医学 AI

Low-Dose CT for Stroke Diagnosis: A Dual-Pipeline Deep Learning Framework for Portable Neuroimaging

低剂量CT用于中风诊断：一种双管道深度学习框架用于便携式神经影像

Rhea Ghosal, Ronok Ghosal, Eileen Lou

机构 * Westlake High School（西湖高中） ； California Institute of Technology（加州理工学院） ； Round Rock High School（圆石城高中） 纠错

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

AI总结 本文提出双管道深度学习框架，用于低剂量CT中风诊断，在不同剂量水平上评估性能，发现直接分类在某些情况下更有效，建立了低剂量CT中风分诊的基准。

Comments 10 pages, 3 figures, 2 tables. Evaluation of direct classification and residual U-Net denoising followed by classification across five simulated photon-count levels and three deterministic noise seeds. Includes patient-cluster bootstrap confidence intervals. Uses the LDCT Classification dataset; motion and ring artifact experiments are outside the scope of this study

CHM-Net: Center Heatmap-driven Macro-Micro Modeling Network for MRI-based Microbial Density Stratification

CHM-Net：基于中心热图驱动的宏观-微观建模网络用于基于MRI的微生物密度分层

Jiaming Liang, Haolin Chen, Tingting Li, Bowen Yu, Qianyan Long, Tinghe Zhang, Xi Zhong, Xiaowei Hu, Xiaoqi Sheng, Hongmin Cai

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； School of Future Technology（未来技术学院） ； Department of Medical Imaging（医学影像科） ； Affiliated Cancer Hospital, Guangzhou Medical University（广州医学院附属癌症医院） 纠错

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

AI总结 研究基于MRI的微生物密度分层，提出CHM-Net，通过中心热图引导小病变反应定位，构建宏观-微观证据预测微生物密度，在GBNPC 2026数据集上验证有效性，在两个3D医学图像数据集上证实鲁棒性。

GazeXPErT: An Expert Eye-tracking Dataset for Interpretable and Explainable AI in Oncologic FDG-PET/CT Scans

GazeXPErT: 一种用于肿瘤FDG-PET/CT扫描可解释和可解释AI的专家眼动数据集

Joy T Wu, Daniel Beckmann, Sarah Miller, Alexander Lee, Elizabeth Theng, Stephan Altmayer, Ken Chang, David Kersting, Tomoaki Otani, Brittany Z Dashevsky, Hye Lim Park, Matteo Novello, Kip Guja, Curtis Langlotz, Ismini Lourentzou, Daniel Gruhl, Benjamin Risse, Guido A Davidzon

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

AI总结 GazeXPErT通过专家眼动数据提升肿瘤FDG-PET/CT图像的可解释AI性能，包括病变分割和意图预测。

PerFact: Perception-Derived Fact Prompting for 3D Brain MRI Report Generation

PerFact：用于3D脑部MRI报告生成的感知衍生事实提示方法

Jianyu Sun, Zhenxuan Zhang, Guang Yang, Peter J. Lally

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

AI总结 该研究针对3D脑部MRI报告生成，提出PerFact方法，以上游3D分割分类输出的结构化事实提示LoRA适配的视觉语言模型，证实grounding信息是报告质量的主导因素而非模型选择。

Heterogeneity-Aware Deep Learning for Tumour Classification from Multiparametric MRI

面向多参数MRI肿瘤分类的异质性感知深度学习

Yue Xia, Euijoon Ahn, Tian Xia, Yuan Yuan, Michael Fulham, Jinman Kim

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Department of Molecular Imaging, Royal Prince Alfred Hospital（皇家阿尔弗雷德王子医院分子影像科） 纠错

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

AI总结 提出HA-DLC框架，通过HSG、CPSA、DSFE模块联合优化，在两个公开mp-MRI肿瘤数据集上，实现优于现有方法的肿瘤分类性能

Primitive Representation Learning for Unsupervised Dynamic Contrast Enhanced MRI Reconstruction

用于无监督动态对比增强MRI重建的基元表示学习

Veronika Spieker, Wenqi Huang, Cemre Ariyurek, Liam Timms, Daniel Rueckert, Onur Afacan, Julia A. Schnabel, Sila Kurugol

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

AI总结 针对无监督动态对比增强MRI重建，提出多维度基元框架解耦动态因素，性能与传统方法相当，可扩展至更高加速率，代码公开。

Harnessing Magnitude-Only and Complex Measurements for Improved Dynamic MRI Reconstruction with Learned Priors

