Disentangled Representation Learning in Cardiac Image Analysis
专题命中 医学影像 ：medical image(abstract,journal_ref)；MRI(abstract)；CT(abstract)；pathology(abstract)
Journal ref Medical Image Analysis 58 (2019) 101535
科学与医疗
医学 AI
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
1. 医学影像 22645 篇
Substituting Gadolinium in Brain MRI Using DeepContrast
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、q-bio、eess.IV；biomedical(journal_ref)
Journal ref The IEEE International Symposium on Biomedical Imaging (ISBI) 2020
Integrating Implicit and Explicit Relational Biases through Graph-Based Multiple Instance Learning: A Case Study in Skin Lesion Diagnosis
通过基于图的多实例学习整合隐式与显式关系偏差：皮肤病变诊断的案例研究
机构 * Gdańsk University of Technology（格但斯克工业大学） ； Medical University of Gdańsk（格但斯克医科大学）
专题命中 医学影像 ：diagnosis(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本研究提出双层级关系框架，结合隐式图像块关系建模与显式图结构消息传递，在ISIC-2018、ISIC-2019皮肤病变诊断基准上提升了平衡准确率，其中集成网格结构的图注意力网络表现最优。
Comments Accepted as a short paper for presentation at the 21st International Conference on Computational Intelligence Methods for Bioinformatics and Biostatistics (CIBB 2026)
Transport of angular momentum and chemical elements by the MRI dynamo in stellar radiative zones
恒星辐射区中磁旋转发电机对角动量和化学元素的输运
专题命中 医学影像 ：MRI(title,abstract)
AI总结 研究红巨星深层磁场对角动量和化学元素的输运，通过零净通量剪切盒模拟建立输运效率与分层、旋转等参数的标度律，发现旋转和分层影响角动量及化学成分输运，该研究对协调恒星演化模型和星震反演有前景。
Comments 18 pages, 16 figures, accepted for publication in A&A
Optically-powered Low Power Low Noise Amplifiers for MRI
用于磁共振成像的光驱动低功耗低噪声放大器
专题命中 医学影像 ：MRI(title,abstract)
AI总结 研究旨在开发光驱动的低功耗低噪声放大器（LPLNA）用于磁共振成像，采用两级级联放大器设计并在单面PCB实现，相比商用LNA功耗低五倍，在多方面性能相当，证明其用于光驱动射频接收线圈阵列的可行性及应用潜力。
Projected Energy Matching for Generative 3D Priors
用于生成式 3D 先验的投影能量匹配
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 q-bio、eess.IV
AI总结 研究针对能量匹配在高维 3D 数据训练的挑战，提出投影能量匹配框架，引入亥姆霍兹提炼和负缓存策略，用于医学 CT 逆问题如稀疏视图重建，减少计算量并实现高保真重建。
From Raw Segmentations to Simulation-Ready Cardiac Meshes: An Automated Framework for Anatomical Reconstruction and Virtual Cohort Generation
从原始分割到适用于模拟的心脏网格：用于解剖重建和虚拟队列生成的自动化框架
机构 * Gran Sasso Science Institute (GSSI)（大萨索科学研究所） ； European Hospital（欧洲医院） ； University of Edinburgh（爱丁堡大学） ； Physics of Fluids Group, University of Twente（特温特大学流体物理小组） ； INFN–Laboratori Nazionali del Gran Sasso（意大利国家核物理研究所大萨索国家实验室）
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV、q-bio
AI总结 该研究提出半自动管道，将基于CT的分割转化为适用于模拟的心脏网格。利用深度学习分割方法，经模板配准和变形策略，几分钟内完成转化，保留解剖和拓扑一致性，可构建心脏统计形状模型。
PromptRad: Knowledge-Enhanced Multi-Label Prompt-Tuning for Low-Resource Radiology Report Labeling
PromptRad: 基于知识的多标签提示微调用于低资源放射报告标注
机构 * Department of Artificial Intelligence and AI Research Center, Chang Gung University（人工智能系及AI研究中心，长庚大学） ； Department of Radiology, Sijhih Cathay General Hospital（放射科，西吉医院） ； Department of Medical Imaging and Intervention, Chang Gung Memorial Hospital（医学影像与介入科，长庚纪念医院） ； Department of Trauma and Emergency Surgery, Chang Gung Memorial Hospital（创伤与急诊外科，长庚纪念医院） ； Department of Computer Science, National Tsing Hua University（计算机科学系，国立清华大学）
专题命中 医学影像 ：radiology(title)；CT(abstract,abstract_cn)
AI总结 本文提出PromptRad，一种基于知识的多标签提示微调方法，用于在低资源环境下进行放射报告标注，通过引入UMLS元词典中的同义词增强类别表示，以更少的标注数据实现优于传统方法的性能。
Comments BioNLP 2026 @ ACL (camera-ready version)
