医学 AI

MPFlow: Multi-modal Posterior-Guided Flow Matching for Zero-Shot MRI Reconstruction

MPFlow: 多模态后验引导的流匹配用于零样本MRI重建

Seunghoi Kim, Chen Jin, Henry F. J. Tregidgo, Matteo Figini, Daniel C. Alexander

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 纠错

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: Spatial Reverse Mamba Attention Network for Pathological Liver Segmentation in MRI Volumes

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

Jun Zeng, Quoc-Huy Trinh, Deepak Ranjan Nayak, Nikhil Kumar Tomar, Ulas Bagci, Debesh Jha

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） 纠错

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

MotionDPS: Motion-Compensated 3D Brain MRI Reconstruction

MotionDPS: 3D脑部MRI重建中的运动补偿

Antonio Ortiz-Gonzalez, Erich Kobler, Lukas Schletter, Alexander Effland

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） 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)

Backbone-Conditional Behavior of Modality Gating in Multi-Modal Prostate MRI Segmentation: A 5-Fold Cross-Validation and Gate Mechanism Analysis

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

Yongbo Shu, Wenzhao Xie, Shanhu Yao, Zirui Xin, Luo Lei, Kewen Chen, Aijing Luo

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） 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: Iterative Latent Volumes for Fast and Accurate Sparse-View CT Reconstruction

ILV: 用于快速准确稀疏视角CT重建的迭代潜在体

Seungryong Lee, Woojeong Baek, Joosang Lee, Eunbyung Park

机构 * Sungkyunkwan University（成均馆大学） ； Yonsei University（延世大学） 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/

VISTA: Variance-Gated Inter-Sequence Test-Time Adaptation for Multi-Sequence MRI Segmentation

VISTA: 用于多序列MRI分割的方差门控跨序列测试时间适应

Zhipeng Deng, Jiale Zhou, Wenhan Jiang, Haolin Wang, Xun Lin, Yafei Ou, Yefeng Zheng

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） 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

Iterative Diffusion-Refined Neural Attenuation Fields for Multi-Source Stationary CT Reconstruction: NAF Meets Diffusion Model

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

Jiancheng Fang, Shaoyu Wang, Junlin Wang, Weiwen Wu, Yikun Zhang, Qiegen Liu

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） 纠错

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。

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。

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

Zero-Shot Multi-Disease Labeling of Chest, Abdomen, and Pelvis CT Reports Using Open-Weight Large Language Models: The Effect of Labeling Conventions

评估大型语言模型在跨器官系统CT放射报告零样本疾病标注中的效果

Michael E. Garcia-Alcoser, Mobina Ghojoghnejad, Fakrul Islam Tushar, David Kim, Kyle J. Lafata, Geoffrey D. Rubin, Joseph Y. Lo

专题命中 医学影像 ：CT(title,title_cn)；radiology(comments)

AI总结 本研究评估了大型语言模型在CT报告零样本疾病标注中的效果，发现轻量级LLMs在多器官系统标注中表现优于规则方法，但需注意二元标签的局限性。

Comments 19 pages, 6 figures, 4 tables. Under review in Radiology: Artificial Intelligence

Group-Patch Joint Compression: Compressing Dynamic B0 and Static RF Spatial Modulations Across k-Space Subregion Groups for Highly Accelerated MRI

组块联合压缩用于高加速MRI：在k空间子区域组内压缩动态B0和静态RF空间调制

Rui Tian, Klaus Scheffler

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出组块联合压缩方法，通过在k空间子区域组内压缩动态B0和静态RF调制，显著提升MRI加速效果，减少重建时间和内存使用。

Comments Magnetic Resonance in Medicine

Journal ref R. Tian and K. Scheffler, Group-Patch Joint Compression: Compressing Dynamic B0 and Static RF Spatial Modulations Across k-Space Subregion Groups for Highly Accelerated MRI, Magnetic Resonance in Medicine (2026): 1-21

Terbium-149 PET/CT: First Quantitative Imaging with a Clinical Long-Axial Field-of-View Scanner

149terbium PET/CT：首个临床长轴视野扫描仪的定量成像

Lorenzo Mercolli, Pascal V. Grundler, Anzhelika N. Moiseeva, Lars Eggimann, Saverio Braccini, Ulli Köster, Nicholas P. van der Meulen

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文评估了149terbium在临床长轴视野PET/CT系统中的成像性能和定量准确性，发现其定量精度可与18F的EARL标准2相媲美，展示了149terbium在靶向α治疗中的应用潜力。

