医学 AI

RadYOLO: Computationally Efficient 3D Object Detection and Segmentation in CT and MRI

RadYOLO：面向CT和MRI的计算高效型3D目标检测与分割方法

Kai Geissler, Laurens Müller-Groh, Hans Meine

机构 * Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学MEVIS研究所） 纠错

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

AI总结 本文提出针对医学图像的YOLO11 3D扩展模型RadYOLO，通过与nnU-Net、nnDetection在5个CT/MRI数据集上对比，证实其检测性能与推理速度均具优势，适配临床及边缘设备部署需求。

Enriched text-guided variational multimodal knowledge distillation network (VMD) for automated diagnosis of plaque vulnerability in 3D carotid artery MRI

用于3D颈动脉MRI斑块易损性自动诊断的增强文本引导变分多模态知识蒸馏网络（VMD）

Bo Cao, Fan Yu, Mengmeng Feng, SenHao Zhang, Xin Meng, Yue Zhang, Zhen Qian, Jie Lu

机构 * department of Radiology and Nuclear Medicine, Xuanwu Hospital, Capital Medical University（放射医学与核医学科，宣武医院，首都医科大学） ； Beijing Key Laboratory of Magnetic Resonance Imaging and Brain Informatics（北京磁共振成像与脑信息学重点实验室） ； Beijing United Imaging Research Institute of Intelligent Imaging（北京智能成像联合研究院） 纠错

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

AI总结 该研究针对3D颈动脉MRI斑块易损性自动诊断难题，提出VMD网络，利用跨模态先验知识提升未标注图像诊断准确率，经内部数据集实验验证其有效性。

Learning How Much, Not Just What: Cross-Patient Burden Order for CT Vision-Language Pretraining

学习多少，而非仅学习是什么：用于CT视觉-语言预训练的跨患者负担顺序

Guoliang You, Haifan Gong, Xiaomeng Chu

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

AI总结 本研究提出Spectrum框架，利用跨患者弱负担顺序补充解剖感知对应关系，无需纵向数据即可学习负担感知CT表示，在CT-RATE和RAD-ChestCT数据集上取得良好性能。

Comments 9 pages, 5 figures

SCMA: Structure-Conditioned and Metal-Aware Flow Matching for CT Metal Artifact Reduction

SCMA：用于CT金属伪影减少的结构条件化与金属感知流匹配

Heran Wang, Jianing Sun, Xu Jiang, Genwei Ma, Jigang Duan, Xing Zhao

机构 * School of Mathematical Sciences, Capital Normal University（首都师范大学数学科学学院） ； College of Mathematics Science, Inner Mongolia Normal University（内蒙古师范大学数学科学学院） ； National Center for Applied Mathematics Beijing, Capital Normal University（首都师范大学北京应用数学中心） ； Academy for Multidisciplinary Studies, Capital Normal University（首都师范大学交叉科学研究院） 纠错

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

AI总结 该研究针对X射线CT金属伪影问题，提出SCMA框架，通过结构条件化、金属感知损失及投影一致性校正提升伪影抑制与结构保留效果，实验验证其性能优于现有MAR方法。

Posterior Variance Is a Constraint Map, Not an Error Map: Closed-Form Uncertainty for Radiative Gaussian Splatting in Sparse-View CT

用于稀疏视图CT中辐射高斯点云的校准闭式不确定性

Chulin Zhao, Yiran Xu, Shu Liu

机构 * Dundee International Institute, Central South University（中南大学邓迪国际学院） ； Central South University（中南大学） 纠错

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

AI总结 研究针对辐射高斯点云在稀疏视图CT重建中缺乏可信度问题，利用透射X射线成像特性赋予其变分密度后验，通过系统校准研究表明所得不确定性能与真实误差排序相符，还剖析相关现象并指出校准后验指向剂量自适应停止规则。

