医学 AI

A Geometric Multimodal Foundation Model Integrating Bp-MRI and Clinical Reports in Prostate Cancer Classification

一种整合Bp-MRI和临床报告的几何多模态基础模型用于前列腺癌分类

Juan A. Olmos, Antoine Manzanera, Fabio Martínez

机构 * Biomedical Imaging, Vision and Learning Laboratory (BIVL$^2$ab), UIS, Colombia（生物医学成像、视觉与学习实验室（BIVL²ab）， UIS，哥伦比亚） ； U2IS, ENSTA, Institut Polytechnique de Paris, France（U2IS， ENSTA，巴黎理工学院，法国） 纠错

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

AI总结 本文提出MFM-Geom模型，通过整合Bp-MRI和临床报告，利用几何方法提升前列腺癌分类的准确性和鲁棒性。

Comments Accepted at IEEE International Symposium on Biomedical Imaging (ISBI) 2026

Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI)

OPERA: Offline Policy-guided Expert Routing and Adaptation for Universal Biomedical Image Analysis

OPERA：用于通用生物医学图像分析的离线策略引导专家路由与适应

Zihan Li, Feiyang Liu, Dandan Shan, Ruibo Wang, Qingqi Hong

机构 * University of Washington（华盛顿大学） ； Delft University of Technology（代尔夫特理工大学） ； Xiamen University（厦门大学） 纠错

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

AI总结 研究针对生物医学图像分析中分布变化阻碍模型部署的问题，提出OPERA多智能体集成框架，通过离线策略学习专家权重分配，结合多种机制协调智能体，经多数据集评估，有效提升性能与校准质量，为可部署生物医学AI提供实用路径。

Comments Accepted by ACM MM 2026. 18 pages

OrganLens: Organ-Specific Representation Learning for CT Foundation Models

OrganLens：用于CT基础模型的器官特异性表征学习

Zhixuan Ge, Anqi Li, Sadeer Al-Kindi, Hanwen Xu, Wei Qiu

机构 * Rice University（莱斯大学） ； University of Washington（华盛顿大学） 纠错

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

AI总结 研究针对CT检查中特定器官表征需求，提出OrganLens通过自监督学习，用器官标识调节共享编码器，经器官特异性蒸馏等方法获取器官特异性表征，在多数据集评估中提升指标，提供了可扩展方法和 reusable 框架。

Comments 16 pages, 7 figures, 5 tables

Enhancing Brain Age Estimation with a Multimodal 3D CNN Approach Combining Structural MRI and AI-Synthesized Cerebral Blood Volume Measures

通过多模态3D CNN方法增强脑年龄估计，结合结构性MRI和AI合成的脑血容量测量

Jordan Jomsky, Kay C. Igwe, Zongyu Li, Yiren Zhang, Max Lashley, Tal Nuriel, Andrew Laine, Jia Guo

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

AI总结 本文提出了一种结合结构性MRI和AI合成脑血容量测量的多模态3D CNN方法，用于更准确地估计脑年龄差距，以检测早期神经退行性变化。

Comments 26 pages, 8 figures

Open-Ended CT Volume Segmentation with Weak Supervision from Language

基于语言弱监督的开放式CT体积分割

Sanjay Subramanian, Junwei Yu, Zirui Wang, Rohil Malpani, Maggie Chung, Adam Yala, Dan Klein, Trevor Darrell

机构 * Department of Electrical Engineering and Computer Science, UC Berkeley（加州大学伯克利分校电气工程与计算机科学系） ； Voio ； Department of Radiology and Biomedical Imaging, UC San Francisco（加州大学旧金山分校放射学与生物医学成像系） ； Computational Precision Health, UC Berkeley and UC San Francisco（加州大学伯克利分校和加州大学旧金山分校计算精准健康中心） 纠错