A Master-Slave Robot Manipulator for Needle-Based Teleoperation in MRI Chamber

用于MRI室内经针遥操作的主从机器人操纵器

Omar Curiel, Jing-Yuan Huang, Po-Chih Chen, Ji Ma, Qing Dai, Wenqi Zhou, David Lu, Holden H. Wu, Tsu-Chin Tsao

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究开发了一种MRI安全的主从机器人操纵器，可实现多模态控制，支持协作任务，经初步实验验证适用于MRI室内床边手动控制模式下的活体猪介入操作。

Comments 14 pages, 12 figures

Equivariant Conditional Diffusion Model for Head and Neck CT Image Synthesis from CBCT

用于从CBCT合成头颈CT图像的等变条件扩散模型

Alzahra Altalib, Chunhui Li, Alessandro Perelli

专题命中 医学影像 ：CT(title,title_cn)

AI总结 针对CBCT图像有伪影、CT图像难捕捉治疗中解剖变化的问题，提出EqDiff-CT模型，基于扩散概率模型和群等变条件U-Net主干，从CBCT合成高质量CT图像，经实验验证在多方面有显著提升，为CBCT改进提供框架。

Comments 43 pages, 9 figures, 6 tables, accepted in Medical Physics

Acoustic-to-Articulatory Inversion of Clean Speech Using an MRI-Trained Model

使用MRI训练模型实现无噪声语音的听觉到发音倒置

Sofiane Azzouz, Pierre-André Vuissoz, Yves Laprie

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究通过使用无噪声语音替代MRI去噪语音，实现了更有效的发音倒置，达到接近MRI性能的精度。

An in vivo validation dataset for dynamic volumetric MRI

用于动态体素MRI的活体验证数据集

Max H. C. van Riel, David G. J. Heesterbeek, Martijn Froeling, Cornelis A. T. van den Berg, Alessandro Sbrizzi

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出一个公开可用的活体数据集，用于验证和改进动态体素MRI的重建方法，通过可控变形和欠采样数据实现活体验证。

Comments 11 pages, 5 figures, 2 tables. Accepted for publication in Scientific Data

Journal ref Scientific Data (2026)

Visualising Parker Weighting in Short-Scan Cone-Beam Micro-CT: A Practical Reference

可视化Parker加权在短扫描锥束微CT中的应用：一个实用参考

Falk L Wiegmann, Nancy L Ford

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文通过可视化和定量分析，展示Parker加权在eXplore CT 120扫描仪中的应用，揭示其在减少方向性伪影和提高图像质量中的作用。

Pre-CAT: A web-based, graphical user-interface toolbox for preclinical CEST-MRI data processing and analysis

Pre-CAT：一种用于预临床CEST-MRI数据处理和分析的网页式图形用户界面工具箱

Jonah Weigand-Whittier, Samuel Rubin, Cindy Ayala, Mark Velasquez, Nikita Vladimirov, Hadas Avraham, Or Perlman, M. Roselle Abraham, Moriel H. Vandsburger

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出Pre-CAT，一种开源图形界面工具，旨在标准化预临床CEST-MRI数据分析流程，支持多种成像类型和分析方法，提升跨研究协作效率。

Improving Factuality of 3D Brain MRI Report Generation with Paired Image-domain Retrieval and Text-domain Augmentation

通过配对图像域检索和文本域增强提高3D脑MRI报告生成的事实准确性

Junhyeok Lee, Yujin Oh, Dahyoun Lee, Hyon Keun Joh, Minchul Kim, Chul-Ho Sohn, Sung Hyun Baik, Cheol Kyu Jung, Jung Hyun Park, Kyu Sung Choi, Byung-Hoon Kim, Jong Chul Ye

机构 * Cancer Biology, Seoul National University College of Medicine, Korea（首尔国立大学医学院癌症生物学系，韩国） ； Radiology, Massachusetts General Hospital（麻省总医院放射科） ； Harvard Medical School（哈佛医学院） ； Biomedical Systems Informatics, Yonsei University College of Medicine, Korea（延世大学医学院生物医学系统信息学系，韩国） ； Graduate School, Yonsei University, Korea（延世大学研究生院，韩国） ； Radiology, Seoul National University College of Medicine, Korea（首尔国立大学医学院放射科，韩国） ； Radiology, Seoul National University Hospital, Korea（首尔国立大学医院放射科，韩国） ； Radiology, Seoul National University Bundang Hospital, Korea（首尔国立大学 Bundang 医院放射科，韩国） ； Radiology, SMG-SNU Boramae Medical Center, Korea（SMG-SNU Boramae 医疗中心放射科，韩国） ； Psychiatry, Yonsei University College of Medicine, Korea（延世大学医学院精神病学系，韩国） ； Behavioral Sciences in Medicine, Yonsei University College of Medicine, Korea（延世大学医学院医学行为科学系，韩国） ； Yonsei Institute for Digital Health, Korea（延世大学数字健康研究院，韩国） ； Kim Jaechul Graduate School of AI, KAIST, Korea（金 Jaechul人工智能研究生院，韩国） 纠错

