医学 AI

Fine-Grained Vision-Language Pretraining with Organ-Conditioned Pattern Tokens for CT Understanding

用于CT理解的基于器官条件模式令牌的细粒度视觉语言预训练

Guoliang You, Xiaomeng Chu

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

AI总结 研究从CT扫描和报告进行视觉语言预训练的难题，提出OCP-CT框架，通过保留全局对比分支、引入器官模式接口等方法，在公开基准上实现零样本异常诊断，相比先前结果有显著AUROC增益。

Comments 9 pages, 4 figures

SARFA: Segment Anything with Radiomic Feature Alignment

SARFA：基于放射组学特征对齐的任意分割

Tyler Ward, Abdullah Imran

机构 * University of Kentucky（肯塔基大学） 纠错

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

AI总结 针对医学成像中目标分割模糊问题，提出SARFA框架，通过概率性提示生成掩码，基于弗雷歇放射组学距离和直接偏好优化进行训练，在CT和MRI基准测试中优于现有方法，有效提升医学图像分割效果。

Comments 15 pages, 9 figures, 5 tables, 1 algorithm

A novel unsupervised machine learning strategy to handle multimodal cardiac PET/MRI data

一种处理多模态心脏PET/MRI数据的新型无监督机器学习策略

Brunnhilde Ponsi, Thomas Carlier, Lara Marteau, Aurélien Monnet, Thomas Eugène, Jean-Michel Serfaty, Nicolas Piriou, Hatem Necib

机构 * Nantes Université, CHU Nantes（南特大学，南特大学医院中心） ； Siemens Healthineers France（西门子医疗法国公司） 纠错

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

AI总结 研究针对致心律失常性左心室心肌病诊断难题，利用PET/MRI数据，采用两步聚类等方法，对患者图像进行处理分析，生成健康报告，经交叉验证和在更大队列上验证，能准确识别异常，有助于表征心肌异质性。

Comments 11 pages, 6 figures

TRACE-PCa: Predicting Prostate Cancer Progression from Longitudinal MRI During Active Surveillance

TRACE-PCa：在主动监测期间从纵向MRI预测前列腺癌进展

Hongye Zeng, Shreeram Athreya, Dingyuan Dai, Steve Raman, Leonard Marks, William Speier, Corey Arnold

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

AI总结 研究提出TRACE-PCa模型，无需病变分割，通过预训练3D MRI模型编码序列扫描，引入时间注意力门，融合临床变量，在纵向AS队列验证中表现出色，能减少不必要活检，有预测前列腺癌进展的潜力。

Comments 7 pages, 4 figures

From Sparse X-rays to 3D CT: Training-Free Reconstruction with Diffusion Priors

从稀疏X射线到三维CT：基于扩散先验的无训练重建

Zhenkai Zhang, Markus Hiller, Krista A. Ehinger, Tom Drummond

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

AI总结 提出TF-PRDiT，一种无需训练的条件采样框架，利用冻结的3D扩散Transformer先验解决多种医学逆问题，通过可微DRR投影器实现从稀疏X射线到高质量CT重建，支持任意数量输入X射线。

Comments Accepted at DGM4MICCAI 2026. Code available at https://github.com/Fredy-Zhang/TF-PRDiT

Efficient Computing for Medical Image Acquisition and Reconstruction

医学图像采集与重建的高效计算

Xiao Wang, Jayasai Rajagopal, Md Safaiat Hossain, Peng Chen, Mohamed Wahib, Enzhi Zhang, Emma J. Reid

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

AI总结 探讨医学图像采集与重建，回顾各成像模态物理及采集过程，推导通用框架，讨论多种重建方法及计算特性，研究高效计算考量，展示成像物理、数学建模与高效计算整合可实现准确且可扩展的医学图像重建。

Comments book chapter for textbook "Medical Image Vision Handbook"

Improving Medical Image Generative Models with Fréchet Distance Loss

用弗雷歇距离损失改进医学图像生成模型

Andrew Marshall, Xuanang Xu, Xiaoran Zhang, Rui Wang, Lawrence Staib, James Duncan

