医学 AI

BrainFusionNet: a deep learning and XAI model to understand local, global, and sequential features of MRI images for improved brain tumour detection

BrainFusionNet：一种用于理解MRI图像局部、全局和序列特征以改进脑肿瘤检测的深度学习与XAI模型

Md Taimur Ahad, Bo Song, Yan Li

机构 * School of Mathematics, Physics and Computing, University of Southern Queensland（南方昆士兰大学数学、物理与计算学院） ； School of Engineering, University of Southern Queensland（南方昆士兰大学工程学院） 纠错

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

AI总结 提出BrainFusionNet混合模型，结合CNN、ViT和GRU提取MRI空间、上下文和序列特征，并集成SHAP、LIME和GradCAM进行可解释性分析，在公开数据集上达到98%准确率，优于SOTA CNN。

Journal ref Brain Inf. 13, 21 (2026)

Pre-Deployment Robustness Stress Testing for CT Segmentation Systems Using Clinically Motivated Multi-Corruption Augmentation

CT分割系统的部署前鲁棒性压力测试：使用临床驱动的多损坏增强

CholMin Kanga, Jonghyun Chung, Amanpreet Kaur, Nagesh Gulkotwar, Aarthi Sivasankaran

机构 * Seoul National University（首尔国立大学） ； Google Inc.（谷歌公司） 纠错

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

AI总结 提出RAMP框架，通过多损坏增强提升CT分割模型在临床异质成像条件下的鲁棒性，显著缩小干净与损坏图像性能差距。

Fine-UNETR for PSMA PET/CT Lesion Segmentation: Automated Tumor Quantification and Overall Survival Stratification in Prostate Cancer

Fine-UNETR 用于 PSMA PET/CT 病灶分割：前列腺癌中自动肿瘤定量和总生存期分层

Mansour Abtahi, Chae Moon Hong, Nikhil Deveshwar, Stellamaris Nwihim, Minkyung Lee, Peder E. Z. Larson, Thomas A. Hope

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

AI总结 提出基于 Vision Transformer 的 Fine-UNETR 架构，实现全身 PSMA PET/CT 病灶自动分割，并验证 AI 衍生的肿瘤负荷生物标志物在放射配体治疗前总生存期分层中的临床效用。

Revisiting LLM Adaptation for 3D CT Report Generation: A Study of Scaling and Diagnostic Priors

重新审视用于3D CT报告生成的LLM适应：缩放与诊断先验研究

Vanshali Sharma, Andrea M. Bejar, Halil Ertugrul Aktas, Quoc-Huy Trinh, Debesh Jha, Gorkem Durak, Ulas Bagci

机构 * Northwestern University（西北大学） ； University of South Dakota（南达科他大学） ； Aalto University（阿尔托大学） 纠错

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

AI总结 提出RAD3D-Prefix轻量级诊断先验框架，通过冻结大语言模型并融合多标签分类逻辑，在少量可训练参数下实现3D CT报告生成，优于全微调基线并展现强泛化性。

A Privacy-Preserving Federated Learning Framework for Generalizable CBCT to Synthetic CT Translation in Head and Neck

一种保护隐私的联邦学习框架用于头颈区域CBCT到合成CT的可推广转换

Ciro Benito Raggio, Paolo Zaffino, Maria Francesca Spadea

机构 * Institute of Biomedical Engineering（生物医学工程研究所） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工大学） ； Department of Experimental and Clinical Medicine（实验与临床医学系） 纠错

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

AI总结 本文提出一种跨机构联邦学习框架，用于头颈区域CBCT到合成CT的转换，通过保护数据隐私实现跨机构模型的泛化能力。

Journal ref Frontiers in Digital Health, 8:1812254, June 2026

LUCID: Learned Undersampling-Adaptive Consistency-Guided Inference with Deterministic Flow Matching for Sparse-View CT Reconstruction

LUCID：基于确定性流匹配的学习型欠采样自适应一致性引导稀疏视角CT重建

Jigang Duan, Jiayi Wang, Heran Wang, Ping Yang, Genwei Ma, Xing Zhao

机构 * School of Mathematical Sciences, Capital Normal University（首都师范大学数学科学学院） ； National Center for Applied Mathematics Beijing, Capital Normal University（首都师范大学北京国家应用数学中心） ； Academy for Multidisciplinary Studies, Capital Normal University（首都师范大学交叉科学研究院） 纠错

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

AI总结 提出LUCID框架，利用流匹配生成先验和稀疏度自适应策略，通过退化匹配初始状态和投影域一致性校正，实现不同采样密度下的稳定稀疏视角CT重建，减少伪影和幻觉结构。

