医学 AI

Energy-Efficient Federated Learning via Adaptive Encoder Freezing for MRI-to-CT Conversion: A Green AI-Guided Research

通过用于MRI到CT转换的自适应编码器冻结实现节能联邦学习：一项绿色人工智能引导的研究

Ciro Benito Raggio, Lucia Migliorelli, Nils Skupien, Mathias Krohmer Zabaleta, Oliver Blanck, Francesco Cicone, Giuseppe Lucio Cascini, Paolo Zaffino, Maria Francesca Spadea

机构 * Institute of Biomedical Engineering（生物医学工程研究所） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Department of Political Science（政治学系） ； Università Degli Studi Di Teramo（特拉莫大学） ； Department of Radiation Oncology（放射肿瘤学系） ； University Medical Center Schleswig-Holstein（什未林施瓦茨-霍斯特大学医院） ； Department of Experimental and Clinical Medicine（实验与临床医学系） ； Magna Graecia University（马格拉西亚大学） 纠错

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

AI总结 研究针对联邦学习资源需求大加剧医疗差距问题，提出面向绿色人工智能的自适应层冻结策略用于MRI到CT转换，通过监测编码器权重差异选择性冻结优化训练，降低能耗等，保持转换性能，为新型评估框架奠基。

Comments 22 pages, 13 figures

Journal ref Sustainable Computing: Informatics and Systems, Volume 51, 2026

Benchmarking MRI Representations for Deep Learning-Based Focal Cortical Dysplasia Segmentation

基于深度学习的局灶性皮质发育异常分割的MRI表征基准测试

Soumen Ghosh, John Phamnguyen, Amit Soni Arya, Subhojit Mandal, Tilottama Goswami, Rajat Vashistha

机构 * The University of Queensland（昆士兰大学） ； I-MED Radiology（I-MED放射学） ； Bennett University（贝内特大学） ； Indian Institute of Technology Madras（印度马德拉斯理工学院） ； University College of Engineering, Osmania University（奥斯曼尼亚大学工程学院） ； Mater Hospital（玛特医院） ； Royal Brisbane and Women’s Hospital（皇家布里斯班和妇女医院） 纠错

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

AI总结 研究针对局灶性皮质发育异常分割，利用nnU-Net框架对MRI表征进行基准测试，评估多种输入配置，发现FLAIR单模态性能最强，比率衍生表征单独不足，多模态配置可提高病变描绘，强调MRI表征设计在深度学习分割中的重要性。

When Can Test-Time Adaptation Help Zero-Shot CT Vision-Language Models?

测试时自适应何时能帮助零样本CT视觉语言模型？

Ailar Mahdizadeh, Puria Azadi Moghadam, Xiangteng He, Leonid Sigal

机构 * University of British Columbia（英属哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 研究零样本3D CT视觉语言模型中测试时自适应（TTA）的作用，通过控制诊断分析表明其具有条件性，引入CARVE方法，在基础模型有判别力时能带来一致改进，确立多标签TTA问题及CARVE为基数感知解决方案。

Partial Information Decomposition as a Multi-Contrast 3D MRI Selection Strategy for Resource-Constrained Deep Neural Network Training in Brain Tumor Segmentation

部分信息分解作为一种多对比度3D MRI选择策略，用于脑肿瘤分割中资源受限的深度神经网络训练

Agamdeep Chopra, Mehmet Kurt

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 研究针对脑肿瘤分割中多对比度3D MRI分割计算量大的问题，采用部分信息分解框架对输入对排序选最优用于训练，实验表明该方法选出的T1c+T2-FLAIR是强双输入配置，证明了基于PID预训练选择的实用价值。

Fast ungated five-dimensional cardiac MRI on a 1.5 T MR-linac for MRI-guided radiotherapy

1.5T MR直线加速器上用于MRI引导放射治疗的快速非门控五维心脏MRI

M. L. Terpstra, T. E. Olausson, M. M. N. Aubert, C. Beijst, A. Sbrizzi, C. A. T. van den Berg, M. F. Fast

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究针对室性心动过速患者立体定向心律失常射频消融受心肺运动限制问题，提出基于CMR-MOTUS框架的快速非门控5D-MRI重建方法，经模型验证和志愿者评估，能快速高质量个性化表征运动，有用于相关治疗的潜力。

