医学 AI

A Survey on Deep Learning of Small Sample in Biomedical Image Analysis

Pengyi Zhang, Yunxin Zhong, Yulin Deng, Xiaoying Tang, Xiaoqiong Li

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

Cross-modality (CT-MRI) prior augmented deep learning for robust lung tumor segmentation from small MR datasets

Jue Jiang, Yu-Chi Hu, Neelam Tyagi, Pengpeng Zhang, Andreas Rimner, Joseph O. Deasy, Harini Veeraraghavan

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

Comments Submitted to Medical Physics

Examining the Capability of GANs to Replace Real Biomedical Images in Classification Models Training

Vassili Kovalev, Siarhei Kazlouski

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

Comments 10 pages, 2 figures, 3 tables

Influence of Control Parameters and the Size of Biomedical Image Datasets on the Success of Adversarial Attacks

Vassili Kovalev, Dmitry Voynov

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

Comments 10 pages, 3 figures, 1 table, 3746 words

MRI to CT Translation with GANs

Bodo Kaiser, Shadi Albarqouni

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

Comments 22 pages, 12 figures

Cascade Decoder: A Universal Decoding Method for Biomedical Image Segmentation

Peixian Liang, Jianxu Chen, Hao Zheng, Lin Yang, Yizhe Zhang, Danny Z. Chen

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

Comments Accepted at ISBI 2019

A New Ensemble Learning Framework for 3D Biomedical Image Segmentation

Hao Zheng, Yizhe Zhang, Lin Yang, Peixian Liang, Zhuo Zhao, Chaoli Wang, Danny Z. Chen

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

Comments To appear in AAAI-2019. The first three authors contributed equally to the paper

Generative adversarial networks and adversarial methods in biomedical image analysis

Jelmer M. Wolterink, Konstantinos Kamnitsas, Christian Ledig, Ivana Išgum

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

Multi-Level Contextual Network for Biomedical Image Segmentation

Amirhossein Dadashzadeh, Alireza Tavakoli Targhi

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

Deep Learning Based Instance Segmentation in 3D Biomedical Images Using Weak Annotation

Zhuo Zhao, Lin Yang, Hao Zheng, Ian H. Guldner, Siyuan Zhang, Danny Z. Chen

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

Comments Accepted by MICCAI 2018

Differential Diagnosis for Pancreatic Cysts in CT Scans Using Densely-Connected Convolutional Networks

Hongwei Li, Kanru Lin, Maximilian Reichert, Lina Xu, Rickmer Braren, Deliang Fu, Roland Schmid, Ji Li, Bjoern Menze, Kuangyu Shi

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

Comments submitted to miccai 2017, *corresponding author: liji@huashan.org.cn

BoxNet: Deep Learning Based Biomedical Image Segmentation Using Boxes Only Annotation

Lin Yang, Yizhe Zhang, Zhuo Zhao, Hao Zheng, Peixian Liang, Michael T. C. Ying, Anil T. Ahuja, Danny Z. Chen

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

Quantization of Fully Convolutional Networks for Accurate Biomedical Image Segmentation

Xiaowei Xu, Qing Lu, Yu Hu, Lin Yang, Sharon Hu, Danny Chen, Yiyu Shi

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

Comments 9 pages, 11 Figs, 1 Table, Accepted by CVPR

The Multiscale Bowler-Hat Transform for Vessel Enhancement in 3D Biomedical Images

Cigdem Sazak, Carl J. Nelson, Boguslaw Obara

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

Deep Ordinal Ranking for Multi-Category Diagnosis of Alzheimer's Disease using Hippocampal MRI data

Hongming Li, Mohamad Habes, Yong Fan

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

Suggestive Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation

Lin Yang, Yizhe Zhang, Jianxu Chen, Siyuan Zhang, Danny Z. Chen

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

Comments Accepted at MICCAI 2017

Multi-scale Image Fusion Between Pre-operative Clinical CT and X-ray Microtomography of Lung Pathology

Holger R. Roth, Kai Nagara, Hirohisa Oda, Masahiro Oda, Tomoshi Sugiyama, Shota Nakamura, Kensaku Mori

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

Comments In proceedings of International Forum on Medical Imaging, IFMIA 2017, Okinawa, Japan

