医学 AI

FENCE: Flexible Electric Noise reduCtion Endo-shield for the Suppression of Electromagnetic Interference in Low-Field MRI

FENCE：用于抑制低场MRI电磁干扰的柔性电噪声减少内屏蔽

Julia Pfitzer, Martin Uecker, Hermann Scharfetter

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 针对低场MRI电磁干扰问题，提出FENCE柔性内屏蔽方法，通过阻断电容耦合有效抑制EMI，在保持系统便携性的同时显著提升图像质量。

Comments 21 pages, 13 figures, 8 tables

Journal ref NMR in Biomedicine 2026;39:e70287

Multicenter Comparison of Radionuclide Calibrators and SPECT/CT Protocols for Quantitative 177Lu Imaging in Clinical Practice

多中心比较放射性示踪剂校准剂和SPECT/CT协议在临床实践中对177Lu定量成像的准确性

Wies Claeys, Kristof Baete, Laurence Beels, Claire Bernard, Rachele Danieli, Yves D' Asseler, An De Crop, Michel Hesse, Victor Nuttens, Bruno Vanderlinden, Michel Koole

专题命中 医学影像 ：CT(title,title_cn)

AI总结 研究比较了不同系统和医院使用放射性示踪剂校准剂和SPECT/CT对177Lu的测量准确性及变异性，发现标准化校准和重建协议能提高多中心定量SPECT/CT的可重复性。

Comments 30 pages, 20 figures. This version of the article has been accepted for publication, after peer review but is not the Version of Record and does not reflect post-acceptance improvements, or any corrections. The Version of Record is available online at EJNMMI Physics (2026)

Moving MRI: Imaging a moving body with a moving magnet

移动MRI：用移动磁铁成像移动的物体

Jingting Yao, Artan Kaso, Nikhil Patel, Yin-Ching Iris Chen, Andre van der Kouwe, Daniel M. Merfeld, Jerome L. Ackerman

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究提出移动MRI技术，通过移动受试者和磁共振仪来减少相对运动，实现大范围运动中的成像，为研究前庭功能等运动相关脑网络提供新方法。

Resolution-Noise Characteristics of Common FDK Filter Kernels: A Practical Reference for Preclinical Cone-Beam Micro-CT

常见FDK滤波核的分辨率-噪声特性：预临床锥形束微CT的实用参考

Falk L Wiegmann, Nancy L Ford

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文通过不同滤波核与截止频率组合，评估预临床微CT中FDK算法的分辨率与噪声特性，提供MTF、NPS和NPW d'的量化参考数据。

Unsupervised Physics-Informed Deep Learning for Dual-Energy CT Material Decomposition

无监督的物理引导深度学习用于双能CT材料分解

Laura Hellwege, Johann Christopher Engster, Moritz Schaar, Thorsten M. Buzug, Maik Stille

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文提出一种无监督的物理引导深度学习框架，用于双能CT材料分解，通过多色前向模型减少投影域中的差异，实现高精度分解。

Comments 12 pages, 4 Figures, 1 Table

CT-FineBench: A Diagnostic Fidelity Benchmark for Fine-Grained Evaluation of CT Report Generation

CT-FineBench：用于CT报告生成细粒度评估的诊断可信度基准

Ruifeng Yuan, Wanxing Chang, Weiwei Cao, Bowen Shi, Zhongyu Wei, Ling Zhang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（沪幻实验室） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 CT-FineBench通过基于问题回答的流程构建，评估CT报告的细粒度事实一致性，优于传统指标，能更敏感地捕捉临床细节错误。

Comments Accepted by ACL 2026 Main

Deep Reinforcement Learning for Optimizing Angle Selection and Dose Allocation in CT Reconstruction

深度强化学习用于优化CT重建中的角度选择和剂量分配

Tianyuan Wang, Daniël M. Pelt, Felix Lucka, Tristan van Leeuwen, K. Joost Batenburg

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文提出结合PWLS-PnP重建框架与强化学习策略的深度强化学习方法，用于优化CT重建中的角度选择和剂量分配，提升重建质量和缺陷检测能力。

Robust Multicenter CT Radiogenomics for Dual EGFR and KRAS Prediction in Lung Cancer with Stability-Aware Modeling and SHAP Interpretation

稳健的多中心CT放射组学用于肺癌中EGFR和KRAS双重预测：基于稳定性意识的建模和SHAP解释

Somayeh Sadat Mehrnia, Fatemeh Razavi, Helia Abedini, Niloofar Rahimi, Arman Rahmim, Mohammad Salmanpour

