医学 AI

M$^{2}$SNet: Multi-scale in Multi-scale Subtraction Network for Medical Image Segmentation

M$^{2}$SNet：多尺度在多尺度减法网络用于医学图像分割

Xiaoqi Zhao, Hongpeng Jia, Youwei Pang, Long Lv, Feng Tian, Lihe Zhang, Weibing Sun, Huchuan Lu

机构 * IIAU-Lab, Dalian University of Technology（大连理工大学IIAU-Lab） ； Zhongshan Hospital of Dalian University（大连大学附属中山医院） ； Yale University（耶鲁大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出M$^{2}$SNet网络，通过多尺度减法单元融合不同层级特征，提升医学图像分割的准确性与边缘清晰度，实验表明其在多种医学图像任务中表现优异。

Comments Machine Intelligence Research 2026

GPAFormer: Graph-guided Patch Aggregation Transformer for Efficient 3D Medical Image Segmentation

GPAFormer：图引导的补丁聚合变换器用于高效3D医学图像分割

Chung-Ming Lo, I-Yun Liu, Wei-Yang Lin

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

AI总结 本文提出GPAFormer，一种轻量级网络架构，通过多尺度注意力引导堆叠聚合和互感知补丁图聚合模块，提升多器官多模态3D医学图像分割的准确性和效率。

A Utility-preserving De-identification Pipeline for Cross-hospital Radiology Data Sharing

一种保持效用的跨医院放射学数据共享脱敏流程

Chenhao Liu, Zelin Wen, Yan Tong, Junjie Zhu, Xinyu Tian, Yuchi Liu, Ashu Gupta, Syed M. S. Islam, Tom Gedeon, Yue Yao

机构 * Shandong University（山东大学） ； Australian National University（澳大利亚国立大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Curtin University（科廷大学） ； Edith Cowan University（埃迪斯科文大学） ； University of Western Australia（西澳大利亚大学） 纠错

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

AI总结 本文提出一种保持效用的脱敏流程，用于跨医院放射学数据共享，通过黑名单和白名单过滤机制，在保护隐私的同时保留诊断相关病理信息，实验证明其在诊断准确性上的竞争力。

Implantable Adaptive Cells: A Novel Enhancement for Pre-Trained U-Nets in Medical Image Segmentation

可植入自适应单元：一种用于医学图像分割预训练U-Net的新型增强方法

Emil Benedykciuk, Marcin Denkowski, Grzegorz Wójcik

机构 * Institute of Computer Science, Maria Curie-Skłodowska University（玛丽亚·居里-斯克沃多夫斯卡大学计算机科学研究所） 纠错

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

AI总结 本文提出一种基于梯度的神经架构搜索方法，通过可植入自适应单元提升预训练神经网络在医学图像分割中的性能，实验表明在多种U-Net配置上准确率提升约5个百分点，最高可达11%。

CRISP: Rank-Guided Iterative Squeezing for Robust Medical Image Segmentation under Domain Shift

CRISP：基于排名的迭代压缩以在域移位下实现鲁棒的医学图像分割

Yizhou Fang, Pujin Cheng, Yixiang Liu, Xiaoying Tang, Longxi Zhou

机构 * Southern University of Science and Technology（南方科技大学） ； The University of Hong Kong（香港大学） ； Jiaxing Research Institute, Southern University of Science and Technology（南方科技大学嘉兴研究院） 纠错

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

AI总结 本文提出CRISP框架，通过基于排名而非概率的分割方法，提升医学图像分割在域移位下的鲁棒性，实验显示其在多中心、人群和模态移位上表现优异。

PhyDCM: A Reproducible Open-Source Framework for AI-Assisted Brain Tumor Classification from Multi-Sequence MRI

PhyDCM：一种可重复的开源框架，用于多序列MRI脑肿瘤分类的AI辅助分类

Hayder Saad Abdulbaqi, Mohammed Hadi Rahim, Mohammed Hassan Hadi, Haider Ali Aboud, Ali Hussein Allawi

机构 * Department of medical physics College of Science, University of Al-Qadisiyah（卡迪西亚大学理学院医学物理系） 纠错

