医学 AI

MambaX-Net: Dual-Input Mamba-Enhanced Cross-Attention Network for Longitudinal Prostate MRI Segmentation

MambaX-Net：双输入Mamba增强交叉注意力网络用于纵向MRI分割

Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

机构 * School of Biomedical Engineering & Imaging Sciences, King’s College London, United Kingdom（生物医学工程与成像科学学院，伦敦国王学院，英国） ； Department of Radiology, Guy’s and St Thomas’ NHS Foundation Trust, United Kingdom（放射科，盖茨和圣Thomas国家卫生信托基金会，英国） 纠错

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

AI总结 MambaX-Net通过双输入和Mamba增强的交叉注意力模块，实现纵向MRI前列腺分割的高效准确分割。

Comments Added version of record from Medical Image Analysis

Anatomy Contextualized Adaptation 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 Proceedings of the European Conference on Computer Vision (ECCV) 2026 MedFM-Bench Workshop

Exploiting Completeness Perception with Diffusion Transformer for Unified 3D MRI Synthesis

利用扩散变换器的完整性感知实现统一的3D MRI合成

Junkai Liu, Nay Aung, Theodoros N. Arvanitis, Joao A. C. Lima, Steffen E. Petersen, Le Zhang

机构 * School of Engineering, University of Birmingham, UK（伯明翰大学工程学院） ； William Harvey Research Institute, Queen Mary University London, UK（女王玛丽大学伦敦威廉·哈里维研究所） ； Barts Heart Centre, St Bartholomew’s Hospital, Barts Health NHS Trust, UK（巴特勒心脏中心，圣巴塞洛缪医院，巴特勒健康 NHS信托） ； Division of Cardiology, Johns Hopkins University School of Medicine, US（约翰霍普金斯大学医学院心脏病科） 纠错

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

AI总结 本文提出CoPeDiT模型，通过完整性感知机制提升3D MRI合成的语义一致性与鲁棒性。

Comments Accepted to TMLR

MUST-PET: MUltimodal Self-supervised learning across Tracers for whole-body PET/CT-based lesion segmentation

MUST-PET：用于基于全身PET/CT的病灶分割的跨示踪剂多模态自监督学习

Bashirul Azam Biswas, Amartya Bhattacharya, Biratal Raj Wagle, Matthew E. Maeder, James B. Yu, Indrani Bhattacharya

机构 * Geisel School of Medicine at Dartmouth（达特茅斯盖泽尔医学院） ； Dartmouth Hitchcock Medical Center（达特茅斯-希区柯克医疗中心） 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MUST-PET多模态自监督学习框架，通过跨示踪剂的上下文感知掩码重建，实现全身PET-CT病灶的标注高效、可泛化分割，性能优于从头训练模型。

Comments Submitted to SPIE CAD 2027

A Strong Linear Baseline for Whole-Heart Cardiac Shape Completion on CT, with an Open Eleven-Structure Statistical Shape Model

针对CT图像全心脏形状补全的强线性基线及开源十一结构统计形状模型

Matej Gazda, Jakub Gazda, Juraj Gazda, Peter Drotar

机构 * Technical University of Košice（科希策技术大学） ； Pavol Jozef Šafárik University（帕沃尔·约瑟夫·沙法里克大学） ； L. Pasteur University Hospital（L. 巴斯德大学医院） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本研究构建十一结构心脏CT统计形状模型，对比闭式条件高斯估计器等方法，发现线性基线在心脏形状补全任务中优于深度模型与最近邻检索，支持心脏队列统一研究。

Microlocal analysis of non-linear artifacts in cone beam CT

锥束CT中非线性伪影的微局部分析

James W. Webber, Alexander Katsevich

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文对源在一维光滑曲线上的锥束CT束硬化伪影开展微局部分析，采用FBP型重建，证明伪影为余法型且弱于目标奇异性，还扩展到非光滑曲面并通过金属模拟重建验证理论。

Comments 31 pages, 4 figures

A Reference System for Open Source Portable Low-Field MRI

用于便携式低场MRI的开源参考系统

David Schote, Helge Herthum, Umberto Zanovello, Julia Pfitzer, Ivo Jutte, Jan Gregor Frintz, Ilia Kulikov, Sebastian Littin, Frank Seifert, Christoph Kolbitsch, Lukas Winter

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究提出一种基于~50 mT永磁体的开源便携式低场MRI参考系统，集成云原生平台与Pulseq序列，经双站点验证可实现高可重复性与定量对比，支持跨站点研究及技术协作开发。