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

AI总结 研究基于语言弱监督训练CT扫描文本条件分割模型，通过结合体素级与切片级监督，从扫描-报告对提取信息，微调通用2D图像分割模型SAM3，在ReXGroundingCT数据集上提升了分割骰子分数。

ProTCT: Projection quantification and fidelity constraint integrated deep reconstruction for Tangential CT

ProTCT：用于切向CT的投影量化与保真度约束集成深度重建

Bingan Yuan, Bowei Liu, Zheng Fang

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

AI总结 针对切向CT投影截断致图像质量差及现有方法不足的问题，提出ProTCT方法，通过分析采样条件、构建深度伪影抑制网络及保真度约束模块，有效提升了TCT切片质量，推动了大视野CT成像应用。

Depth to Anatomy: Organ Localization from Depth Images for Automated Patient Table Positioning in Radiology Workflow

深度到解剖：从深度图像中定位器官以实现放射学工作流程中的自动化患者台定位

Eytan Kats, Kai Geissler, Daniel Mensing, Julien Senegas, Jochen G. Hirsch, Stefan Heldman, Mattias P. Heinrich

专题命中 医学影像 ：MRI(summary_cn,abstract)；radiology(title,abstract)；biomedical(comments,journal_ref)；分类 cs.CV

AI总结 本文提出基于学习的框架，通过单张2D深度图像预测41种解剖结构的3D位置和形状，利用MRI数据训练卷积神经网络，实现器官预测，提升患者定位自动化水平。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:024

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Unveiling neuronal microstructure in the human brain in vivo with time-dependent radial diffusivity in MRI

利用MRI中随时间变化的径向扩散率在体揭示人类大脑神经元微观结构

Ante Zhu, Jerome J. Maller, H. Douglas Morris, Jeffrey P. Guenette, Flavio Dell' Acqua, Chu-Yu Lee, Jeffrey McGovern, Stephan E. Maier, Raymond Y. Huang, Andrew L. Alexander, Maureen N. Hood, Desmond Teck Beng Yeo, Steven CR Williams, Carl-Fredrik Westin, Vincent B. Ho, Vincent A. Magnotta, Hua Li

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究利用OGSE编码在体表征人类大脑随时间变化的径向扩散率，发现短扩散时间和长扩散时间间的径向扩散率变化在皮质脊髓束中值高，对大轴突直径敏感，为神经疾病中神经元微观结构改变研究建立了基线。

Comments 27 pages, 7 figures, 2 tables

GUSL: A Novel and Efficient Machine Learning Model for Prostate Segmentation on MRI

Jiaxin Yang, Vasileios Magoulianitis, Catherine Aurelia Christie Alexander, Jintang Xue, Masatomo Kaneko, Giovanni Cacciamani, Andre Abreu, Vinay Duddalwar, C. -C. Jay Kuo, Inderbir S. Gill, Chrysostomos Nikias

专题命中 医学影像 ：MRI(title)；medical image(abstract)；diagnosis(abstract)；分类 eess.IV

Journal ref Computers in Biology and Medicine, Volume 213, Article 111820, 2026

Liver Metastasis Detection at Reduced Radiation Dose: Diagnostic Evaluation of a Novel Organ-Level Tube Current Modulation Method

低辐射剂量下的肝脏转移灶检测：一种新型器官水平管电流调制方法的诊断评估

Maria Jose Medrano, Sen Wang, Kaylee W. Fang, Jennie Cao, Liyan Sun, Luyao Shen, Andy Shon, Luke Yoon, Grant M. Stevens, Adam S. Wang, Justin R. Tse

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究评估retroOpt新型器官水平管电流调制方法用于肝脏转移灶检测，通过对患者CT检查生成不同剂量系列，比较病灶检测敏感性和图像质量，发现该方法在低剂量下能有效检测转移灶，优于均匀剂量降低，可实现更大剂量 reduction。

Bi-Level Collaborative Learning for Few-Shot Scribble-Supervised Medical Image Segmentation