Comments v2: substantially revised and condensed; 31 pages total, 9 figures

Adaptive Plane Reformatting for 4D Flow MRI using Deep Reinforcement Learning

基于深度强化学习的自适应平面重排用于4D流体MRI

Javier Bisbal, Julio Sotelo, Maria I Valdés, Pablo Irarrazaval, Marcelo E Andia, Julio García, José Rodriguez-Palomarez, Francesca Raimondi, Cristián Tejos, Sergio Uribe

机构 * Biomedical Imaging Center, Pontificia Universidad Católica de Chile（生物医学成像中心，智利天主教大学） ； Department of Electrical Engineering, School of Engineering, Pontificia Universidad Católica de Chile（电气工程系，智利天主教大学） ； Millennium Institute for Intelligent Healthcare Engineering (iHEALTH)（智能医疗工程研究所（iHEALTH）） ； Institute for Biological and Medical Engineering, School of Engineering, Medicine and Biological Sciences, PUC（生物医学工程研究所，智利天主教大学） ； Department of Medical Imaging and Radiation Sciences, Faculty of Medicine, Nursing and Health Sciences, Monash University（医学影像与放射科学系，墨尔本大学） ； Department of Radiology, School of Medicine, PUC（放射科，智利天主教大学） ； Cardiac Imaging Centre, Departments of Radiology and Cardiac Sciences, University of Calgary（心脏影像中心，卡里多尼亚大学） ； Department of Cardiology, Vall d'Hebron Hospital Universitari, Vall d'Hebron Barcelona Hospital Campus（心脏科，瓦尔德·埃尔布罗纳大学医院，瓦尔德·埃尔布罗纳巴塞罗那医院校区） ； Cardiovascular Diseases, Vall d'Hebron Institut de Recerca (VHIR), Vall d'Hebron Barcelona Hospital Campus（心血管疾病，瓦尔德·埃尔布罗纳研究所（VHIR），瓦尔德·埃尔布罗纳巴塞罗那医院校区） ； Department of Medicine, Universitat Autònoma de Barcelona（医学系，巴塞罗那自治大学） ； Department of Cardiology and Cardiovascular Surgery, Papa Giovanni XXIII Hospital（心脏科和心血管外科，帕帕·乔万尼·第二十三医院） 纠错

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

AI总结 本文提出AdaPR，一种基于深度强化学习的自适应平面重排方法，用于4D flow MRI，实现了高精度的平面重排和流速量化，适用于不同扫描仪和数据集。

Journal ref Computer Methods and Programs in Biomedicine, 286, 109546 (2026)

Validation of Fully-Automated Deep Learning-Based Fibroglandular Tissue Segmentation for Efficient and Reliable Quantitation of Background Parenchymal Enhancement in Breast MRI

用于乳腺MRI中背景实质增强高效可靠量化的全自动深度学习型纤维腺体组织分割验证

Yu-Tzu Kuo, Anum S. Kazerouni, Vivian Y. Park, Wesley Surento, Suleeporn Sujichantararat, Daniel S. Hippe, Habib Rahbar, Savannah C. Partridge

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

AI总结 本研究验证了一种开源全自动深度学习型纤维腺体组织分割方法，其在乳腺MRI背景实质增强量化中，较半自动模糊C均值方法相关性更强、质量更高，可提升效率并助力标准化乳腺癌风险评估。

Journal ref Proc. SPIE 13926, Medical Imaging 2026: Computer-Aided Diagnosis, 139262F (2026)

Spinal-Multiple-Myeloma-SEG: A Dual-Energy CT Dataset Extended with Trabecular Bone Segmentation of Lumbar Vertebrae

Spinal-Multiple-Myeloma-SEG：扩展了腰椎骨小梁分割的双能CT数据集

Michal Nohel, Vlastimil Valek, Katerina Krejci, Roman Jakubicek, Marek Dostal, Jiri Chmelik

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

AI总结 该研究扩展了Spinal-Multiple-Myeloma-SEG双能CT数据集，添加腰椎骨小梁分割掩码，支持多发性骨髓瘤相关的骨分析与深度学习任务，已通过TCIA和Zenodo公开。

