医学 AI

Anatomy Contextualized Adaption of CT Foundation Models

CT基础模型的解剖学上下文适配

Roshan Kenia, Stephanie L McNamara, William Lotter

机构 * Harvard Medical School（哈佛医学院） ； Dana-Farber Cancer Institute（达纳-法伯癌症研究所） ； Massachusetts General Hospital（麻省总医院） ； Brigham and Women’s Hospital（布里格姆妇女医院） 纠错

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

AI总结 本研究提出轻量框架ACA，适配冻结CT基础模型实现解剖学级视觉-语言对齐，在Merlin、CT-RATE数据集上零样本发现分类性能优于基线，训练耗时短且可保留增强全局解剖学上下文。

Comments Accepted to the European Conference on Computer Vision (ECCV) 2026 MedFM-Bench Workshop

PatchDenoiser: Parameter-efficient multi-scale patch learning and fusion denoiser for Low-dose CT imaging

PatchDenoiser: 一种参数高效、多尺度补丁学习与融合的低剂量CT图像去噪器

Jitindra Fartiyal, Pedro Freire, Sergei K. Turitsyn, Sergei G. Solovski

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

AI总结 PatchDenoiser通过多尺度补丁学习与融合，提供轻量高效且鲁棒的低剂量CT图像去噪方法，显著提升去噪性能并降低计算成本。

Multi-scale radiomics in pelvic MRI for endometriosis subtyping: highlighting data heterogeneity constraints

用于子宫内膜异位症分型的盆腔MRI多尺度放射组学：强调数据异质性约束

Eliot Leguy, Chloe Mallet, Nicolas Normand, Elodie Germani

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

AI总结 本研究基于UT-EndoMRI数据集，探索盆腔MRI多尺度放射组学用于子宫内膜异位症分型，发现原始小波特征结合梯度提升分类器AUC达0.80，但小型多中心数据集中放射组学分型存在脆弱性。

Comments Accepted for publication at the MICCAI 2026 CAPI-WOMEN workshop

Clinical Graph-Mediated Distillation for Unpaired MRI-to-CFI Hypertension Prediction

临床图介导的非配MRI到CFI高血压预测

Dillan Imans, Phuoc-Nguyen Bui, Duc-Tai Le, Hyunseung Choo

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Research Convergence Institute（研究融合院） ； Department of AI Systems Engineering（人工智能系统工程系） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出CGMD框架，通过构建临床相似性kNN图将MRI中的高血压知识迁移至视网膜模型，提升非配MRI-视网膜数据下的高血压预测性能。

Comments 10 pages, 2 figures, 2 tables. Under review at MICCAI 2026

A Wireless Volumetric Metamaterial Resonator for Breast MRI

用于乳腺MRI的无线体积超材料谐振器

Yuhan Liu, Xia Zhu, Christina A. LeBedis, Stephan W. Anderson, Xin Zhang

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究提出无线体积超材料谐振器，将现有临床MRI的脊柱线圈转为乳腺MRI接收平台，可提升乳腺成像中心信噪比、降低空间不均匀性，为改善乳腺MRI性能提供了可行硬件方案。

Rad-JEPA 3D: Radiology Joint-Embedding Predictive Model for 3D Computed Tomography

Rad-JEPA 3D：用于三维计算机断层扫描的放射学联合嵌入预测模型

Quoc-Huy Trinh, Minh-Van Nguyen, Ulas Bagci

机构 * Northwestern University（西北大学） ； Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 Rad-JEPA 3D是用于3D CT的自监督联合嵌入预测框架，采用混合H-Mamba编码器与HSOR正则化，在12万次CT扫描预训练后，在器官识别、空间推理等任务上达到最优性能。

BrainG3N: A Dual-Purpose Tokenizer for Controllable 3D Brain MRI Generation

BrainG3N：用于可控3D脑MRI生成的双用途分词器

Max Van Puyvelde, Ibrahim Gulluk, Wim Van Criekinge, Olivier Gevaert

机构 * Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学系） ； Department of Mathematical Modelling, Statistics & Bioinformatics, Ghent University（根特大学数学建模、统计与生物信息学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