Navigating Distribution Shifts in Medical Image Analysis: A Survey
医学图像分析中的分布偏移导航：综述
机构 * Life Simulation Research Center, Beijing Academy of Artificial Intelligence（北京人工智能生命模拟研究中心） ； Electrical and Mathematical Sciences and Engineering Division, King Abdullah University of Science and Technology（王国阿卜杜勒·阿齐兹国王科技大学电气与数学科学与工程系） ； Department of Intelligent Science, School of Advanced Technology, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学先进科技学院智能科学系） ； Computer Science, School of Computer Science and Informatics, University of Liverpool（利物浦大学计算机科学与信息学学院） ； SDAIA-KFUPM Joint Research Centre for Artificial Intelligence, King Fahd University of Petroleum and Minerals（法赫德石油与矿物大学人工智能SDAIA-KFUPM联合研究中心） ； Nuffield Department of Primary Care Health Sciences, University of Oxford（牛津大学初级保健健康科学努尔菲尔德部门）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文系统综述了应对医学图像分析中分布偏移的深度学习方法，按临床约束分类为联合训练、联邦学习、微调和域泛化，并揭示方法从显式对齐向不确定性建模的转变。
A Fast Volume Integral Equation Solver with Linear Basis Functions for the Accurate Computation of Electromagnetic Fields in MRI
一种基于线性基函数的快速体积积分方程求解器用于准确计算MRI中的电磁场
专题命中 医学影像 ：MRI(title,title_cn)
AI总结 本文提出了一种基于极化/磁化电流的稳定体积积分方程求解器，用于高效准确计算高不均匀和高对比物体的电磁散射。通过使用Galerkin方法对离散化后的公式进行离散化，采用不连续分段线性基函数在均匀体素网格上进行处理，利用FFT加速迭代求解器中的矩阵-向量乘积。数值结果表明，与标准低阶（分段常数）离散化方案和基于电通量密度的更传统VIE公式相比，所提出的框架具有更高的精度和更稳定的收敛性。最后，该求解器被应用于分析复杂几何结构，包括常用于电磁波与生物组织相互作用建模的现实人体模型。
Comments 13 pages, 6 figures, 8 Tables
A finite volume/discontinuous Galerkin method for the advective Cahn-Hilliard equation with degenerate mobility on porous domains stemming from micro-CT imaging
一种用于具有退化扩散率的渗流域中输运Cahn-Hilliard方程的有限体积/不连续Galerkin方法
专题命中 医学影像 ：CT(title,abstract)
AI总结 本文提出了一种求解具有常数和退化扩散率的三维渗流域中输运Cahn-Hilliard方程的数值方法，采用不连续Galerkin方法进行空间离散化，结合半隐式凸凹分离方法进行时间离散化，通过数值收敛性测试验证了方法的物理适用性和鲁棒性。
AnchorDiff: Topology-Aware Masked Diffusion with Confidence-based Rewriting for Radiology Report Generation
AnchorDiff: 基于拓扑结构的掩码扩散模型与基于置信度的重写方法用于放射学报告生成
机构 * University of Electronic Science and Technology of China（电子科技大学）
专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)
AI总结 本文提出AnchorDiff，一种首个结合临床锚点的掩码扩散框架，用于生成放射学报告。该方法通过拓扑感知训练策略和推理时的重写策略，有效缓解了固定顺序自回归解码的局限性，实现了最先进的性能。
3DMPR -- A robust morphological approach for applying phase retrieval in proximity to highly-attenuating objects in CT
3DMPR -- 一种稳健的形态学方法，用于在接近高衰减物体时应用相位检索
专题命中 医学影像 ：CT(title,summary_cn)
AI总结 本文提出3DMPR方法，结合形态学操作和相位检索，提升CT图像质量，减少辐射暴露，实现高精度3D成像。
Comments Updated to match published version
Does Machine Unlearning Preserve Clinical Safety? A Risk Analysis for Medical Image Classification
机器去学习是否能保持临床安全性？医疗图像分类中的风险分析
机构 * Visual Computing Lab, Departamento de Computação, Universidade Federal Rural de Pernambuco (UFRPE), Brasil（巴西普埃布拉联邦农业大学计算机系视觉计算实验室）
专题命中 医学影像 ：medical image(title,abstract)；diagnosis(abstract)
AI总结 本文研究了医疗图像分类中去学习对临床风险的影响，提出SalUn-CRA方法以降低误诊风险，验证了临床风险在去学习验证中的重要性。
Comments Accepted at SBCAS'26
Less is More: AMBER-AFNO -- a New Benchmark for Lightweight 3D Medical Image Segmentation
少即是多：AMBER-AFNO——轻量3D医学图像分割的新基准
机构 * Department of Physics E. Pancini, University of Naples Federico II（那不勒斯费德里科二世大学物理系） ； Department of Electrical Engineering and Information Technology (DIETI), University of Naples Federico II（那不勒斯费德里科二世大学电气工程与信息技术系）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文提出AMBER-AFNO模型，通过频域token混合替代自注意力机制，实现轻量3D医学图像分割，实验表明其在Dice和HD95指标上达到SOTA性能。
