医学 AI

Physically Aware Radiomics Without Interpolation: Disentangling Voxel Geometry and Signal Modification in CT and MRI

无插值的物理感知放射组学：解析CT和MRI中的体素几何与信号修正

David Corral Fontecha, Juan Miranda Bautista, Pablo Menendez Fernández-Miranda, Sergio Rubio-Martín, Lara Lloret Iglesias, Jose A. Vega

机构 * Complejo Asistencial Universitario de León（莱昂大学附属医院综合体） ； Hospital Universitario Rey Juan Carlos（雷·胡安·卡洛斯大学医院） ； Health Research Institute of the Jiménez Díaz Foundation（希门尼斯·迪亚斯基金会健康研究所） ； Rey Juan Carlos University（雷·胡安·卡洛斯大学） ； Universidad de Oviedo（奥维耶多大学） ； Universidad de León（莱昂大学） ； IFCA-CSIC（西班牙国家研究委员会高级计算与电子科学研究所） ； Universidad Autónoma de Chile（智利大学） 纠错

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

AI总结 该研究针对放射组学纹理特征计算中因各向异性图像导致的问题，开发体素间距感知放射组学框架，通过修改PyRadiomics并比较四种配置进行实验，结果表明VS能有效分离几何建模与信号修正，为放射组学分析提供新方法。

Comments Manuscript under peer review

SpikeDS: Dual Sparsity Spikformer for Perineural Invasion Prediction in 3D MRI

SpikeDS：用于3D MRI中神经周围侵犯预测的双稀疏Spikformer

Induk Um, Youngung Han, Kyeonghun Kim, Yului Jeong, Jina Jeong, Hyunsu Go, Dohyun Kweon, Sungha Park, Junga Kim, Anna Jung, Suah Park, Hyuk-Jae Lee, Pa Hong, Woo Kyoung Jeong, Won Jae Lee, Ken Ying-Kai Liao, Nam-Joon Kim

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

AI总结 研究针对3D MRI中神经周围侵犯预测难题，提出双稀疏Spikformer架构，利用激活与空间稀疏性，引入双稀疏脉冲注意力机制，经实验验证其在临床队列中AUC达0.753且能耗低，有效提升效率且不损诊断性能。

GenDiff: A Dose and Anatomy Aware Diffusion Model with Structural Prior Refinement for Low-Dose CT Reconstruction and Generalization

GenDiff：一种具有结构先验细化的剂量和解剖感知扩散模型，用于低剂量CT重建和泛化

Md Imam Ahasan, Guangchao Yang, A F M Abdun Noor, Kah Ong Michael Goh, S. M. Hasan Mahmud, Md Mahfuzur Rahman

机构 * Faculty of Information Science & Technology, Multimedia University, Malaysia（马来西亚多媒体大学信息科学与技术学院） 纠错

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

AI总结 针对低剂量CT重建中现有方法局限性，提出GenDiff框架，联合建模剂量与解剖信息，集成多种模块，经多数据集实验验证，该方法在不同条件下鲁棒性强且重建质量优，是低剂量CT成像的有前途方案。

Comments 20 pages, 8 figures, 4 tables. Under review at PeerJ Computer Science

Anatomy-Privileged Distillation with Token Routing for MRI-Based Prediction of Perineural Invasion

基于令牌路由的解剖学特权蒸馏用于基于MRI的神经周围侵犯预测

Hyunsu Go, Youngung Han, Kyeonghun Kim, Junga Kim, Dohyun Kweon, Jinyong Jun, Sungha Park, Anna Jung, Induk Um, Yului Jeong, Suah Park, Jina Jeong, Pa Hong, Woo Kyoung Jeong, Won Jae Lee, Ken Ying-Kai Liao, Hyuk-Jae Lee, Nam-Joon Kim

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

AI总结 针对肝内胆管癌PNI预测，提出解剖学特权师生框架，训练时教师用带掩码MRI学习令牌路由，学生提炼指导，该方法在155名患者中表现良好，实现较高AUROC，且推理无需掩码，计算量和时间合理。

Contrastive Joint-Embedding Prediction for Representation Learning in Structural MRI