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

AI总结 提出基于3D掩码自编码器的分词器，解耦编码器与解码器，在23项线性探测任务中21项超越SOTA，并支持条件生成和纵向预测。

Eddeep: a deep-learning framework for fast eddy-current distortion correction in diffusion MRI

Eddeep：用于扩散MRI中快速涡流畸变校正的深度学习框架

Antoine Legouhy, Ross Callaghan, Yuchuan Qiao, Whitney Stee, Philippe Peigneux, Hojjat Azadbakht, Hui Zhang

机构 * Hawkes Institute（霍克斯研究所） ； University College London（伦敦大学学院） ； Institut Pasteur（巴斯德研究所） ； Université Paris Cité（巴黎西岱大学） ； AINOSTICS ltd.（AINOSTICS有限公司） ； Fudan University（复旦大学） ； Université Libre de Bruxelles (ULB)（布鲁塞尔自由大学） ； University of Liège (ULiège)（列日大学） 纠错

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

AI总结 本研究针对dMRI中涡流畸变校正方法计算成本高的问题，提出深度学习框架Eddeep，其通过两阶段网络实现与FSL Eddy相当的校正质量，同时大幅缩短推理时间，为大规模研究和临床部署提供支持。

Comments Associated GitHub repo: https://github.com/CIG-UCL/eddeep

MedARC: Training-Free Adaptive Redundancy Compression of Visual Tokens for 3D Medical Vision-Language Models

MedARC：面向3D医学视觉-语言模型的无训练视觉令牌自适应冗余压缩

Yitao Zhu, Mengjun Liu, Yingji Fu, Haowen Pang, Anqi Qiu

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

AI总结 针对3D医学VLMs的视觉令牌冗余压缩问题，本文提出无训练框架MedARC，整合三类线索估计令牌重要性，通过显著性感知合并策略压缩令牌，在CT-RATE和MR-RATE上实现性能保持的同时降低开销。

Comments 9 pages

BATS: Resource-Efficient Volumetric Segmentation with Boundary-Aware Mixed-Resolution Tokens

BATS：基于边界感知混合分辨率令牌的资源高效体分割

David Hagerman, Roman Naeem, Fredrik Kahl

机构 * Chalmers University of Technology（查尔姆斯理工大学） 纠错

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

AI总结 BATS是一种边界感知混合分辨率的3D医学图像分割架构，通过稀疏层次结构减少内存占用，在保持接近密集基线精度的同时降低GPU内存消耗，部分数据集上推理速度提升。

Comparing the Performance of Foundation Model Derived Embeddings with Traditional Approaches for Distant Metastasis Prediction in Head and Neck Cancer

比较基于基础模型的嵌入与传统方法在头颈部癌远处转移预测中的性能

Erich Schmitz, Meixu Chen, Bowen Jing, Jing Wang

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

AI总结 本研究以RADCURE数据集2327例HNC患者术前CT图像为基础，对比CT基础模型嵌入、放射组学等特征集预测远处转移的性能，发现CT基础模型嵌入性能更优，可作为传统放射组学的替代方案

Comments 27 pages including supplemental materials, 5 main figures, 2 supplemental figures, 5 main tables, 7 supplemental tables. Poster Abstract at 2026 AAPM Meeting and Exhibition

Hearsay: Vision-Language Medical Diagnoses Without an Image

Hearsay：无需图像的视觉-语言医学诊断

Siddharth Vohra

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Web Services AI Native（亚马逊网络服务AI原生部门） 纠错

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

AI总结 该研究发现前沿视觉-语言模型在无图像时会基于人口统计学特征编造医学诊断，存在不同失败模式，提出需直接审计其结构化输出通道并将探针词敏感性作为核心评估维度。

Comments Peer-reviewed and presented at the 1st Workshop on Toward Trustworthy Vision-Language Models in the Wild (TrustVLM), co-located with ACM ICMR 2026, Amsterdam. Non-archival workshop. Reviews public on OpenReview. 5 pages, 2 figures

