医学 AI

UMPIRE-Net: Unrolled Magnitude-Phase Regularization Network for Accelerated MRI

UMPIRE-Net：用于加速MRI的展开式幅度-相位正则化网络

Mahdi Saberi, Toygan Kiliç, Mehmet Akçakaya

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

AI总结 针对加速MRI的不适定逆问题，提出将幅度与相位解耦正则化的UMPIRE-Net，在部分傅里叶成像场景下提升了重建质量，生成更清晰图像并减少伪影。

Comments IEEE International Workshop on Machine Learning for Signal Processing (MLSP)

INFORM-CT: INtegrating LLMs and VLMs FOR Incidental Findings Management in Abdominal CT

INFORM-CT：整合LLM和VLM用于腹部CT的偶发发现管理

Idan Tankel, Nir Mazor, Rafi Brada, Christina LeBedis, Guy ben-Yosef

机构 * GE Healthcare Technology and Innovation Center（GE医疗技术与创新中心） ； Boston Medical Center（波士顿医疗中心） 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 本文提出基于LLM和VLM的计划-执行框架，用于提高腹部CT偶发发现的检测、分类和报告效率与精度，通过自动化流程提升临床应用效果。

Comments Spotlight presentation at the 9th International Conference on Medical Imaging with Deep Learning (MIDL) 2026 Additional code and implementation details available at this https URL (https://idan-tankel.github.io/InformCT_ProjectPage/)

Contextual Cellular Growth (ConCeG) of neural cells for realistic grey matter tissue generation for diffusion MRI simulations

用于扩散MRI模拟的真实灰质组织生成的神经细胞上下文细胞生长 (ConCeG)

Charlie Aird-Rossiter, Kadir Şimşek, Maëliss Jallais, Derek K. Jones, Lida Kanari, Marco Palombo

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 针对灰质扩散MRI信号解释难题，引入ConCeG框架，结合拓扑神经元合成与空间约束生长网络，依真实神经胶质形态生成细胞构建三维多细胞灰质基质，经验证可用于扩散MRI模拟。

MRI-guided cardiac radiotherapy using a 1.5 T MR-linac: surveying emerging patterns of care

采用1.5T MR-linac的MRI引导心脏放疗：调查新兴护理模式

O. Akdag, S. Mandija, J. Pomp, M.P.W. Intven, X. Chen, J. Yang, S. Oh, M. Trombetta, H. Tan, J. De Leon, M. Jameson, E. Efe, C. Önal, M.F. Fast

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究通过对使用1.5T MR-linac的国际机构用户开展调查，明确了心脏MRgRT治疗的模式、可行性及早期结局，为制定相关治疗建议提供真实世界依据。

Birth of the Coil: another Milestone towards a fully reproducible low-field MRI scanner for head-imaging

线圈的诞生：迈向完全可重复的低场头部磁共振成像扫描仪的又一个里程碑

Umberto Zanovello, Julia Pfitzer, Ariane Ernst, Joshua Harper, Jack Hayhoe, Tri Nguyen, Lukas Winter, Nicola De Zanche

专题命中 医学影像 ：MRI(title,summary_cn)

AI总结 该研究针对50 mT开源MRI扫描仪设计优化的开源 solenoid 头部线圈，经多机构验证其可重复性、有效性与安全性，为完全可重复的低场MRI扫描仪奠定基础，相关策略可推广至其他部位线圈设计。

J-RAS: Mutual Adaptation for Medical Image Segmentation via Contrastive Retrieval-Augmented Joint Optimization

J-RAS：基于对比检索增强联合优化的医学图像分割互适应方法

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

机构 * Laurier University（劳里尔大学） 纠错

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

AI总结 提出J-RAS框架，通过交替对比学习和监督学习联合优化分割与检索模型，实现检索与分割的互适应，提升医学图像分割的边界描绘、鲁棒性和跨数据集泛化能力。

MedPlex: Deep Vision-Language Co-Adaptation for Clinically Grounded Medical Segmentation

MedPlex：用于临床基础医学分割的深度视觉-语言协同适配

Rafi Ibn Sultan, Hui Zhu, Chengyin Li, Dongxiao Zhu

机构 * Wayne State University（韦恩州立大学） ； Henry Ford Health（亨利福特医疗集团） ； Institute for AI and Data Science Wayne State University（韦恩州立大学人工智能与数据科学研究院） 纠错

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

AI总结 MedPlex是一种端到端VLM框架，通过双向融合和两级概念对齐，实现医学图像分割的视觉-语言协同适配，在CT、MR的多类医学分割任务中达到最优性能。

Comments Accepted By BMVC-2026

Practical Lossless Volumetric Medical Image Compression via Tri-plane Context Tree Learning