Comments 23 pages, 11 figures

MKG-CARE: Case-Aware Reasoning with Multimodal Knowledge Graphs for Explainable Medical Image Diagnosis

基于多模态知识图谱和可靠性引导精化的病例感知医学图像分类

Yiming Xu, Yixuan Liu, Yuhang Zhang, Ling Zheng, Yihan Wang, Qi Song

机构 * University of Science and Technology of China（科学技术大学） 纠错

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

AI总结 提出一种基于多模态知识图谱的病例感知推理框架，通过构建结构化诊断记忆、自适应检索相似病例、知识传播与注入机制以及置信度校准的决策精化方案，提升医学图像分类的性能和可解释性。

MOSAIC: A Self-supervised Dynamic Multi-encoding Reconstruction Framework for 3D Late Gadolinium Enhancement MRI

MOSAIC：用于三维钆延迟增强磁共振成像的自监督动态多编码重建框架

Muhammad A. Sultan, Yingmin Liu, Katherine Binzel, Katarzyna E. Gil, Karolina M. Zareba, Rizwan Ahmad

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

AI总结 该研究提出MOSAIC自监督动态多编码重建框架，实现加速因子超1000的运动分辨自由呼吸双回波3D LGE MRI，在图像质量上优于现有方法。

Energy-Mamba: A Physics-Constrained State-Space Model for Medical Image Classification

Energy-Mamba：用于医学图像分类的物理约束状态空间模型

Mohamed Mabrok, Yalda Zafari, Essam A. Rashed

专题命中 医学影像 ：medical image(title)；CT(abstract,abstract_cn)；diagnosis(abstract)；分类 eess.IV

AI总结 Energy-Mamba将物理约束融入Mamba状态空间模型，解决医学图像分类的表征漂移问题，在四个医学图像数据集上以更少参数实现了最优分类性能。

Comments This paper was accepted to the MICCAI 2026 workshop MLMI

FORCE-Interior: Measurement-Consistent Adaptation of a Poisson-Flow Generative Prior for Interior CT

FORCE-Interior：用于内部断层扫描重建的泊松流生成先验

Kang Chen, Wenjun Xia, Jianxu Wang, Mahmud Wasif Nafee, Ge Wang

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

AI总结 针对内部断层扫描中投影截断致逆问题不适定及现有方法泛化性不足等挑战，提出FORCE-Interior框架，结合全视野测量约束初始化与每步数据一致性，在不同截断ROI尺寸上提升重建质量并保持投影域一致性。

FermatSyn: SAM2-Enhanced Bidirectional Mamba with Isotropic Spiral Scanning for Multi-Modal Medical Image Synthesis

FermatSyn: 基于改进双向Mamba的多模态医学图像合成方法

Feng Yuan, Yifan Gao, Haoyue Li, Xin Gao

机构 * USTC（中国科学技术大学） ； SII（上海信息研究所） 纠错

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

AI总结 FermatSyn通过改进的双向Mamba结合Fermat螺旋扫描策略，解决多模态医学图像合成中全局一致性与局部细节的平衡问题，提升合成图像质量与临床应用价值。

Comments MICCAI 2026

Towards Clinically Faithful Medical Image Captioning via Enhanced Vision-Language Alignment

基于增强型视觉-语言对齐的临床可信医学图像描述生成研究

Yunseo Lee, Hyun Jun Kim, Heeseung Shin, Changwon Lim

机构 * Chung-Ang University（中央大学） 纠错

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

AI总结 本研究针对医学图像描述生成的临床可信性问题，提出分离训练与推理对齐的框架，结合多编码器、辅助学习及MedPAIR-SCST方法，通过选择与强化学习对齐提升临床一致性，在数据受限场景下改善医学图像描述的可信度。

Comments 10 pages, 2 figures, 7 tables. Preprint submitted to IEEE for possible publication

4DLoG: Generative Modeling of Neurodegenerative Brain Anatomy with 4D Longitudinal Diffusion Model

利用4D纵向扩散模型生成神经退行性脑解剖结构

Nivetha Jayakumar, Swakshar Deb, Bahram Jafrasteh, Qingyu Zhao, Miaomiao Zhang

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Radiology（放射学系） ； Department of Electrical and Computer Engineering, Department of Computer Science（电气与计算机工程系、计算机科学系） 纠错