Comments 8 pages, 2 figures

ORCA: ORgan-Centroid Aggregation for Training-Free 3D CT Visual Token Compression

ORCA：面向无需训练的3D CT视觉令牌压缩的器官质心聚合方法

Renjie Liang, Zijian Xu, Jinqian Pan, Chengkun Sun, Zhengkang Fan, Shawn Li, You Qin, Mei Liu, Jie Xu

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

AI总结 针对3D CT视觉令牌压缩的痛点，提出无需训练的即插即用ORCA方法，在多数据集、多任务上实现显著压缩比与速度提升，性能优于现有方法。

Semantically Calibrated Evidence Composition for CT Vision-Language Learning

面向CT视觉-语言学习的语义校准证据组合

Guoliang You, Haifan Gong, Xiaomeng Chu

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

AI总结 该研究针对CT视觉-语言学习中局部证据与全局上下文结合的问题，提出SCOPE框架，通过语义校准实现证据组合，在CT-RATE和RadChestCT数据集上的宏AUC优于现有SOTA。

Comments 9 pages, 3 figures, 5 tables

Empirical investigation of 3D CT Foundation Models and Unsupervised Adaptation for Head and Neck Cancer Recurrence Prediction

3D CT 基础模型与无监督适应用于头颈癌复发预测的实证研究

Bilel Guetarni, Feryal Windal, David Pasquier, Halim Benhabiles

机构 * University of Lille（里尔大学） ； Academic Department of Radiation Oncology, Centre Oscar Lambret（奥斯卡·兰布雷特中心放射肿瘤学学术部） ； Junia（朱尼亚学院） ； Centrale Lille（里尔中央理工学院） ； IMT Nord Europe, Institut Mines-Télécom（北欧电信学院、矿业电信学院） 纠错

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

AI总结 该研究通过两个含 3644 名患者的公开数据集，实证评估 3D CT 基础模型用于头颈癌复发预测的泛化能力，发现其跨场景泛化困难，影像与临床数据结合的预后方法最准确。

Comments Accepted at AIiH 2026

ELECTRIC: Evidential Learning-Enhanced CT Reconstruction via Iterative Correction

ELECTRIC：基于迭代校正的证据学习增强型CT重建

Ge Wang

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） 纠错

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

AI总结 本研究提出ELECTRIC闭环CT重建方法，通过证据学习结合物理引导贝叶斯模型，在低剂量CT数据集上使重建误差降约70%，鲁棒性优于传统方法，为CT重建提供新方案。

Comments 6 figures, 21 pages, and 27 references

CT-PrepAgent: Bounded Policy and Controlled Execution for Adaptive CT Data Preparation

CT-PrepAgent：用于自适应CT数据准备的有界策略与受控执行

Xiaolin Fan, Yue Pei, Yingying Zhang, Haogang Zhu

专题命中 医学影像 ：CT(title,title_cn)

AI总结 针对CT数据准备的可迁移性问题，提出CT-PrepAgent模型，通过有界策略与受控执行实现自适应处理，在公开分割任务与私有DICOM队列中均取得了良好性能。

The generation of spiral density waves by MRI in accretion discs

吸积盘中MRI产生的螺旋密度波

G. Mamatsashvili, D. Kobaidze, W. Mouhali, T. Lehner, L. Burdiladze

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究开普勒盘中弱垂直磁场下的扰动，发现MRI驱动的不可压缩磁模式可在径向波数过零时激发螺旋密度波，为可压缩运动提供线性机制。

Comments 14 pages, 6 figures, accepted for publication in MNRAS

Learning to See Locally and Align Clinically with Pathology Semantics for Radiology Report Generation