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 研究针对扩散生成模型难以捕捉异质性肿瘤复杂形态特征的问题，提出用弗雷歇距离损失微调模型，通过在多数据集上集成该损失，提升了下游分割网络性能，证明其是改进医学图像生成模型临床工作流程的有效正则化方法。

Multimodal Assessment of Pancreatic Cancer Resectability Using Deep Learning

使用深度学习对胰腺癌可切除性进行多模态评估

Vincent Ochs, Christoph Kuemmerli, Florentin Bieder, Julia Wolleb, Joel L. Lavanchy, Julia Ruppel, Jan Liechti, Stephanie Taha-Mehlitz, Christian Andreas Nebiker, Beat Mueller, Giuseppe Kito Fusai, Joerg-Matthias Pollok, Anas Taha, Philippe C. Cattin, Sebastian Staubli

机构 * University of Basel（巴塞尔大学） ； Clarunis, University Digestive Health Centre（克拉鲁尼斯大学消化健康中心） ； Kantonsspital Aarau（阿劳州立医院） ； Royal Free Hospital（皇家自由医院） 纠错

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

AI总结 研究利用深度学习框架联合分析CT与临床信息，对胰腺癌可切除性分类。通过Swin-UNETR主干获取图像特征，融合临床嵌入，经动态多任务目标训练，能将患者分入NCCN的三种可切除性类别，提高评估准确性。

Reconfigurable Radiology Labels Without Relabeling

无需重新标注的可重构放射学标签

Jean-Benoit Delbrouck, Dave Van Veen, Akash Pattnaik, Kalina Slavkova, Javid Abderezaei, Harris Bergman, Khan Siddiqui

机构 * HOPPR 纠错

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

AI总结 研究针对公共胸部X光数据集标签模式固定的问题，提出将自由文本报告转换为多标签矩阵，通过字典编辑重新配置标签模式的方法，无需重新标注。实验显示该方法高效且新标签探针效果好，表明放射学标签工作单元可改变。

Hybrid GKB Methods for X-Ray Tomography Problems with Unmatched Back Projector

用于具有不匹配反投影器的X射线断层扫描问题的混合GKB方法

Abdulmajeed Alsubhi, Rosemary Renaut

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 针对X射线CT中投影器不匹配致重建问题数学性质改变及影响迭代方法收敛的情况，开发AB和BA - GKB算法的混合变体，利用奇异值分解重建解并自动选正则化参数，经实验验证该混合方法能提高抗半收敛鲁棒性。

MedDiffuseMix: Preserving Diagnostic Evidence with Saliency-Aware Diffusion Medical Image Data Augmentation

MedDiffuseMix: 通过显著性感知的扩散医学图像数据增强保留诊断证据

Teerath Kumar, Raja Vavekanand, Muhammad Turab

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

AI总结 提出MedDiffuseMix框架，利用分类器显著性图引导扩散混合，主要增强低显著性背景区域，保留诊断关键区域，在四个医学图像数据集上提升分类性能。

Comments Under review Signal Image and Video Processing

NetForge RL: A Multi-Agent Simulation Environment for Cyber Defense with Durative Actions

事件驱动的时间图网络用于NetForge_RL中的异步多智能体网络防御

Igor Jankowski

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

AI总结 本文提出CT-GMARL方法，通过固定步长神经微分方程处理非规则采样警报，解决多智能体强化学习在仿真到现实转换中的瓶颈问题，实验证明其在连续时间POSMDP中的有效性。

Comments 7 pages

Transformer is All You Need: Attention-Based Anomaly Detection and Classification in Inverter-Rich Power Systems

你只需要Transformer：基于注意力机制的逆变器密集型电力系统异常检测与分类

Emad Abukhousa, Saman Zonouz, A. P. Sakis Meliopoulos

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

AI总结 研究逆变器密集型电力系统新保护挑战下的异常检测与分类，核心方法是用DL-Xformer与DSE-EBP对比，贡献为给出二者在多类故障和攻击诊断中的表现，推动了智能电网分层保护架构发展。

Beyond Backbone Backpropagation: A Decoupled Strategy for Efficient Transfer Learning