Trusting Right Predictions for Wrong Reasons: A LIME Based Analysis of Deep Learning Interpretability in Lung Cancer Diagnosis

信任错误理由的正确预测：基于LIME的肺癌诊断深度学习可解释性分析

Samarpan Poudel, Vladislav D Veksler

机构 * Caldwell University School of Business and Computer Science（考德威尔大学商业与计算机科学学院） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；diagnosis(title,abstract)；clinical AI(abstract)；分类 cs.CV

AI总结 本研究通过LIME分析三种深度学习模型（CNN、ResNet50、ViT）在肺癌CT分类中的决策一致性，发现预测高度一致但解释区域差异显著，表明预测一致性不能替代推理一致性。

Mutual Distillation of Dual-Foundation Models for Semi-Supervised PET/CT Segmentation

双基础模型的相互蒸馏用于半监督PET/CT分割

Fuyou Mao, Beining Wu, Yanfeng Jiang, Bohan Xu, Lixin Lin, Naye Ji, Hao Zhang, Yan Tang

机构 * Central South University（中南大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Communication University of Zhejiang（浙江传媒学院） ； Northeastern University（东北大学） 纠错

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

AI总结 提出MuDuo框架，利用SAM-Med3D和SegAnyPET分别从CT和PET中蒸馏知识到轻量学生网络，实现半监督器官分割，仅用5个标注样本在AutoPET数据集上达到最优性能。

Comments MICCAI 2026

Physics-Driven Zero-Shot MRI Reconstruction with Non-local Image Priors

基于非局部图像先验的物理驱动零样本MRI重建

Lingtong Zhang, Wenlei Li, Mu He, Li Xiao, Yang Ji

机构 * School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） 纠错

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

AI总结 提出一种物理驱动的零样本自监督学习框架，通过线圈灵敏度图引导的动态存储库、SPIRiT正则化和非局部自相似像素银行，解决欠采样MRI重建中的监督不足和过拟合问题，在FastMRI数据集上达到最优性能。

iTRIALSPACE: Programmable Virtual Lesion Trials for Controlled Evaluation of Lung CT Models

iTRIALSPACE：用于肺CT模型受控评估的可编程虚拟病灶试验

Fakrul Islam Tushar, Umme Hafsa Momy, Joseph Y. Lo, Geoffrey D. Rubin

机构 * Department of Radiology and Imaging Sciences, University of Arizona（亚利桑那大学放射科和影像科学系） ； Department of Biomedical Engineering, Florida International University（佛罗里达国际大学生物医学工程系） ； Center for Virtual Imaging Trials, Department of Radiology, Duke University Medical Center（达特茅斯大学医学中心虚拟成像试验中心，放射科） 纠错

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

AI总结 提出可编程评估框架iTRIALSPACE，通过四阶段流水线（结节分析、试验规范、掩膜插入、CT合成）构建受控虚拟病灶试验，揭示固定基准无法发现的模型缺陷。

Comments 11 pages, 13 figures, 13 tables

K-Prism: A Knowledge-Guided and Prompt Integrated Universal Medical Image Segmentation Model

K-Prism: 一种知识引导与提示集成的通用医学图像分割模型

Bangwei Guo, Yunhe Gao, Meng Ye, Difei Gu, Yang Zhou, Leon Axel, Dimitris Metaxas

机构 * Rutgers University（罗格斯大学） ； Stanford University（斯坦福大学） ； The University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； New York University（纽约大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)；pathology(abstract)

AI总结 提出K-Prism统一分割框架，通过双提示表示和混合专家解码器整合语义先验、上下文知识和交互反馈三种知识范式，在18个数据集上实现语义、上下文和交互分割的最优性能。

Journal ref International Conference on Learning Representations (ICLR), 2026

Time-Conditioned and Multi-Time Survival Prediction from 2D PET/CT Projections in Lung Cancer

基于2D PET/CT投影的时间条件与多时间生存预测在肺癌中的应用

Ashish Chauhan, Sambit Tarai, Elin Lundström, Johan Öfverstedt, Håkan Ahlström, Joel Kullberg

机构 * Radiology, Department of Surgical Sciences, Uppsala University（乌普萨拉大学外科学系放射科） ； National Academic Infrastructure for Supercomputing (NAISS), Linköping University（林雪平大学国家学术超级计算基础设施） ； Antaros Medical ； SciLifeLab, Uppsala University（乌普萨拉大学SciLifeLab） 纠错

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

AI总结 提出时间条件生存（ATCS）和多时间生存（MTS）两种方法，利用2D PET/CT投影预测非小细胞肺癌患者生存，ATCS在早期预测更优，MTS在晚期更优。