用于少样本涂鸦监督医学图像分割的双层协作学习

Xiang-Xiang Su, Yufan Ye, Yihang Zheng, Min Gan, Guang-Yong Chen

机构 * Fuzhou University（福州大学） ； Qingdao University（青岛大学） 纠错

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

AI总结 针对少样本涂鸦监督医学图像分割中样本稀缺和监督稀疏问题，提出双层协作学习框架，上层提供区域结构先验，下层生成可靠伪标签，上下层双向交互协作，在相关数据集上优于现有方法。

Unifying Active Learning and Semi-Supervised Learning for Medical Image Segmentation

统一主动学习和半监督学习用于医学图像分割

Bahram Jafrasteh, Cheng Wan, Heejong Kim, Johannes C. Paetzold, Qingyu Zhao

机构 * Weill Cornell Medicine（威尔康乃尔医学院） ； Cornell University（康奈尔大学） 纠错

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

AI总结 针对医学图像分割标注数据有限问题，提出RegAL统一框架，通过共享拓扑感知帕累托优化，结合样本获取与未标注数据利用，沿三个互补轴评估图像，在多数据集上于极端标注稀缺时表现稳定且优于基线。

CFR-Net:Collaborative Feature Refinement Network for Medical Image Anomaly Detection

CFR-Net：用于医学图像异常检测的协作特征细化网络

Zihan Nie, Muhao Xu, Wei Feng, Yuan Cui, Hua Wei, Sijie Niu, Yi Wan, Xunbin Wei, Weiye Song, Zongyuan Ge

机构 * Monash University（莫纳什大学） ； Airdoc-Monash Research, Monash University（艾医智-莫纳什研究中心（莫纳什大学）） 纠错

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

AI总结 针对医学图像异常检测难题，提出CFR-Net，结合解码前后的特征细化与跨空间一致性，利用多路径特征细化模块及相关策略减轻域差异并建模多特征，实验显示该网络在正常数据训练下有良好的异常分类和定位性能。

Gaussian Volumetric Representation for Efficient Shear-Warp Visualization

用于高效剪切变形可视化的高斯体表示

Mayuri Mathur, Ojaswa Sharma

机构 * Indraprastha Institute of Information Technology Delhi（德里英迪拉甘地信息技术学院） 纠错

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

AI总结 研究针对医学图像可视化计算成本高的问题，提出基于高斯的体表示，用蒙特卡罗体估计和课程学习策略优化，能从稀疏监督中学习解剖细节与纹理，降低计算成本，支持高效渲染多模态医学数据集，实现高帧率和高压缩比。

Med-SegLens: Latent-Level Model Diffing for Interpretable Medical Image Segmentation

Med-SegLens: 基于潜在层的模型差分用于可解释的医学图像分割

Salma J. Ahmed, Emad A. Mohammed, Azam Asilian Bidgoli

机构 * Department of Physics（物理系） ； Computer Science, Wilfrid Laurier University, Waterloo, Canada（计算机科学，威尔弗里德·劳里尔大学，温哥华，加拿大） 纠错

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

AI总结 Med-SegLens通过潜在层模型差分技术，实现了对医学图像分割失败的诊断和数据集偏移的缓解，通过干预潜在特征提升分割性能。

Beyond Static Costs: Learning-Dynamics Aware Loss Functions for Long-Tailed Classification

超越静态成本：用于长尾分类的学习动态感知损失函数

Varad Shinde, Nikhil Kumar Shrey, Magesh Rajasekaran, Md Saiful Islam Sajol, Harshil Bhargava, Subhajit Sidanta, Supratik Mukhopadhyay, Yimin Zhu

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

AI总结 针对长尾分类中现有方法依赖静态频率忽略学习动态的问题，提出学习动态感知损失函数LDAL，利用特征表示强度、类学习难度及预测变化调整权重，实验证明该方法显著超越现有方法，平衡了准确性和泛化性。