用于结构MRI中表示学习的对比联合嵌入预测

Fabian Mager, Lars Kai Hansen

机构 * Technical University of Denmark（丹麦技术大学） ； Department of Applied Mathematics and Computer Science（应用数学与计算机科学系） 纠错

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

AI总结 针对医学成像中标记数据稀缺问题，提出COJEPA自监督框架，结合联合嵌入预测架构与对比损失，用于体积脑MRI。通过特定技术扩展到3D，在多任务中评估，取得了如最佳同卵双胞胎召回率等成果，证明组合目标能产生优质表示。

INFANiTE: Implicit Neural representation for high-resolution Fetal brain spatio-temporal Atlas learNing from clinical Thick-slicE MRI

INFANiTE：隐式神经表示用于高分辨率胎儿脑空间-时间大体图谱学习从临床厚切片MRI

Xiaotian Hu, Mingxuan Liu, Hongjia Yang, Tongxi Song, Yijin Li, Yifei Chen, Haoxiang Li, Zihan Li, Yingqi Hao, Ziyu Li, Yi Liao, Haibo Qu, Qiyuan Tian

机构 * Beihang University（北航大学） ； Tsinghua University（清华大学） ； Sichuan University（四川大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 INFANiTE通过隐式神经表示方法，实现了从厚切片MRI中高效生成高分辨率胎儿脑空间-时间大体图谱，显著加快了图谱构建过程，提升了图谱的一致性、参考保真度和生物合理性。

Reconstruction-Independent Resolution Limits in Preclinical Cone-Beam Micro-CT: A Closed-Form Analysis

临床前锥形束微CT中与重建无关的分辨率极限：闭式分析

Falk L. Wiegmann, Nancy L. Ford

专题命中 医学影像 ：CT(title,title_cn)

AI总结 研究临床前锥形束微CT中与重建无关的分辨率极限，推导光子噪声和角采样极限的闭式表达式，组合成有效分辨率图，给出扫描设计最优值及预算分配规则，并用实例和计算器展示相关内容。

Comments Accompanying open-source interactive web calculator: https://ubc-ford-lab.github.io/ideal_observer_SKE_BKE_model/

The TopCoW Challenge -- Topology-Aware Circle of Willis Segmentation for CT and MR Angiography

TopCoW挑战——用于CT和MR血管造影的拓扑感知Willis环分割

Kaiyuan Yang, Fabio Musio, Yihui Ma, Norman Juchler, Johannes C. Paetzold, Rami Al-Maskari, Luciano Höher, Hongwei Bran Li, Ibrahim Ethem Hamamci, Anjany Sekuboyina, Suprosanna Shit, Houjing Huang, Chinmay Prabhakar, Ezequiel de la Rosa, Bastian Wittmann, Diana Waldmannstetter, Florian Kofler, Fernando Navarro, Martin J. Menten, Ivan Ezhov, Daniel Rueckert, Iris N. Vos, Ynte M. Ruigrok, Birgitta K. Velthuis, Hugo J. Kuijf, Pengcheng Shi, Wei Liu, Ting Ma, Maximilian R. Rokuss, Yannick Kirchhoff, Fabian Isensee, Klaus Maier-Hein, Chengcheng Zhu, Huilin Zhao, Philippe Bijlenga, Julien Hämmerli, Catherine Wurster, Laura Westphal, Jeroen Bisschop, Elisa Colombo, Hakim Baazaoui, Hannah-Lea Handelsmann, Andrew Makmur, James Hallinan, Amrish Soundararajan, Benedikt Wiestler, Jan S. Kirschke, Evamaria O. Riedel, Roland Wiest, Emmanuel Montagnon, Laurent Letourneau-Guillon, Kwanseok Oh, Dahye Lee, Orhun Utku Aydin, Adam Hilbert, Jana Rieger, Dimitrios Rallios, Satoru Tanioka, Alexander Koch, Dietmar Frey, Abdul Qayyum, Moona Mazher, Steven Niederer, Nico Disch, Julius C. Holzschuh, Dominic LaBella, Francesco Galati, Daniele Falcetta, Maria A. Zuluaga, Chaolong Lin, Haoran Zhao, Zehan Zhang, Minghui Zhang, Xin You, Hanxiao Zhang, Guang-Zhong Yang, Yun Gu, Sinyoung Ra, Jongyun Hwang, Hyunjin Park, Junqiang Chen, Marek Wodzinski, Henning Müller, Nesrin Mansouri, Florent Autrusseau, Cansu Yalcin, Rachika E. Hamadache, Clara Lisazo, Joaquim Salvi, Adrià Casamitjana, Xavier Lladó, Uma Maria Lal-Trehan Estrada, Valeriia Abramova, Luca Giancardo, Arnau Oliver, Paula Casademunt, Adrian Galdran, Matteo Delucchi, Oscar Camara, Jialu Liu, Haibin Huang, Yue Cui, Zehang Lin, Yusheng Liu, Shunzhi Zhu, Tatsat R. Patel, Adnan H. Siddiqui, Vincent M. Tutino, Maysam Orouskhani, Huayu Wang, Mahmud Mossa-Basha, Yuki Sato, Sven Hirsch, Susanne Wegener, Bjoern Menze