From Spatial Semantics to Temporal Context: Leveraging Gaze Trajectory for Weakly Supervised Medical Image Segmentation

从空间语义到时间上下文：利用注视轨迹实现弱监督医学图像分割

Shaoxuan Wu, Xiao Zhang, Xiaodi Zhao, Yunzhi Tian, Yilin Tang, Jun Feng

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

AI总结 该研究针对医学图像分割依赖像素级标注的问题，提出TrailNet模型，结合注视点与轨迹建模时空上下文，引入循环蒸馏实现无注视推理，在公开数据集上取得优于现有方法的Dice分数。

Rapid quantitative chemical composition mapping using model-based MRI reconstruction with field inhomogeneity correction

基于场不均匀性校正的模型磁共振成像重建实现快速定量化学成分映射

Artyom Tsanda, Stefan Benders, Muhammad Adrian, Alexander Penn, Tobias Knopp

专题命中 医学影像 ：MRI(title)；分类 q-bio、eess.IV

AI总结 研究针对化学工程中快速评估化学成分空间变化的需求，采用基于模型的重建框架，嵌入先验光谱知识并考虑场不均匀性，通过体模实验验证方法有效性及精度，应用稀疏k空间采样可进一步减少采集时间。

Multimessenger Signatures of Tilted, Self-Gravitating, Black Hole Disks

多信使信号中的倾斜、自引力黑洞盘

Milton Ruiz, Antonios Tsokaros, Stuart L. Shapiro

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 研究倾斜自引力黑洞盘的非轴对称不稳定性，揭示磁流体动力学模拟中引力波发射与喷流机制，支持其作为多信使源的角色。

Comments 9 pages, 11 figures

Journal ref Phys. Rev. Lett. 137, 051402 (2026)

Topology-Constrained Quantized nnUNet for Efficient and Anatomically Accurate 3D Tooth Segmentation

用于高效且解剖学准确的3D牙齿分割的拓扑约束量化nnUNet

Paarth Prasad, Ruchika Malhotra

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

AI总结 本研究提出拓扑约束量化nnUNet框架，通过整合牙齿特异性拓扑损失与8位量化技术，在减少拓扑错误、保留解剖精度的同时维持硬件效率，适用于资源受限的临床牙科CBCT分割场景。

SparseContrast: Dynamic Sparse Attention for Efficient and Accurate Contrastive Learning in Medical Imaging

SparseContrast: 动态稀疏注意力机制用于医学影像中高效且准确的对比学习

Paarth Prasad, Ruchika Malhotra

机构 * Delhi Technological University（德里技术大学） 纠错

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

AI总结 本文提出SparseContrast框架，通过动态稀疏注意力机制提升医学影像对比学习效率与准确性，尤其在低数据环境下用于胸部X光疾病检测。

Deep Expert Injection for Anchoring Retinal VLMs with Domain-Specific Knowledge

深度专家注入用于带有领域特定知识的视网膜视觉语言模型的锚定

Shuai Lu, Meng Wang, Jia Guo, Jiawei Du, Bo Liu, Shengzhu Yang, Weihang Zhang, Huazhu Fu, Huiqi Li

机构 * Beijing Institute of Technology, Beijing, China（北京理工大学） ； National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学） 纠错

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

AI总结 本文提出EyExIn框架，通过深度专家注入机制提升视网膜VLMs的领域知识嵌入能力，解决感知与推理间隙问题，实现高精度眼科视觉问答。

Practical Quantum Topological Data Analysis with Applications to High-Dimensional Feature Extraction and Time Series Analysis

面向高维特征提取与时间序列分析的实用量子拓扑数据分析

Jason Iaconis, Sayonee Ray, Samwel Sekwao, Claudio Girotto, Martin Roetteler

专题命中 医学影像 ：MRI(abstract)

AI总结 本文将量子TDA作为实用特征提取方法，开发矩基量子算法，经实验验证其可从高维数据中提取拓扑特征，在时间序列分析中提升预测性能，突破经典TDA的成本瓶颈。

Comments 38 pages, 24 figures