利用仅幅度测量与复值测量结合学习先验实现改进的动态MRI重建

Mahdi Saberi, Yaşar Utku Alçalar, Merve Gülle, Chetan Shenoy, Mehmet Akçakaya

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

AI总结 本研究提出$\boldsymbol{\text{C}}+\text{Mag}$方法，结合复值与k空间幅度信息，采用ADMM展开框架实现动态MRI重建，实验表明其在伪影抑制、结构恢复等方面优于传统PD-DL方法。

Comprehensive framework for evaluation of deep neural networks in detection and quantification of lymphoma from PET/CT images: clinical insights, pitfalls, and observer agreement analyses

用于PET/CT图像中淋巴瘤检测与量化的深度神经网络评估综合框架：临床见解、陷阱及观察者一致性分析

Shadab Ahamed, Yixi Xu, Sara Kurkowska, Claire Gowdy, Joo H. O, Ingrid Bloise, Don Wilson, Patrick Martineau, François Bénard, Fereshteh Yousefirizi, Rahul Dodhia, Juan M. Lavista, William B. Weeks, Carlos F. Uribe, Arman Rahmim

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

AI总结 本研究提出综合框架评估ResUNet等四种深度网络在611例淋巴瘤PET/CT图像上的分割性能，发现小而微弱病灶对网络和医生均具挑战性，提升了自动分割的临床相关性

Comments 35 pages, 15 figures, 6 tables

Technically Plausible but Clinically Misleading? Expert Evaluation of Patient-Personalized Synthetic Prostate MRI

技术上可行但临床误导？患者个性化合成前列腺MRI的专家评估

Gabriel Paulo Maglalang Israel, Sol Gedde, Alvaro Fernandez-Quilez

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

AI总结 本研究用3D扩散模型合成患者个性化前列腺MRI，验证其技术可行性后开展专家研究，发现其虽技术可行但存在误导解读风险，提示需评估其临床应用安全性。

Comments To appear in SCAI 2026 proceedings

Learning Where and What to Lift for Bi-planar X-ray-to-CT Reconstruction

面向双平面X射线到CT重建的学习提升位置与内容

Yifei Wu, Yicheng Wu, Qiang Ma, Qi Chen, Renyang Gu, Xinyu Liu, Yongsheng Pan, Yong Xia

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

AI总结 提出LiftXR框架，通过双平面X射线生成解剖布局引导CT重建，在公开数据集上优于现有方法，提升了重建CT的解剖保真度。

GSToken: Geometry-Structured Gaussian Tokens for Compact 3D Medical Image Representation

GSToken：用于紧凑三维医学图像表示的几何结构化高斯令牌

Xiaoduo Li, Quan Gu

机构 * Taiyuan University of Technology（太原理工大学） 纠错

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

AI总结 本文提出GSToken，一种带显式几何信息的高斯令牌，通过冻结令牌生成器的评估协议验证其在多模态脑肿瘤分割中，比容量匹配基线更优，可提升三维医学图像表示的信息密度。

Multi-Agent AI System for Radiology Report Structuring and Quality Assurance with Independent Radiologist Evaluation

用于放射科报告结构化与质量保证的多智能体AI系统：独立放射科医师评估

Iryna Hartsock, Cesar Lam, Christopher Otteni, Aliya Qayyum, Robert Gatenby, Cyrillo Araujo, Ghulam Rasool

专题命中 医学影像 ：radiology(title,abstract)；CT(abstract,abstract_cn)

AI总结 本研究开发了一款本地部署的多智能体AI系统，可实现放射科报告结构化与质量保证，经独立放射科医师评估，该系统表现良好，或有助于放射科报告标准化。

Comments 14 pages, 2 figures, 4 tables

Unsupervised Deep Generative Models for Anomaly Detection in Neuroimaging: A Systematic Scoping Review

无监督深度生成模型在神经影像中的异常检测：一项系统性综述

Youwan Mahé, Elise Bannier, Stéphanie Leplaideur, Elisa Fromont, Francesca Galassi

机构 * Univ Rennes, Inria, CNRS, Inserm, IRISA UMR 6074, Empenn, Rennes, France（法国里昂大学、Inria、CNRS、Inserm、IRISA UMR 6074、Empenn、里昂） ； Siemens Healthineers, Courbevoie, France（法国西门子医疗影像公司、Courbevoie） ； CHU Rennes, Radiology Department, Rennes, France（里昂大学医院、放射科、法国里昂） ； CHU Rennes, Physical Medicine and Rehabilitation Department, Rennes, France（里昂大学医院、康复医学部、法国里昂） ； Centre de Kerpape, Ploemeur, France（凯帕尔中心、法国普洛梅尔） ； Univ Rennes, Inria, CNRS, IRISA, Rennes, France（法国里昂大学、Inria、CNRS、IRISA、里昂） 纠错

