医学 AI

Diffusion-Based Limited-Angle CT Reconstruction under Noisy Conditions

基于扩散的噪声条件下有限角度CT重建

Jiaqi Guo, Santiago López-Tapia

机构 * Dept. of Electrical and Computer Engineering, Northwestern University, Evanston, IL, USA（电气与计算机工程系，西北大学，埃文斯顿，伊利诺伊州，美国） 纠错

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

AI总结 本文提出基于扩散的有限角度CT重建方法，通过Mean-Reverting随机微分方程完成缺失角度视图，结合噪声感知校正机制提升鲁棒性，实验表明在不同噪声强度和采集条件下均表现优异。

Comments Accepted at the 2025 IEEE International Conference on Image Processing (ICIP), Workshop

Lesion-DDPM: Lesion-Enhanced 3D Diffusion for MS MRI Synthesis

Lesion-DDPM：用于MS MRI合成的病灶增强3D扩散模型

Weidong Zhang, Yongchan Jung, Shafayat Mowla Anik, Furen Xiao, Vasudevan Janarthanan, Enkhzaya Chuluunbaatar, Byeong Kil Lee, Jeeho Ryoo

机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； National Taiwan University Hospital（国立台湾大学医院） ； National University of Mongolia（蒙古国立大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 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Lesion-DDPM，一种3D条件扩散框架，通过多级解剖掩膜注入和病灶加权重建损失，实现病灶感知的FLAIR合成，在MS病灶分割下游任务中显著提升Dice分数。

Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts

多对比度MRI运动校正：基于参数信息解缠与自适应专家网络

Honglin Xiong, Yuxian Tang, Feng Li, Yulin Wang, Lei Xiang, Dinggang Shen, Qian Wang

机构 * ShanghaiTech University（上海科技大学） 纠错

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

AI总结 提出一种结合参数信息对比度解缠与严重度感知自适应校正的统一框架，通过ScanCLIP提取对比度嵌入以分离解剖内容，利用视觉Transformer估计运动严重度并路由至专家混合网络，实现跨对比度与严重度的运动伪影校正，在IXI和HCP基准上优于现有方法。

VRXU-net: A Deep Learning Approach for Brain Ischemic Stroke Lesion Detection and Segmentation in T1W MRI

VRXU-net: 一种用于T1W MRI中脑缺血性中风病变检测和分割的深度学习方法

Sayed Amir Mousavi Mobarakeh

机构 * Sayed Amir Mousavi Mobarakeh 纠错

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

AI总结 该研究提出了一种基于视觉特征、残差连接和U型网络的VRU-Net架构，用于在3D磁共振成像扫描中检测和分割脑缺血性中风病变，通过改进的VGG模型和U型分割模型在不同切面中独立处理，并通过聚合结果提高分割精度和处理速度。

Motion-Robust Deep Reconstruction for Free-Breathing Cardiac Cine MRI

运动鲁棒深度重建用于自由呼吸心脏 cine MRI

Mahmut Yurt, Kanghyun Ryu, Zhitao Li, Xucheng Zhu, Xianglun Mao, Martin Janich, Marcus Alley, Kawin Setsompop, John Pauly, Shreyas Vasanawala, Ali Syed

机构 * Stanford University（斯坦福大学） ； KIST ； GE Healthcare（通用电气医疗） 纠错

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

AI总结 本文提出Cine-DL框架，通过结合目标k空间预处理和快速模型基于深度重建，解决自由呼吸径向采集在高加速下的运动伪影问题，提升临床应用可行性。

Adaptive Conformal Prediction for Reliable and Explainable Medical Image Classification

自适应置信区间用于可靠且可解释的医学图像分类

One Octadion, Novanto Yudistira, Lailil Muflikhah

机构 * Faculty of Computer Science, Universitas Brawijaya（博雅大学计算机科学学院） 纠错

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

AI总结 本文提出自适应Lambda准则改进RAPS，提升医学图像分类的可靠性与可解释性，实验表明其在跨域验证中表现优异。

Comments To appear in IEA/AIE 2026 (Springer LNAI)

Reconstruction Interval Z-Phase Dependence of AI Detection Sensitivity in CT Lung Nodule Screening

AI检测灵敏度在CT肺结节筛查中重建区间Z相依赖性的重建

Dan Soliman

机构 * GammaMetric Medical Physics, Independent Medical Physics Consultancy（GammaMetric医学物理部，独立医学物理咨询公司） 纠错

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

AI总结 研究探讨了AI检测灵敏度与重建区间内结节位置（Z相）的关系，发现结节直径与重建间隔比影响灵敏度，Z相效应在特定条件下主导检测变异。

Multi-Stage Bi-Atrial Segmentation Framework from 3D Late Gadolinium-Enhanced MRI using V-Net Family Models

基于3D晚期钆增强MRI的多阶段双心房分割框架：使用V-Net家族模型

Hao Wen, Jingsu Kang

机构 * College of Science, China Agricultural University, Beijing, China（中国农业大学科学学院，北京，中国） ； Tianjin Medical University, Tianjin, China（天津医科大学，天津，中国） 纠错

