科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
用于心脏CT综合分割与表型分析的统一框架：人在回路数据标注、视觉基础模型开发、多中心评估及临床验证
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 该研究提出统一框架用于心脏CT综合分割与表型分析，结合人在回路标注、增强技术与自监督预训练模型，组建大型数据集，在多数据集上表现优于开源工具，提高标注效率，推动心脏表型分析发展，还提供了可重复基础。
基于分割的自监督稀疏视图CT重建中的设计选择
机构 * University of Innsbruck（因斯布鲁克大学） ； Institute of Basic Sciences in Engineering Science, University of Innsbruck（因斯布鲁克大学工程科学基础科学研究所） ； University of Cambridge（剑桥大学） ； Yeungnam University（岭南大学） ； University of Applied Sciences Kufstein（库夫施泰因应用科学大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 研究基于分割的自监督稀疏视图CT重建中关键设计选择的影响，引入统一框架分解重建为三组件，通过实验表明最优划分策略依赖噪声结构，多划分分割表现优，结果为方法设计提供指南并凸显独立性假设局限。
Comments 12 pages (main manuscript), 9 pages (supplementary material and figures)
超级通才：通过通才-专才协同实现全面准确的医学图像理解
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（湖畔实验室） ； Department of Radiology, Ningbo No. 2 Hospital（宁波市第二医院放射科） ； Department of Radiology, Guangdong Provincial People’s Hospital（广东省人民医院放射科） ； Department of Radiology, Shanghai Institution of Pancreatic Disease（上海胰腺疾病研究所放射科） ； Department of Radiology, Shengjing Hospital of China Medical University（中国医科大学附属盛京医院放射科） ； The First Affiliated Hospital, Zhejiang University School of Medicine（浙江大学医学院附属第一医院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 医学影像 ：CT(summary_cn,abstract)；medical image(title,abstract)；diagnosis(abstract)；分类 cs.CV
AI总结 研究旨在通过通才-专才协同实现全面准确的医学图像理解。提出SuG框架，整合多分割专家空间先验进行视觉-语言对齐，利用病变掩码校准注意力。在多CT基准测试中评估，其在疾病诊断任务中性能领先，超越专才模型，有强大病变定位能力。
用于多站点MRI分析的联邦跨部门创伤性脑损伤研究（FITBIR）数据库的质量保证
专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV
AI总结 针对FITBIR数据库，将其结构和扩散MRI及相关信息整理统一，用UNesT分割分析指标，经质量保证后用GAMLSS建模，发现TBI受试者与对照组相比，15个脑区体积有显著差异。
Comments 8 pages, 5 figures
用于多模态肺癌生存预测的CT-CLIP表示
机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Umeå University（于默奥大学） ； Sahlgrenska University Hospital（萨尔格伦斯卡大学医院） ； Sahlgrenska Academy at Gothenburg University（哥德堡大学萨尔格伦斯卡学院）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 研究评估特定领域基础模型CT-CLIP用于肺癌多模态生存预测，通过多种策略提取特征，结果显示冻结的CT-CLIP模型结合可训练生存头表现出色，能有效区分高低风险组。
Comments 8 pages, 2 figures
用于脑 MRI 进展建模的解剖学引导潜在扩散
机构 * Cornell University（康奈尔大学） ； Weill Cornell Medicine（韦尔医学院） ； Stanford University（斯坦福大学） ； University of Virginia（弗吉尼亚大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 研究旨在准确建模脑 MRI 进展，提出解剖学引导潜在扩散模型 AG-LDM，通过融合多因素简化训练流程，经实验验证其在图像质量、误差降低及特征捕捉等方面表现优异，是可靠的脑 MRI 进展建模框架。
Comments 24 pages, 7 figures, 7 tables. Code available at https://github.com/JornyWan/AG-LDM
PhyMRI-SR：迈向基于物理感知的MRI图像超分辨率
