Non-local U-Net for Biomedical Image Segmentation
专题命中 医学影像 :medical image(title,abstract);biomedical(title,abstract);分类 cs.CV、cs.LG
Comments In Proceedings of the 34th AAAI Conference on Artificial Intelligence (AAAI), 2019
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。
专题命中 医学影像 :medical image(title,abstract);biomedical(title,abstract);分类 cs.CV、cs.LG
Comments In Proceedings of the 34th AAAI Conference on Artificial Intelligence (AAAI), 2019
专题命中 医学影像 :MRI(title,abstract);diagnosis(title,abstract);分类 cs.LG、eess.IV
专题命中 医学影像 :MRI(title,abstract);CT(title,abstract);分类 cs.CV、eess.IV
Comments This paper has been accepted by MICCAI 2019
专题命中 医学影像 :CT(title,abstract);medical image(title);radiology(abstract);分类 cs.CV、cs.LG
Comments This paper is included in the Proceedings of the 28th USENIX Security Symposium (USENIX Security 2019)
专题命中 医学影像 :medical image(title,abstract);biomedical(title,abstract);分类 cs.CV、eess.IV
Comments Accepted by AAAI2019 as oral presentation
专题命中 医学影像 :MRI(title,abstract);pathology(title,abstract);分类 cs.CV、cs.LG
专题命中 医学影像 :medical image(title,abstract);biomedical(title,abstract);分类 cs.CV、cs.LG
Comments To appear in MIDL2019 and PMLR
专题命中 医学影像 :medical image(title,abstract);diagnosis(title,abstract);分类 cs.CV;biomedical(comments)
Comments IEEE International Symposium on Biomedical Imaging (ISBI 2024)
专题命中 医学影像 :medical image(title,abstract);biomedical(title,abstract);分类 cs.CV
Comments Medical Image Computing and Computer Assisted Interventions (MICCAI) 2021
专题命中 医学影像 :diagnosis(title,abstract);biomedical(abstract,journal_ref);CT(abstract);radiology(abstract)
Comments Added journal submission info
Journal ref IEEE Reviews in Biomedical Engineering (2020)
专题命中 医学影像 :MRI(title,abstract);diagnosis(title,abstract);分类 cs.CV;medical image(comments)
Comments Submitted to Medical Image Analysis
专题命中 医学影像 :medical image(title,abstract);CT(title,abstract);分类 cs.CV;biomedical(comments)
Comments 10 pages. Submitted to LABELS2018 - MICCAI Workshop on Large-scale Annotation of Biomedical data and Expert Label Synthesis
专题命中 医学影像 :MRI(title,abstract);CT(title,abstract);分类 cs.CV;medical image(comments)
Comments 8 pages, 7 figures, accepted to Medical Image Computing and Computer Assisted Interventions Conference (MICCAI) 2017
专题命中 医学影像 :medical image(title,abstract);biomedical(title,abstract);分类 cs.CV
Comments Accepted to 2nd Workshop on Deep Learning in Medical Image Analysis (DLMIA 2016); Added references
用于胎儿脑室体积测量与异常筛查的跨模态超声-MRI学习
专题命中 医学影像 :MRI(title,title_cn);分类 cs.CV、cs.LG、eess.IV
AI总结 本研究提出跨模态学习框架VIFBA,基于超声视频实现胎儿脑室体积预测、VM严重程度分类及非VM异常筛查,性能优于基线与现有模型,为产前脑筛查提供实用方案。
Comments 17 pages, 11 figures, 6 tables
基于复波let的sinogram分割用于锥束CT中金属伪影的减少
专题命中 医学影像 :CT(title,title_cn)
AI总结 本文提出基于复波let的投影域金属伪影减少方法,通过分析性金属分割提升锥束CT图像质量。
用于减轻疾病分类器偏差和检测偏差的人口统计学条件合成医学图像
机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University(马斯特里赫特大学科学与工程学院数据科学研究所) ; Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University(马斯特里赫特大学科学与工程学院高级计算科学系) ; VITO(比利时弗拉芒技术研究所)
专题命中 医学影像 :CT(summary_cn,abstract);medical image(title,abstract)
AI总结 研究医学图像分类器亚组公平性审计的样本量问题,提出用人口统计学条件合成生成器减轻训练偏差、检测评估偏差。以COVID-19胸部CT分类为例,发现其在偏差减轻和检测上的作用,如预训练效果好、能再现亚组排名等。
使用旋转视图EPI和高斯原型的联合场图/图像估计的畸变校正扩散MRI
机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital, and the School of Computation, Information and Technology, TUM(慕尼黑工业大学(TUM)医疗与医学人工智能教席、TUM大学医院、计算信息与技术学院) ; Neuroimaging Technology Research Center, Department of Radiology and Biomedical Imaging, University of California, San Francisco(加州大学旧金山分校放射与生物医学影像系神经影像技术研究中心) ; Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences(中国科学院精密测量科学与技术创新研究院) ; Department of Radiology, Stanford University(斯坦福大学放射学系) ; Munich Center for Machine Learning (MCML)(慕尼黑机器学习中心(MCML)) ; Department of Computing, Imperial College London(伦敦帝国理工学院计算系)