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

AI总结 本文综述了无监督深度生成模型在神经影像异常检测中的应用，指出其在病理无关定位中的潜力及现存挑战。

MaLViL: Multi-axis Low-rank Vision-LSTM for Medical Image Segmentation

MaLViL：用于医学图像分割的多轴低秩视觉长短期记忆网络

Afshin Bozorgpour, Sina Ghorbani Kolahi, Moein Heidari, Ilker Hacihaliloglu, Dorit Merhof

机构 * Faculty of Informatics and Data Science, University of Regensburg（雷根斯堡大学信息学与数据科学学院） ； Independent Computer Science Researcher（独立计算机科学研究者） ； University of British Columbia（不列颠哥伦比亚大学） ； Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学梅维斯研究所） 纠错

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

AI总结 针对现有视觉长短期记忆网络（ViL）用于医学图像分割时丢失精细细节、内存开销大的问题，提出MaLViL网络，结合Bi-LRViL、SaLViL、CDM、SGSM等模块，在多个医学图像基准上实现了最优或具竞争力的分割精度，内存降低最多83倍。

Comments Accepted at the MICCAI Workshop on Machine Learning in Medical Imaging (MLMI), 2026

Clinical Pathways Matter for Multimodal Deep Learning in Early Alzheimers Disease Detection

临床路径对早期阿尔茨海默病检测中的多模态深度学习至关重要

Yao Lu, Solveig Kristina Hammonds, Alvaro Fernandez-Quilez

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

AI总结 该研究提出基于SigLIP的零样本多模态框架，结合结构MRI与常规临床变量，在ADNI队列中实现早期阿尔茨海默病风险分层，性能优于传统模型，且可扩展至纵向数据。

Comments Published

SegWithU: Uncertainty as Perturbation Energy for Single-Forward-Pass Risk-Aware Medical Image Segmentation

SegWithU：不确定性作为扰动能量用于单次前向传递的鲁棒医学图像分割

Tianhao Fu, Austin Wang, Charles Chen, Roby Aldave-Garza, Yucheng Chen

机构 * University of Toronto（多伦多大学） ； McGill University（麦吉尔大学） ； University of Waterloo（滑铁卢大学） ； Vector Institute（向量研究所） ； Project Neura ； University of Toronto Machine Intelligence Student Team（多伦多大学人工智能学生团队） ； Amplimit 纠错

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

AI总结 SegWithU通过引入轻量级不确定性头，提升单次前向传递医学图像分割的鲁棒性，实现高可靠性分割结果。

Comments Accepted to UNSURE@MICCAI2026

FedPref: Federated Preference Learning for Structured Radiology Report Extraction

FedPref：用于结构化放射报告抽取的联邦偏好学习

Flint Xiaofeng Fan, Cheston Tan, Yew-Soon Ong, Roger Wattenhofer

机构 * ETH Zurich（苏黎世联邦理工学院） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） 纠错

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

AI总结 FedPref 是用于结构化放射报告抽取的联邦偏好学习方法，通过冻结公共语言模型、本地排序与共享模型更新训练适配器，在不均数据场景下提升抽取性能且无需共享敏感数据。

Comments Accepted at ELAMI 2026, held in conjunction with MICCAI 2026. To appear in the Springer proceedings

Vision-Language Enhanced Foundation Model for Semi-Supervised Medical Image Segmentation

增强视觉-语言能力的半监督医学图像分割基础模型

Jiaqi Guo, Mingzhen Li, Hanyu Su, Keigo Healy, Lexiaozi Fan, Neda Tavakoli, Santiago López-Tapia, Daniel Kim, Aggelos K. Katsaggelos

机构 * ECE, Northwestern University（电气工程与计算机科学系，西北大学） ； Stats, Northwestern University（统计学系，西北大学） ； Radiology, Northwestern University（放射学系，西北大学） 纠错

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

AI总结 本文提出VESSA模型，通过增强视觉-语言能力的半监督方法提升医学图像分割精度，实验表明其在有限标注条件下表现优于现有方法。

CFB-GBM v2.0: An Augmented Longitudinal Dataset for Multi-Modal Glioblastoma Segmentation, Radiomics, and RANO Progression Tracking

CFB-GBM v2.0：用于多模态胶质母细胞瘤分割、放射组学及RANO进展追踪的增强纵向数据集

Alexandre G. Leclercq, Noémie N. Moreau, Hugo Audebert, Andros Nassar, Thomas Cochin, Thomas Leleu, Loïc Le Henaff, Alexis Desmonts, Yoann Poirier, Aurélie Dubru, Laura Guillemette, Pascal Lecoeur, Kévin Lemasson, Cyril Jaudet, Sébastien Bougleux, Romain Hérault, Carole Brunaud, Samuel Valable, Dinu Stefan, Charlotte Raboutet, Alain Batalla, Joëlle Lacroix, Roman Rouzier, Aurélien Corroyer-Dulmont