机构 * School of Biomedical Engineering, ShanghaiTech University（上海科技大学生物医学工程学院） ； Shanghai Academy of AI for Science（上海人工智能研究院） ； Fudan University（复旦大学） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算与通信学院） ； School of Biomedical Engineering & State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University（上海科技大学生物医学工程学院与先进医学材料与器械国家重点实验室） ； Shanghai Clinical Research and Trial Center（上海临床研究与试验中心）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 研究旨在解决MRI图像超分辨率问题，将其视为物理感知重建问题。核心方法是采用2D高斯点渲染并引入三项创新，包括先验感知高斯表示、物理约束信号建模和元学习框架。主要贡献是在动态分辨率数据集和标准基准上实现领先性能，有临床部署潜力。
Comments Project Page: https://bio-med-i2-lab.github.io/projects/PhyMRI-SR
UniField: 一种统一的场感知MRI增强框架
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 UniField通过整合多模态和增强任务，利用共享退化特性提升MRI增强性能，提出场感知频谱校正机制并公开大规模多场MRI数据集。
一种用于MRI扫描中神经系统疾病准确检测的深度多尺度神经网络及实时Web部署
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 提出End-Net网络，通过多尺度Inception模块和WGAN-GP数据增强，实现MRI多类神经系统疾病的高精度分类，并部署为实时Web系统。
CTForensics：用于人工智能生成的CT图像检测的综合数据集和方法
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院计算智能研究中心） ； Sangfor Technologies Inc.（深信服技术有限公司）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 研究针对人工智能生成CT图像检测难题，介绍含75990张二维CT图像的CTForensics数据集及十种生成模型样本，提出ESF-CTFD框架，实验表明该框架性能优且抗干扰强。
Comments under review, repo: https://github.com/liyih/CTForensics
患者特异性关节式数字孪生：基于单次全身CT扫描
机构 * Johns Hopkins University（约翰霍普金斯大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 提出从单次全身CT扫描构建患者特异性关节式数字孪生的方法，通过SMPL模型拟合、解剖感知绑定和姿态重定向，实现姿态可控的解剖模型，验证了其在保持骨骼几何和放射学结构方面的有效性。
ProSAC-CT: 渐进式频谱-解剖协同引导的多阶段扩散模型用于低剂量CT去噪
机构 * College of Medicine and Biological Information Engineering, Northeastern University（东北大学医学与生物信息工程学院） ； Tohoku University School of Medicine（东北大学医学院） ； State Key Laboratory of Oncology in South China, Sun Yat-sen University Cancer Center（华南肿瘤学国家重点实验室，中山大学肿瘤防治中心） ； AI Lab, Tohoku University Hospital（东北大学医院人工智能实验室）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 提出ProSAC-CT，一种渐进式频谱-解剖协同引导的多阶段扩散模型，通过解剖先验引导、残差频域解耦和时间步解耦解码器，有效去除低剂量CT噪声并保留解剖细节。
Comments 14 pages, 8 figures, 3 tables
个性化模型与基础模型的闭环耦合用于MRI实时治疗引导
机构 * Image X Institute, Sydney School of Health Sciences, Faculty of Medicine and Health, The University of Sydney, Sydney, Australia（悉尼大学医学与健康学院悉尼健康科学学院Image X研究所，悉尼，澳大利亚） ； GenesisCare, Sydney, Australia（GenesisCare，悉尼，澳大利亚） ； School of Clinical Medicine, Medicine & Health, University of New South Wales, Sydney, Australia（新南威尔士大学医学与健康学院临床医学系，悉尼，澳大利亚） ； Centre for Medical Radiation Physics, School of Mathematics and Physics, University of Wollongong, Wollongong, Australia（伍伦贡大学数学与物理学院医学辐射物理中心，伍伦贡，澳大利亚）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 提出一种闭环耦合框架，结合个性化时间预测模型与基础模型的连续分割解剖解释，实时补偿MRI引导治疗中的成像延迟，在400毫秒预测范围内改善解剖预测并减少剂量误差。
Comments 18 pages, 8 figures, 2 supplementary figures
PSCT-Net: 通过可微反投影和注意力引导细化实现几何感知的儿科颅骨CT重建
