医学 AI

NodMAISI: Nodule-Oriented Medical AI for Synthetic Imaging

NodMAISI：面向结节的医学AI用于合成成像

Fakrul Islam Tushar, Ehsan Samei, Cynthia Rudin, Joseph Y. Lo

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

AI总结 NodMAISI通过面向结节的CT合成与增强框架，提升医学影像数据的分布忠实度和病变检测性能，尤其在小肺结节识别上表现优异。

Comments 3 tables, 7 figures, 12 Supplement tables, 9 Supplement figures

MSDiff: Multi-Scale Diffusion Model for Ultra-Sparse View CT Reconstruction

MSDiff：多尺度扩散模型用于超稀疏视角CT重建

Junyan Zhang, Mengxiao Geng, Pinhuang Tan, Yi Liu, Zhili Liu, Bin Huang, Qiegen Liu

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

AI总结 MSDiff通过多尺度扩散模型提升超稀疏视角CT重建质量，整合全面与选择性采样技术，优化噪声分布与图像结构理解，实现更高效的图像恢复。

StructDiff: Structure-aware Diffusion Model for 3D Fine-grained Medical Image Synthesis

StructDiff: 一种结构感知的扩散模型用于3D细粒度医学图像合成

Jiahao Xia, Yutao Hu, Yaolei Qi, Zhenliang Li, Wenqi Shao, Junjun He, Ying Fu, Longjiang Zhang, Guanyu Yang

机构 * Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及跨学科应用关键实验室（东南大学），中华人民共和国教育部，中国） ； Jiangsu Province Joint International Research Laboratory of Medical Information Processing, Southeast University, Nanjing, China（江苏省医疗信息处理联合国际研究实验室（东南大学），南京市，中国） ； Univ Rennes, CHU Rennes, Inserm, LTSI– UMR 1099, F-35000 Rennes, France（里昂大学，里昂大学医院，Inserm，LTSI– UMR 1099，法国里昂，法国） ； Shanghai AI Laboratory（上海人工智能实验室） ； School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China（计算机科学与技术学院，北京理工大学，北京，中国） ； Department of Radiology, Jinling Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, China（放射科，南京大学附属医院，南京大学，南京，中国） 纠错

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

AI总结 StructDiff通过结构感知扩散模型解决3D医学图像细粒度生成中的拓扑一致性和细节还原问题，提升下游分割性能。

Comments 17 pages, 10 figures

KLO-Net: A Dynamic K-NN Attention U-Net with CSP Encoder for Efficient Prostate Gland Segmentation from MRI

KLO-Net：一种动态K-NN注意力U-Net与CSP编码器的高效前列腺 gland 分割网络

Anning Tian, Byunghyun Ko, Kaichen Qu, Mengyuan Liu, Jeongkyu Lee

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

AI总结 KLO-Net通过动态K-NN注意力机制和CSP编码器，实现高效且准确的前列腺 gland 分割，提升MRI分割的实时部署性能。

Comments Preprint. Accepted to SPIE Medical Imaging 2026: Image Processing

Stronger is not better: Better Augmentations in Contrastive Learning for Medical Image Segmentation

更强并非更好：对比学习中用于医学图像分割的改进增强

Azeez Idris, Abdurahman Ali Mohammed, Samuel Fanijo

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文研究了医学图像分割中对比学习的增强方法，发现强数据增强不一定提升性能，并提出了改进的增强技术以提高分割效果。

Comments NeurIPS Black in AI workshop - 2022

Precise Liver Tumor Segmentation in CT Using a Hybrid Deep Learning-Radiomics Framework

使用混合深度学习-放射组学框架进行CT中肝肿瘤的精确分割

Xuecheng Li, Weikuan Jia, Komildzhon Sharipov, Alimov Ruslan, Lutfuloev Mazbutdzhon, Ismoilov Shuhratjon, Yuanjie Zheng