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

AI总结 本文提出一种4D纵向扩散模型，用于生成神经退行性疾病的脑解剖结构，通过临床变量条件生成准确的脑部变化轨迹，验证了其在疾病分类和分割中的有效性。

AsymFeX: A Symmetry-Driven Framework for Ischemic Stroke Segmentation Across Imaging Modalities and Stroke Stages

AsymFeX：一种用于跨成像模态和卒中阶段的缺血性卒中分割的对称性驱动框架

Maunil Shah, Vaanathi Sundaresan

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

AI总结 该研究提出与nnU-Net兼容的两阶段3D分割方法AsymFeX，通过对称性驱动设计跨模态跨卒中阶段实现缺血性卒中分割，在AISD等数据集上性能优于现有方法，具备临床应用潜力。

Flow Matching Meets 3D Curvilinear Structure Segmentation in Medical Imaging

流匹配在医学影像三维曲线结构分割中的应用

Sidi Mohamed Sid'El Moctar, Nicolas Vitry, Hélène Bouvrais

机构 * CNRS（法国国家科学研究中心） ； Univ. Rennes（雷恩大学） ； Institute of Genetics and Development of Rennes (IGDR)（雷恩遗传与发育研究所） 纠错

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

AI总结 本研究提出基于流匹配的3D-CurvSegFlow模型，用于三维医学图像的曲线结构分割，在三个不同公开数据集上的表现优于通用及血管专用方法，为医学图像分析提供高效泛化的新方向。

Comments International Workshop on Machine Learning in Medical Imaging (MLMI 2026) @ MICCAI

RIPE++: Reinforced Keypoint Learning from Positive Pairs Only

RIPE++：仅从正样本对中学习的强化关键点学习

Johannes Künzel, Peter Eisert, Anna Hilsmann

机构 * Fraunhofer Heinrich-Hertz-Institute, HHI（弗劳恩霍夫海因里希·赫兹研究所） ； Humboldt University Berlin（柏林洪堡大学） 纠错

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

AI总结 本文提出RIPE++，一种仅从正样本对学习的强化关键点学习方法，适配LightGlue后提升了MegaDepth1500的AUC@5，可用于低纹理医学视频等监督有限的场景。

Comments LIMIT@ECCV 2026

Prompt-Conditioned Channel Attention for Hierarchical Feature Modulation toward Anatomy-Agnostic Segmentation

面向解剖结构无关分割的提示条件通道注意力用于分层特征调制

Mosharof Hossain, Md Rabiul Islam, Limon Halder, Erchin Serpedin, Md Kamrul Hasan

机构 * Khulna University of Engineering & Technology (KUET)（库尔纳工程技术大学） ； Texas A&M University（德克萨斯农工大学） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 针对现有医学图像分割方法的提示融合局限，提出PCCA机制与PROMISE-Net两种变体，在四个基准测试中较对应基线取得一致IoU提升，为医学图像分割提供可扩展的提示感知分层特征调制框架。

V-REX: Efficient Specialist VLM Training for Veterinary X-Rays

V-REX：面向兽医X光片的高效专用视觉语言模型（VLM）训练

Tim Elsner, Nicole McNally, Andre Dourson, Michael Fitzke

机构 * Vyyo AI ； Mars Petcare（玛氏宠物护理） 纠错

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

AI总结 该研究针对兽医X光片领域，提出高效专用VLM训练方案，无需依赖额外数据，用更少资源开发出能生成兽医X光诊断报告的模型，性能远超同类开源基础模型。

Simultaneous 3D co-registered perfusion and oxygenation with ULM, photoacoustic imaging, and a planar matrix array

结合ULM、光声成像与平面矩阵阵列实现三维共配准的灌注与氧合同步成像

Léa Davenet (LIB, CRC (UMR\_S\_1138 / U1138)), Jacques Battaglia (LIB), Franck Lager, Pascal Dargent (LIB), Charlotte Lussey-Lepoutre (CRC (UMR\_S\_1138 / U1138)), Bertrand Tavitian (PARCC (UMR\_S 970/ U970)), Olivier Couture (LIB), Lori Bridal (LIB), Jérôme Gateau (LIB)

专题命中 医学影像 ：biomedical(abstract)

AI总结 本研究开发了基于平面超声矩阵阵列的双模态成像平台，同步实现共配准的三维组织氧合与微血管灌注成像，经体外仿体与小鼠体内验证，为相关生物医学研究奠定基础。