Interpreting extracted rules from ensemble of trees: Application to computer-aided diagnosis of breast MRI

Cristina Gallego-Ortiz, Anne L. Martel

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

Comments presented at 2016 ICML Workshop on Human Interpretability in Machine Learning (WHI 2016), New York, NY

Multi-Atlas Segmentation of Biomedical Images: A Survey

Juan Eugenio Iglesias, Mert Rory Sabuncu

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

Gradient Distribution Priors for Biomedical Image Processing

Yuanhao Gong, Ivo F. Sbalzarini

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

Comments submitted to journal

Impact of Adversarial Examples on Deep Learning Models for Biomedical Image Segmentation

Utku Ozbulak, Arnout Van Messem, Wesley De Neve

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

Comments Accepted for the 22nd International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI-19)

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。

Learning Dense 2D-3D Correspondence for X-ray-to-CT Registration of Knee Bones

学习用于膝关节骨X射线到CT配准的密集2D-3D对应关系

Rembert Daems, Jonas Grammens, Caro Roten, Andrew Meyer, Thomas Luyckx, Matthias Verstraete

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

AI总结 研究如何从X光片恢复膝关节骨6自由度姿势，提出学习密集2D-3D对应关系的方法，由投影几何监督，用共享权重模型训练，能对未见患者配准，姿势通过特定求解得出，在解剖学上有语义且泛化性好。

Quantum Adaptive Sensing for Accelerated MRI

用于加速磁共振成像的量子自适应传感

Asmit Ganguly, Suprajit Dewanji, Chenyang Zhao, Danny J. J. Wang

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

AI总结 研究针对压缩感知 MRI 性能依赖采样分布的问题，提出基于 QUBO 公式的自适应框架，通过回顾性实验验证其在多指标上优于静态策略，简化池实验表明 D-Wave 求解器有可比质量，为自适应 MRI 采样提供实用框架。

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。

Diffusion MRI preprocessing affects ADC estimation and automatic PI-RADS v2.1 classification in bi-parametric prostate MRI

扩散加权磁共振成像预处理影响双参数前列腺磁共振成像中表观扩散系数估计和自动PI-RADS v2.1分类

Christos Kanakis, Mathias Perslev, Tim Schakel, Silvia Ingala, Akshay Pai, Dennis Klomp, Chantal M. W. Tax

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

AI总结 研究不同DWI预处理策略对前列腺MRI中ADC估计及PI-RADS分类的影响，通过对268个病例应用多种处理方法，比较不同算法下的ADC图，训练分类器预测PI-RADS分数，发现预处理可提升ADC图质量及分类预测能力。

Comments 19 pages, 10 figures, ISMRM Diffusion workshop 2025, ESMRMB 2025

Performance Benchmarking and Optimisation of Clustering Algorithms for Local and Non-Local Similarity Measure in Medical Image Analysis

医学图像分析中局部和非局部相似性度量的聚类算法性能基准测试与优化

Sisipho Hamlomo, Marcellin Atemkeng

机构 * Department of Mathematics, Rhodes University, PO Box 94, Makhanda, 6140, South Africa（数学系，罗德斯大学） ； Department of Statistics, Rhodes University, PO Box 94, Makhanda, 6140, South Africa（统计系，罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS), Stellenbosch 7600, South Africa（理论与计算科学国家研究所） 纠错

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

AI总结 该研究针对医学图像分析中利用非局部自相似性的聚类技术进行性能基准测试与优化，评估了五种聚类算法，经随机搜索优化后用多种指标评估，得出不同算法在不同模态下的表现及适用性结论。

GLOW-FDG: Generalized cancer LesiOn Whole-body segmentation model for $^{18}$F-FDG-PET/CT

GLOW-FDG：用于¹⁸F-FDG-PET/CT的广义癌症病灶全身分割模型

Maksym Fritsak, Maximilian Rokuss, Hubert S. Gabryś, Yannick Kirchhoff, Benjamin Hamm, Sebastian M. Christ, Nicolas Martz, Isabelle Opitz, Rolf Stahel, Martin Hüllner, Matthias Guckenberger, Klaus Maier-Hein, Stephanie Tanadini-Lang