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

AI总结 PhyDCM通过集成MedViT混合分类架构和标准化DICOM处理，提供可重复的AI脑肿瘤分类框架，实现高准确率和模块化设计。

Comments 18 pages, 9 figures, 6 tables

ITKIT: Feasible CT Image Analysis based on SimpleITK and MMEngine

ITKIT：基于SimpleITK和MMEngine的可行CT图像分析

Yiqin Zhang, Meiling Chen

机构 * Lingang Laboratory（临港实验室） 纠错

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

AI总结 本文提出ITKIT，基于SimpleITK和MMEngine实现从DICOM到3D分割的完整流程，提供简单易用的CLI和灵活的模型配置，通过12个实验验证其在基本场景中的有效性。

Robust-ComBat: Mitigating Outlier Effects in Diffusion MRI Data Harmonization

Robust-ComBat: 降低扩散磁共振成像数据调和中的异常值影响

Yoan David, Pierre-Marc Jodoin, Alzheimer's Disease Neuroimaging Initiative, The TRACK-TBI Investigators

机构 * VitaLab, Dep of Computer Science, University of Sherbrooke（维塔实验室，计算机科学系，谢布罗什大学） ； Imeka Solutions Inc.（伊梅卡解决方案公司） ； Alzheimer’s Disease Neuroimaging Initiative（阿尔茨海默病影像化验倡议） ； The TRACK-TBI Investigators（TRACK-TBI研究组） 纠错

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

AI总结 本文提出Robust-ComBat方法，通过引入MLP模型有效处理扩散MRI数据中的异常值问题，提升调和精度并保留疾病相关信号。

Comments 20 pages, 8 figures

HMAR: Hierarchical Modality-Aware Expert and Dynamic Routing Medical Image Retrieval Architecture

HMAR：分层模态感知专家与动态路由医学图像检索架构

Aojie Yuan

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出HMAR框架，通过双专家机制和两阶段对比学习实现细粒度医学图像检索，提升检索精度与效率。

Comments 8 pages, 7 figures, 1 table

Beyond the Embedding Bottleneck: Adaptive Retrieval-Augmented 3D CT Report Generation

突破嵌入瓶颈：适应性检索增强的3D CT报告生成

Renjie Liang, Yiling Ma, Yang Xing, Zhengkang Fan, Jinqian Pan, Chengkun Sun, Li Li, Kuang Gong, Jie Xu

机构 * University of Florida（佛罗里达大学） ； Yale University（耶鲁大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 本文提出AdaRAG-CT框架，通过引入补充文本信息缓解3D CT视觉表示瓶颈，提升CT-RATE基准的临床效果。

Learning Generalizable 3D Medical Image Representations from Mask-Guided Self-Supervision

从掩码引导自监督学习中学习通用的3D医学图像表示

Yunhe Gao, Yabin Zhang, Chong Wang, Jiaming Liu, Maya Varma, Jean-Benoit Delbrouck, Akshay Chaudhari, Curtis Langlotz

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出MASS方法，通过掩码引导自监督学习，学习通用的医学图像表示，实现了在不同数据集上的高效分割和分类任务。

Comments CVPR 2026

M2Diff: Multi-Modality Multi-Task Enhanced Diffusion Model for MRI-Guided Low-Dose PET Enhancement

M2Diff：多模态多任务增强扩散模型用于MRI引导的低剂量PET增强

Ghulam Nabi Ahmad Hassan Yar, Himashi Peiris, Victoria Mar, Cameron Dennis Pain, Zhaolin Chen

专题命中 医学影像 ：MRI(title,abstract)；CT(abstract)；pathology(abstract)；分类 eess.IV

AI总结 M2Diff通过多模态多任务扩散模型，利用MRI和低剂量PET扫描分别学习模态特定特征，并通过层次化特征融合重建标准剂量PET，从而提升重建保真度。

Comments Copyright 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

RADAR: A Multimodal Benchmark for 3D Image-Based Radiology Report Review

RADAR：用于基于3D图像的放射学报告审查的多模态基准

Zhaoyi Sun, Minal Jagtiani, Wen-wai Yim, Fei Xia, Martin Gunn, Meliha Yetisgen, Asma Ben Abacha

