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。

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

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。

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

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

Boosting Generalizable Depth Estimation in Endoscopy by Mixture of Lightweight Experts and Intrinsic Image Alignment

基于轻量级专家混合与本征图像对齐的内窥镜可泛化深度估计增强方法

Liangjing Shao, Beilei Cui, Yiming Huang, Changjing Liu, Hongliang Ren

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 本文提出自监督框架EndoMINI，结合低秩专家混合与本征图像对齐，在多内窥镜数据集上实现了更优的可泛化深度估计性能。

Comments Accepted by MICCAI 2026 @ The Efficient Medical AI (EMA4MICCAI) Workshop (Oral Presentation)

HarMoE: Multi-Source Chest Radiograph Pretraining with Dataset-Disentangled Experts

HarMoE：基于数据集解耦专家的多源胸部X射线预训练

Haozhe Luo, Ziyu Zhou, Shelley Zixin Shu, Mauricio Reyes

机构 * University of Bern（伯尔尼大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本研究提出HarMoE框架，通过解耦数据集专家从异构胸部X射线数据集学习，提升了放射学视觉-语言模型的零样本分类、分布外迁移等性能，相关代码与87.3万份数据集将公开。

Similarity Weighted Aggregation with Global Differential Privacy for Federated Brain Lesion Segmentation

面向联邦脑病灶分割的结合全局差分隐私的相似度加权聚合

Muhammad Irfan Khan, Eero Lehtonen, Joni Obradovic, Elina Kontio, Esa Alhoniemi, Suleiman A. Khan, Mojtaba Jafaritadi

机构 * Turku University of Applied Sciences（图尔库应用科学大学） 纠错

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

AI总结 本研究提出DP-SimAgg框架，结合相似度加权聚合与服务器端差分隐私，在FeTS 2022数据集上验证其可在保护隐私的同时保持脑病灶分割的竞争力性能。

Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided

基于动态可靠性引导的骨盆骨分割模型测试时适应

Ling Ren, Chao Deng, Ziming Wang, Yuecong Xu, Kai Zheng

机构 * College of Automation, Nanjing University of Posts and Telecommunications（南京邮电大学自动化学院） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； the Affiliated Stomatological Hospital of Nanjing Medical University（南京医科大学附属口腔医院） 纠错

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

AI总结 针对骨盆骨分割模型跨中心域偏移导致的性能下降问题，提出ReGA框架，结合SICE准则、信任加权细化模块、对比学习与TS方案，在三个数据集上优于现有TTA方法，实现有效适应。

Comments Provisionally accepted for presentation at MICCAI 2026

Reconstruction-Shift Discrimination via Mask-Guided Latent Diffusion for Medical Anomaly Detection

基于掩码引导的潜在扩散的重构-偏移判别用于医学异常检测

Yibo Wan, Jinyu Cai, Yunhe Zhang, Yi Bin, See-kiong Ng

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

AI总结 该研究提出判别式掩码引导扩散（DMD）框架，结合自监督分类的重构-偏移判别与残差定位，在五种医学影像数据集上实现了最优的无监督医学异常检测性能。

tFUSOperator: Operator Learning for Transcranial Focused Ultrasound Digital Twins

tFUSOperator：用于经颅聚焦超声数字孪生的算子学习

Minjee Seo, Haris Ghafoor, Minju Seol, Seonaeng Cho, Kyungho Yoon

机构 * School of Mathematics and Computing (Computational Science and Engineering), Yonsei University（延世大学数学与计算科学学院（计算科学与工程）） ； Innovative & Intelligent Computational Science Institute (IN2CSI)（创新与智能计算科学研究所） 纠错

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

AI总结 该研究提出首个基于算子的tFUS声场预测模型tFUSOperator，其定位声焦点精度高、速度远快于数值模拟，为患者特异性tFUS治疗数字孪生提供了无辐射的快速方案。

Comments Published at Digital Twin for Healthcare (MICCAI 2026 Workshop)

An Accessible Solution for Deformable Image Registration Compared with Learning-Based Approaches

与基于学习的方法相比可变形图像配准的可及解决方案

Onur Ali Zeybekoglu, David Tilly, Orcun Goksel

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

AI总结 本研究提出pTVreg的可及实现及自动设置参数的贝叶斯优化框架，在Lung250M-4B数据集上其性能优于现有深度学习方案及其他pTVreg变体。

Cardiovascular Digital Twins from Physics Based to Data Driven Approaches

心血管数字孪生：从基于物理的方法到数据驱动的方法

Emmanuel Lwele, Francis Chikweto

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 该研究综述了心血管数字孪生的建模范式，对比了机理模型与数据驱动方法的优劣，介绍了融合物理约束与关系学习的新兴方法，探讨了其临床转化路径，为心血管数字孪生的发展提供了参考。

Bridging the English-Arabic Medical Knowledge Gap: Targeted Low-Rank Adaptation via Causal Layer Selection

缩小英阿医学知识鸿沟：通过因果层选择实现针对性低秩适配

Chaimae Abouzahir, Musa Khan, Hala Ali-Hassan, Congbo Ma, Khaled Saleh, Yousra Sadqi, Jihad Mallat, Walid Al-Eisawi, Nizar Habash, Farah E. Shamout

机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； Cleveland Clinic Abu Dhabi（克利夫兰诊所阿布扎比分校） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 该研究针对阿拉伯语医学LLMs性能弱于英文的问题，提出TLoRA方法并构建阿拉伯医学对话基准，通过机制诊断实现针对性适配，提升了阿拉伯语医学任务性能。

Deep Learning CNN and Recurrence Analysis for Alpha Gamma EEG Biomarkers in Fragile X Syndrome

用于脆性X综合征α和γ脑电学生物标志物的深度学习CNN与递归分析

Zag ElSayed, Payton Siekierski, Jack Yanchen Liu, Ernest Pedapati

机构 * School of Information Technology (SoIT), University of Cincinnati（辛辛那提大学信息技术学院） ； Division of Child and Adolescent Psychiatry Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医学中心儿童与青少年精神病学科） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 本研究提出整合CNN、LSTM与RP分析的多表征深度学习框架，通过分析FXS患者α、γ频段EEG信号，实现优于单模态基线的自动表型表征，为FXS生物标志物开发提供了可扩展方法。

Comments 14 pages, 4 figures, conference

Journal ref Springer ISBCom 2026