Deep Ordinal Ranking for Multi-Category Diagnosis of Alzheimer's Disease using Hippocampal MRI data
专题命中 医学影像 ：MRI(title,abstract)；diagnosis(title,abstract)；分类 cs.CV
科学与医疗
医学 AI
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
1. 医学影像 22596 篇
Suggestive Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation
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
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
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
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
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
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
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）
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
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
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
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）
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
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
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）
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
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）
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
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）
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
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）
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
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
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）
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
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）
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
机构 * ShanghaiTech University（上海科技大学）
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
机构 * Sayed Amir Mousavi Mobarakeh
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
机构 * Stanford University（斯坦福大学） ； KIST ； GE Healthcare（通用电气医疗）
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
机构 * Faculty of Computer Science, Universitas Brawijaya（博雅大学计算机科学学院）
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
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）
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
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）
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
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）
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
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）
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
机构 * Apple（苹果公司）
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
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）
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
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）
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
机构 * College of Computing and Data Science（计算与数据科学学院）
专题命中 医学影像 ：CT(title,abstract)；MRI(abstract)；diagnosis(abstract)；biomedical(abstract)