机构 * University of Washington（华盛顿大学） ； Microsoft Health AI（微软健康AI） 纠错

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

AI总结 RADAR是一个用于放射学报告审查的多模态基准，通过3D医学图像与初步报告及候选编辑的配对，评估模型在细粒度临床推理和图像-文本对齐方面的表现。

WristMIR: Coarse-to-Fine Region-Aware Retrieval of Pediatric Wrist Radiographs with Radiology Report-Driven Learning

WristMIR: 儿童手腕X光片的粗到细区域感知检索框架，基于放射科报告驱动学习

Mert Sonmezer, Serge Vasylechko, Duygu Atasoy, Seyda Ertekin, Sila Kurugol

机构 * Middle East Technical University（中东部技术大学） ； Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） ； METU-DTX Research Center（METU-DTX研究中心） 纠错

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

AI总结 WristMIR通过结合放射科报告和骨特定定位，实现儿童手腕X光片的粗到细区域感知检索，提升骨折诊断的准确性和临床相关性。

Comments Accepted to Medical Imaging with Deep Learning (MIDL) 2026

SSFMamba: Learning Symmetry-driven Spatial-Frequency Modeling for Physically Consistent 3D Medical Image Segmentation

SSFMamba: 基于对称性的空间-频率建模学习用于物理一致的3D医学图像分割

Bo Zhang, Yifan Zhang, Shuo Yan, Yu Bai, Zheng Zhang, Wu Liu, Wendong Wang, Yongdong Zhang

机构 * State Key Laboratory of Networking and Switching Technology, School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications（网络与交换技术国家重点实验室，计算机学院（国家试点软件工程学院），北京邮电大学） ； School of Intelligent Engineering and Automation, Beijing University of Posts and Telecommunications（智能工程与自动化学院，北京邮电大学） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） 纠错

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

AI总结 SSFMamba通过结合对称性和空间-频率建模，提升3D医学图像分割的精度与一致性。

BiCLIP: Bidirectional and Consistent Language-Image Processing for Robust Medical Image Segmentation

BiCLIP: 用于鲁棒医学图像分割的双向和一致语言-图像处理

Saivan Talaei, Fatemeh Daneshfar, Abdulhady Abas Abdullah, Mustaqeem Khan

机构 * Department of Computer Engineering, University of Kurdistan, Iran（伊朗库尔德大学计算机工程系） ； Artificial Intelligence and Innovation Centre, University of Kurdistan, Erbil, Iraq（伊拉克埃尔比尔库尔德大学人工智能与创新中心） ； College of Information Technology, United Arab Emirates University, UAE（阿联酋大学信息科技学院） 纠错

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

AI总结 BiCLIP通过双向多模态融合和一致性目标提升医学图像分割的鲁棒性，有效应对标注稀少和临床伪影挑战。

General vs Domain-Specific CNNs: Understanding Pretraining Effects on Brain MRI Tumor Classification

通用与领域特定CNNs：理解预训练对脑MRI肿瘤分类的影响

Helia Abedini, Saba Rahimi, Reza Vaziri

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

AI总结 本研究比较了三种CNN架构在脑肿瘤分类中的表现，发现通用网络ConvNeXt-Tiny在数据稀缺情况下表现更优，而领域特定预训练模型泛化能力有限。

Federated Learning for Cross-Modality Medical Image Segmentation via Augmentation-Driven Generalization

通过增强驱动泛化实现跨模态医学图像分割的联邦学习

Sachin Dudda Nagaraju, Ashkan Moradi, Bendik Skarre Abrahamsen, Mattijs Elschot

机构 * Department of Circulation and Medical Imaging, Norwegian University of Science and Technology（循环医学成像系，挪威科学与技术大学） 纠错

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

AI总结 本文提出一种联邦学习方法，通过增强驱动泛化实现跨模态医学图像分割，提升模型泛化能力的同时保护数据隐私。

Comments Submitted to IEEE JBHI

MedVAR: Towards Scalable and Efficient Medical Image Generation via Next-scale Autoregressive Prediction