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文研究了多中心CT放射组学在肺癌中EGFR和KRAS双重预测中的应用，通过结合手工特征和深度特征，提出稳定性意识建模和SHAP解释方法，提升预测鲁棒性。

Cylindrical Metasurface for Efficient Traveling-wave MRI at 7 T

用于7T traveling-wave MRI的圆柱形超材料

Kristina I. Popova, Georgiy A. Solomakha, Zicheng Wen, Mikhail M. Popov, Xiatong Zhang, Stanislav B. Glybovski, Yang Gao

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文设计了一种超薄圆柱形超材料，用于提高7T traveling-wave MRI的传输效率，通过优化单元格几何结构和PCB电容，实现了比传统介质波导更高的B1+均匀性、传输效率和SAR效率。

DALC-CT: Dynamic Analysis of Low-Level Code Traces for Constant-Time Verification

DALC-CT：低级代码轨迹动态分析用于常数时间验证

Nges Brian Njungle, Edwin P. Kayang, Mishel J. Paul, Michel A. Kinsy

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文提出DALC-CT工具，通过动态分析低级执行轨迹检测程序是否符合常数时间原则，验证方法基于指令序列比较，能有效识别非常数时间行为。

Comments 9 pages

VQ-Wave: A physics-driven spatio-temporal deep learning approach for non-contrast-enhanced lung ventilation and perfusion MRI

VQ-Wave：一种基于物理的时空深度学习方法用于非对比增强肺通气和灌注MRI

Grzegorz Bauman, Pavlos Panos, Philipp Latzin, Oliver Bieri

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出VQ-Wave方法，通过合成信号模型训练时空 inception 神经网络，以估计通气和灌注参数，克服生理非平稳性带来的限制，提升肺MRI的功能成像可靠性。

AI-Driven Radiology Report Generation for Traumatic Brain Injuries

Riadh Bouslimi, Houda Trabelsi, Wahiba Ben Abdssalem Karaa, Hana Hedhli

机构 * Higher School of Digital Economics, Manouba, University of Manouba, Tunisia（数字经济学高等学院，曼布巴，曼布巴大学，突尼斯） ； Higher Institute of Management of Tunis, University of Tunis, Tunisia（突尼斯管理高等学院，突尼斯大学，突尼斯） ； Emergency Department Charles Nicolle Hospital, Tunis El Manar University, Tunisia（查尔斯·尼科勒医院急诊部，突尼斯埃尔曼纳大学，突尼斯） 纠错

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

Journal ref J.Imaging.Inform.Med. 1 (2025) 1-16

U-Net in Medical Image Segmentation: A Review of Its Applications Across Modalities

Fnu Neha, Deepshikha Bhati, Deepak Kumar Shukla, Sonavi Makarand Dalvi, Nikolaos Mantzou, Safa Shubbar

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

Efficient Computing for Medical Image Acquisition and Reconstruction

医学图像采集与重建的高效计算

Xiao Wang, Jayasai Rajagopal, Md Safaiat Hossain, Peng Chen, Mohamed Wahib, Enzhi Zhang, Emma J. Reid

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

AI总结 探讨医学图像采集与重建，回顾各成像模态物理及采集过程，推导通用框架，讨论多种重建方法及计算特性，研究高效计算考量，展示成像物理、数学建模与高效计算整合可实现准确且可扩展的医学图像重建。

Comments book chapter for textbook "Medical Image Vision Handbook"

XClipGS: Exact Half-Space Clipping for Medical Volume Gaussian Splatting

XClipGS: 用于医学体高斯溅射的精确半空间裁剪

Zhongpai Gao, Benjamin Planche, Meng Zheng, Anwesa Choudhuri, Chaoyi Zhou, Terrence Chen, Ziyan Wu

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；分类 cs.CV

AI总结 本文提出XClipGS精确裁剪方法，通过闭式逐像素算子实现医学体高斯溅射的半空间精确裁剪，在8组CT/MRI数据集上，其PSNR、SSIM等指标均优于现有方法，渲染速度超650 FPS且泄漏量显著降低。

Patient Pose Assessment Using a CT-Based Framework for Synthetic Data Generation

基于CT合成数据生成框架的患者姿态评估

Manuel Laufer, Dominik Mairhöfer, Malte Sieren, Hauke Gerdes, Fabio Leal dos Reis, Arpad Bischof, Thomas Käster, Erhardt Barth, Jörg Barkhausen, Thomas Martinetz