机构 * School of Information Science & Engineering, Shandong Normal University（信息科学与工程学院，山东师范大学） ； Tajik State University of Law, Business and Politics（塔吉克国立法律、商业与政治大学） 纠错

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

AI总结 本文提出混合深度学习-放射组学框架，用于CT中肝肿瘤的精确分割，结合注意力增强的U-Net与放射组学特征筛选，提升分割精度与稳定性。

AutoLugano: A Deep Learning Framework for Fully Automated Lymphoma Segmentation and Lugano Staging on FDG-PET/CT

AutoLugano：一种用于FDG-PET/CT上全自动淋巴瘤分割和卢加诺分期的深度学习框架

Boyang Pan, Zeyu Zhang, Hongyu Meng, Bin Cui, Yingying Zhang, Wenli Hou, Junhao Li, Langdi Zhong, Xiaoxiao Chen, Xiaoyu Xu, Changjin Zuo, Chao Cheng, Nan-Jie Gong

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

AI总结 AutoLugano通过深度学习实现FDG-PET/CT上淋巴瘤的全自动分割与卢加诺分期，提升初始分期和治疗分层的准确性。

Tyche: Stochastic In-Context Learning for Medical Image Segmentation

Tyche: 医疗图像分割的随机上下文学习

Marianne Rakic, Hallee E. Wong, Jose Javier Gonzalez Ortiz, Beth Cimini, John Guttag, Adrian V. Dalca

机构 * CSAIL MIT（MIT计算机科学与人工智能实验室） ； MIT Broad Institute（MITBroad研究所） ； MGH（麻省总医院） ； MosaicML ； DataBricks ； MIT ； HMS, MGH（哈佛医学院、麻省总医院） 纠错

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

AI总结 Tyche通过上下文学习方法，无需重新训练即可为医疗图像分割生成随机预测，提升分割任务的灵活性和鲁棒性。

Comments Accepted at IEEE / CVF Computer Vision and Pattern Recognition Conference (CVPR) 2024 as a highlight. Code available at https://github.com/mariannerakic/tyche

On The Role of K-Space Acquisition in MRI Reconstruction Domain-Generalization

在MRI重建领域泛化中的k空间获取作用

Mohammed Wattad, Tamir Shor, Alex Bronstein

机构 * Faculty of Computer Science, Technion, Israel（计算机科学学院，技术学院，以色列） 纠错

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

AI总结 本文探讨了在MRI重建中通过学习k空间采样模式提升跨领域泛化能力的方法，并提出了一种增强域鲁棒性的新方法。

Robust brain age estimation from structural MRI with contrastive learning

从结构MRI中鲁棒性脑年龄估计对比学习

Carlo Alberto Barbano, Benoit Dufumier, Edouard Duchesnay, Marco Grangetto, Pietro Gori

机构 * University of Turin（都灵大学） 纠错

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

AI总结 本文提出对比学习方法用于从结构MRI中鲁棒性脑年龄估计，通过多数据集实验展示其在泛化性能和诊断性能上的优势。

Comments Update version (submitted to PRL); 8 pages

A Fast and Efficient Modern BERT based Text-Conditioned Diffusion Model for Medical Image Segmentation

一种快速且高效的基于现代BERT的文本条件扩散模型用于医学图像分割

Venkata Siddharth Dhara, Pawan Kumar

机构 * International Institute of Information Technology, Hyderabad, 500032, India（国际信息科技学院，海得拉巴） 纠错

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

AI总结 本文提出FastTextDiff，利用ModernBERT提升医学图像分割的效率和准确性，通过整合文本注释和多模态注意力机制改进传统扩散模型。

Comments 15 pages, 3 figures, Accepted in Slide 3 10th International Conference on Computer Vision & Image Processing (CVIP 2026)

MRI-Based Brain Age Estimation with Supervised Contrastive Learning of Continuous Representation