机构 * Interdisciplinary Program in Bioengineering, Seoul National University（首尔大学生物工程跨学科项目） ； Department of Transdisciplinary Medicine, Seoul National University Hospital（首尔大学医院跨学科医学系） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） ； Department of Medicine, Seoul National University College of Medicine（首尔大学医学院医学系） ； Healthcare AI Research Institute, Seoul National University Hospital（首尔大学医院医疗人工智能研究所）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 提出PSCT-Net，利用可微反投影建立空间先验，结合注意力引导投影和双向Mamba模块，从稀疏双平面X射线重建3D CT，缓解深度模糊并改善骨边界。
Comments 11pages, 5 figures
基于FBP雅可比学习的双域精炼网络用于稀疏视角双能CT材料分解
机构 * School of Mathematics and Computational Science, Xiangtan University, National Center for Applied Mathematics in Hunan, Key Laboratory for Intelligent Computing and Information Processing of the Ministry of Education（湘潭大学数学与计算机科学学院，湖南应用数学研究中心，教育部智能计算与信息处理重点实验室） ； College of Mathematical Medicine, Zhejiang Normal University（浙江师范大学数学医学学院） ； Department of Mathematics and Statistics, University of Strathclyde（斯特拉斯克莱德大学数学与统计学系） ； State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学科学国家重点实验室，数学与系统科学研究院）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 针对稀疏视角双能CT材料分解的非线性病态问题，提出迭代双域精炼网络DECT-DRNet，通过FBP集成U-Net近似雅可比算子，并引入可学习稀疏双域正则化项（含傅里叶卷积残差块），实现全局噪声抑制与结构保持。
Comments Submitted to IEEE Transactions on Computational Imaging, 16 pages
LETT-NeXt: 一种轻量级RECIST引导的3D CT病灶分割模型
机构 * Medical Technology & E-health, Akershus University Hospital, Lørenskog, Norway（医疗技术与e健康，阿克赫斯大学医院，洛伦斯克罗格，挪威） ； Faculty of Medicine, University of Oslo, Oslo, Norway（医学学院，奥斯陆大学，奥斯陆，挪威）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 提出轻量级RECIST引导模型LETT-NeXt，通过编码RECIST标记为提示通道，结合MedNeXt-v2编码器-解码器和自适应AutoZoom推理，实现3D CT病灶分割，在公开验证集上DSC达79.4%。
合成CT何时迁移？一种无标签的供体/宿主诊断方法用于真实肺CT上的医学视觉-语言模型路由
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 本文提出一种无标签方法，通过合成数字双胞胎区分供体驱动和宿主驱动的模型能力，预测合成CT到真实CT的迁移性，并在肺CT视觉-语言任务上验证。
Comments 10 pages, 7 figures, 1 table, 1 supplement
基于可解释量子自编码器的脑MRI压缩驱动异常检测
机构 * Kingston University（金史密斯大学） ； Quantum AI (QAI) Research Group（量子人工智能研究组） ； School of Computer Science and Mathematics (CSM)（计算机科学与数学学院） ； Faculty of Engineering, Computing and the Environment (ECE)（工程、计算与环境学院）
专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV
AI总结 提出一种量子自编码器（QAE），利用角度编码和变分编码器-解码器架构，通过压缩异常检测脑MRI中的肿瘤区域，在切片级和块级ROC-AUC上分别达到约0.95和0.813，优于经典自编码器和PCA基线。
加速MRI重建的像素级不确定性量化
机构 * Bernard and Irene Schwartz Center for Biomedical Imaging, Department of Radiology, NYU Grossman School of Medicine（贝纳德与伊蕾娜·施瓦茨生物医学成像中心，放射学系，纽约大学格罗斯曼医学院） ； Courant Institute of Mathematical Sciences, NYU（数学科学学院，纽约大学） ； Center for Advanced Imaging Innovation and Research (CAI 2 R), Department of Radiology, NYU Grossman School of Medicine（先进成像创新与研究中心（CAI 2 R），放射学系，纽约大学格罗斯曼医学院）