机构 * Department of Quantitative Biomedicine, University of Zurich, Zurich, Switzerland ； Institute of Computational Life Sciences, Zurich University of Applied Sciences (ZHAW), Waedenswil, Switzerland ； Department of Neuroradiology, University Hospital of Zurich, Zurich, Switzerland ； Department of Neurosurgery, Zhongnan Hospital of Wuhan University, Wuhan, China ； Department of Radiology at Weill Cornell Medicine, Cornell University, New York, USA ； Institute for Tissue Engineering ； School of Computation, Information ； Technology, Technical University of Munich, Germany ； Athinoula A. Martinos Center for Biomedical Imaging, Harvard Medical School, Boston, USA ； School of Medicine ； Health, TUM Klinikum, Technical University of Munich, Germany ； Munich Center for Machine Learning, Munich, Germany ； Department of Computing, Imperial College London, London, UK ； Image Sciences Institute, UMC Utrecht, Utrecht, The Netherlands ； Department of Neurology ； Neurosurgery, University Medical Center Utrecht, Utrecht, The Netherlands ； Department of Radiology, University Medical Center Utrecht, Utrecht, The Netherlands ； Electronic \& Information Engineering School, Harbin Institute of Technology (Shenzhen), China ； Peng Cheng Laboratory, Shenzhen, China ； Division of Medical Image Computing, German Cancer Research Center (DKFZ), Heidelberg, Germany ； Faculty of Mathematics ； Computer Science, Heidelberg University, Germany ； Helmholtz Imaging, German Cancer Research Center, Heidelberg, Germany ； Data Science School for Health, Karlsruhe/Heidelberg, Germany ； Learning Group, Department of Radiation Oncology, Heidelberg University Hospital ； Department of Radiology, University of Washington, Seattle, WA, USA ； Department of Radiology, Ren Ji Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China ； Department of Clinical Neurosciences, Division of Neurosurgery, Geneva University Hospitals, Geneva, Switzerland ； Department of Neurology, University Hospital of Zurich, Zurich, Switzerland ； Department of Physiology, University of Toronto, Canada ； Department of Neurosurgery, University Hospital of Zurich, Zurich, Switzerland ； Department of Diagnostic Imaging, National University Hospital, Singapore ； University of Chicago, USA ； Department of Diagnostic ； Interventional Neuroradiology, University Hospital Berne ； University of Berne, Berne, Switzerland ； Centre de Recherche du Centre Hospitalier de l’Université de Montréal (CRCHUM), Montréal, Québec, Canada ； DEEPNOID Inc., Seoul, South Korea ； Department of Artificial Intelligence, Korea University, Seoul, South Korea ； Charité Lab for AI in Medicine (CLAIM), Charité Universitätsmedizin Berlin, Berlin, Germany ； Lung Institute, Faculty of Medicine, Imperial College London, London, UK ； Centre for Medical Image Computing, Department of Computer Science, University College London, London, UK ； Department of Radiation Oncology, Duke University Medical Center, Durham, NC, USA ； Institute of Medical Technology, Peking University Health Science Center, Beijing, China ； Hangzhou Genlight MedTech Co., Ltd., China ； Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China ； Department of Automation, Shanghai Jiao Tong University, Shanghai, China ； Department of Artificial Intelligence, Sungkyunkwan University, Seoul, South Korea ； Department of Electrical ； Computer Engineering, Sungkyunkwan University, Seoul, South Korea ； Shanghai MediWorks Precision Instruments Co., Ltd., China ； Institute of Informatics, HES-SO Valais-Wallis, Switzerland ； Department of Measurement ； Electronics, AGH University of Krakow, Poland ； Laboratoire de Thermique et Energie de Nantes (LTeN), Université Nantes, Polytech’Nantes, Nantes, France ； Research Institute of Computer Vision ； Center for Precision Health, McWilliams School of Biomedical Informatics, University of Texas Health Science Center at Houston, USA ； Physense, BCN-Medtech, Department of Communication ； Information Technologies, Universitat Pompeu Fabra, Barcelona, Spain ； Department of Mathematical Modeling ； Machine Learning, University of Zurich, Zurich, Switzerland ； Laboratory of Brain Atlas ； Brain-inspired Intelligence, Institute of Automation, Chinese Academy of Sciences, Beijing, China ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China ； School of Computer ； Information Engineering, Xiamen University of Technology, Xiamen, China ； Vascular Research Center, University at Buffalo, NY, USA ； Department of Pathology ； Anatomical Sciences, University at Buffalo, NY, USA ； Department of Neurosurgery, University at Buffalo, NY, USA ； LPIXEL Inc., Tokyo, Japan 纠错