基于MRI的脑年龄估计：使用监督对比学习进行连续表示的对比学习

Simon Joseph Clément Crête, Marta Kersten-Oertel, Yiming Xiao

机构 * Department of Computer Science and Software Engineering（计算机科学与软件工程系） 纠错

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

AI总结 本文提出基于监督对比学习的脑年龄估计方法，利用RNC损失和Grad-RAM提升模型性能，实现更精确的生物脑年龄预测。

Dual-Model Weight Selection and Self-Knowledge Distillation for Medical Image Classification

双模型权重选择与自我知识蒸馏用于医学图像分类

Ayaka Tsutsumi, Guang Li, Ren Togo, Takahiro Ogawa, Satoshi Kondo, Miki Haseyama

机构 * Hokkaido University（北海道大学） ； Muroran Institute of Technology（Muroran技术学院） 纠错

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

AI总结 本文提出一种结合双模型权重选择与自我知识蒸馏的医学图像分类方法，通过有效知识转移和轻量级模型优化，实现高性能与高效计算的平衡。

Comments Published as a journal paper at Elsevier CIBM

Fast Gradient Methods for Data-Consistent Local Super-Resolution of Medical Images

快速梯度方法用于医学图像数据一致的局部超分辨率处理

Junqi Tang, Guixian Xu, Jinglai Li

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

AI总结 本文提出快速梯度方法用于医学图像局部超分辨率处理，通过联合利用测量信息和局部调整先验实现高效高质量后处理。

ONCOPILOT: A Promptable CT Foundation Model For Solid Tumor Evaluation

ONCOPILOT：一种可提示的CT基础模型用于实体肿瘤评估

Léo Machado, Hélène Philippe, Élodie Ferreres, Julien Khlaut, Julie Dupuis, Korentin Le Floch, Denis Habip Gatenyo, Pascal Roux, Jules Grégory, Maxime Ronot, Corentin Dancette, Tom Boeken, Daniel Tordjman, Pierre Manceron, Paul Hérent

机构 * Raidium, Paris Biotech Santé（Raidium，巴黎生物医疗健康） ； AP-HP. Nord, Department of Radiology, FHU MOSAIC, Beaujon Hospital（AP-HP. Nord，放射科，FHU MOSAIC，贝琼医院） ； Université Paris Cité（巴黎城市大学） ； Université Paris Cité, AP-HP, Hôpital Européen Georges Pompidou, Department of Vascular and Oncological Interventional Radiology（巴黎城市大学，AP-HP，欧文·庞皮杜医院，血管和肿瘤介入放射科） ； Department of Radiology, Hôpital Cochin, AP-HP（放射科，克里克医院，AP-HP） ； Centre d’Imagerie du Nord（北影像中心） 纠错

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

AI总结 ONCOPILOT是一种基于CT的可提示基础模型，通过交互式分割提升肿瘤评估精度，实现放射科医生级别的RECIST测量和体积生物标志物分析。

Journal ref npj Precis. Onc. 9, 121 (2025)

Attentional Triple-Encoder Network in Spatiospectral Domains for Medical Image Segmentation

用于医学图像分割的视网膜光学相干断层扫描空间-光谱域注意力三编码网络

Kristin Qi, Xinhan Di

机构 * University of Massachusetts Boston, USA（马萨诸塞大学波士顿分校） ； Giant Network AI Lab, China（巨人网络人工智能实验室） 纠错

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

AI总结 本文提出了一种结合空间和光谱域的三编码网络，通过注意力机制提升医学图像分割的Dice分数，实现更精确的OCT分割。

Comments IEEE Conference on Artificial Intelligence (IEEE CAI)

Enhancing Medical Image Analysis through Geometric and Photometric transformations

通过几何和光度变换增强医学图像分析

Khadija Rais, Mohamed Amroune, Mohamed Yassine Haouam, Abdelmadjid Benmachiche

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

AI总结 本文通过几何和光度变换增强技术提升医学图像分类和分割性能，实验表明数据增强有效提高模型准确率和Dice系数。

NeuroVascU-Net: A Unified Multi-Scale and Cross-Domain Adaptive Feature Fusion U-Net for Precise 3D Segmentation of Brain Vessels in Contrast-Enhanced T1 MRI