MedVAR：通过下一步尺度自回归预测实现可扩展和高效的医学图像生成

Zhicheng He, Yunpeng Zhao, Junde Wu, Ziwei Niu, Zijun Li, Bohan Li, Lanfen Lin, Yueming Jin

机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 MedVAR通过下一步尺度自回归预测方法，实现了高效且可扩展的医学图像生成，为医学生成基础模型提供了新的方向。

Comments 23 pages, 8 figures

HyPCA-Net: Advancing Multimodal Fusion in Medical Image Analysis

HyPCA-Net：在医学图像分析中推进多模态融合

J. Dhar, M. K. Pandey, D. Chakladar, M. Haghighat, A. Alavi, S. Mistry, N. Zaidi

机构 * Indian Institute of Technology Ropar（印度理工学院罗帕尔分校） ； RoentGen Health（RoentGen健康公司） ； Lulea University of Technology（卢勒奥大学） ； QUT（昆士兰科技大学） ； RMIT University（皇家墨尔本理工大学） ； Curtin University（Curtin大学） ； Deakin University（德肯大学） 纠错

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

AI总结 HyPCA-Net通过高效残差注意力模块和双视角级联注意力模块，提升多模态医学图像分析的性能与效率。

Comments Accepted at the IEEE/CVF Winter Conference on Applications of Computer Vision 2026

Effective and Robust Multimodal Medical Image Analysis

高效且鲁棒的多模态医学图像分析

Joy Dhar, Nayyar Zaidi, Maryam Haghighat

机构 * Indian Institute of Technology Ropar（印度理工学院罗帕尔分校） ； Deakin University（德克萨斯大学） ； Queensland University of Technology（昆士兰理工大学） 纠错

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

AI总结 本文提出MAIL网络，通过高效残差学习和多模态交叉注意力模块，提升多模态医学图像分析的效率与鲁棒性，实现实验性能提升9.34%并降低计算成本78.3%。

Comments Accepted at Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)

A Survey on Medical Image Compression: From Traditional to Learning-Based Approaches

医学图像压缩综述：从传统到基于学习的方法

Guofeng Tong, Sixuan Liu, Yang Lv, Hanyu Pei, Feng-Lei Fan

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

AI总结 本文综述了医学图像压缩从传统方法到基于学习方法的发展，分析了不同模态的压缩需求及技术挑战，探讨了未来发展方向。

Comments Version v2: Revised and extended version with updated discussion, improved comparison tables, and additional recent references

ModeTv2: GPU-accelerated Motion Decomposition Transformer for Pairwise Optimization in Medical Image Registration

ModeTv2: 用于医学图像配准中成对优化的GPU加速运动分解变换器

Haiqiao Wang, Zhuoyuan Wang, Dong Ni, Yi Wang

机构 * School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University, Shenzhen, China（生物医学工程学院，深圳大学医学院，深圳大学，深圳，中国） ； Smart Medical Imaging, Learning and Engineering (SMILE) Lab, Shenzhen University, Shenzhen, China（智能医学影像、学习与工程（SMILE）实验室，深圳大学，深圳，中国） ； Medical UltraSound Image Computing (MUSIC) Lab, Shenzhen University, Shenzhen, China（医学超声影像计算（MUSIC）实验室，深圳大学，深圳，中国） 纠错

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

AI总结 ModeTv2通过GPU加速的运动分解变换器和RegHead模块，提升医学图像配准的准确性、效率和通用性。

Prior-Guided Residual Diffusion: Calibrated and Efficient Medical Image Segmentation

先验引导残差扩散：校准且高效的医学图像分割

Fuyou Mao, Beining Wu, Yanfeng Jiang, Han Xue, Yan Tang, Hao Zhang

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

AI总结 PGRD通过先验引导残差扩散方法，在医学图像分割中实现高精度与高效校准。

Comments Withdrawn by the authors to conduct further methodological refinement and address concerns regarding the originality of the current implementation

A Generalist Foundation Model for Total-body PET/CT Enables Diagnostic Reporting and System-wide Metabolic Profiling