基于三平面上下文树学习的实用无损体医学图像压缩

Yuanchao Bai, Yifan Zhao, Kai Wang, Yuanbo Du, Jie Cheng, Teng Fang, Xianming Liu, Wen Gao

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

AI总结 该研究针对体医学图像无损压缩的效率与部署难题，提出无需DNN和外部数据的三平面上下文树方法，在多数据集上达到与DNN方法相当的压缩性能，且计算成本低、编码速度快，实用性强。

NEURON: A Neuro-symbolic System for Grounded Clinical Explainability

NEURON：一种面向临床可解释性的神经符号系统

Anuradha Chandrasekaran, Dimitrios Zikos, Mutlu Mete, Alan Pang, Brady D. Lund, Kewei Sha

机构 * University of North Texas（北卡罗来纳大学达顿分校） ； Texas Tech University Health Sciences Center（德克萨斯农工大学健康科学中心） 纠错

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

AI总结 NEURON结合医学本体和机器学习模型，提升预测可靠性与临床可解释性，通过RAG层生成自然语言解释，在MIMIC-IV数据集上提升AUC至0.84-0.88。

VLM- and LLM-Driven Multi-Agent System for PET Image Denoising

基于视觉语言模型（VLM）与大语言模型（LLM）驱动的多智能体正电子发射断层扫描（PET）图像去噪系统

Boxiao Yu, Savas Ozdemir, Yang Xing, Fumio Hashimoto, Jiong Wu, Yizhou Chen, Axel Rominger, Ruogu Fang, Kuangyu Shi, Tinsu Pan, Kuang Gong

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

AI总结 针对PET图像分辨率低、信噪比差及深度学习去噪部署需多模型与专家干预的问题，本文提出VLM与LLM驱动的多智能体闭环PET去噪框架，自主选最优模型参数，在低剂量数据上优于UNet等基线方法。

Towards Practical Algorithm Selection for Unsupervised Domain Adaptation in Medical Imaging

面向医学影像无监督域适应的实用算法选择

Yiheng Xiong, Luisa Gallée, Daniel Santak Wolf, Heiko Hillenhagen, Michael Götz

机构 * Ulm University Medical Center（乌尔姆大学医学中心） ； Ulm University（乌尔姆大学） 纠错

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

AI总结 针对医学影像无监督域适应算法选择的临床难题，提出无标注准则联合选择算法与超参数，在多数据集多场景实验中表现优于其他方法。

Comments Accepted to AMAI @ MICCAI 2026

BUZZY: Contrastive Scoring to Mitigate Text-Induced Bias in Multimodal Multiple-Choice QA

当选择成为先验：用于科学图表多选问答的对比解码

Taeyun Roh, Suhyeong Park, Dongyoung Lee, Eunyeong Jo, Wonjune Jang, Junha Jung, Jaewoo Kang

机构 * Korea University（高丽大学） ； Konkuk University（建国大学） ； Myongji University（明知大学） ； AIGEN Sciences 纠错

专题命中 医学影像 ：medical image(abstract)；biomedical(abstract)

AI总结 本文提出SCICON方法，通过对比文本和图像信息，减少选择偏差，提升科学图表多选问答的准确性。

Graph Laplacian assisted regularization method under noise level free heuristic and statistical stopping rule

图拉普拉西安辅助的正则化方法：在无噪声水平启发式和统计停止规则下

Harshit Bajpai, Ankik Kumar Giri

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文提出一种基于图拉普拉西安的正则化方法，通过无噪声水平启发式和统计停止规则解决线性和非线性病态反问题，通过迭代更新图拉普拉西安提升重建效果。

What to Preserve, Where to Adapt: A Depth-Wise Analysis of Forgetting in Continual Gynecological Image Segmentation

保留什么，适配何处：妇科图像持续分割中遗忘的深度分析

Amal Saqib, Tausifa Jan Saleem, Numan Saeed, Mohammad Yaqub

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学（MBZUAI）） 纠错

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

AI总结 针对妇科图像持续分割中灾难性遗忘问题，通过分块消融与受控适配实验，揭示网络深度上的更新位置对遗忘的影响，为解决该场景下的持续学习问题提供依据。

CMCNet: Aligning Ultrasound Image Embeddings with Textual TI-RADS Representations for Fine-Grained Thyroid Classification

CMCNet：将超声图像嵌入与文本TI-RADS表示对齐以用于细粒度甲状腺分类

Bingxin Yu, Xueli Wang, Jerry Zhou, Wenyan Wang, Li Wen, Lan Huang, Xin Feng, Fengfeng Zhou, Kewei Li

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

AI总结 本研究构建含600个甲状腺结节的STN数据集，提出CMCNet模型，通过中心间隔对比损失对齐图像与文本嵌入，实现细粒度甲状腺分类，性能优于多类基线方法。