学习局部感知并与病理学语义临床对齐的放射学报告生成方法

Xuan Cuong Ngo

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

AI总结 针对放射学视觉-语言模型的图像-文本对齐缺陷，提出病理学感知对齐框架PALM，结合共享病理学原型与掩码证据建模，在多数据集上提升报告生成与异常鲁棒性

Structured Proxy Features for Multimodal NSCLC Survival Prediction from Pretreatment CT

用于基于治疗前CT的多模态非小细胞肺癌（NSCLC）生存预测的结构化代理特征

Huu Phong Nguyen, Delower Hossain, Ehsan Saghapour, Zhandos Sembay, Jake Y. Chen

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

AI总结 该研究针对NSCLC生存分层难题，用模拟衍生的6种结构化代理特征扩充多模态数据，结合TMAE模型，在Lung1队列取得优于现有方法的预测性能，验证了代理特征的互补价值。

Comments 33

SecondOpinion: Anatomy-Aware Gated Reasoning for Efficient Medical Image Analysis

SecondOpinion：面向高效医学图像分析的解剖感知门控推理

Siam Tahsin Bhuiyan, Rashedur Rahman, Sefatul Wasi, Riyadul Islam, Syoji Kobashi, Ashraful Islam, Saadia Binte Alam

机构 * Center for Computational & Data Sciences, Independent University, Bangladesh（孟加拉国独立大学计算与数据科学中心） ； Department of Computer Science and Engineering, Independent University, Bangladesh（孟加拉国独立大学计算机科学与工程系） ； Graduate School of Engineering, University of Hyogo（兵库大学工程研究生院） 纠错

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

AI总结 SecondOpinion是一种医学图像分析框架，通过训练为二元正确性分类器的门控机制按需调用解剖引导流，在保持性能的同时降低计算量，激活率与任务难度直接相关。

Comments Accepted at EMA4MICCAI 2026 (MICCAI Workshop)

RadPRISM: Schema-stratified radiology-report supervision for concept-disentangled image representations and visual grounding

RadPRISM：用于概念解耦图像表示与视觉定位的模式分层放射学报告监督方法

Fabian Drexel, Marlene Fritzsche, Era Stambollxhiu, Miriam Kumpf, Lena Schmitzer, Lea Schumann, Jannik Kahmann, Friedrich Puttkammer, Johannes Moll, Jannik Lübberstedt, Zeineb Ben Chaaben, Anirudh Narayanan, Cosmin I. Bercea, Sebastian Ziegelmayer, Marcus R. Makowski, Daniel Rueckert, Lisa C. Adams, Keno K. Bressem

机构 * Technical University of Munich (TUM)（慕尼黑工业大学（TUM）） ； TUM University Hospital（慕尼黑工业大学医院） ； Technical University of Munich, School of Medicine and Health（慕尼黑工业大学医学与健康学院） ； Klinikum rechts der Isar（右伊萨尔医院） ； Charité – Universitätsmedizin Berlin（柏林夏里特医学院） ； Freie Universität Berlin（柏林自由大学） ； Humboldt Universität zu Berlin（柏林洪堡大学） ； Imperial College London（伦敦帝国理工学院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； University Hospital Essen (AöR)（埃森大学医院（AöR）） ； Institute for Artificial Intelligence in Medicine (IKIM)（医学人工智能研究所（IKIM）） ； Institute of Interventional and Diagnostic Radiology and Neuroradiology（介入与诊断放射学及神经放射学研究所） ； National Center for Tumor Diseases West（西部肿瘤疾病国家中心） 纠错

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

AI总结 RadPRISM将放射学模式作为分层轴，通过专用视觉子空间对齐临床概念，提升零样本分类与视觉定位性能，实现可透明检查的概念解耦医学图像表示。

MedSAM2-Anatomy: Training-Free Inference-Time Optimization for Musculoskeletal Segmentation

MedSAM2-Anatomy：面向肌肉骨骼分割的无训练推理时优化方法

John Garcia Henao, Nicholas Bünger, Benedikt Herzog, Cindy Guerrero Toro, Benjamin Vella, Matthias Biner, Rico Brütsch, Carmen Castroviejo Fernandez, Felix Öttl, Norman Juchler, Armando Hoch, Bettina Hochreiter, Sven Hirsch, Sebastiano Caprara