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

AI总结 本文提出多阶段双心房分割框架，利用V-Net模型进行预处理和精细分割，采用不对称损失优化模型权重。

Comments 6 pages, 2 figures, technical report for participating the MBAS2024 challenge hosted on the MICCAI2024 conference

Triple-Phase Sequential Fusion Network for Hepatobiliary Phase Liver MRI Synthesis

三相顺序融合网络用于肝胆相肝MRI合成

Qiuli Wang, Xinhuan Sun, Fengxi Chen, Yongxu Liu, Jie Cheng, Lin Chen, Jiafei Chen, Yue Zhang, Xiaoming Li, Wei Chen

机构 * Yu-Yue Pathology Research Center, Jinfeng Laboratory（于越病理研究中心，锦峰实验室） ； Department of Clinical Laboratory Medicine, The First Affiliated Hospital of Army Medical University（临床实验室医学部，陆军军医大学第一附属医院） ； Laboratory of Intelligent Collaborative Computing, University of Electronic Science and Technology of China（智能协同计算实验室，电子科技大学） 纠错

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

AI总结 本文提出TriPF-Net网络，通过整合预肝胆相序列的顺序信息合成肝胆相图像，利用T1加权成像作为基础，结合动脉相和静脉相特征，提升临床工作流程和病变显示效果。

Comments 7 figures, 7 tables

Segmentation of Gray Matters and White Matters from Brain MRI data

从脑部MRI数据中分割灰质和白质

Chang Sun, Rui Shi, Tsukasa Koike, Tetsuro Sekine, Akio Morita, Tetsuya Sakai

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Waseda University（早稻田大学） ； Department of Neurosurgery（神经外科） ； Teraoka Memorial Hospital（寺田纪念医院） ； Department of Radiology（放射科） ； Nippon Medical School Hospital（日本医学大学医院） ； Tokyo Rosai Hospital（东京罗赛医院） 纠错

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

AI总结 本文提出改进的MedSAM模型用于多类脑组织分割，通过预处理和调整解码器实现高精度分割，实验显示在IXI数据集上Dice分数达0.8751。

CTSCAN: Evaluation Leakage in Chest CT Segmentation and a Reproducible Patient-Disjoint Benchmark

CTSCAN：评估泄漏在胸部CT分割中的影响及可重复的患者不重叠基准

Anton Ivchenko

机构 * Apple（苹果公司） 纠错

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

AI总结 本文提出CTSCAN基准，通过可重复的患者不重叠评估方法，揭示了训练与测试数据混合导致的性能虚高问题，并展示了去除患者重叠对分割指标的显著影响。

Pancakes: Consistent Multi-Protocol Image Segmentation Across Biomedical Domains

Pancakes: 在生物医学领域内实现多协议图像分割的一致性

Marianne Rakic, Siyu Gai, Etienne Chollet, John V. Guttag, Adrian V. Dalca

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MGH（麻省总医院） ； HMS（哈佛医学院） 纠错

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

AI总结 Pancakes 提出了一种新的框架，能够自动为多个可能的协议生成多标签分割图，同时保持相关图像之间的语义一致性，在生物医学领域内实现多协议图像分割的一致性。

Comments Accepted at NeurIPS 2025. Code available at: https://github.com/mariannerakic/Pancakes

Random Window Augmentations for Deep Learning Robustness in CT and Liver Tumor Segmentation

Eirik A. Østmo, Kristoffer K. Wickstrøm, Keyur Radiya, Michael C. Kampffmeyer, Karl Øyvind Mikalsen, Robert Jenssen

机构 * UiT Machine Learning Group（UiT机器学习组） ； University Hospital of North Norway（北挪威大学医院） ； Norwegian Computing Centre（挪威计算中心） ； Pioneer Centre for AI（人工智能先锋中心） 纠错

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

Comments 10 pages, 9 figures. This work has been submitted to the IEEE for possible publication

Subcortical Masks Generation in CT Images via Ensemble-Based Cross-Domain Label Transfer

Augustine X. W. Lee, Pak-Hei Yeung, Jagath C. Rajapakse

机构 * College of Computing and Data Science（计算与数据科学学院） 纠错

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

SPA: Efficient User-Preference Alignment against Uncertainty in Medical Image Segmentation

Jiayuan Zhu, Junde Wu, Cheng Ouyang, Konstantinos Kamnitsas, J. Alison Noble

机构 * University of Oxford（牛津大学） 纠错

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

Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning

Runmin Jiang, Zhaoxin Fan, Junhao Wu, Lenghan Zhu, Xin Huang, Tianyang Wang, Heng Huang, Min Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Towson University（托森大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； University of Maryland（马里兰大学） 纠错

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

A study of why we need to reassess full reference image quality assessment with medical images

