医学 AI

Causal-Adversarial Probing of Clinical Covariates for Prostate MRI Grading

用于前列腺MRI分级的临床协变量的因果对抗探究

Yipei Wang, Shiqi Huang, Wen Yan, Weixi Yi, Dean C. Barratt, Mark Emberton, Daniel C. Alexander, Veeru Kasivisvanathan, Yipeng Hu

机构 * University College London（伦敦大学学院） ； Medical University of Vienna（维也纳医科大学） 纠错

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

AI总结 研究针对前列腺MRI分级模型，提出因果推理框架，通过对抗框架抑制临床协变量可解码性来探究其依赖性。经实验，在2903例检查及576例患者验证，发现不同临床变量与分级模型的关系，为区分有害依赖和信息信号提供分析。

Multi-LLM Collaborative MRI Report Generation for Visual Instruction Tuning in Brain Oncology

用于脑肿瘤视觉指令微调的多语言模型协作式MRI报告生成

Sinyoung Ra, Jonghun Kim, Hyunjin Park

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

AI总结 针对脑肿瘤缺乏配对3D成像 - 文本数据问题，提出用多语言模型协作创建3D图像 - 文本数据集，构建VLM将MRI扫描转换为令牌并与文本指令对齐，该方法在报告生成等任务中表现优于其他方法，有助于脑肿瘤诊断治疗。

MonteRET: AI Agent Enhancing Multimodal LLMs with Multi-granularity Knowledge Retrieval for Chest CT Report Generation

MonteRET：通过多粒度知识检索增强多模态大语言模型以生成胸部CT报告的人工智能代理

Yi Lin, Yihao Ding, Elana Benishay, Elefterios Trikantzopoulos, David Nauheim, Hanley Ong, Jiang Bian, Hua Xu, Yuzhe Yang, George Shih, Yifan Peng

机构 * Weill Cornell Medicine（威尔康乃尔医学院） ； University of Western Australia（西澳大利亚大学） ； Indiana University（印第安纳大学） ； Regenstrief Institute（瑞根斯特里夫研究所） ； Yale University（耶鲁大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 研究针对自动生成胸部CT报告的挑战，提出MonteRET框架，它整合多种特征，通过知识检索和报告重写代理完善报告。经训练和评估，该框架在多方面提升了报告质量，相比其他方法有显著优势，获放射科住院医师青睐。

Rotation Equivariant Convolutions in Deformable Registration of Brain MRI

脑部MRI变形登记中的旋转等变卷积

Arghavan Rezvani, Kun Han, Anthony T. Wu, Pooya Khosravi, Xiaohui Xie

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 本文提出在脑部MRI变形登记网络中集成旋转等变卷积，通过实验验证其在提升登记精度、增强鲁棒性和提高样本效率方面的优势。

Comments Accepted at the 2026 International Symposium on Biomedical Imaging (ISBI) Poster 4-page paper presentation

$K$-NeAS: Scalable Multi-Material CT Reconstruction Using Neural SDFs

K-NeAS：使用神经符号距离函数的可扩展多材料CT重建

Daksh K. Shah, Emmanouil Nikolakakis, Razvan V. Marinescu

机构 * University of California, Santa Cruz（加利福尼亚大学圣克鲁兹分校） 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CT电离辐射风险下的稀疏视图重建问题，提出K-NeAS架构，通过共享主干和K材料顺序软选择器建模多材料，用GMM自动界定衰减并减轻几何幻觉，在多数据集上实现任意材料数量的高保真重建及稀疏采样下的鲁棒性提升。

Comments 9 pages, 3 figures. Under peer review

CRISP: Constrained Refinement via Iterative Squeezing Process for Robust Medical Image Segmentation under Domain Shift

CRISP：通过迭代挤压过程进行约束细化，以实现域转移下的稳健医学图像分割

Yizhou Fang, Pujin Cheng, Yixiang Liu, Xiaoying Tang, Longxi Zhou

专题命中 医学影像 ：medical image(title)；MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)；medical AI(abstract)

AI总结 针对医学成像域转移问题，提出CRISP模型无关框架，利用“正区域的秩稳定性”假设，通过潜在特征扰动获取双先验并递归细化，经迭代训练框架提升分割精度，在多中心实验中显著优于现有方法。

Comments X pages, 3 figures, 3 tables; submitted to AAAI 2027

Demographically-Conditioned Synthetic Medical Images for Bias Mitigation and Bias Detection in Disease Classifiers

用于减轻疾病分类器偏差和检测偏差的人口统计学条件合成医学图像

Mahmoud Ibrahim, Bart Elen, Chang Sun, Gokhan Ertaylan, Michel Dumontier

机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院数据科学研究所） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院高级计算科学系） ； VITO（比利时弗拉芒技术研究所） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；medical image(title,abstract)

AI总结 研究医学图像分类器亚组公平性审计的样本量问题，提出用人口统计学条件合成生成器减轻训练偏差、检测评估偏差。以COVID-19胸部CT分类为例，发现其在偏差减轻和检测上的作用，如预训练效果好、能再现亚组排名等。