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

AI总结 MedSAM2-Anatomy是一种无训练的推理时优化框架，通过融合专家模型生成的自动解剖提示，提升冻结分割模型的髋部、肩部肌肉骨骼分割性能，无需人工提示或模型重训。

Comments Original research manuscript (13 pages, 4 figures, 2 tables). No prior publication

Implicit Neural Representations for Multimodal Longitudinal Image Imputation and Interpolation

用于多模态纵向图像插补与插值的隐式神经表示

Sina Wendrich, Lukas Förner, Zoe Reinke, Kartikay Tehlan, Ansgar Berlis, Michael Frühwald, Matthias Wagner, Thomas Wendler

机构 * University Hospital Augsburg（奥格斯堡大学医院） ； University of Augsburg（奥格斯堡大学） ； Technical University of Munich（慕尼黑工业大学） ； Bavarian Cancer Research Center (BZKF)（巴伐利亚癌症研究中心） ； Swabian Children’s Cancer Center（施瓦本儿童癌症中心） 纠错

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

AI总结 该研究针对临床纵向MRI数据缺失等问题，提出条件隐式神经表示模型，经儿科脑肿瘤数据验证，可显著改进插值效果，置信度估计可靠。

The K-Space Signature: Frequency-Domain Representation Learning for Medical Deepfake Detection

K空间特征：用于医学深度伪造检测的频域表示学习

Riccardo Raciti, Francesco Guarnera, Francesco Rundo, Luca Guarnera, Sebastiano Battiato

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

AI总结 针对医学深度伪造威胁，提出KSS取证框架，结合3D MLP-Mixer与ArcFace头，在多中心3D MRI数据集上检测准确率超0.99，零样本泛化至未见过的扫描仪数据集，准确率达0.93。

Anticipatory Digital Twins for Online Head-and-Neck Adaptive Proton Therapy via Foundation-Model Registration

基于 foundation-model 配准的头颈在线自适应质子治疗的 anticipatory 数字孪生技术

Yizhou Wu, Yuheng Li, Xiaofeng Yang, Chih-Wei Chang

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

AI总结 本研究提出基于 foundation-model 配准的数字孪生框架，通过跨患者迁移解剖变化合成预测CT，可提升头颈自适应质子治疗的匹配度，无需重复成像。

Comments Accepted for publication in the Proceedings of the 29th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2026), Workshop on Digital Twins for Healthcare (DT4H)

Generative AI and Foundation Models in Medical Image

医学影像中的生成式AI与基础模型

Masahiro Oda

机构 * Nagoya University（名古屋大学） ； Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科） 纠错

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

AI总结 本文概述生成式AI相关的扩散模型、LLMs及基础模型，介绍其在医疗辅助中的应用，探讨基础模型的构建方法与医疗应用，并研究利用国家资源开发医疗辅助AI的路径。

Comments Review Article

Journal ref Radiological Physics and Technology, vol.18, pp.937-948, 2025

Intersectional Fairness in Vision-Language Models for Medical Image Disease Classification

视觉-语言模型在医学影像疾病分类中的交叉公平性

Yupeng Zhang, Adam G. Dunn, Usman Naseem, Jinman Kim

机构 * Biomedical Data Analysis and Visualisation (BDAV) Lab, School of Computer Science（生物医学数据分析与可视化实验室，计算机科学学院） ； Sydney School of Public Health（悉尼公共卫生学院） ； School of Computing（计算学院） 纠错

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

AI总结 本文提出CMAC-MMD框架，通过标准化交叉亚组的诊断确定性，减少医学影像疾病分类中的交叉偏见，提升诊断准确性和公平性。

MoPET: Parameter-Efficient Mixture-of-Experts for Unified Medical Image Classification

