医学 AI

Bowel Obstruction Detection and Localization on Abdominal CT with Deep Learning

基于深度学习的腹部CT图像中肠梗阻的检测与定位

Moritz Vandenhirtz, Andrea Agostini, Dana Belde, Mélanie Roschewitz, Ismaiel Chikh Bakri, Tilo Niemann, André Euler, Julia E Vogt

机构 * Department of Computer Science ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Radiology Kantonsspital Baden affiliated Hospital for Research and Teaching of the Faculty of Medicine of the University of Zurich（苏黎世大学医学院附属巴登州立医院放射科（巴登大学苏黎世医学院研究与教学附属医院）） ； Department of Forensic Medicine Zurich University of Zurich（苏黎世大学法医学系） 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 研究针对肠梗阻这一胃肠道疾病，提出含多任务目标的深度学习框架联合检测与定位梗阻及过渡区，还用可解释分类方法扩展，在腹部CT数据集上评估，模型检测准确率93%，过渡区定位Hit@10为95%，迈向关键临床标志自动识别。

Energy-based Tissue Manifolds for Longitudinal Multiparametric MRI Analysis

基于能量的组织流形用于纵向多参数MRI分析

Kartikay Tehlan, Lukas Förner, Sina Wendrich, Nico Schmutzenhofer, Michael Frühwald, Matthias Wagner, Nassir Navab, Thomas Wendler

机构 * Dept. of diagnostic and interventional Radiology and Neuroradiology, University Hospital Augsburg, Germany（诊断与介入放射科和神经放射科，奥格斯堡大学医院，德国） ； Digital Medicine, University Hospital Augsburg, Germany（数字医学，奥格斯堡大学医院，德国） ； Chair for Computer Aided Medical Procedures and Augmented Reality, Technical University of Munich, Germany（计算机辅助医疗程序与增强现实 chair，慕尼黑技术大学，德国） ； Bavarian Center for Cancer Research (BZKF) Augsburg, Germany（巴伐利亚癌症研究中心（BZKF）奥格斯堡，德国） ； Dept. of Pediatrics and Adolescent Medicine, University Hospital Augsburg, Germany（儿科和青少年医学科，奥格斯堡大学医院，德国） ； Center for Advanced Analytics and Predictive Sciences, University of Augsburg, Germany（高级分析与预测科学中心，奥格斯堡大学，德国） 纠错

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

AI总结 本文提出了一种基于患者特定能量建模的几何框架，用于纵向多参数MRI分析，通过训练紧凑的隐式神经表示来学习能量函数，为组织状态提供微分几何描述，无需分割标签，展示了患者特定能量流形在纵向mpMRI分析中的应用潜力。

Comments The code is available at https://github.com/tkartikay/EnFold-MRI

A Dual Path Framework with Hotspot Guided Fusion for Three Dimensional CT to PET Synthesis in Head and Neck Cancer

一种用于头颈癌三维CT到PET合成的热点引导融合双路径框架

Mohd Maaz Khan, Oluwaseyi Oderinde

机构 * Advanced Molecular Imaging in Radiotherapy (AdMIRe) Research Laboratory, School of Health Sciences, Purdue University, West Lafayette, IN, 47907, USA（高级分子影像在放射治疗（AdMIRe）研究实验室，健康科学学院，普渡大学，西拉法叶，IN，47907，美国） ； Department of Radiation Oncology, Indiana University School of Medicine, Indianapolis, IN 46202, USA（放射肿瘤学部，印第安纳大学医学院，印第安纳波利斯，IN，46202，美国） 纠错

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

AI总结 针对头颈癌，提出从CT扫描合成PET图像的双路径框架，由回归U-Net和条件生成对抗网络组成，经热点引导融合输出，可提供代谢信息辅助成像和临床决策，重建PET体积有一定误差指标，能定位病变但高代谢区有SUV低估。

Comments 25 pages, 11 figures

Group-Patch Joint Compression: Compressing Dynamic B0 and Static RF Spatial Modulations Across k-Space Subregion Groups for Highly Accelerated MRI

组块联合压缩用于高加速MRI：在k空间子区域组内压缩动态B0和静态RF空间调制

Rui Tian, Klaus Scheffler

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出组块联合压缩方法，通过在k空间子区域组内压缩动态B0和静态RF调制，显著提升MRI加速效果，减少重建时间和内存使用。

Comments Magnetic Resonance in Medicine

Journal ref R. Tian and K. Scheffler, Group-Patch Joint Compression: Compressing Dynamic B0 and Static RF Spatial Modulations Across k-Space Subregion Groups for Highly Accelerated MRI, Magnetic Resonance in Medicine (2026): 1-21

Quantum Adaptive Sensing for Accelerated MRI

用于加速磁共振成像的量子自适应传感

Asmit Ganguly, Suprajit Dewanji, Chenyang Zhao, Danny J. J. Wang

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

AI总结 研究针对压缩感知 MRI 性能依赖采样分布的问题，提出基于 QUBO 公式的自适应框架，通过回顾性实验验证其在多指标上优于静态策略，简化池实验表明 D-Wave 求解器有可比质量，为自适应 MRI 采样提供实用框架。