专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV
AI总结 提出一种基于共形分位数回归的像素级不确定性量化框架，用于加速MRI重建，无需全采样参考图像即可自动识别不可靠区域。
Comments 12 pages, 8 figues, 2 tables
MPFlow: 多模态后验引导的流匹配用于零样本MRI重建
机构 * 1 Hawkes Institute, UCL \, 2 Dept. of Medical Physics ； Biomedical Engineering, UCL 3 Dept. of Computer Science, UCL 4 Centre for AI, DS\&AI, AstraZeneca, UK
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 提出MPFlow框架，利用自监督预训练PAMRI学习跨模态共享表示，在推理时通过数据一致性和特征对齐引导采样，减少幻觉并提升零样本MRI重建效率。
SRMA-Mamba: 用于MRI体积中病理性肝脏分割的空间反向Mamba注意力网络
机构 * Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Biomedical Perception & Intelligence Lab, University of South Dakota（南达科他大学生物医学感知与智能实验室） ； Aalto University（阿尔托大学） ； Malaviya National Institute of Technology Jaipur（马拉维亚国家理工学院斋浦尔分校） ； Machine & Hybrid Intelligence Lab, Northwestern University（西北大学机器与混合智能实验室）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 提出SRMA-Mamba网络，通过空间解剖Mamba模块和空间反向Mamba注意力模块，利用MRI体积的三维空间信息实现病理性肝脏的高效分割，性能优于现有方法。
Comments 10 pages, 4 figures
MRI2Rep：3D肝脏MRI的自回归结构化报告生成
机构 * Department of Biomedical Engineering（生物医学工程系） ； Department of Radiology & Biomedical Imaging（放射学与生物医学影像系） ； Department of Electrical Engineering（电气工程系） ； Yale University（耶鲁大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins Medicine（约翰霍普金斯医学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 提出MRI2Rep自回归框架，通过报告到标签规范化模块将自由文本转换为结构化诊断序列，实现3D肝脏MRI的端到端结构化报告生成，在真实数据集上优于基线方法。
Comments MICCAI 2026
MotionDPS: 3D脑部MRI重建中的运动补偿
机构 * Life and Medical Sciences Institute, University of Bonn（波恩大学生命与医学科学研究所） ； Institute for Machine Learning, LIT AI Lab, Department of Virtual Morphology, Clinical Research Institute Medical AI, Johannes Kepler University Linz（林茨约翰尼斯·凯撒大学机器学习研究所、LIT AI实验室、虚拟形态部门、医学人工智能临床研究机构） ； German Center for Neurodegenerative Diseases (DZNE)（德国神经退行性疾病研究中心（DZNE）） ； Institute for Applied Mathematics, University of Bonn（波恩大学应用数学研究所）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 本文提出了一种统一的贝叶斯框架，用于运动补偿的3D MRI重建，通过直接从运动损坏的k空间数据中联合估计解剖图像、刚体运动参数和线圈灵敏度图，实现了无需配对无运动训练数据的完全无监督重建。
Comments This work has been accepted for publication in IEEE Transactions on Medical Imaging (TMI)
模态隔离门控融合：用于稳健多模态前列腺MRI分割的架构无关方法
机构 * The Second Xiangya Hospital of Central South University（中南大学湘雅医学院第二医院） ； The Third Xiangya Hospital of Central South University（中南大学湘雅医学院第三医院） ； School of Life Sciences, Central South University（中南大学生命科学学院） ； Hunan Provincial Key Laboratory of Medical Information Research (Central South University)（湖南省医学信息研究重点实验室（中南大学）） ； Hunan Provincial Clinical Medical Research Center for Cardiovascular Intelligent Medicine（湖南省心血管智能医学临床医学研究中心）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 本文提出模态隔离门控融合（MIGF）方法，通过独立编码流和门控阶段提升多模态前列腺MRI分割的鲁棒性，实验表明其在不同模态缺失和伪影情况下均有效。