专题命中 医学影像 :MRI(title,title_cn);分类 cs.CV、eess.IV、eess.SP
AI总结 提出一种物理信息框架,直接从k空间联合估计B0场和无畸变图像,避免中间并行成像重建,通过高斯原型的连续参数化表示图像和场,支持旋转视图EPI,在高b值和高加速下显著改善畸变校正质量。
CaresAI at CT-DEB26: 使用领域特定Transformer嵌入和分类模型检测临床试验中的剂量错误
专题命中 医学影像 :CT(title,title_cn);biomedical(abstract)
AI总结 本研究利用基于生物医学语料训练的Transformer模型(如BioBERT)编码临床试验文本,结合结构化元数据,通过机器学习模型检测剂量错误,最高ROC-AUC达0.853。
Comments 18 pages, published in CL4Health 2026 proceedings (3rd Workshop on Patient-oriented language processing) @ LREC 2026 http://lrec-conf.org/proceedings/lrec2026/workshops/cl4health/2026.cl4health-1.0.pdf
Journal ref Proceedings of the Third Workshop on Patient-Oriented Language Processing, CL4Health 2026, 12 May 2026
MRI质子共振频率测量中背景相位去除的新方法
专题命中 医学影像 :MRI(title,title_cn)
AI总结 本文提出一种基于高阶边缘检测和稀疏图像表示的新方法,用于去除MRI质子共振频率测量中的背景相位,以恢复有用信息。
对低场MRI系统中电磁噪声消除的评论(arXiv:2509.05955v1, 2406.17804v3, 2210.06730v2及相关研究)
专题命中 医学影像 :MRI(title,title_cn)
AI总结 本文评论了低场MRI中电磁干扰抑制的新方法,指出外部感应线圈后处理策略在实际条件下无法完全消除噪声,其残留信号污染高于最优硬件预处理效果。
Comments Comments on arXiv:2509.05955, arXiv:2406.17804, arXiv:2210.06730
专题命中 医学影像 :medical image(title,abstract);MRI(abstract);CT(abstract);diagnosis(abstract)
Comments 8 pages
专题命中 医学影像 :medical image(title,abstract);MRI(abstract);CT(abstract);diagnosis(abstract)
Comments 13 pages, 7 figures, 7 tables
专题命中 医学影像 :CT(title,abstract);medical image(abstract);diagnosis(abstract);radiology(abstract)
Comments Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops 2023
专题命中 医学影像 :MRI(title,abstract);medical image(abstract);pathology(abstract);diagnosis(abstract)
Comments Accepted for presentation at MICCAI 2022
面向资源的进化神经架构搜索用于心脏MRI分割
机构 * School of Computer Science, Nanjing University of Information Science and Technology(南京信息工程大学计算机科学学院) ; School of Software, Nanjing University of Information Science and Technology(南京信息工程大学软件学院) ; Eastern University(东东大学) ; Research Centre for Intelligent Healthcare, Coventry University(科文大学智能医疗研究中心) ; National Medical Research Association(国家医学研究协会) ; Faculty of Engineering and Technology, Muscat University(穆斯cat大学工程与技术学院) ; College of Computer and Information Sciences, King Saud University(沙特国王大学计算机与信息学院)
专题命中 医学影像 :MRI(title,title_cn);分类 cs.CV、cs.LG
AI总结 本文提出CardiacNAS,一种结合UNet-like supernet和心脏感知搜索空间的进化神经架构搜索框架,通过优化Dice相似度系数和Hausdorff距离与模型大小和FLOPs的平衡,实现心脏MRI分割的高精度与高效能。
Journal ref F. Yasmin et.al., "Resource-Aware Evolutionary Neural Architecture Search for Cardiac MRI Segmentation," 28th International Conference on Computer and Information Technology (ICCIT), 2025, pp. 2819-2824
专题命中 医学影像 :medical image(title,abstract);MRI(abstract);CT(abstract);diagnosis(abstract)
Comments Submitted to Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization
专题命中 医学影像 :medical image(title,abstract);CT(abstract);diagnosis(abstract);radiology(abstract)
Comments Accepted to Medical Image Computing and Computer Assisted Intervention (MICCAI) 2020
专题命中 医学影像 :medical image(title,abstract);biomedical(abstract,journal_ref);MRI(abstract);CT(abstract)
Comments Zhe Guo and Xiang Li contribute equally to this work
Journal ref 2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018), Washington, DC, 2018, pp. 903-907
Mr3D-VL:面向多参数3D磁共振成像的通用视觉语言基础模型
专题命中 医学影像 :MRI(summary_cn,abstract);CT(abstract,abstract_cn);diagnosis(abstract);分类 cs.CV
AI总结 本文针对现有3D视觉语言模型无法满足多参数3D MRI跨模态协同推理需求的问题,提出Mr3D-VL模型,通过特定设计实现性能提升,在多项任务上优于同规模的领域及通用模型。