RadSight: Towards Perceptually Reliable Multimodal Radiology Image Understanding

RadSight：迈向感知可靠的多模态放射学图像理解

Jianqin Liu, Weiwei Cao, Wanxing Chang, Ruifeng Yuan, Bowen Shi, Zhilin Zheng, Xianjie Zhang, Ling Zhang, Peng Wang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（湖畔实验室） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 该研究针对医学多模态大语言模型视觉解释可靠性低的问题，引入Perception-Bench基准分析问题。提出基于双2D/3D编码器架构的RadSight模型，经渐进课程学习训练，在多维度评估中优于现有模型，凸显低级视觉感知对可靠临床理解的关键作用。

Joint Lossless Compression and Steganography for Medical Images via Large Language Models

通过大语言模型实现医学图像的联合无损压缩与隐写术

Pengcheng Zheng, Xiaorong Pu, Kecheng Chen, Jiaxin Huang, Meng Yang, Bai Feng, Yazhou Ren, Jianan Jiang, Chaoning Zhang, Yang Yang, Heng Tao Shen

机构 * Center for Future Media and School of Computer Science and Engineering, University of Electronic Science and Technology of China（未来媒体中心和电子科技大学计算机科学与工程学院） ； Department of Computer Science and Engineering, University of Electronic Science and Technology of China（计算机科学与工程学院，电子科技大学） ； Department of Electrical Engineering, and the Center for Intelligent Multidimensional Data Analysis, City University of Hong Kong（电子工程系和智能多维数据分析中心，城市大学） ； Department of Machine Learning, Mohamed bin Zayed University of Artificial Intelligence（机器学习系，Mohamed bin Zayed人工智能大学） 纠错

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

AI总结 针对医学图像无损压缩中性能与效率权衡及安全问题，提出联合无损压缩与隐写术框架。基于位平面切片，设计自适应模态分解，创新局部模态路径分段消息隐写术算法，结合A-LoRA微调策略，提升压缩率、效率与安全性。

SLIP: Segmentation with Low-latency Interactive Prompting for 3D Medical Images

SLIP：用于3D医学图像的低延迟交互式提示分割

Baptiste Podvin, Alexandre Ancel, Flavio Milana, Chiara Innocenzi, Davide Arrigo, Federico Espinola Schulze, Guido Torzilli, Jacques Marescaux, Daniel George, Alexandre Hostettler, Toby Collins

机构 * IRCAD France（法国国际消化道疾病研究中心） ； Université de Strasbourg, CNRS, ICube（斯特拉斯堡大学、法国国家科学研究中心、ICube实验室） ； IRCCS Humanitas Research Hospital（圣心研究医院） ； Humanitas University（圣心大学） ； Fondazione Policlinico Universitario A. Gemelli, Istituto di Ricovero e Cura a Carattere Scientifico (IRCCS)（圣心综合大学医院） 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3D医学图像交互式分割中现有方法的问题，提出SLIP框架，解耦图像编码与提示细化，通过复用特征和维护交互感知状态降低延迟，支持可逆提示，经用户研究验证其在多方面优于现有方法，实现SOTA性能。

Diffusion Models in Medical Image Inpainting: Challenges, Solution Taxonomy, and Future Directions

医学图像修复中的扩散模型：挑战、解决方案分类及未来方向

Arthur Dantas Mangussi, Joana Cristo Santos, Ricardo Cardoso Pereira, Ana Carolina Lorena, Mário A. T. Figueiredo, Pedro Henriques Abreu

机构 * Aeronautics Institute of Technology（航空技术学院） ； Science and Technology Institute, Federal University of São Paulo（圣保罗联邦大学科学与技术研究所） ； LASIGE, Faculdade de Ciências, Universidade de Lisboa（里斯本大学理学院LASIGE实验室） ； University of Coimbra, CISUC/LASI – Centre for Informatics and Systems of the University of Coimbra（科英布拉大学CISUC/LASI - 科英布拉大学信息与系统中心） ； Instituto Superior Técnico, Universidade de Lisboa, Instituto de Telecomunicações（里斯本大学高等技术学院、电信研究所） 纠错

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

AI总结 该研究对基于扩散的医学图像修复方法进行系统回顾，涵盖多方面内容并提出分类法。分析显示相关研究兴趣快速增长，扩散模型在生成合理重建结果及辅助临床任务上表现出色，但也面临缺乏标准化基准等挑战。

Do emulated quantum circuits change what CNNs look at? Performance and explainability comparison in medical image classification

模拟量子电路会改变卷积神经网络关注的内容吗？医学图像分类中的性能与可解释性比较

Guillermo Rubiños Rodríguez, Martín Ottavianelli, Mateo Alonso, Gonzalo Blázquez Gil, Boris-Stephan Rauchmann, Pablo Díez-Valle, Sergio Altares-López

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

AI总结 研究混合量子启发卷积神经网络（HQiCNN）与经典卷积神经网络（CNN）在医学图像分类中的表现，通过系统实验对比两者性能与可解释性，发现特定条件下HQiCNN是可提供益处的替代方案，还提出工具比较模型预测。