Converting T1-weighted MRI from 3T to 7T quality using deep learning

使用深度学习将 3T 的 T1 加权磁共振成像转换为 7T 质量

Malo Gicquel, Ruoyi Zhao, Anika Wuestefeld, Nicola Spotorno, Olof Strandberg, Kalle Åström, Yu Xiao, Laura EM Wisse, Danielle van Westen, Rik Ossenkoppele, Niklas Mattsson-Carlgren, David Berron, Oskar Hansson, Gabrielle Flood, Jacob Vogel

机构 * Department of Clinical Sciences Malmö, SciLifeLab, Lund University（马尔摩临床科学系、SciLifeLab、吕勒奥大学） ； Univ Rennes, CNRS, Inria, Inserm, IRISA UMR 6074, Empenn ERL U 1228（雷恩大学、CNRS、Inria、Inserm、IRISA UMR 6074、Empenn ERL U 1228） ； Clinical Memory Research Unit, Department of Clinical Sciences Malmö, Lund University（临床记忆研究单位、马尔摩临床科学系、吕勒奥大学） ； Centre for Mathematical Sciences, Lund University（数学科学中心、吕勒奥大学） ； Diagnostic Radiology Unit, Department of Clinical Sciences Lund, Lund University（诊断放射学单位、临床科学系、吕勒奥大学） ； Alzheimer Center Amsterdam, Vrije Universiteit Amsterdam, Amsterdam UMC（阿姆斯特丹阿尔茨海默病中心、阿姆斯特丹自由大学、阿姆斯特丹大学医学中心） ； Amsterdam Neuroscience, Neurodegeneration, Amsterdam, The Netherlands（阿姆斯特丹神经科学、神经退行性疾病、阿姆斯特丹、荷兰） ； Memory Clinic, Skåne University Hospital, Malmö, Sweden（记忆诊所、斯德哥尔摩大学医院、马尔摩、瑞典） ； German Center for Neurodegenerative Diseases, Magdeburg, Germany（德国神经退行性疾病中心、马格德堡、德国） ； Center for Behavioral Brain Sciences, Otto-von-Guericke University Magdeburg, Magdeburg, Germany（行为脑科学中心、奥托·冯·格里克大学马格德堡、马格德堡、德国） ； Visual Recognition Group, Faculty of Electrical Engineering, Czech Technical University in Prague（视觉识别组、电气工程系、布拉格技术大学） 纠错

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

AI总结 研究旨在用深度学习从 3T 脑 MRI 合成 7T 脑 MRI，训练了专门 U - Net 和 GAN U - Net 两个模型，其在评估指标上优于此前模型，合成图像在多方面表现良好，可提高图像质量与分割效果且不影响下游任务性能。

ViPSAM: Visual Prompting Medical Image Segmentation Using Segment Anything Model

ViPSAM：使用Segment Anything模型的视觉提示医学图像分割

San Lee, Nalee Kim, Jeong Il Yu, Hee Chul Park, Boah Kim

机构 * Department of Artificial Intelligence, Sungkyunkwan University, Republic of Korea（人工智能系，成均馆大学，大韩民国） ； Department of Radiation Oncology, Samsung Medical Center, Sungkyunkwan University School of Medicine, Republic of Korea（放射肿瘤科，三星医疗中心，成均馆大学医学院，大韩民国） ； Department of MetaBioHealth, Sungkyunkwan University, Republic of Korea（元生物健康系，成均馆大学，大韩民国） 纠错

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

AI总结 针对质子治疗计划中NCCT图像病变分割因对比度低而困难的问题，提出ViPSAM框架，基于SAM模型，利用视觉提示编码器和视觉引导交叉注意力模块整合跨模态信息，实验证明其在肝脏病变分割上优于其他方法，能实现更准确稳健的分割。

Comments Accepted at MICCAI 2026

One-for-All Adaptive Radiotherapy Planning Agent: A Foundation Framework for Daily CBCT-guided Radiotherapy

一适用于所有情况的自适应放射治疗计划智能体：基于每日锥束CT引导的放射治疗基础框架

Shaoyan Pan, Kirk Jon Luca, Yuan Gao, Shansong Wang, Mingzhe Hu, Ryan Sanford, Mojtaba Safari, Justin Roper, Zhen Tian, Tonghe Wang, Xiaofeng Yang

专题命中 医学影像 ：CT(title_cn,summary_cn)

AI总结 介绍一适用于所有情况的自适应放射治疗计划智能体，它基于统一基础模型，能从每日锥束CT执行在线自适应计划，自主预测关键组件并设计临床计划，经多数据集评估，其准确性和计划质量与临床方案相当，为放射治疗带来新机遇。

TRAECR: A Tool for Preprocessing Positron Emission Tomography Imaging for Statistical Modeling