Comments Under review at MIUA 2026

Multimodal Ordinal Modeling of Alzheimer's Disease Severity Using Structural MRI and Clinical Data

使用结构MRI和临床数据的阿尔茨海默病严重程度的多模态序数建模

Boris-Stephan Rauchmann, Jonathan Laib, Buse Ercik, Robert Perneczky, Sergio Altares-López

机构 * Department of Neuroradiology, LMU University Hospital, Ludwig Maximilian University of Munich（神经放射科，慕尼黑路德维希-马克西米利安大学医院，慕尼黑路德维希-马克西米利安大学） ； Department of Psychiatry and Psychotherapy, LMU University Hospital, Ludwig Maximilian University of Munich（精神病学与心理治疗系，慕尼黑路德维希-马克西米利安大学医院，慕尼黑路德维希-马克西米利安大学） 纠错

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

AI总结 提出一种注意力增强的多模态序数回归框架，整合MRI、人口统计学和遗传数据，用于自动且可解释的AD严重程度分期，在ADNI等数据集上验证，序数模型在相邻阶段准确率（0.970）和与临床分期一致性（QWK 0.549）上表现最佳。

Comments 18 pages. Submitted to journal for review

Improving PET/CT-Based Whole-Body Lesion Segmentation Using Prediction Uncertainty-Augmented Models

利用预测不确定性增强模型改进PET/CT全身病灶分割

Bashirul Azam Biswas, Biratal Raj Wagle, Zhihan Yang, Marc A. Seltzer, Matthew E. Maeder, James B. Yu, Indrani Bhattacharya

机构 * Department of Biomedical Data Science（生物医学数据科学系） ； Geisel School of Medicine at Dartmouth（达特茅斯大学盖西尔医学院） ； Dartmouth Hitchcock Medical Center（达特茅斯希思科特医疗中心） 纠错

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

AI总结 提出一种不确定性感知框架，结合贝叶斯集成、体素不确定性量化与不确定性增强训练，提升PET/CT全身病灶分割的鲁棒性和病灶检测能力，在AutoPET-III和Deep-PSMA数据集上验证。

Comments 32 pages, 10 figures, 5 tables

vesselFM-CT: Segmenting All Blood Vessels in CT Images for System-Level Cardiovascular Analysis

vesselFM-CT：在CT图像中分割所有血管以实现系统级心血管分析

Bastian Wittmann, Chinmay Prabhakar, Suprosanna Shit, Bjoern Menze

机构 * Department of Quantitative Biomedicine, University of Zurich（苏黎世大学定量生物医学系） 纠错

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

AI总结 提出vesselFM-CT模型，通过迭代多步训练和TubeLoss损失函数，实现CT图像中从大血管到微小肠系膜血管的全分割，优于基线方法，支持系统级心血管分析。

WaveDiT: Distribution-Aware Wavelet Flow Matching for Efficient 3D Brain MRI Synthesis

WaveDiT: 面向高效3D脑MRI合成的分布感知小波流匹配

Danilo Danese, Angela Lombardi, Giuseppe Fasano, Matteo Attimonelli, Tommaso Di Noia

机构 * Politecnico di Bari（巴里理工大学） ； Sapienza University of Rome（罗马大学） 纠错

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

AI总结 提出WaveDiT，一种在3D Haar离散小波变换系数空间中运行的条件流匹配框架，通过分解时空注意力与基于高阶小波统计的带状异方差不确定性建模，实现单GPU上全分辨率3D脑MRI高效合成，在分布对齐和下游任务中优于现有方法。

Comments Provisionally accepted at MICCAI 2026

DALE-CT: Depth-Aware Foundation Models for Computed Tomography

DALE-CT: 用于计算机断层扫描的深度感知基础模型

Evan W. Damron, Mahmut S. Gokmen, Mitchell A. Klusty, Caroline N. Leach, Emily B. Collier, V. K. Cody Bumgardner

机构 * University of Kentucky（肯塔基大学） 纠错

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

AI总结 提出DALE-CT，一种基于LeJEPA的2D切片模型，通过3D深度感知预训练（利用解剖掩膜和异常标注）提升表示质量，在CT多异常检测中达到与3D视觉语言模型近似的性能。

Comments 9 pages, 2 figures

Low-Cost and Detunable Wireless Resonator Glasses for Enhanced Eye MRI with Concurrent High-Quality Whole Brain MRI