Comments Major revision. Single-fold analysis replaced by 5-fold cross-validation (180 trained models) plus a direct gate-mechanism analysis; conclusions updated to show that modality gating is backbone-conditional. Supersedes v1
ILV: 用于快速准确稀疏视角CT重建的迭代潜在体
机构 * Sungkyunkwan University（成均馆大学） ； Yonsei University（延世大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 提出迭代潜在体（ILV）框架，结合数据驱动先验与经典迭代重建原理，通过构建并迭代更新显式3D潜在体，实现稀疏视角CBCT的快速高精度重建，在约14,000个CT体积的大规模数据集上显著优于现有方法。
Comments Project page: https://sngryonglee.github.io/ILV/
使用对比非配对图像翻译从非增强CT扫描中进行心脏腔室分割的前景与挑战：一项可行性研究
机构 * Department of Radiology, University of Pittsburgh（匹兹堡大学放射科部门） ； Department of Bioengineering, University of Pittsburgh（匹兹堡大学生物工程部门） ； Department of Ophthalmology, University of Pittsburgh（匹兹堡大学眼科学部门）
专题命中 医学影像 ：CT(title,title_cn)；分类 eess.IV
AI总结 提出ChameleonNet框架，利用对比非配对翻译生成非增强CT，结合深度学习分割心脏四腔，在合成图像上DSC达0.91-0.94，但真实CT上体积误差较大，需进一步改进。
基于动态区间编码和先验平衡QUBO重建的量子CT
机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究院） ； Pattern Recognition Lab (LME), Department of Computer Science, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)（埃尔朗根-纽伦堡大学计算机科学系模式识别实验室） ； Key Lab of Optoelectronic Technology and Systems and the Engineering Research Center of Industrial Computed Tomography Nondestructive Testing, Ministry of Education, Chongqing University（重庆大学光电技术及系统教育部重点实验室和工业计算机断层成像无损检测工程研究中心）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 提出一种基于QUBO的灰度CT重建框架，通过动态区间编码和先验平衡优化，在稀疏视角和有限角度实验中优于多种基线方法，并可在混合量子-经典后端执行。
Comments 10 pages, 10 figures
VISTA: 用于多序列MRI分割的方差门控跨序列测试时间适应
机构 * Westlake University（西湖大学） ； Hokkaido University（北海道大学） ； The Chinese University of Hong Kong（香港中文大学） ； RIKEN（理化学研究所）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 本文提出VISTA框架，解决多序列MRI分割中模态交互偏移问题，通过设计跨序列干预生成器和跨视图分歧感知伪标签方法，提升模型在临床环境下的适应能力，实验表明在不同群体上性能优于现有方法。
Comments MICCAI2026 early accept
迭代扩散精化神经衰减场用于多源静态CT重建：NAF遇见扩散模型
机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； School of Mathematics and Computer Sciences, Nanchang University（南昌大学数学与计算机科学学院） ； School of Biomedical Engineering, Sun Yat-sen University（中山大学生物医学工程学院） ； Laboratory of Image Science and Technology, School of Computer Science and Engineering, and the Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications, Ministry of Education, Southeast University（东南大学计算机科学与工程学院图像科学与技术实验室，以及教育部新一代人工智能技术及其交叉应用重点实验室）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 针对超稀疏视角下多源静态CT重建质量差的问题，提出Diff-NAF框架，结合神经衰减场与双分支条件扩散模型，通过迭代投影合成与精化，显著提升重建保真度。
使用学习型k空间划分的优化多对比度自监督MRI重建
专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV
AI总结 提出一种多对比度自监督学习框架，通过端到端学习最优k空间数据划分，无需全采样数据即可提升MRI重建质量。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