CT-VIR: Continuous-Time Visual-Inertial-Ranging Fusion for Indoor Localization with Sparse Anchors
CT-VIR：基于稀疏锚点的连续时间视觉-惯性-测距融合用于室内定位
机构 * School of Mathematics, Hefei University of Technology（合肥工业大学数学学院）
专题命中 医学影像 ：CT(title,title_cn)
AI总结 本文提出一种基于样条的连续时间状态估计方法，用于视觉-惯性-测距融合定位，通过预处理阶段构建虚拟锚点并拒绝异常值，提升几何退化和测距可靠性，采用B样条参数化姿态轨迹并联合优化控制点和辅助参数，实验证明其有效性。
MedFormer-UR: Uncertainty-Routed Transformer for Medical Image Classification
MedFormer-UR：用于医学图像分类的不确定性路由变换器
机构 * Lakehead University（湖首大学）
专题命中 医学影像 ：medical image(title)；MRI(abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文提出MedFormer-UR，通过原型学习和不确定性引导路由提升医学图像分类的可靠性，实现实时不确定性量化与局部化，减少校准误差达35%。
Blinded Radiologist and LLM-Based Evaluation of LLM-Generated Japanese Translations of Chest CT Reports: Comparative Study
盲评放射科医生和基于LLM的评估：LLM生成的日语胸CT报告翻译的比较研究
机构 * Division of Radiology and Biomedical Engineering, Graduate School of Medicine, The University of Tokyo（东京大学医学研究生院放射学与生物医学工程系） ； Department of Radiology, The University of Tokyo Hospital（东京大学医院放射科） ； Department of Radiology, Kanazawa University Graduate School of Medical Sciences（金泽大学医学研究生院放射科） ； Department of Computational Diagnostic Radiology and Preventive Medicine, The University of Tokyo Hospital（东京大学医院计算诊断放射学与预防医学系） ； Department of Radiology, School of Medicine, Jichi Medical University（自治医科大学医学院放射科）
专题命中 医学影像 ：CT(title,abstract)；radiology(abstract)
AI总结 研究比较了放射科医生和LLM评估对LLM生成的日语胸CT报告翻译的教育适用性，发现LLM生成的翻译在自然流畅性上被普遍认可，但放射科医生之间存在显著差异，LLM评估偏好LLM输出，与放射科医生无显著一致。
Comments 25 pages, 4 figures
SA-CycleGAN-2.5D: Self-Attention CycleGAN with Tri-Planar Context for Multi-Site MRI Harmonization
SA-CycleGAN-2.5D：基于三平面上下文的自注意力CycleGAN用于多中心MRI和谐化
机构 * University of California, Berkeley（加州大学伯克利分校） ； Purdue University（普渡大学）
专题命中 医学影像 ：MRI(title)；pathology(abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文提出SA-CycleGAN-2.5D框架，通过三平面流形注入、密集自注意力生成器和频谱归一化判别器，解决多中心MRI数据中的扫描器偏移问题，显著降低MMD并提升和谐化效果。
Comments 12 pages, 5 figures, 5 tables. Submitted to MICCAI 2026
Deep infant brain segmentation from multi-contrast MRI
从多对比MRI深度分割婴儿大脑
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文提出BabySeg框架，通过深度学习实现婴儿和幼儿大脑的分割，支持多种MRI协议，提升分割准确性和效率。
Comments 8 pages, 8 figures, 1 table, website at https://w3id.org/babyseg, presented at the 2025 IEEE Asilomar Conference on Signals, Systems, and Computers
Journal ref Asilomar Conf Signals Syst Comput, 2025, 974-981
Ultra-low field 13C MRI of hyperpolarized pyruvate
超低场13C MRI的超极化丙酮酸
专题命中 医学影像 ：MRI(title,abstract)；diagnosis(abstract)
AI总结 利用超极化技术与低场MRI结合，实现丙酮酸的代谢成像，展示超低场下超极化13C MRI在个性化医疗中的应用潜力。
LGESynthNet: Controlled Scar Synthesis for Improved Scar Segmentation in Cardiac LGE-MRI Imaging
LGESynthNet：用于改进心脏LGE-MRI成像瘢痕分割的受控瘢痕合成
机构 * Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字化技术与创新部） ； Al in Healthcare and Medicine, Klinikum rechts der Isar, Technical University of Munich（医疗与医学AI，慕尼黑工业大学右侧医院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系）
专题命中 医学影像 ：MRI(title,abstract)；biomedical(abstract)
AI总结 本文提出LGESynthNet，一种基于潜在扩散模型的可控合成框架，通过奖励模型、提示模块和生物医学文本编码器，利用少量标注数据生成高质量瘢痕图像，提升后续分割和检测性能。
Comments Accepted at MICCAI STACOM workshop 2025