机构 * Institute for Neuro- and Bioinformatics, University of Lübeck（吕贝克大学神经与生物信息学研究所） ； University Medical Center Schleswig-Holstein（石勒苏益格-荷尔斯泰因大学医学中心） ； IMAGE Information Systems Europe GmbH（IMAGE信息系统欧洲有限公司） ； Pattern Recognition Company GmbH（模式识别有限公司） 纠错

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

AI总结 该研究提出基于CT的合成数据生成框架，用于解决放射图像患者姿态评估中真实训练数据获取难的问题，经3077对踝关节图像预训练后，真实踝关节姿态评估性能提升最多11个百分点。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:027

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Depth to Anatomy: Organ Localization from Depth Images for Automated Patient Table Positioning in Radiology Workflow

深度到解剖：从深度图像中定位器官以实现放射学工作流程中的自动化患者台定位

Eytan Kats, Kai Geissler, Daniel Mensing, Julien Senegas, Jochen G. Hirsch, Stefan Heldman, Mattias P. Heinrich

专题命中 医学影像 ：MRI(summary_cn,abstract)；radiology(title,abstract)；biomedical(comments,journal_ref)；分类 cs.CV

AI总结 本文提出基于学习的框架，通过单张2D深度图像预测41种解剖结构的3D位置和形状，利用MRI数据训练卷积神经网络，实现器官预测，提升患者定位自动化水平。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:024

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Motion-Guided Causal Disentanglement for Robust Multi-View Cine Cardiac MRI Diagnosis

运动引导的因果解耦用于鲁棒多视角电影心脏MRI诊断

Chuankai Xu, Cristiane De Carvalho Singulane, Mohammad Abuannadi, Stephen Chandler, Jeremy Slivnick, Karolina Zareba, Jane Cao, Vidya Nadig, Fabio Fernandes, Seth Uretsky, Diego Perez de Arenaza, Amit Patel, Jianxin Xie

机构 * University of Virginia（弗吉尼亚大学） ； University of Chicago（芝加哥大学） ； Ohio State University（俄亥俄州立大学） ； St. Francis Hospital & Heart Center（圣弗朗西斯医院及心脏中心） ； Hartford HealthCare（哈特福德医疗集团） ； Instituto do Coração (InCor)（心脏研究所（InCor）） ； Atlantic Health System（大西洋健康系统） ； Sociedad Italiana de Beneficencia (Hospital Italiano)（意大利慈善协会（意大利医院）） 纠错

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

AI总结 提出运动引导的视角-疾病解耦框架MoViD，通过双分支监督对比学习和梯度反转对抗约束分离视角特定与疾病判别特征，结合无标注时间运动特征定位心脏区域并缓解类别不平衡，在静脉血栓数据集和两个公开基准上超越标准Transformer基线。

Omni-tomography/Multi-tomography -- Integrating Multiple Modalities for Simultaneous Imaging

全模态断层成像/多模态断层成像——整合多种模态实现同步成像

Ge Wang, Jie Zhang, Hao Gao, Victor Weir, Hengyong Yu, Wenxiang Cong, Xiaochen Xu, Haiou Shen, James Bennett, Yue Wang, Michael Vannier

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；分类 cs.CV

AI总结 本文提出全模态断层成像（omni-tomography）概念，通过整合CT、MRI、PET、SPECT、超声、光学等多种成像机制实现真正同步的局部重建，克服现有模态融合方法在配准误差和物理限制方面的固有局限。

Comments 43 pages, 15 figures, 99 references, provisional patent applications filed by Virginia Tech

ConvNeXt-FD: A Fractal-Based Deep Model for Robust Biomedical Image Segmentation

ConvNeXt-FD：一种基于分形的深度模型用于鲁棒的生物医学图像分割

Joao Batista Florindo, Amanda Pontes de Oliveira Ornelas

机构 * Institute of Mathematics, Statistics and Scientific Computing, Department of Applied Mathematics, University of Campinas（数学、统计与科学计算研究所，应用数学系，坎皮纳斯大学） 纠错

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

AI总结 本文提出了一种基于分形的深度学习模型ConvNeXt-FD，用于提高生物医学图像分割的鲁棒性，通过结合Dice系数和边界感知正则化项，提升模型对物体边界和形状保真的敏感性。

Advancements in Non-Invasive Neuroimaging: Exploring the Potential of Radar Technology for Brain Imaging and Tumour Detection