低成本且可调谐的无线谐振器眼镜用于增强眼部MRI并同时进行高质量全脑MRI

Ming Lu, Xiaoyue Yang, Jason Moore, Pingping Li, Adam W. Anderson, John C. Gore, Seth A. Smith, Xinqiang Yan

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

AI总结 本文提出了一种无线谐振器眼镜，通过增强眼部MRI信噪比而不影响全脑图像质量，采用可调谐LC回路共振器提升信号质量。

Journal ref Magn Reson Med. 2026;96(1):499-507

Tracing the Oracle: Improving Diffusion Timestep Scheduling for 3D CT Reconstruction

追踪神谕：改进扩散时间步调度用于3D CT重建

Yujia Wu, Zhaoqiang Liu

机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） 纠错

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

AI总结 针对3D CT重建中扩散模型推理计算开销大且均匀时间步调度引入大截断误差的问题，提出即插即用的TrO框架，通过动态规划优化时间步调度，在有限采样步数下显著提升重建保真度和计算效率。

Comments Accessed to ECML-PKDD2026

3D-GlioPREDICT: 3D Latent Diffusion for Post-Radiotherapy Brain MRI Prediction in Patients with Glioma

3D-GlioPREDICT: 用于胶质瘤患者放疗后脑MRI预测的3D潜在扩散模型

Nordin Belkacemi, Selena Huisman, Vera C. Keil, Joost J. C. Verhoeff, Szabolcs David

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

AI总结 提出一种3D潜在扩散框架，以空间分辨的体素级剂量分布为条件，结合预处理图像和随访时间，生成放疗后脑MRI，在公开数据集上优于2D方法。

Comments 12 pages, 6 figures, 2 tables

StrokeTimer: Robust Representation Learning for Ischemic Stroke Onset-Time Estimation from Non-contrast CT

StrokeTimer: 基于非增强CT的缺血性卒中发病时间估计的鲁棒表示学习

Weiru Wang, Susanne G. H. Olthuis, Elizaveta Lavrova, Robert J. van Oostenbrugge, Charles B. L. M. Majoie, Wim H. van Zwam, Ruisheng Su

机构 * Department of Biomedical Engineering, Eindhoven University of Technology（埃因霍温理工大学生物医学工程系） ； Graduate School of Life Sciences, Utrecht University（乌得勒支大学生命科学研究生院） ； Department of Neurology, Maastricht University Medical Centre+（马斯特里赫特大学医学中心神经科） ； Precision Medicine Department, GROW Research Institute for Oncology and Reproduction, Maastricht University（马斯特里赫特大学精准医学部，GROW肿瘤与生殖医学研究所） ； Department of Radiology and Nuclear Medicine, Amsterdam University Medical Centre（阿姆斯特丹大学医学中心放射学与核医学系） ； Department of Radiology and Nuclear Medicine, Maastricht University Medical Centre+（马斯特里赫特大学医学中心放射学与核医学系） 纠错

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

AI总结 提出StrokeTimer框架，通过自监督解耦学习和能量引导对比学习，从非增强CT中估计缺血性卒中发病时间，在大型多中心数据集上实现宏AUC 0.69和宏F1 0.57，较基线提升近50%。

Comments Early accepted at MICCAI 2026

Algorithm for the reconstruction of dynamic objects in CT-scanning using optical flow

利用光流法重建CT扫描中动态物体的算法

Koen Ruymbeek, Wim Vanroose

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

AI总结 本文提出了一种利用光流法从图像中纠正CT扫描图像中运动的算法，通过模拟扫描数据验证了该方法在动态物体重建中的有效性。

TV-regularized CT Reconstruction and Metal Artifact Reduction Using Inequality Constraints with Preconditioning

基于不等式约束与预条件的TV正则化CT重建及金属伪影消除

Clemens Schiffer

机构 * Karl-Franzens-Universität Graz（格拉茨卡尔-弗里德里希大学） 纠错

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

AI总结 本文提出了一种结合不等式约束与预条件的TV正则化方法，用于CT重建中减少金属伪影，通过Chambolle-Pock算法和预条件的Douglas-Rachford分裂法及ADMM算法实现快速收敛，验证了模型在真实和合成数据中的有效性。

Comments Master's Thesis, as submitted at the University of Graz

A multi-contrast MRI approach to thalamus segmentation

一种多对比MRI方法用于丘脑分割

Veronica Corona, Jan Lellmann, Peter Nestor, Carola-Bibiane Schoenlieb, Julio Acosta-Cabronero