一种通用的基础模型用于全身PET/CT，实现诊断报告和系统层面的代谢分析

Wei Chen, Liang Wu, Shuyi Lu, Yuanyuan Sun, Wenkai Bi, Zilong Yuan, Yaoyao He, Feng Wang, Junchi Ma, Shuyong Liu, Zhaoping Cheng, Xiaoyan Hu, Jianfeng Qiu

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

AI总结 SDF-HOLO是一种用于全身PET/CT的通用基础模型，通过多模态学习实现诊断报告和系统代谢分析，提升医疗影像处理的精度与效率。

TAT: Task-Adaptive Transformer for All-in-One Medical Image Restoration

TAT：适用于所有医学图像恢复的任务自适应Transformer

Zhiwen Yang, Jiaju Zhang, Yang Yi, Jian Liang, Bingzheng Wei, Yan Xu

机构 * School of Biological Science and Medical Engineering（生物科学与医学工程学院） ； State Key Laboratory of Software Development Environment（软件开发环境国家重点实验室） ； Key Laboratory of Biomechanics and Mechanobiology of Ministry of Education（教育部生物力学与机力学重点实验室） ； Beijing Advanced Innovation Center for Biomedical Engineering（北京生物医学工程先进创新中心） ； Beihang University（北京航空航天大学） ； Sinovision Technologies (Beijing) Co., Ltd.（北京视界科技有限公司） ； ByteDance Inc.（字节跳动公司） 纠错

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

AI总结 TAT提出了一种任务自适应Transformer框架，通过动态调整权重和损失平衡策略，解决医学图像恢复中任务干扰和不平衡问题，实现多任务高性能恢复。

Comments This paper has been accepted by MICCAI 2025

CR3G: Causal Reasoning for Patient-Centric Explanations in Radiology Report Generation

CR3G：用于放射学报告生成的患者导向因果推理

Satyam Kumar

机构 * IIT Bombay（博伊斯大学） 纠错

专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)；diagnosis(abstract)；分类 cs.LG

AI总结 CR3G通过因果推理提升放射学报告生成的解释能力，增强AI诊断的可信度和实用性。

Comments 8 pages, 5 figures, 1 table

From Healthy Scans to Annotated Tumors: A Tumor Fabrication Framework for 3D Brain MRI Synthesis

从健康扫描到标注肿瘤：一种用于3D脑部MRI合成的肿瘤生成框架

Nayu Dong, Townim Chowdhury, Hieu Phan, Mark Jenkinson, Johan Verjans, Zhibin Liao

机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； The University of Adelaide（阿德莱德大学） ； School of Computer and Mathematical Sciences（计算机与数学科学学院） 纠错

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

AI总结 本文提出了一种名为Tumor Fabrication的新型框架，通过无配对的3D脑肿瘤合成方法，利用健康图像和少量真实标注数据生成大量合成数据，以提升低数据环境下的肿瘤分割性能。

Pillar-0: A New Frontier for Radiology Foundation Models

Pillar-0：放射学基础模型的新前沿

Kumar Krishna Agrawal, Longchao Liu, Long Lian, Michael Nercessian, Natalia Harguindeguy, Yufu Wu, Peter Mikhael, Gigin Lin, Lecia V. Sequist, Florian Fintelmann, Trevor Darrell, Yutong Bai, Maggie Chung, Adam Yala

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

AI总结 Pillar-0通过预训练大量医学影像数据和RATE框架，在放射学任务中实现高性能表现，超越现有模型并扩展至新任务。

Versatile and Efficient Medical Image Super-Resolution Via Frequency-Gated Mamba

Wenfeng Huang, Xiangyun Liao, Wei Cao, Wenjing Jia, Weixin Si

机构 * Faculty of Engineering and Information Technology, University of Technology Sydney, Australia（工程与信息技术学院，悉尼技术大学，澳大利亚） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, China（深圳先进技术研究所，中国科学院，中国） ； College of Computer Science and Technology, Qingdao University, China（计算机科学与技术学院，青岛大学，中国） ； Faculty of Computer Science and Control Engineering, Shenzhen University of Advanced Technology, China（计算机科学与控制工程学院，深圳先进技术大学，中国） 纠错

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