非侵入性神经影像学的进展：雷达技术在脑成像和肿瘤检测中的潜力探索

Keniel Peart, Indu Bodala, Shelly Vishwakarma

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；分类 eess.SP

AI总结 本研究探讨了雷达技术在非侵入性脑成像和肿瘤检测中的应用，为MRI和CT扫描提供替代方案。通过Ansys HFSS模拟电磁相互作用，评估了贴片天线和Vivaldi天线在脑组织中的穿透性、信号强度和安全性。结果显示，贴片天线最适合肿瘤定位，而Vivaldi天线适用于更广泛的扫描应用。尽管在安全、更易获取的成像方面具有潜力，尤其是在资源有限的环境中，但需要进一步研究以推进该技术在非侵入性医疗诊断中的应用。

Comments 7 pages, 7 figures, published at 2024 IEEE EMBC, Orlando, FL, USA

Journal ref 2024 46th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), pp. 1-6, 2024

A Multi-Dataset Benchmark of Multiple Instance Learning for 3D Neuroimage Classification

多数据集下的3D神经影像分类多实例学习基准测试

Ethan Harvey, Dennis Johan Loevlie, Amir Ali Satani, Wansu Chen, David M. Kent, Michael C. Hughes

机构 * Department of Computer Science（计算机科学系） ； Tufts University（塔夫茨大学） ； Predictive Analytics and Comparative Effectiveness Center（预测分析与比较效果中心） ； Tufts Medical Center（塔夫茨医疗中心） ； Kaiser Permanente Southern California（Kaiser Permanente 南加州地区） 纠错

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；分类 cs.LG

AI总结 本文通过三个CT和四个MRI数据集比较了简单MIL、基于注意力的MIL、3D CNN和3D ViTs，发现简单均值池化MIL在四个中等规模任务中表现优异，且训练速度快25倍，揭示了现有MIL方法的局限性。

DoseRAD2026 Challenge dataset: AI accelerated photon and proton dose calculation for radiotherapy

DoseRAD2026挑战数据集：AI加速的光子和质子剂量计算用于放射治疗

Fan Xiao, Nikolaos Delopoulos, Niklas Wahl, Lennart Volz, Lina Bucher, Matteo Maspero, Miguel Palacios, Muheng Li, Samir Schulz, Viktor Rogowski, Ye Zhang, Zoltan Perko, Christopher Kurz, George Dedes, Guillaume Landry, Adrian Thummerer

机构 * Department of Radiation Oncology, LMU University Hospital, LMU Munich, Munich, Germany（路德维希-马克西米利安慕尼黑大学医学院放射肿瘤科，慕尼黑大学医院，慕尼黑，德国） ； Division of Medical Physics in Radiation Oncology, German Cancer Research Center (DKFZ), Heidelberg, Germany（放射肿瘤学中的医学物理部门，德国癌症研究中心（DKFZ），海德堡，德国） ； National Center for Radiation Research in Oncology (NCRO), Heidelberg Institute for Radiation Oncology (HIRO), Heidelberg, Germany（肿瘤放射研究国家中心（NCRO），海德堡放射肿瘤学研究所（HIRO），海德堡，德国） ； GSI Helmholtzzentrum für Schwerionenforschung, Biophysics Department, Darmstadt, Germany（重离子研究中心GSI，生物物理部门，达姆施塔特，德国） ； Department of Physics and Astronomy, Heidelberg University, Heidelberg, Germany（海德堡大学物理与天文学系，海德堡，德国） ； Institute of Biomedical Engineering, Karlsruhe Institute of Technology, Baden-Württemberg, Germany（生物医学工程研究所，卡尔斯鲁厄理工学院，巴登-符腾堡，德国） ； Department of Radiotherapy, University Medical Center Utrecht, Utrecht, Netherlands（放射治疗科，乌得勒支大学医学中心，乌得勒支，荷兰） ； Department of Radiation Oncology, Amsterdam UMC location Vrije Universiteit Amsterdam, Cancer Center Amsterdam, Cancer Treatment and Quality of Life, Amsterdam, Netherlands（放射肿瘤学系，阿姆斯特丹自由大学阿姆斯特丹校区，阿姆斯特丹癌症中心，癌症治疗与生活质量，阿姆斯特丹，荷兰） ； Center for Proton Therapy, Paul Scherrer Institute (PSI), Villigen, Switzerland（质子治疗中心，瑞士保罗·谢尔研究所（PSI），维利根，瑞士） ； Department of Radiation Oncology, University Hospital Heidelberg, Heidelberg, Germany（放射肿瘤学系，海德堡大学医院，海德堡，德国） ； Radiation Physics, Department of Hematology, Oncology, and Radiation Physics, Skåne University Hospital, Lund, Sweden（放射物理，血液学、肿瘤学和放射物理部门，斯德哥尔摩大学医院，吕勒奥，瑞典） ； Delft University of Technology, Department of Radiation Science and Technology, Delft, Netherlands（代尔夫特理工大学，辐射科学与技术系，代尔夫特，荷兰） ； Radformation Inc., New York, US（Radformation公司，纽约，美国） 纠错