机构 * Centre François Baclesse（弗朗索瓦·巴克莱斯中心） ； Université de Caen Normandie（卡昂诺曼底大学） ； ENSICAEN（卡昂高等工程师学院） ； GREYC（格雷计算机科学研究中心） 纠错

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

AI总结 本文发布增强版CFB-GBM v2.0纵向数据集，含264名GBM患者数据，完成所有时间点GTV勾画（完成率达97%），提供相关标注、特征及WHO分类信息，可用于多模态GBM相关研究。

Comments 9 pages, 2 figures,

Picard Proximal Monte Carlo for Parallel Bayesian Imaging with Score-Based Generative Priors

基于得分生成先验的并行贝叶斯成像的Picard近端蒙特卡洛方法

Deliang Wei, Evan Bell, Wenhan Guo, Yifan Chen, Yu Sun

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

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

AI总结 针对贝叶斯成像逆问题采样成本高的痛点，提出基于近端朗之万动力学与Picard迭代的并行采样框架PiX-MC，实现50倍加速且保持重建质量

BrainNorm: A Foundation Model that knows Normal via Semantic Atlas Pretraining

BrainNorm：一种通过语义图谱预训练了解正常状态的基础模型

Madhumitha Venkatesh, Shanawaj S Madarkar, Konda Reddy Mopuri

机构 * Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校） 纠错

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

AI总结 该研究提出BrainNorm基础模型，经约6.6万例T1w sMRI数据训练，通过语义图谱预训练学习规范表征，在多类下游任务上泛化性能优异，其识别的神经退行性偏差与临床病理吻合。

AppendiGrade: An XAI-Enhanced Deep Learning Framework for Grading Appendicitis in Ultrasound with Gaussian Blur and Grad-CAM

AppendiGrade：一种结合高斯模糊与Grad-CAM的可解释人工智能（XAI）增强深度学习框架，用于超声图像中阑尾炎的分级

Fahad Ahammed, Omar Faruq Shikdar, Navid Zaman, Md Tahsin, Md. Nawab Yousuf Ali, Golam Sorwar

机构 * Ca’ Foscari University of Venice（威尼斯大学） ； East West University（东西方大学） ； Tokyo International University（东京国际大学） ； Southern Cross University（南十字星大学） 纠错

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

AI总结 本研究开发了XAI增强的深度学习框架AppendiGrade，用含4679张5类超声图像的数据集训练优化后的InceptionV3模型，实现阑尾炎分级准确率95.58%，辅以Grad-CAM热力图便于专家交叉验证。

TEAMS: Text-prompted spatiotEmporal dual-heAd Mamba Snake

TEAMS：文本提示的时空双路头Mamba Snake

Ruicheng Zhang, Jianhui Lei, Kaiwen Shen, Haowei Guo, Jun Zhou, Bin Chen, Mengtang Li, Shen Zhao, Shuo Li

机构 * School of intelligent systems engineering, Sun Yat-sen University（中山大学智能系统工程学院） ； Affiliated Hangzhou First People’s Hospital, Zhejiang University School of Medicine（浙江大学医学院附属杭州市第一人民医院） ； School of Engineering, Case Western Reserve University（凯斯西储大学工程学院） 纠错

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

AI总结 该研究提出视觉-语言Mamba框架TEAMS，通过三项创新改进深度蛇方法，在五个医学图像数据集上较现有方法取得显著性能提升，可作为多种医学图像分割场景的可靠工具。

Comments Medical Image Analysis (MedIA), 2026, In Press, Online Early Access Available

Automated ACL Footprint Identification Using 3D Deep Learning

基于三维深度学习的前交叉韧带足迹自动识别

Ruida Cheng, Ali Uneri, Gabriel Gibson, Frances T. Sheehan, Barry Boden

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

AI总结 本研究开发两种三维深度学习模型，从三维MR图像识别ACL股骨足迹，基于图像的模型平均误差2.1mm优于基于网格的2.8mm，为ACL重建提供可行临床方法。

Comments 10 pages, 5 figures

RetiWave-Mamba: A Dual-Stream Network for Retinal Disease Detection based on Multi-scale Context and Frequency-Adaptive Mamba Projection

RetiWave-Mamba：基于多尺度上下文与频率自适应Mamba投影的视网膜疾病检测双流网络

Cheng Cheng, Jin Hong

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

AI总结 针对OCT图像分析的散斑噪声、病变尺度差异及类间相似性问题，本文提出RetiWave-Mamba框架，通过双流设计结合多尺度模块等技术，在OCT-C8数据集上达到98.25%的SOTA分类准确率，可用于临床视网膜疾病诊断。