG
AI总结 研究针对CT诊断阶段选择协议差异及现有方法局限，提出策略驱动的CT智能体（PD-CTAgent）。通过临床结构抽象模块和知识引导诊断控制模型，实现阶段感知诊断推理，实验验证其在多数据集上的有效性与临床一致性。
Comments 8 pages, 4 figures
锥束CT在具有挑战性的采集设置下的可微变移位FBP的鲁棒性和稳定性分析
机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany（模式识别实验室，弗赖堡-亚历山大-大学埃尔朗根-纽伦堡，埃尔朗根，德国）
专题命中 医学影像 ：CT(title,title_cn)；biomedical(comments,journal_ref)；分类 cs.CV、eess.IV
AI总结 研究锥束CT中可微变移位FBP在挑战性采集设置下的鲁棒性与稳定性，通过系统研究发现其在不规则轨迹稳定，采样点分布影响大，稀疏视图下质量优、计算快，严重欠采样有性能下降，还适用于非平面多等中心几何结构。
Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:014
Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)
LoSA-Net：用于3D MRI中神经周围侵犯边界敏感预测的局部化和尺度自适应网络
机构 * Seoul National University（首尔国立大学） ； OUTTA ； Chung-Ang University（Chung-Ang 大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，成均馆大学医学院） ； Samsung Changwon Hospital（三星昌原医院） ； NVIDIA AI Technology Center（NVIDIA AI 技术中心）
专题命中 医学影像 ：MRI(title,title_cn)；biomedical(comments,journal_ref)；分类 cs.CV
AI总结 研究针对3D MRI中神经周围侵犯（PNI）预测难题，提出LoSA-Net架构，通过TNA、SAFM和CSRA技术，在168例胆管癌患者的对比增强MRI扫描中，该网络AUC达0.7567，优于卷积和Transformer基线。
Comments Published in the 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI 2026); accepted for oral presentation
Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), 2026
MMA-Former：用于3D MRI中自适应PNI预测的多窗口混合注意力头变压器
机构 * Seoul National University（首尔国立大学） ； OUTTA ； Chung-Ang University（Chung-Ang 大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，全北大学医学院） ； Samsung Changwon Hospital（三星昌原医院） ； NVIDIA AI Technology Center（NVIDIA AI 技术中心）
专题命中 医学影像 ：MRI(title,title_cn)；biomedical(comments,journal_ref)；分类 cs.CV
AI总结 针对3D MRI无创预测PNI的挑战，提出MMA-Former，采用粗-细变压器结构及窗口特定混合注意力机制，能并行多尺度提取特征，实现空间自适应特征提取，在回顾性数据集上AUC达0.752，优于其他架构。
Comments Published in the 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI 2026); accepted for oral presentation
Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), 2026
基于惩罚加权最小二乘法和引导全变差的量子压缩感知CT重建算法
机构 * Peking University Health Science Center（北京大学医学部）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 研究针对现有基于QUBO的稀疏视图CT重建的局限，提出结合PWLS和GTV的量子压缩感知CT方法，经二进制编码形成统一QUBO模型，实验表明该方法重建质量最佳，为量子辅助稀疏视图CT重建提供了概念验证。
Comments 14 pages, 11 figures
用于建模和控制采集变异性的元数据监督MRI表示
机构 * University College London（伦敦大学学院） ； deepc GMBH（深度c有限公司）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 研究磁共振成像采集变异性问题，通过联合建模MRI图像与DICOM元数据分离变异源，学习到解纠缠表示，在此基础上引入统一协调模型，为采集感知表示学习奠定基础。
用于心脏CT综合分割与表型分析的统一框架：人在回路数据标注、视觉基础模型开发、多中心评估及临床验证
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 该研究提出统一框架用于心脏CT综合分割与表型分析，结合人在回路标注、增强技术与自监督预训练模型，组建大型数据集，在多数据集上表现优于开源工具，提高标注效率，推动心脏表型分析发展，还提供了可重复基础。
基于分割的自监督稀疏视图CT重建中的设计选择
机构 * University of Innsbruck（因斯布鲁克大学） ； Institute of Basic Sciences in Engineering Science, University of Innsbruck（因斯布鲁克大学工程科学基础科学研究所） ； University of Cambridge（剑桥大学） ； Yeungnam University（岭南大学） ； University of Applied Sciences Kufstein（库夫施泰因应用科学大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 研究基于分割的自监督稀疏视图CT重建中关键设计选择的影响，引入统一框架分解重建为三组件，通过实验表明最优划分策略依赖噪声结构，多划分分割表现优，结果为方法设计提供指南并凸显独立性假设局限。