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；分类 cs.CV

AI总结 本研究提出DoseRAD2026数据集，用于评估AI在放射治疗中快速准确计算光子和质子剂量的方法，包含115名患者的CT和MRI配对数据及蒙特卡洛剂量分布。

GIIM: Graph-based Learning of Inter- and Intra-view Dependencies for Multi-view Medical Image Diagnosis

GIIM: 基于图的学习的多视图医学图像诊断中视图间和视图内依赖关系

Tran Bao Sam, Hung Vu, Dao Trung Kien, Tran Dat Dang, Van Ha Tang, Steven Truong

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

AI总结 GIIM通过建模多视图医学图像中视图间和视图内依赖关系，提升诊断准确性和鲁棒性。

Comments To appear in the 40th AAAI Conference on Artificial Intelligence (AAAI-26). 10 pages, 2 figures

ReBrain: Brain MRI Reconstruction from Sparse CT Slice via Retrieval-Augmented Diffusion

ReBrain: 通过检索增强扩散模型从稀疏CT切片重建脑部MRI

Junming Liu, Yifei Sun, Weihua Cheng, Yujin Kang, Yirong Chen, Ding Wang, Guosun Zeng

机构 * Tongji University（同济大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 ReBrain通过检索增强扩散模型从稀疏CT切片重建脑部MRI，利用BBDM和ControlNet实现结构连续性，提升稀疏条件下的跨模态重建性能。

Comments 16 pages, 12 figures, 7 tables; Accepted by WACV 2026

CT-GLIP: 3D Grounded Language-Image Pretraining with CT Scans and Radiology Reports for Full-Body Scenarios

CT-GLIP：基于CT扫描和放射报告的3D grounded语言-图像预训练，用于全身场景

Jingyang Lin, Yingda Xia, Jianpeng Zhang, Ke Yan, Kai Cao, Le Lu, Jiebo Luo, Ling Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； University of Rochester（罗切斯特大学） ； Hupan Lab, \postcode 10587, \state Hangzhou, \country China（华普实验室，浙江省杭州市，中国） ； Department of Radiology, Shanghai Institution of Pancreatic Disease, \state Shanghai, \country China（胰腺疾病研究所放射科，上海市，中国） 纠错

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

AI总结 CT-GLIP通过构建细粒度CT报告对，提升3D grounded语言-图像预训练，实现更精确的跨模态对齐，从而在零样本任务中提升器官识别和肿瘤检测性能。

DINOv3-Guided Cross Fusion Framework for Semantic-aware CT generation from MRI and CBCT

Xianhao Zhou, Jianghao Wu, Ku Zhao, Jinlong He, Huangxuan Zhao, Lei Chen, Shaoting Zhang, Guotai Wang

机构 * Faculty of Information Technology, Monash University（墨尔本大学信息科技学院） ； Institute of Artificial Intelligence, School of Computer Science, Wuhan University（武汉大学计算机科学学院人工智能研究所） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） 纠错

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

A Novel Vision Transformer with Residual in Self-attention for Biomedical Image Classification

Arun K. Sharma, Nishchal K. Verma

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

Journal ref Pattern Recognition, Volume 172, Part B, April 2026, 112497

Screener: Self-supervised Pathology Segmentation in Medical CT Images

Mikhail Goncharov, Eugenia Soboleva, Mariia Donskova, Daniil Ignatyev, Mikhail Belyaev, Ivan Oseledets, Marina Munkhoeva, Maxim Panov

机构 * IRA-Labs（IRA实验室） ； Institute of Numerical Mathematics（数值数学研究所） ； MSU（莫斯科国立大学） ； MBZUAI（穆萨大学人工智能研究所） 纠错

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

Radiology Report Conditional 3D CT Generation with Multi Encoder Latent diffusion Model

Sina Amirrajab, Zohaib Salahuddin, Sheng Kuang, Henry C. Woodruff, Philippe Lambin

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