Accelerating Stroke MRI with Diffusion Probabilistic Models through Large-Scale Pre-training and Target-Specific Fine-Tuning
通过大规模预训练和目标特定微调加速中风MRI
机构 * Chandra Family Department of Electrical and Computer Engineering（查克拉家族电气与计算机工程系） ； Department of Imaging Physics（成像物理系） ； Dell Medical School Department of Neurology（德莱尔医学院神经学系） ； Dell Medical School Department of Neurosurgery（德莱尔医学院神经外科系） ； Dell Medical School Department of Diagnostic Medicine（德莱尔医学院诊断医学系） ； Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究院）
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文提出一种高效策略，利用扩散概率生成模型在有限数据下加速MRI重建，通过大规模预训练和目标特定微调实现临床中风MRI的快速扫描。
Tracking Cancer Through Text: Longitudinal Extraction From Radiology Reports Using Open-Source Large Language Models
通过文本追踪癌症：使用开源大语言模型进行放射学报告的纵向提取
机构 * Department of Medical Imaging, Radboudumc（放射医学部，拉德堡德大学医学中心）
专题命中 医学影像 ：radiology(title,abstract)；CT(abstract)
AI总结 本文提出基于开源大语言模型的放射学报告纵向信息提取方法，实现高准确率的肿瘤病变数据提取，适用于隐私敏感的医疗环境。
Comments 6 pages, 2 figures
Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors
求解带标签MRI的非线性盲逆问题：结合物理和深度生成先验
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院）
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、eess.IV、eess.SP
AI总结 本文提出了一种结合物理和深度生成先验的非线性盲逆框架，用于带标签MRI，实现了解剖恢复、高分辨率 cine 图像合成和运动估计的统一处理。
Comments Accepted at CVPR 2026
Radiologist Copilot: An Agentic Framework Orchestrating Specialized Tools for Reliable Radiology Reporting
放射科助手：一种协调专用工具的代理框架以实现可靠的放射学报告
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； SenseTime Research, Shanghai, China（商汤研究） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院）
专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)
AI总结 放射科助手通过协调专用工具实现全面的放射学报告流程，提升报告准确性和临床标准符合度。
Few-Shot Continual Learning for 3D Brain MRI with Frozen Foundation Models
小样本持续学习用于3D脑部MRI
机构 * Independent Researcher, USA（美国独立研究者） ； Indiana University at Bloomington, United States（印第安纳大学布卢明顿分校） ； Independent Researcher, Taiwan（台湾独立研究者） ； National Taiwan University, Taiwan（台湾国立大学） ； Boise State University, United States（博伊西州立大学） ； National Yang Ming Chiao Tung University, Taiwan（台湾阳明交通大学）
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 本文提出基于冻结基础模型与任务特定LoRA模块的小样本持续学习方法，有效解决3D脑部MRI肿瘤分割与脑年龄估计任务中的灾难性遗忘问题。
Automated Extraction of Unstructured Post-SBRT Toxicity Data from Radiology Reports Using Large Language Models
利用大型语言模型自动提取放射治疗后无结构影像报告中的毒性数据
专题命中 医学影像 ：radiology(title,abstract)；CT(abstract)
AI总结 本研究利用大型语言模型自动提取放射治疗后影像报告中的毒性数据和进展信息，通过设计提示和多审者共识定义标签，实现了高准确率的提取效果。
SALIENT: Frequency-Aware Paired Diffusion for Controllable Long-Tail CT Detection
SALIENT: 用于可控长尾CT检测的频率感知配对扩散
机构 * Trauma Radiology AI Laboratory (TRAIL)（创伤放射AI实验室） ； Department of Radiology and Nuclear Medicine（放射科与核医学科） ； University of Maryland School of Medicine（马里兰大学医学院）
专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 SALIENT通过频率感知的配对扩散方法，在长尾CT检测中实现可控且高效的增强，提升生成真实性并改善检测性能。
Comments 5 figures
TopoGate: Quality-Aware Topology-Stabilized Gated Fusion for Longitudinal Low-Dose CT New-Lesion Prediction
TopoGate: 用于纵向低剂量CT新病变预测的质量感知拓扑稳定门控融合
机构 * Department of Physics \& Astronomy, Rice University, USA
专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 TopoGate通过质量感知门控融合外观和减影视图，提升纵向低剂量CT新病变预测的准确性和可靠性。