Comments 12 pages (main manuscript), 9 pages (supplementary material and figures)
APHABAMAS：一种基于分析体模的方案，用于评估高分辨率3D MRI运动伪影模拟的准确性
专题命中 医学影像 ：MRI(title,title_cn)
AI总结 研究旨在开发评估高分辨率3D MRI运动伪影模拟准确性的方案，提出APHABAMAS方案，利用数字体模解析表达图像和傅里叶域表示，量化三种算法采样误差并排名，为算法选择提供依据。
扩散加权磁共振成像预处理影响双参数前列腺磁共振成像中表观扩散系数估计和自动PI-RADS v2.1分类
专题命中 医学影像 ：MRI(title,summary_cn)；分类 cs.CV、eess.IV
AI总结 研究不同DWI预处理策略对前列腺MRI中ADC估计及PI-RADS分类的影响，通过对268个病例应用多种处理方法，比较不同算法下的ADC图，训练分类器预测PI-RADS分数，发现预处理可提升ADC图质量及分类预测能力。
Comments 19 pages, 10 figures, ISMRM Diffusion workshop 2025, ESMRMB 2025
医学图像分析中局部和非局部相似性度量的聚类算法性能基准测试与优化
机构 * Department of Mathematics, Rhodes University, PO Box 94, Makhanda, 6140, South Africa（数学系，罗德斯大学） ； Department of Statistics, Rhodes University, PO Box 94, Makhanda, 6140, South Africa（统计系，罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS), Stellenbosch 7600, South Africa（理论与计算科学国家研究所）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV、eess.IV
AI总结 该研究针对医学图像分析中利用非局部自相似性的聚类技术进行性能基准测试与优化，评估了五种聚类算法，经随机搜索优化后用多种指标评估，得出不同算法在不同模态下的表现及适用性结论。
从出生到青春期的狒狒大脑纵向MRI模板
专题命中 医学影像 ：MRI(title,title_cn)；分类 q-bio、eess.IV
AI总结 该研究针对狒狒大脑从出生到青春期的发育，提出BABACOOL方法创建多模态发育图谱，生成BaBa21纵向发育模板，还提供全自动生成中间年龄模板的方法，为狒狒数据归一化及相关研究提供便利。
Comments 21 pages, 6 Figures, 6 Supplementary Figures, In Press
Journal ref Imaging Neuroscience, 2026
在固有校准扰动下椎体数字重建射线照片的投影域敏感性分析
机构 * Department of Mathematics, Tulane University（特伦特大学数学系） ； Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； EOS, EOS Imaging Inc.（EOS公司） ； Department of Electrical and Computer Engineering, Vanderbilt University（范德比大学电气与计算机工程系） ； Department of Computer Science, Vanderbilt University（范德比大学计算机科学系）
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 研究固有校准扰动对椎体荧光透视投影及下游配准性能的影响，利用CT衍生模型等生成DRR，通过多种指标量化投影域变化，发现其受视图影响大，会降低配准精度，为评估校准鲁棒性提供框架以提高脊柱成像可靠性。
学习聚焦：用于医学图像分类的解剖学引导注意力正则化
机构 * University of Virginia（弗吉尼亚大学） ； Ahsanullah University of Science and Technology（阿山努拉科技大学） ； University of Utah（犹他大学）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；分类 cs.CV
AI总结 针对医学图像分类中标准分类损失缺乏空间监督的问题，提出Locus框架，利用预训练分割基础模型引导分类器关注诊断相关解剖结构，引入正则化项平衡注意力，在多数据集上验证，提升了分类性能和解剖学注意力。
基于高效扩散变压器的PNI预测的自适应路由
机构 * Seoul National University（首尔国立大学） ； Kyung Hee University（庆熙大学） ； OUTTA ； Chung-Ang University（Chung-Ang 大学） ； Seoul National University School of Medicine（首尔国立大学医学院） ； Samsung Changwon Hospital（三星昌原医院） ； Samsung Medical Center（三星医疗中心） ； NVIDIA AI Technology Center（NVIDIA AI 技术中心）
专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 cs.CV、cs.LG
AI总结 针对胆管癌PNI术前MRI预测难题，传统方法有局限。本文将PNI预测设为扩散分类问题，用基于Transformer的表示实现去噪网络，并引入自适应路由提高效率，实验取得了0.731的AUC及257.57 GFLOPs的结果。
用于磁共振成像的光驱动低功耗低噪声放大器
专题命中 医学影像 ：MRI(title,abstract)
AI总结 研究旨在开发光驱动的低功耗低噪声放大器（LPLNA）用于磁共振成像，采用两级级联放大器设计并在单面PCB实现，相比商用LNA功耗低五倍，在多方面性能相当，证明其用于光驱动射频接收线圈阵列的可行性及应用潜力。
用于高效三维空间功率谱合成的旋转均匀线性阵列计算机断层扫描：架构与原理性方向设计