NeuroVascU-Net：一种统一的多尺度和跨域自适应特征融合U-Net，用于精确的对比增强T1 MRI脑血管三维分割

Mohammad Jafari Vayeghan, Niloufar Delfan, Mehdi Tale Masouleh, Mansour Parvaresh Rizi, Behzad Moshiri

机构 * School of Electrical and Computer Engineering, College of Engineering, University of Tehran（电信工程学院，工程学院，德黑兰大学） ； Department of EECS, Lassonde School of Engineering, York University（电子工程系，拉索nde工程学院，约克大学） ； Department of Neurosurgery, School of Medicine, Iran University of Medical Sciences（神经外科系，医学院，伊朗医学科学大学） ； Department of Electrical and Computer Engineering, University of Waterloo（电子工程系，滑铁库大学） 纠错

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

AI总结 NeuroVascU-Net通过多尺度和跨域自适应特征融合模块，实现高精度脑血管分割，适用于临床标准T1CE MRI，提升神经外科手术规划的准确性与效率。

HSMix: Hard and Soft Mixing Data Augmentation for Medical Image Segmentation

HSMix：用于医学图像分割的硬软混合数据增强

Danyang Sun, Fadi Dornaika, Nagore Barrena

机构 * University of the Basque Country（巴斯克大学） ； IKERBASQUE（ikerbasque研究所） 纠错

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

AI总结 HSMix通过硬软混合数据增强技术提升医学图像分割性能，结合同质区域混合与亮度调整，增强数据多样性并保留语义信息。

Smooth Total variation Regularization for Interference Detection and Elimination (STRIDE) for MRI

用于干扰检测和消除的平滑总变分正则化（STRIDE）用于MRI

Alexander Mertens, Diego Martinez, Amgad Louka, Ying Yang, Chad Harris, Ian Connell

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

AI总结 STRIDE通过利用MRI图像的平滑性改进EMI去除，提供更优的去噪性能，尤其对时间变化噪声源效果显著。

DIMA: DIffusing Motion Artifacts for unsupervised correction in brain MRI images

DIMA: 通过扩散模型实现脑部MRI图像的无监督运动伪影校正

Paolo Angella, Luca Balbi, Fabrizio Ferrando, Paolo Traverso, Rosario Varriale, Vito Paolo Pastore, Matteo Santacesaria

机构 * MaLGa Center, DIMA, University of Genoa（马尔加中心、DIMA、热那亚大学） ； DIBRIS, University of Genoa（DIBRIS、热那亚大学） ； Esaote S.p.A.（埃萨奥特公司） 纠错

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

AI总结 DIMA通过扩散模型实现脑部MRI图像的无监督运动伪影校正，无需配对数据，具有更好的泛化能力。

Comments 7 pages, 5 figures, 7 tables

Journal ref IEEE Access, 2025

Style Content Decomposition-based Data Augmentation for Domain Generalizable Medical Image Segmentation

Zhiqiang Shen, Peng Cao, Jinzhu Yang, Osmar R. Zaiane, Zhaolin Chen

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院） ； Key Laboratory of Intelligent Computing in Medical Image, Ministry of Education, Northeastern University, Shenyang, China（教育部智能医学图像关键实验室） ； Alberta Machine Intelligence Institute, University of Alberta, Edmonton, Canada（阿尔伯塔大学阿尔伯塔机器智能研究所） ； Department of Data Science & AI, Faculty of Information Technology, Monash University, Melbourne, Australia（墨尔本大学数据科学与人工智能系） ； Monash Biomedical Imaging, Monash University, Melbourne, Australia（墨尔本大学生物医学成像中心） 纠错

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

MRI Plane Orientation Detection using a Context-Aware 2.5D Model

SangHyuk Kim, Daniel Haehn, Sumientra Rampersad

机构 * Department of Computer Science, University of Massachusetts Boston（计算机科学系，马萨诸塞大学波士顿分校） ； Department of Physics, University of Massachusetts Boston（物理系，马萨诸塞大学波士顿分校） 纠错