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

AI总结 提出PIRTA框架，通过检索相似3D DWI/ADC图像并利用其配对报告指导LLM生成，避免显式跨模态对齐，显著提高缺血区域准确性。

Comments MICCAI 2026

An Approach to Simultaneous Acquisition of Real-Time MRI Video, EEG, and Surface EMG for Articulatory, Brain, and Muscle Activity During Speech Production

一种用于言语产生过程中发音、大脑和肌肉活动的实时MRI视频、脑电图和表面肌电图同步采集方法

Jihwan Lee, Parsa Razmara, Kevin Huang, Sean Foley, Aditya Kommineni, Haley Hsu, Woojae Jeong, Prakash Kumar, Xuan Shi, Yoonjeong Lee, Tiantian Feng, Takfarinas Medani, Ye Tian, Sudarsana Reddy Kadiri, Krishna S. Nayak, Dani Byrd, Louis Goldstein, Richard M. Leahy, Shrikanth Narayanan

机构 * Signal Analysis and Interpretation Laboratory, University of Southern California（南加州大学信号分析与解释实验室） ； Ming Hsieh Dept. of Electrical and Computer Engineering, University of Southern California（南加州大学明希斯电气与计算机工程系） ； Dept. of Linguistics, University of Southern California（南加州大学语言学系） 纠错

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文首次实现了言语产生过程中实时MRI、EEG和表面EMG的同步采集，并提出了针对三模态设置的伪影抑制流程，为言语神经科学和脑机接口提供新视角。

Comments Accepted for Interspeech 2026

Qualitative and quantitative hard-tissue MRI with portable Halbach scanners

使用便携式Halbach扫描仪进行定性和定量硬组织MRI

Jose Borreguero, Luiz G. C. Santos, Lorena Vega Cid, Elisa Castañón, Marina Fernández-García, Pablo Benlloch, Rubén Bosch, Jesús Conejero, Pablo García-Cristóbal, Alba González-Cebrián, Teresa Guallart-Naval, Eduardo Pallás, Laia Porcar, Lucas Swistunow, Jose Miguel Algarín, Fernando Galve, Joseba Alonso

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究开发了低场便携MRI的零回波时间(ZTE)成像框架，通过射频脉冲校准和场图校正实现无伪影成像，并在人体膝关节和踝关节上展示了韧带、肌腱等硬组织的三维成像及首次T1测量。

Comments 19 pages, 14 figures

Fast Electromagnetic and RF Circuit Co-Simulation for Passive Resonator Field Calculation and Optimization in MRI

用于MRI中无源谐振器场计算与优化的快速电磁与射频电路协同仿真

Zhonghao Zhang, Ming Lu, Hao Liang, Zhongliang Zu, Yi Gu, Xiao Wang, Yuankai Huo, Xinqiang Yan

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 提出一种协同仿真框架，通过单次全波电磁仿真结合电路计算与遗传算法，快速优化无源谐振器参数以增强MRI目标区域B1场，相对误差低于1%。

Journal ref Magnetic Resonance Imaging 129 (2026) 110644

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)

Deformable Medical Image Registration with KAN-based Implicit Neural Representations

基于KAN的隐式神经表示的可变形医学图像配准

Nikita Drozdov, Marat Zinovev, Dmitry Sorokin

机构 * Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学） 纠错

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

AI总结 提出基于KAN的INR框架KAN-IDIR与RandKAN-IDIR，用于无需数据集级训练的逐对优化可变形医学图像配准，在多模态医学图像上实现高准确性、低开销与稳定性，适用于临床研究。

Comments Accepted at Machine Learning and Knowledge Extraction

Enhancing MedSAM with a Lightweight Box Predictor for Medical Image Segmentation

通过轻量级框预测器增强 MedSAM 用于医学图像分割

Amirhossein Movahedisefat, Amirreza Fateh, Mohammad Reza Mohammadi

机构 * School of Computer Engineering, Iran University of Science and Technology (IUST)（伊朗科学技术大学计算机工程学院） 纠错

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

AI总结 提出一种集成轻量级框预测器的 MedSAM 增强框架，通过单次点击估计边界框以提升点提示的空间引导能力，在仅增加 1.6M 参数下显著提高多模态医学图像分割的准确性和鲁棒性。