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

AI总结 组织TopCoW基准挑战，发布含125对MRA和CTA扫描的注释数据集，参与者提交CoW分割和变体分类算法，经评估，最佳算法在多任务中表现出色，证明CoW分割算法对下游临床应用有可解释性效用。

Comments Summary paper for the TopCoW Challenge: 4 figures, 1 table, and supplementary material in appendix. Accepted for publication in NEJM AI. Datasets and best-performing algorithm Dockers are available at https://zenodo.org/records/15692630 and https://zenodo.org/records/15665435

Journal ref NEJM AI 2026;3(8)

Medical Image Segmentation based on Deep Active Contour and Mean Curvature Loss Function

基于深度活动轮廓和平均曲率损失函数的医学图像分割

Xiao-qiang Zhai, Zhi-feng Pang, Peng Zheng, Ze-wen Li, Yan-zhe Hou

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

AI总结 针对医学图像分割中像素级训练缺乏几何先验信息及分割区域表征不足的问题，提出深度活动轮廓和平均曲率（DACMC）损失函数，用卷积核近似平均曲率，在多数据集上验证性能，展现新最优表现。

Comments 15 pages, 4 figures. Keywords: medical image segmentation, curvature regularization, loss function, active contour model, mean curvature, deep learning. Under review at Biomedical Signal Processing and Control

Multi-Perspective Agentic Program Repair via Code Property Graphs and Temporal Execution Graphs

通过代码属性图和时间执行图进行多视角智能程序修复

Zhili Huang, Ling Xu, Hongyu Zhang

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究针对大语言模型在自动程序修复中的局限，提出CT-Repair框架，通过代码属性图和时间执行图表示证据，利用三阶段过滤管道及多视角智能体分析错误并生成修复策略，实验证明该方法能有效提高修复有效性。

Comments 12 pages, 5 figures, 10 tables

UniMedSeg: Unified In-Context Learning for Multi-Paradigm 2D/3D Medical Image Segmentation

UniMedSeg：用于多范式2D/3D医学图像分割的统一上下文学习

Yunzhou Li, Jiesi Hu, Yanwu Yang, Hanyang Peng, Chenfei Ye, Jianfeng Cao, Yixuan Yuan, Ting Ma

机构 * Harbin Institute of Technology at Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； University Hospital Tübingen（图宾根大学医院） ； German Center for Mental Health（德国心理健康中心） ； Chinese University of Hong Kong（香港中文大学） 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基础模型存在的问题，提出以Transformer为中心的UniMedSeg框架，通过映射多种信息到共享序列空间联合学习异构医学监督，引入解耦分割注意力克服内存瓶颈，在多类分割任务中实现最优性能且无需特定任务微调。