TRAECR：一种用于正电子发射断层扫描成像预处理以进行统计建模的工具

Akhil Ambekar, Robert Zielinski, Ani Eloyan

专题命中 医学影像 ：MRI(summary_cn,abstract)；diagnosis(abstract)；分类 q-bio

AI总结 本文针对PET成像统计建模，为统计学家提供背景与工具，介绍了TRAECR工具，包括模板配准、MRI-PET共配准等功能，可促进PET成像数据预处理，助力相关统计分析。

ReportMedSAM: Guiding Segmentation Through Radiology Reports

ReportMedSAM：通过放射学报告指导分割

Anghong Du, Theodoros N. Arvanitis, Colin Watts, Alejandro F. Frangi, Le Zhang

机构 * School of Engineering, College of Engineering and Physical Sciences, University of Birmingham（工程学院，工程与物理科学学院，伯明翰大学） ； Department of Cancer and Genomic Sciences, College of Medicine and Health, University of Birmingham（癌症与基因组科学系，医学与健康学院，伯明翰大学） ； Department of Computer Science, Faculty of Science and Engineering, University of Manchester（计算机科学系，科学与工程学院，曼彻斯特大学） ； The Division of Informatics, Imaging and Data Science, Faculty of Biology, Medicine, and Health, University of Manchester（信息学、成像与数据科学部，生物、医学与健康学院，曼彻斯特大学） 纠错

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

AI总结 研究旨在解决将放射学报告转换为可靠分割的难题。提出ReportMedSAM框架，利用医学视觉语言编码器通过对比学习建立语义锚点，推理时匹配概念库激活MoE模块，实现对新任务无缝扩展，在数据集上取得较好分割精度。

Benchmarking Deep Learning for Future Liver Remnant Segmentation in Colorectal Liver Metastasis

基于未来肝脏残余分割的深度学习基准测试：用于结直肠肝转移的手术规划

Anthony T. Wu, Arghavan Rezvani, Kela Liu, Roozbeh Houshyar, Pooya Khosravi, Whitney Li, Xiaohui Xie

机构 * University of California, Irvine Donald Bren School of Information and Computer Science（加州大学尔湾分校唐纳德·布伦信息与计算机科学学院） ； University of California, Irvine School of Medicine（加州大学尔湾分校医学院） 纠错

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

AI总结 本文通过手动优化公开数据集，建立了首个开放验证的基准，比较了级联和端到端策略在肝脏残余分割中的性能，发现级联nnU-Net表现最佳，而预训练STU-Net在转移灶分割上更稳健。

Comments Accepted at the 2026 International Symposium on Biomedical Imaging (ISBI) Oral 4-page paper presentation

FORCE-Interior: A Poisson Flow Generative Prior for Interior Tomography Reconstruction

FORCE-Interior：用于内部断层扫描重建的泊松流生成先验

Kang Chen, Wenjun Xia, Jianxu Wang, Mahmud Wasif Nafee, Ge Wang

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

AI总结 针对内部断层扫描中投影截断致逆问题不适定及现有方法泛化性不足等挑战，提出FORCE-Interior框架，结合全视野测量约束初始化与每步数据一致性，在不同截断ROI尺寸上提升重建质量并保持投影域一致性。

A Hybrid Framework for Blood Vessel Morphology Classification: Discrete Geometry-based Tortuosity Feature Measurement, Information Gain-based Feature Selection, and Random Forest Classification

一种用于血管形态分类的混合框架：基于离散几何的曲折度特征测量、基于信息增益的特征选择和随机森林分类

Yu Zhong, Jingzhi Guo, Luyao Li, Zehao Wang, Zhihui Yang, Yixin Lin, Weilun Fu, Yang Wang

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

AI总结 针对血管曲折度量化难题，提出融合离散几何特征测量、信息增益特征选择和随机森林分类的框架，用于颈内动脉形态分类。提取并筛选特征，经实验取得良好分类结果，还定义形态风险指数，为临床评估提供参考。

CXRAgent: Director-Orchestrated Multi-Stage Reasoning for Chest X-Ray Interpretation

CXRAgent：用于胸部X光解读的由主任编排的多阶段推理

Jinhui Lou, Yan Yang, Zhou Yu, Zhenqi Fu, Weidong Han, Qingming Huang, Jun Yu

机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Department of Colorectal Medical Oncology, Zhejiang Cancer Hospital（浙江省肿瘤医院结直肠医学肿瘤科） ； School of Computer and Control Engineering, University of Chinese Academy of Sciences（中国科学院大学计算机与控制工程学院） ； School of Intelligence Science and Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）智能科学与工程学院） 纠错

专题命中 医学影像 ：diagnosis(abstract)

AI总结 针对胸部X光解读中模型适应性差等问题，提出CXRAgent，通过中央主任协调多阶段，包括工具调用、诊断规划和协作决策，实验证明该方法性能出色，能提供视觉证据并适应不同临床任务。

Comments 10 pages, 4 figures, 7 Tables