MoPET：面向统一医学图像分类的参数高效混合专家模型

Sebastian Doerrich, Daniel Würtinger, Francesco Di Salvo, Shyam Nandan Rai, Christian Ledig

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

AI总结 MoPET作为参数高效混合专家模型，通过稀疏路由整合多任务PEFT专家，在MedMNIST基准上实现了医学图像分类准确率提升，缓解了跨域梯度冲突与负迁移问题。

Comments Accepted to EMA4MICCAI 2026

Neural Born Series Operator for Biomedical Ultrasound Computed Tomography

用于生物医学超声计算机断层扫描的神经玻恩级数算子

Zhijun Zeng, Yihang Zheng, Youjia Zheng, Yubing Li, Zuoqiang Shi, He Sun

专题命中 医学影像 ：biomedical(title)；分类 cs.CV、cs.LG、eess.IV

AI总结 该研究针对超声计算机断层扫描（USCT）全波形反演计算密集的问题，提出神经玻恩级数算子（NBSO），在脑部和乳腺数据集上验证其可加速波模拟与USCT图像重建，推动USCT临床应用。

Comments Withdrawn by the authors because this manuscript is an incomplete preliminary version. The work has since been substantially revised and expanded, and the present version no longer reflects the authors' final results. The updated work is available as arXiv:2508.12226

DiCoM -- Diverse Concept Modeling towards Enhancing Generalizability in Chest X-Ray Studies

Abhijeet Parida, Daniel Capellan-Martin, Sara Atito, Muhammad Awais, Maria J. Ledesma-Carbayo, Marius G. Linguraru, Syed Muhammad Anwar

专题命中 医学影像 ：diagnosis(abstract)；radiology(abstract)；分类 cs.CV、cs.LG、eess.IV

Protocol generalisation for brain tissue microstructure estimation via hypernetwork-controlled geometric deep learning

基于超网络控制的几何深度学习的脑组织微结构估计的协议泛化

Andrea Brigliadori, Leevi Kerkela, Hui Zhang

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

AI总结 本文提出一种融入b-值依赖的超网络控制SCNN架构，实现b-值与b-向量泛化及旋转等变性，提升了脑组织微结构估计的鲁棒性与临床适用性。

SCALP: Semi-Supervised Statistical Shape Modeling from Imperfect 3D Photogrammetry via Landmark-Anchored Spectral Warp

SCALP：基于地标锚定谱变形的不完美3D摄影测量半监督统计形状建模

Nawazish Khan, Sanjay Bhandari, Sarang Joshi, Alzbeta Novotna, Tiffany Jeong, Loretta Bowman, Michael Hernandez, Tobi Somorin, Viraj Govani, Jesse Glodstein, Shireen Elhabian

机构 * Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与成像研究所） ； Kahlert School of Computing, University of Utah（犹他大学卡勒特计算机学院） ； Division of Pediatric Plastic Surgery, UPMC Children’s Hospital of Pittsburgh（匹兹堡大学医学中心儿童医院小儿整形外科） 纠错

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

AI总结 SCALP是一种半监督统计形状建模框架，通过两阶段方法从原始不完美3D摄影测量扫描构建一致形状模型，在婴儿头型分析中优于现有无监督点云方法，提供无辐射的临床可行途径。

Beyond Random Partitioning: Unsupervised Spatio-Temporal Stratification for Cohort Balancing in Longitudinal Medical Imaging

超越随机划分：纵向医学影像中队列平衡的无监督时空分层方法

Qinghui Liu, Jon André Ottesen, Atle Bjørnerud, Kyrre Eeg Emblem

机构 * Oslo University Hospital（奥斯陆大学医院） 纠错

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

AI总结 针对纵向医学影像随机划分导致的协变量偏移和采样失衡问题，提出三方数据集分析框架，结合肘部优化K-means与分层抽样，实现队列平衡，大幅降低强度偏差，提升划分稳定性。

Comments 22 pages, 7 figues