Lesion Segmentation in Moderate to Severe Traumatic Brain Injury: An nnU-Net Based Approach with Adaptive Normalization in the AIMS-TBI 2025 Challenge

中重度创伤性脑损伤中的病变分割：AIMS-TBI 2025 挑战赛中基于 nnU-Net 并采用自适应归一化的方法

Inhwa Son, Gaeun Lee, Sohyeon Sim, Kwang-Hyun Uhm

机构 * Gachon University（加昌大学） ； MEDAI 纠错

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

AI总结 针对中重度创伤性脑损伤病变分割难题，利用AIMS-TBI 2025挑战赛推动算法发展，提出基于nnU-Net并采用自适应归一化的方法，有效减少个体差异与伪影，在测试中取得良好成绩，证明该策略对解决病变分割复杂性有效。

Comments 2nd place, AIMS-TBI Challenge at MICCAI 2025

FPGA-Based Mini X-Ray Detector Front-End

基于现场可编程门阵列的微型X射线探测器前端

Kris Paetow, D. G. Perera

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究针对医学成像系统对前端电子设备的需求，利用现场可编程门阵列处理大量数据并保持可预测定时和低延迟操作的特性，将医学成像概念简化为基于FPGA的小型前端演示。

Comments 20 pages, 9 Figures

Low-Temperature Holographic Conductivity

低温全息电导率

Sabyasachi Maulik, Leopoldo A. Pando Zayas, Jingchao Zhang

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究低温下全息电导率，通过有效二维作用量处理量子涨落，得出电导率非单调温度依赖，包括先降后升等情况，还估计了一圈贡献，发现量子修正显著改变全息电导率低温行为。

Comments 35 pages, 9 figures

Modeling the Evolution of Protoplanetary Disks: Two Pathways from Gravitational Instability to MHD Wind-Driven Accretion

模拟原行星盘的演化：从引力不稳定性到磁流体动力学风驱动吸积的两条路径

Yang Ni, Wenrui Xu, Xue-Ning Bai

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 研究原行星盘演化，提出半二维模型，纳入多种因素。大规模磁通量径向分布驱动两条演化路径，连接不同类型盘，指出盘物理时空不均匀、热力学有作用、磁通量分布是关键，结果与观测相符。

Comments 22 pages, 5 figures; submitted to ApJ

Steering Diffusion Models via Class-Contrastive Influence for Few-Shot Medical Classification

通过类对比影响引导扩散模型进行少样本医学分类

Jeeyung Kim, Erfan Esmaeili, Qiang Qiu

机构 * Purdue University（普渡大学） 纠错

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

AI总结 针对少样本医学分类中标记数据稀缺，现有方法忽视样本对分类有用性衡量与优化的问题，提出类对比影响（C2I）准则，通过强化学习用C2I奖励微调扩散模型，引导生成类信息丰富样本，提高了下游准确性和鲁棒性。

Low-temperature Quantum-corrected Holographic Transport with Momentum Relaxation

具有动量弛豫的全息模型中低温量子修正全息输运

Suman Das, Sabyasachi Maulik, Leopoldo A. Pando Zayas, Jingchao Zhang

专题命中 医学影像 ：CT(abstract_cn)

AI总结 研究具有动量弛豫的全息模型中近极端黑膜近 AdS₂ 喉部涨落引起的输运量子修正，通过计算相关物理量，发现 Schwarzian 量子涨落导致低温输运增强，不同标度维数算符有不同温度依赖特征，确定了近视界量子引力在全息量子物质输运性质中的特征。

Comments 46 pages, 10 figures

MORSE: Multiple Orthogonal Reference Sensitivity Encoding

MORSE：多正交参考灵敏度编码

Oliver Josephs, Barbara Dymerska, Nadine N. Graedel, Yael Balbastre, Nadege Corbin, Martina F. Callaghan

专题命中 医学影像 ：MRI(abstract)

AI总结 MORSE通过多正交参考灵敏度编码方法，实现高效、稳健的欠采样图像重建，适用于实时MRI应用。

Comments 10 pages, 6 figures, This work has been submitted to the IEEE for possible publication