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

Comments 5 pages, 5 figures, 2 tables

DeSamba: Decoupled Spectral Adaptive Framework for 3D Multi-Sequence MRI Lesion Classification

Dezhen Wang, Sheng Miao, Rongxin Chai, Jiufa Cui

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

Comments Our manuscript requires further experimental work, and the dataset cannot be made publicly available; therefore, we respectfully request withdrawal of the paper

Autoregressive Image Diffusion: Generation of Image Sequence and Application in MRI

Guanxiong Luo, Shoujin Huang, Martin Uecker

机构 * University Medical Center Göttingen（哥廷根大学医学中心） ； Shenzhen Technology University（深圳科技大学） ； Graz University of Technology（格拉茨技术大学） 纠错

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

Journal ref Advances in Neural Information Processing Systems 2024;37:129094-129119

Generative Priors for MRI Reconstruction Trained from Magnitude-Only Images Using Phase Augmentation

Guanxiong Luo, Xiaoqing Wang, Mortiz Blumenthal, Martin Schilling, Erik Hans Ulrich Rauf, Raviteja Kotikalapudi, Niels Focke, Martin Uecker

机构 * 1 Institute for Diagnostic ； Interventional Radiology, University Medical Center G\"ottingen, Germany 2 Institute of Biomedical Imaging, Graz University of Technology, Graz, Austria 3 Clinic for Neurology, University Medical Center Göttingen, Germany 4 German Centre for Cardiovascular Research (DZHK), partner site Lower Saxony, Germany 5 Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Harvard Medical School 纠错

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

Journal ref Phil. Trans. R. Soc. A 2025;383:20240323

Anatomy-Informed Deep Learning and Radiomics for Automated Neurofibroma Segmentation in Whole-Body MRI

Georgii Kolokolnikov, Marie-Lena Schmalhofer, Lennart Well, Said Farschtschi, Victor-Felix Mautner, Inka Ristow, Rene Werner

机构 * Institute for Applied Medical Informatics（应用医学信息学研究所） ； Institute of Computational Neuroscience（计算神经科学研究所） ； Center for Biomedical Artificial Intelligence (bAIome)（生物医学人工智能中心） ； University Medical Center Hamburg-Eppendorf（汉堡埃彭多夫大学医学中心） ； Department of Diagnostic and Interventional Radiology and Nuclear Medicine（诊断与介入放射学及核医学部门） ； Department of Neurology（神经内科部门） 纠错

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

Journal ref Computerized Medical Imaging and Graphics Volume 126, November 2025, 102667

Augment to Augment: Diverse Augmentations Enable Competitive Ultra-Low-Field MRI Enhancement

Felix F Zimmermann

机构 * Physikalisch-Technische Bundesanstalt (PTB)（物理技术联邦机构） 纠错

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

Comments MICCAI 2025 ULF-EnC Challenge

MOSformer: Momentum encoder-based inter-slice fusion transformer for medical image segmentation

De-Xing Huang, Xiao-Hu Zhou, Mei-Jiang Gui, Xiao-Liang Xie, Shi-Qi Liu, Shuang-Yi Wang, Zhen-Qiu Feng, Zhi-Chao Lai, Zeng-Guang Hou

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Department of Vascular Surgery, Peking Union Medical College Hospital（血管外科部门，北京协和医科大学医院） 纠错

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

Comments Accepted by Biomimetic Intelligence and Robotics. 13 pages, 9 figures, 8 tables

SAMora: Enhancing SAM through Hierarchical Self-Supervised Pre-Training for Medical Images

Shuhang Chen, Hangjie Yuan, Pengwei Liu, Hanxue Gu, Tao Feng, Dong Ni

机构 * Zhejiang University（浙江大学） ； Duke University（杜克大学） ； Tsinghua University（清华大学） 纠错

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