超越骨干反向传播：一种用于高效迁移学习的解耦策略

Daniel Vila-Cruz, Laura Morán-Fernández, Verónica Bolón-Canedo

机构 * Universidade da Coruña（科鲁尼亚大学） ； CITIC（中信） 纠错

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

AI总结 针对深度学习模型部署难题，提出轻量级训练策略，解耦特征提取与分类器优化，预计算特征减少开销，重新设计分类器头。在多种架构和数据集上评估，显著减少训练时间，兼顾精度，还能大幅减少二氧化碳排放，提供可持续方案。

SaNDi-SHoP: Searching for Satellites'N'Disks with a Star-Hopping Program II. Spectrophotometric analysis and orbital monitoring of directly imaged companions

SaNDi-SHoP：使用恒星跳跃程序搜索卫星和圆盘 II. 直接成像伴星的分光光度分析和轨道监测

Andrea Bernardi, Alice Zurlo, Cecilia Lazzoni, Silvano Desidera, Dino Mesa, Sebastian Pérez, Pedro Henrique Nogueira, Domenico Barbato, Anuroop Dasgupta

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究通过VLT/SPHERE对13颗行星和褐矮星进行观测，获取其光度测量和天体测量数据，结合文献数据得出更新轨道解，还获得光谱，新数据表明其光谱类型及轨道特性，对行星形成范式研究有重要意义。

CORTET: Robust generation of simulation-ready cortical meshes

CORTET：稳健生成可用于模拟的皮质网格

Davood Shahsavari, Irina Grigorescu, Jiaxin Xiao, Nashira Baena, Aakash Saboo, Saga N. B. Masui, Yourong Guo, Vanessa Kyriakopoulou, Alena Uus, Martin J. Bishop, Katherine R. Long, Emma C. Robinson

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 研究针对人类大脑褶皱差异影响神经发育障碍成像生物标志物寻找的问题，提出CORTET全自动管道，将皮质表面转换为高质量四面体网格，经与通用网格划分器对比及多胎儿受试者验证，实现数值稳定的胎儿大脑形态弹性折叠模拟。

Comments 12 pages

TCAM-Diff: Triplane-Aware Cross-Attention Medical Diffusion Model

TCAM-Diff：三平面感知交叉注意力医学扩散模型

Zhenkai Zhang, Krista A. Ehinger, Tom Drummond

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

AI总结 研究提出TCAM-Diff这一3D医学图像生成模型，采用仅解码器自动编码器方法学习三平面表示，利用三平面感知交叉注意力扩散模型整合特征，经预训练解码器模块转换为3D体素，在多规模医学数据集实验中结果出色，优于其他类似方法。

Comments Accepted at AAAI 2025. Code is available at https://github.com/Fredy-Zhang/TCAM-Diff

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 39(21): 22732-22740, 2025

BiLoG-Net: A Bi-Context Location-Guided Network for Breast Mass Segmentation and Malignancy Classification in Mammography

BiLoG-Net：用于乳腺钼靶中乳腺肿块分割和恶性肿瘤分类的双上下文位置引导网络

Abu Fatema Mohammad Abdun Noor, Md Imam Ahasan, Md Samiul Ahasan, Kah Ong Michael Goh, S M Hasan Mahmud, Raihana Zannat

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

AI总结 针对乳腺钼靶中肿块检测难题，提出BiLoG-Net深度学习框架，通过双上下文位置感知特征建模等，联合进行肿块分割与恶性肿瘤分类，在相关基准测试中性能优异，为临床辅助检测提供助力。

Comments 27 pages, 6 figures, 5 tables. Under review at Computer Modeling in Engineering & Sciences

Controllable Generation of Diverse Dermatological Imagery for Fair and Efficient Malignancy Classification

用于公平高效恶性肿瘤分类的可控多样皮肤病图像生成

Héctor Carrión, Narges Norouzi

机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 研究针对皮肤病诊断中缺乏多样标注图像的问题，提出cgDDI框架，能合成健康皮肤样本、映射罕见病变，支持自动分割掩码，通过多数据集验证，提高了恶性肿瘤分类准确率，公开相关资源推动公平性研究。

Comments Accepted at MICCAI 2026