CompDiff: Hierarchical Compositional Diffusion for Fair and Zero-Shot Intersectional Medical Image Generation

CompDiff：分层组合扩散用于公平和零样本交叉性医学图像生成

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

机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University, Maastricht, The Netherlands（数据科学研究所，科学与工程学院，马斯特里赫特大学，马斯特里赫特，荷兰） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University, Maastricht, The Netherlands（先进计算科学系，科学与工程学院，马斯特里赫特大学，马斯特里赫特，荷兰） ； VITO, Belgium（比利时VITO研究院） 纠错

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

AI总结 CompDiff通过分层组合扩散框架解决生成模型中因数据不平衡导致的公平性和零样本交叉性生成问题，在图像质量、子组公平性和零样本交叉性生成方面表现优异。

Region-Grounded Vision-Language Learning for Detection-Guided Mammographic Lesion Classification

用于检测引导的乳腺钼靶病变分类的区域基础视觉语言学习

Zhengbo Zhou, Jiren Li, Dooman Arefan, Margarita Zuley, Shandong Wu

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

AI总结 针对乳腺钼靶病变分类，提出区域基础视觉语言学习方法，先通过区域-文本对比预训练对齐特征，引入多组件目标减轻偏差，再联合优化辅助病变检测头，实验表明该方法在多设置下性能优于相关方法。

From Reconstruction to Interpretation: Zero-Setup Multi-Phase Segmentation of X-ray Tomography Data

从重建到解释：X射线断层扫描数据的零设置多相分割

Pradyumna Elavarthi, Arun J. Bhattacharjee, Harrison Lisabeth, Anca Ralescu, Petrus H. Zwart, Dilworth Parkinson, Elizabeth G. Clark

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

AI总结 研究针对X射线断层扫描数据快速解释受限问题，提出零设置多相分割框架，结合材料无关掩码准备策略与预训练语义分割网络，能快速生成诊断级分割，支持近实时束线反馈与可扩展成像工作流程。

Is That Really My X-Ray? Measuring Internet-Exposed DICOM Services in the Presence of Deception

那真的是我的X光片吗？ 在存在欺骗的情况下测量互联网上暴露的DICOM服务

Ricardo Yaben, Karina Elzer, Alberto Maria Mongardini, Emmanouil Vasilomanolakis

专题命中 医学影像 ：medical image(abstract)

AI总结 研究在存在欺骗情况下互联网上暴露的DICOM服务，结合主动扫描与被动蜜罐部署，用噪声感知方法识别并过滤欺骗工件，降低暴露率，揭示大量DICOM部署漏洞及风险，指出现有欺骗系统不足以捕获这些风险。

Joint-decoupled iterative CBCT reconstruction with hybrid scatter estimation and voxel-adaptive beam hardening correction

基于混合散射估计和体素自适应束硬化校正的联合解耦迭代CBCT重建

Jianing Sun, Jean Michel Létang, Qixiang Sun, Guangyin Li, Ligen Shi, Xing Zhao

专题命中 医学影像 ：biomedical(abstract)

AI总结 该研究针对CBCT受散射和束硬化伪影影响的问题，提出基于多色Polyquant衰减模型的迭代框架，通过混合散射估计策略和体素自适应更新机制解耦伪影，经实验验证其优于现有技术，能有效降低重建误差。

A Flickering Resonance Degeneracy on Entropy-Ruled Charge Transport in the Extended Hopping Sites for Biological Systems: Role of Static-to-Dynamic Disorder Transition

生物系统扩展跳跃位点中熵主导电荷传输的闪烁共振简并：静态到动态无序转变的作用

K. Navamani, M. Pavalamuthu

专题命中 医学影像 ：CT(abstract)

AI总结 研究生物系统电荷传输，提出闪烁共振耦合熵主导电荷传输理论，用于计算转移速率和扩散迁移率，考虑动态无序相关简并对电子转移速率和扩散迁移率的影响，揭示超快动力学和简并情况下迁移率的转变。

Comments 18 pages, 5 Figures