Anna Breger, Ander Biguri, Malena Sabaté Landman, Ian Selby, Nicole Amberg, Elisabeth Brunner, Janek Gröhl, Sepideh Hatamikia, Clemens Karner, Lipeng Ning, Sören Dittmer, Michael Roberts, AIX-COVNET Collaboration, Carola-Bibiane Schönlieb

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

Journal ref Journal of Imaging Informatics in Medicine, 2025

Evaluating unsupervised contrastive learning framework for MRI sequences classification

Yuli Wang, Kritika Iyer, Sep Farhand, Yoshihisa Shinagawa

专题命中 医学影像 ：MRI(title,abstract)；pathology(abstract)；diagnosis(abstract)；radiology(abstract)

Multiscale Latent Diffusion Model for Enhanced Feature Extraction from Medical Images

Rabeya Tus Sadia, Jie Zhang, Jin Chen

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

Comments version_3

Evaluación del Cambio en la Musculatura y Adiposidad y su Relación con la Recurrencia del Carcinoma de Cabeza y Cuello mediante PET/CT y MRI

Virginia del Campo, Iker Malaina

专题命中 医学影像 ：MRI(title,abstract)；CT(title,abstract)；分类 q-bio

Comments 9 pages, in Spanish language, 1 figure

Deep evidential fusion with uncertainty quantification and contextual discounting for multimodal medical image segmentation

Ling Huang, Su Ruan, Pierre Decazes, Thierry Denoeux

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

COIN: Counterfactual inpainting for weakly supervised semantic segmentation for medical images

Dmytro Shvetsov, Joonas Ariva, Marharyta Domnich, Raul Vicente, Dmytro Fishman

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

Comments This work has been accepted to be presented to The 2nd World Conference on eXplainable Artificial Intelligence (xAI 2024), July 17-19, 2024 - Valletta, Malta

Journal ref In: Longo, L., Lapuschkin, S., Seifert, C. (eds) Explainable Artificial Intelligence. xAI 2024. Communications in Computer and Information Science, vol 2155. Springer, Cham

Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports

Yutong Zhang, Yi Pan, Tianyang Zhong, Peixin Dong, Kangni Xie, Yuxiao Liu, Hanqi Jiang, Zhengliang Liu, Shijie Zhao, Tuo Zhang, Xi Jiang, Dinggang Shen, Tianming Liu, Xin Zhang

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

MedCLIP-SAM: Bridging Text and Image Towards Universal Medical Image Segmentation

Taha Koleilat, Hojat Asgariandehkordi, Hassan Rivaz, Yiming Xiao

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

Comments 10 pages, 2 figures

What Does DALL-E 2 Know About Radiology?

Lisa C. Adams, Felix Busch, Daniel Truhn, Marcus R. Makowski, Hugo JWL. Aerts, Keno K. Bressem

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

Comments 4 Figures

Journal ref J Med Internet Res 2023;25:e43110

Are Deep Learning Classification Results Obtained on CT Scans Fair and Interpretable?

Mohamad M. A. Ashames, Ahmet Demir, Omer N. Gerek, Mehmet Fidan, M. Bilginer Gulmezoglu, Semih Ergin, Mehmet Koc, Atalay Barkana, Cuneyt Calisir

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

Modeling T1 Resting-State MRI Variants Using Convolutional Neural Networks in Diagnosis of OCD

Tarun Eswar

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

Comments 9 pages, 13 figures

Multimorbidity Content-Based Medical Image Retrieval Using Proxies

Yunyan Xing, Benjamin J. Meyer, Mehrtash Harandi, Tom Drummond, Zongyuan Ge

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

Multi-Contrast Super-Resolution MRI Through a Progressive Network

Qing Lyu, Hongming Shan, Ge Wang

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

Comments 10 figures, 5 tables, 11 pages

Journal ref IEEE Transactions on Medical Imaging, early access, 2020

Electromagnetic Navigation for Femoral Osteotomy Using High-Accuracy X-ray-to-CT Registration

基于高精度X光到CT配准的股骨截骨电磁导航

Roman Flepp, Arend Nieuwland, Bastian Sigrist, Philipp Fürnstahl, Lilian Calvet, Thomas Dreher

机构 * Department of Pediatric Orthopedics and Traumatology, University Children’s Hospital Zürich（苏黎世大学儿童医院小儿骨科与创伤外科部门） ； Research in Orthopedic Computer Science, University Hospital Balgrist, University of Zurich（骨科计算机科学研究所，巴尔格里斯大学医院，苏黎世大学） ； Department of Orthopedic Surgery, University Hospital Balgrist, University of Zurich（骨科外科部门，巴尔格里斯大学医院，苏黎世大学） 纠错

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

AI总结 提出一种基于电磁跟踪的股骨截骨导航系统，通过一次术中C臂标定和两幅X光图像配准实现实时无荧光导航，在合成股骨实验中总角度误差显著优于徒手操作，并与患者特异性器械精度等效。

Comments Will be published in the International Journal of Computer Assisted Radiology and Surgery