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 eess.SP
AI总结 该研究提出通过旋转均匀线性阵列进行高效三维空间功率谱合成的方法，受CT启发合成三维谱，相比其他方法降低采样和移动开销，还给出方向设计准则并优化方向集，能以少量样本重建全空间三维谱。
Comments 13 pages, submitted to journal for publication
用于多模态自回归视觉建模的下密集步长预测
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； GE HealthCare（通用电气医疗）
专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 eess.IV
AI总结 研究提出DenseAR范式，将自回归图像生成重构成下密集步长预测，解决现有模型局限。基于此扩展为统一模型处理多模态和成像任务，在医学和自然图像验证，在多对比脑MRI及ImageNet上取得良好效果。
GRC-ProbNet：用于心血管疾病分类的不确定性感知特征提取
机构 * Imperial College London（伦敦帝国学院） ； Medical University of Vienna（维也纳医科大学）
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV
AI总结 研究旨在从CT图像自动检测和分类心血管疾病，提出GRC-ProbNet利用深度集成生成多个分割掩码以提取不确定性特征，实验表明该方法能提高CVD分类的AUROC，优于基线GRC-Net模型。
Comments Under Review
SegWithU：不确定性作为扰动能量用于单次前向传递的鲁棒医学图像分割
机构 * University of Toronto（多伦多大学） ； McGill University（麦吉尔大学） ； University of Waterloo（滑铁卢大学） ； Vector Institute（向量研究所） ； Project Neura ； University of Toronto Machine Intelligence Student Team（多伦多大学人工智能学生团队） ； Amplimit
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV、cs.LG
AI总结 SegWithU通过引入轻量级不确定性头，提升单次前向传递医学图像分割的鲁棒性，实现高可靠性分割结果。
多智能体协作运输：最优且高效的任务分配与路径寻找
专题命中 医学影像 ：CT(summary_cn,abstract)
AI总结 本文提出CT-TAPF问题，整合团队形成、任务分配与无碰撞路径寻找，提出CT-TCBS最优求解器和子最优求解器，通过增量扩展策略和全局任务视角提升效率，验证了在协作多智能体问题中的有效性。
Journal ref AAMAS 2026: Proc. of the 25th International Conference on Autonomous Agents and Multiagent Systems
基于扩散的质量控制用于跨器官医学图像分割
专题命中 医学影像 ：medical image(title,abstract)；分类 q-bio、eess.IV
AI总结 本文提出nnQC框架，通过扩散生成模型实现跨器官医学图像分割的质量控制，有效解决现有方法的通用性问题。
用于常量时间分析的反编译
专题命中 医学影像 ：CT(summary_cn,abstract)
AI总结 研究CT编程中确保汇编代码符合规范的问题，核心方法是探讨反编译然后分析（DtA）方法，主要贡献包括揭示现有误判问题、定义CT透明性概念及方法、扩展到推测性CT并构建实用工具。
Journal ref Proc. ACM Program. Lang. 10, OOPSLA1, Article 93 (April 2026), 30 pages
用于一步式3D医学图像翻译的频谱一致流
机构 * University of Science and Technology of China（中国科学技术大学） ； The First Affiliated Hospital of USTC（中国科学技术大学附属第一医院）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 该研究提出频谱一致流（SC-Flow）框架用于3D医学图像翻译，通过将其 reformulate 为随机布朗桥过程，引入频谱一致性校正器减轻相关问题，经四个数据集实验验证，此方法在多场景下性能更优。
跨全栈和稀疏心脏磁共振成像的端到端4D心脏网格恢复
机构 * School of Computer and Communication Science, EPFL（计算机与通信科学学院，瑞士联邦理工学院） ； ELLIS Institute Finland, Aalto University, Finland（芬兰ELLIS研究所，阿尔托大学，芬兰） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Center for Interventional MRI, CHUV（介入MRI中心，CHUV）
专题命中 医学影像 ：MRI(title)；diagnosis(abstract)；分类 cs.CV
AI总结 研究针对心脏磁共振成像序列重建心脏运动问题，提出TetHeart框架，利用可变形四面体，通过创新机制和策略，能从全栈及稀疏切片观测恢复4D心脏网格，在多数据集上实现高精度和强泛化。
Comments Accepted by TMLR
GB-SVFBP：基于高斯的变移位FBP神经网络
专题命中 医学影像 ：CT(summary_cn)；分类 cs.CV；radiology(comments)
AI总结 针对非圆形轨迹锥束CT重建问题，提出基于高斯的变移位FBP神经网络，引入可训练二维高斯模型减少参数数量，实验表明其参数减少99%，训练时间降为四分之一，显著提升模型实用性与有效性。
Comments Accepted for poster presentation at the 18th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine (Fully3D 2025), Shanghai, China, May 27-30, 2025
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