机构 * Department of Radiation Oncology, University Hospital Zurich, University of Zurich, Zurich, Switzerland（苏黎世大学放射肿瘤科，苏黎世大学，苏黎世，瑞士） ； Faculty of Medicine, University of Zurich, Zurich, Switzerland（苏黎世大学医学院，苏黎世，瑞士） ； Division of Medical Image Computing, German Cancer Research Center (DKFZ), Heidelberg, Germany（德国癌症研究中心（DKFZ）医学图像计算部，海德堡，德国） ； Department of Radiation Oncology, Institut de Cancérologie de Lorraine, Vandœuvre-lès-Nancy, France（洛林癌症研究所放射肿瘤科，法国 Vandœuvre-lès-Nancy） ； Department of Thoracic Surgery, University Hospital Zurich, University of Zurich, Zurich, Switzerland（苏黎世大学胸外科科，苏黎世大学，苏黎世，瑞士） ； ETOP IBCSG Partners Foundation, Bern, Switzerland（ETOP IBCSG合作伙伴基金会，瑞士伯恩） ； Department of Nuclear Medicine, University Hospital Zurich, University of Zurich, Zurich, Switzerland（苏黎世大学核医学科，苏黎世大学，苏黎世，瑞士） 纠错

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

AI总结 研究针对¹⁸F-FDG-PET/CT全身癌症病灶分割，提出开源人工智能模型GLOW-FDG，经多类型训练及外部评估，在检测中性能优于基准模型，可提取定量成像生物标志物。

BrainNormalizer: Anatomy-Informed Pseudo-Healthy Brain Reconstruction from Tumor MRI via Edge-Guided ControlNet

BrainNormalizer：通过边缘引导控制网络从肿瘤MRI进行解剖学信息伪健康脑重建

Min Gu Kwak, Yeonju Lee, Hairong Wang, Kristin R. Swanson, Jing Li

机构 * University of Pittsburgh（匹兹堡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cedars-Sinai Medical Center（西德萨斯医疗中心） ； Mayo Clinic Arizona（梅奥诊所亚利桑那分部） 纠错

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

AI总结 针对脑肿瘤致结构变形难区分肿瘤与解剖变异问题，提出BrainNormalizer框架，用两阶段训练学习解剖先验等，通过特定策略实现伪健康脑重建，实验表明其有优势。

OncoReg: Medical Image Registration for Oncological Challenges

OncoReg：面向肿瘤学挑战的医学图像配准

Wiebke Heyer, Yannic Elser, Lennart Berkel, Xinrui Song, Xuanang Xu, Pingkun Yan, Xi Jia, Jinming Duan, Zi Li, Tony C. W. Mok, BoWen LI, Tim Hable, Christian Staackmann, Christoph Großbröhmer, Lasse Hansen, Alessa Hering, Malte M. Sieren, Mattias P. Heinrich

机构 * Institute of Medical Informatics, University of Lübeck（吕贝克大学医学信息学研究所） ； Institute of Radiology and Nuclear Medicine, University Hospital Schleswig-Holstein（石勒斯维希-霍尔斯坦大学医院放射科和核医学研究所） ； Department of Biomedical Engineering and Center for Biotechnology and Interdisciplinary Studies, Rensselaer Polytechnic Institute（伦塞拉塞尔理工学院生物医学工程系和生物技术与跨学科研究中心） ； School of Computer Science, University of Birmingham（伯明翰大学计算机科学学院） ； Division of Informatics, Imaging and Data Sciences, University of Manchester（曼彻斯特大学信息学、成像和数据科学系） ； DAMO Academy, Alibaba Group（阿里集团DAMO学院） ； Hangzhou Shengshi Technology Co., Ltd（杭州盛世科技有限公司） ； Department of Radiation Oncology, University Hospital Schleswig-Holstein（石勒斯维希-霍尔斯坦大学医院放射肿瘤科） ； EchoScout GmbH ； Radboud University Medical Center, Nijmegen（奈密根大学医学中心） ； Institute of Interventional Radiology, University Hospital Schleswig-Holstein（石勒斯维希-霍尔斯坦大学医院介入放射科） 纠错

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

AI总结 提出OncoReg挑战，通过两阶段框架在保护患者隐私的同时开发可泛化的图像配准方法，用于放射治疗中锥束CT与扇束CT的配准，发现特征提取是关键，深度学习和经典方法结合最有效。

Comments 21 pages, 13 figures