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge（应用数学与理论物理系，剑桥大学） ； Queensland Brain Institute, University of Queensland（昆士兰脑研究所，昆士兰大学） ； Mater Hospital, South Brisbane, Queensland, Australia（马特医院，南布里斯班，昆士兰，澳大利亚） ； Wellcome Centre for Human Neuroimaging, UCL Institute of Neurology, University College London, United Kingdom（wellcome人类神经影像中心，伦敦大学学院神经学研究所，伦敦大学学院，英国） ； German Center for Neurodegenerative Diseases (DZNE), Magdeburg, Germany（德国神经退行性疾病研究中心（DZNE），马格德堡，德国） 纠错

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

AI总结 本文提出一种多模态MRI分割方法，通过多对比数据提高丘脑子核分割精度，结合迭代配准、手动分割模板、监督学习和凸优化，提升分割性能与鲁棒性。

Multi-Contrast MRI Reconstruction with Structure-Guided Total Variation

多对比MRI重建与结构引导的总变分

Matthias J. Ehrhardt, Marta M. Betcke

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

AI总结 本文提出基于结构引导的总变分方法，用于多对比MRI重建，通过结合结构先验知识提升重建质量，在标准指标上优于传统总变分方法。

Comments 18 pages, 16 figures

A very fast iterative algorithm for TV-regularized image reconstruction with applications to low-dose and few-view CT

一种非常快速的迭代算法用于TV正则化图像重建及其在低剂量和少视角CT中的应用

Hiroyuki Kudo, Fukashi Yamazaki, Takuya Nemoto, Keita Takaki

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

AI总结 本文提出了一种快速迭代算法用于低剂量和少视角CT图像重建，通过TV正则化最小化数据保真项，利用预条件技术提升收敛速度。

Comments 16 pages, 8 figures, SPIE Optics + Photonics 2016 Conference (Developments in X-Ray Tomography X) Paper No. 9967-37

Sinogram constrained TV-minimization for metal artifact reduction in CT

基于sinogram约束的TV最小化方法用于CT中的金属伪影消除

Clemens Schiffer, Kristian Bredies

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

AI总结 本文提出了一种基于凸优化问题和总变分正则化的CT金属伪影消除方法，利用Chambolle-Pock算法求解，并通过合成数据验证了该方法的有效性。

Comments Part of the OAGM 2014 proceedings (arXiv:1404.3538)

AtlasGS: Brain MRI Spatial Resolution Harmonization With Shared Gaussian Geometry

AtlasGS: 基于共享高斯几何的脑MRI空间分辨率协调

Yifan Gao, Peiran Xu, Yimeng He, Haoran Li, Ziyang Long, Yufeng Wang, Ju Dong Yang, Debiao Li

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

AI总结 提出基于高斯泼溅的共享几何框架，通过两阶段训练实现多模态MRI各向同性超分辨率重建，在多个数据集上达到最先进性能。

CAD-to-CT Registration of Cylindrical Objects via Ellipse-Based Axis Estimation

基于椭圆轴估计的圆柱体CAD到CT配准

Aleksander Ogonowski, Mikołaj Mrozowski, Daniel Więcek, Arkadiusz Ćwiek, Konrad Klimaszewski, Rafał Możdżonek, Adam Padee, Lech Raczyński, Piotr Wasiuk, Wojciech Wiślicki, Michał Matusiak, Sławomir Wronka

机构 * Department of Complex Systems, National Centre for Nuclear Research（复杂系统系，国家核研究中心） ； ImagineRT sp. z o.o.（ImagineRT公司） ； National Centre for Nuclear Research（国家核研究中心） 纠错

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

AI总结 提出一种两阶段几何配准方法，通过检测CT切片中的椭圆截面估计旋转轴，再通过体素化CAD模型并最大化与CT扫描的体积重叠实现圆柱体（电离室）的精确配准，无需强度校准或特征匹配，倾斜和方向误差低于0.1°。

Personalized 3D Myocardial Infarct Geometry Reconstruction from Cine MRI for Cardiac Digital Twins

基于电影MRI的个性化三维心肌梗死几何重建用于心脏数字孪生

Yilin Lyu, Mark YY Chan, Ching-Hui Sia, Lei Li

机构 * Department of Biomedical Engineering, National University of Singapore（新加坡国立大学生物医学工程系） ； Department of Medicine, National University of Singapore（新加坡国立大学医学系） ； Department of Cardiology, National University Heart Centre Singapore（新加坡国立心脏中心心内科部） 纠错

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

AI总结 提出一种显式几何-运动嵌入模型，从多视角电影MRI中全自动重建个性化、可仿真的三维心肌梗死几何结构，采用双分支自适应融合和AHA-17引导的多尺度监督，实现无对比剂梗死表征。

Comments 14 pages