Comments 17 pages, 6 figures, 2 tables

PSP: Harnessing Position and Shape Priors for Cross-Domain Few-Shot Medical Image Segmentation

PSP：利用位置和形状先验进行跨域少样本医学图像分割

Bin Xu, Yazhou Zhu, Haofeng Zhang

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China（南京理工大学计算机科学与工程学院，南京 210094，中国） 纠错

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

AI总结 针对跨域少样本医学图像分割中纹理差异导致的性能下降问题，提出利用位置和形状先验（PSP）框架，通过位置坐标嵌入、形状原型调制和混合原型预测模块实现域不变分割，显著优于现有方法。

Comments This manuscript was posted before obtaining the necessary approval from all responsible parties. At the request of the supervising author, we are withdrawing the manuscript

Active few-shot segmentation by reinforcing data selection

通过强化数据选择实现主动少样本分割

Chenlan Zhao, Benny Wong, Timothy F. Lundberg, Ahmed M. Elsayed, Abdallah Aljarkas, Hamad A. Aljamaan, Lynn Karam, Qianye Yang, Yipeng Hu, Claire C. Villette, Shaheer U. Saeed

机构 * Centre for Bioengineering, School of Engineering and Materials Science, Queen Mary University of London（伦敦玛丽女王大学工程与材料科学学院生物工程中心） ； Digital Environment Research Institute, Queen Mary University of London（伦敦玛丽女王大学数字环境研究所） ； UCL Hawkes Institute（伦敦大学学院UCL霍克斯研究所；医学物理与生物医学工程系） ； Department of Medical Physics and Biomedical Engineering, University College London（耶鲁大学生物与生物医学科学系） ； Department of Biological and Biomedical Sciences, Yale University（牛津大学工程科学系生物医学工程研究所） ； Institute of Biomedical Engineering, Department of Engineering Science, University of Oxford 纠错

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

AI总结 研究少样本医学图像分割中支持集选择问题，提出强化学习框架，智能体直接预测最大化下游分割性能的支持集，实验表明该方法优于随机选择和现有方法，凸显支持集互补性及强化学习的潜力。

Comments Accepted at EMA4MICCAI 2026 - The 2nd MICCAI Workshop on Efficient Medical AI

A Statistical Multi-Objective Framework for Assessing Sensitivity of Radiomic AI Models to Acquisition Parameters

放射组学AI模型对获取参数的敏感性如何？

D. Gil, I. Sanchez, C. Sanchez

机构 * Computer Vision Center（计算机视觉中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） 纠错

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

AI总结 本研究提出了一种性能导向的框架，用于量化放射组学AI模型对扫描参数的敏感性，并识别与跨数据集鲁棒性提升相关的临床重要参数区域。

Geometry Calibration in Tomography with a Differentiable Ray-Based Model

基于可微分射线模型的层析成像几何校准

Youssef Haouchat, Aleix Boquet-Pujadas, Sepand Kashani, Philippe Thévenaz, Michael Unser

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

AI总结 提出一种联合重建与校准框架，通过可微分的射线追踪算子与B样条体积表示，有效处理任意源-探测器配置下的几何失准问题。

Variational Low-rank Tensor Decomposition for Multisubject Spatiotemporal Data Analysis

用于多主体时空数据分析的变分低秩张量分解

Laura M. Montaldo, Ricardo A. Borsoi, Sebastian Miron, Tulay Adali

机构 * CRAN, Université de Lorraine, CNRS, Vandoeuvre-lès-Nancy, France（CRAN、洛林大学、CNRS、法国凡多伊-勒-纳恩西） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG、eess.SP

AI总结 针对多主体时空数据建模难题，提出时空变分张量分解框架，结合张量分解模型与结构化先验，利用LL1和LSTM分别处理空间和时间因子，经展开优化算法迭代推理，热启动策略提升性能，实验显示其优于基准方法。

Comments 6 pages, 2 figures, conference

A Smooth Phase-Separation Model for Weak-Boundary Segmentation of Homogeneous Structures

用于均匀结构弱边界分割的平滑相分离模型

Zihan Li, Jiebao Sun, Fanghui Song, Zhichang Guo

机构 * School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院） 纠错

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

AI总结 针对相邻结构弱边界分割难题，提出基于Cahn-Hilliard方程的平滑相分离变分模型，结合区域拟合与相场正则化，引入梯度流并开发SAV方案，实验表明该方法能有效分割弱边界相邻均匀结构，提升分割精度与边界定位。

CARE: Anti-entanglement Ultrasound Image Segmentation via Channel-Aware Region Extrication

CARE：通过通道感知区域提取实现抗纠缠超声图像分割

Weixin Xu, Yuting Lu, Luqi Gong, Qing Guo, Ziliang Wang, Yun Xing

机构 * Beihang University（北航） ； Peking University（北京大学） 纠错

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

AI总结 研究针对超声图像分割中目标与背景纠缠问题，提出通道感知区域提取（CARE）框架，通过分离编码响应及区域交互恢复病变线索，在多个基准实验中表现卓越，有效解决了视觉模糊性问题。

Comments 10 pages, 7 figures