Trexplorer Super: Topologically Correct Centerline Tree Tracking of Tubular Objects in CT Volumes

Trexplorer Super：CT 体积中管状物体的拓扑正确中心线树跟踪

Roman Naeem, David Hagerman, Jennifer Alvén, Lennart Svensson, Fredrik Kahl

机构 * Chalmers University of Technology（查尔姆斯理工大学） 纠错

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

AI总结 研究旨在改进 CT 体积中管状物体中心线跟踪。针对 Trexplorer 问题提出 Trexplorer Super，通过开发三个难度递增的中心线数据集，对现有 SOTA 模型全面评估，结果显示 Trexplorer Super 性能更优，且合成数据与真实数据表现有差异。

Comments Submitted Version. Accepted at MICCAI 2025

Complex Wavelet-Based Sinogram Segmentation for Metal Artifact Reduction in Cone-Beam CT

基于复波let的sinogram分割用于锥束CT中金属伪影的减少

Siiri Rautio, Alexander Meaney, Salla-Maaria Latva-Äijö, Harshit Agrawal, Mikael Brix, Dinidu Jayakody, Samuli Siltanen

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。

BrainG3N: A Dual-Purpose Tokenizer for Controllable 3D Brain MRI Generation

BrainG3N：用于可控3D脑MRI生成的双用途分词器

Max Van Puyvelde, Ibrahim Gulluk, Wim Van Criekinge, Olivier Gevaert

机构 * Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学系） ； Department of Mathematical Modelling, Statistics & Bioinformatics, Ghent University（根特大学数学建模、统计与生物信息学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

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

AI总结 提出基于3D掩码自编码器的分词器，解耦编码器与解码器，在23项线性探测任务中21项超越SOTA，并支持条件生成和纵向预测。

Converting T1-weighted MRI from 3T to 7T quality using deep learning

使用深度学习将 3T 的 T1 加权磁共振成像转换为 7T 质量

Malo Gicquel, Ruoyi Zhao, Anika Wuestefeld, Nicola Spotorno, Olof Strandberg, Kalle Åström, Yu Xiao, Laura EM Wisse, Danielle van Westen, Rik Ossenkoppele, Niklas Mattsson-Carlgren, David Berron, Oskar Hansson, Gabrielle Flood, Jacob Vogel

机构 * Department of Clinical Sciences Malmö, SciLifeLab, Lund University（马尔摩临床科学系、SciLifeLab、吕勒奥大学） ； Univ Rennes, CNRS, Inria, Inserm, IRISA UMR 6074, Empenn ERL U 1228（雷恩大学、CNRS、Inria、Inserm、IRISA UMR 6074、Empenn ERL U 1228） ； Clinical Memory Research Unit, Department of Clinical Sciences Malmö, Lund University（临床记忆研究单位、马尔摩临床科学系、吕勒奥大学） ； Centre for Mathematical Sciences, Lund University（数学科学中心、吕勒奥大学） ； Diagnostic Radiology Unit, Department of Clinical Sciences Lund, Lund University（诊断放射学单位、临床科学系、吕勒奥大学） ； Alzheimer Center Amsterdam, Vrije Universiteit Amsterdam, Amsterdam UMC（阿姆斯特丹阿尔茨海默病中心、阿姆斯特丹自由大学、阿姆斯特丹大学医学中心） ； Amsterdam Neuroscience, Neurodegeneration, Amsterdam, The Netherlands（阿姆斯特丹神经科学、神经退行性疾病、阿姆斯特丹、荷兰） ； Memory Clinic, Skåne University Hospital, Malmö, Sweden（记忆诊所、斯德哥尔摩大学医院、马尔摩、瑞典） ； German Center for Neurodegenerative Diseases, Magdeburg, Germany（德国神经退行性疾病中心、马格德堡、德国） ； Center for Behavioral Brain Sciences, Otto-von-Guericke University Magdeburg, Magdeburg, Germany（行为脑科学中心、奥托·冯·格里克大学马格德堡、马格德堡、德国） ； Visual Recognition Group, Faculty of Electrical Engineering, Czech Technical University in Prague（视觉识别组、电气工程系、布拉格技术大学） 纠错

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

AI总结 研究旨在用深度学习从 3T 脑 MRI 合成 7T 脑 MRI，训练了专门 U - Net 和 GAN U - Net 两个模型，其在评估指标上优于此前模型，合成图像在多方面表现良好，可提高图像质量与分割效果且不影响下游任务性能。