医学 AI

MRI2Rep: Autoregressive Structured Report Generation for 3D Liver MRI

MRI2Rep：3D肝脏MRI的自回归结构化报告生成

Xinran Li, Junlin Yang, Annabella Shewarega, Zongwei Zhou, Julius Chapiro, James S. Duncan, Lawrence H. Staib

机构 * Department of Biomedical Engineering（生物医学工程系） ； Department of Radiology & Biomedical Imaging（放射学与生物医学影像系） ； Department of Electrical Engineering（电气工程系） ； Yale University（耶鲁大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

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

AI总结 提出MRI2Rep自回归框架，通过报告到标签规范化模块将自由文本转换为结构化诊断序列，实现3D肝脏MRI的端到端结构化报告生成，在真实数据集上优于基线方法。

Comments MICCAI 2026

Promise and challenges of heart chamber segmentation from non-contrast CT scans using contrastive unpaired image translation: a feasibility study

使用对比非配对图像翻译从非增强CT扫描中进行心脏腔室分割的前景与挑战：一项可行性研究

Jing Wang, Tong Yu, Hao-En Lu, Zixue Zeng, Joseph K. Leader, Xin Meng, Jianbing Zhu, Jiantao Pu

机构 * Department of Radiology, University of Pittsburgh（匹兹堡大学放射科部门） ； Department of Bioengineering, University of Pittsburgh（匹兹堡大学生物工程部门） ； Department of Ophthalmology, University of Pittsburgh（匹兹堡大学眼科学部门） 纠错

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

AI总结 提出ChameleonNet框架，利用对比非配对翻译生成非增强CT，结合深度学习分割心脏四腔，在合成图像上DSC达0.91-0.94，但真实CT上体积误差较大，需进一步改进。

Quantum CT via Dynamic Interval Encoding and Prior-Balanced QUBO Reconstruction

基于动态区间编码和先验平衡QUBO重建的量子CT

Ao Wang, Yikuang Yuluo, Yujie Liu, Shuangyang Zhong, Yuwen Zhang, Zihao Wang, Fenglin Liu, Andreas Maier, Haijun Yu, Yixing Huang

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究院） ； Pattern Recognition Lab (LME), Department of Computer Science, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)（埃尔朗根-纽伦堡大学计算机科学系模式识别实验室） ； Key Lab of Optoelectronic Technology and Systems and the Engineering Research Center of Industrial Computed Tomography Nondestructive Testing, Ministry of Education, Chongqing University（重庆大学光电技术及系统教育部重点实验室和工业计算机断层成像无损检测工程研究中心） 纠错

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

AI总结 提出一种基于QUBO的灰度CT重建框架，通过动态区间编码和先验平衡优化，在稀疏视角和有限角度实验中优于多种基线方法，并可在混合量子-经典后端执行。

Comments 10 pages, 10 figures

Optimized Multi-Contrast Self-Supervised MRI Reconstruction using Learned k-space Partitioning

使用学习型k空间划分的优化多对比度自监督MRI重建

Brenden Kadota, Charles Millard, Mark Chiew

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

AI总结 提出一种多对比度自监督学习框架，通过端到端学习最优k空间数据划分，无需全采样数据即可提升MRI重建质量。

BrainFusionNet: a deep learning and XAI model to understand local, global, and sequential features of MRI images for improved brain tumour detection

BrainFusionNet：一种用于理解MRI图像局部、全局和序列特征以改进脑肿瘤检测的深度学习与XAI模型

Md Taimur Ahad, Bo Song, Yan Li

机构 * School of Mathematics, Physics and Computing, University of Southern Queensland（南方昆士兰大学数学、物理与计算学院） ； School of Engineering, University of Southern Queensland（南方昆士兰大学工程学院） 纠错

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

AI总结 提出BrainFusionNet混合模型，结合CNN、ViT和GRU提取MRI空间、上下文和序列特征，并集成SHAP、LIME和GradCAM进行可解释性分析，在公开数据集上达到98%准确率，优于SOTA CNN。

Journal ref Brain Inf. 13, 21 (2026)

Fine-UNETR for PSMA PET/CT Lesion Segmentation: Automated Tumor Quantification and Overall Survival Stratification in Prostate Cancer

Fine-UNETR 用于 PSMA PET/CT 病灶分割：前列腺癌中自动肿瘤定量和总生存期分层

Mansour Abtahi, Chae Moon Hong, Nikhil Deveshwar, Stellamaris Nwihim, Minkyung Lee, Peder E. Z. Larson, Thomas A. Hope

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

AI总结 提出基于 Vision Transformer 的 Fine-UNETR 架构，实现全身 PSMA PET/CT 病灶自动分割，并验证 AI 衍生的肿瘤负荷生物标志物在放射配体治疗前总生存期分层中的临床效用。

Revisiting LLM Adaptation for 3D CT Report Generation: A Study of Scaling and Diagnostic Priors

重新审视用于3D CT报告生成的LLM适应：缩放与诊断先验研究

Vanshali Sharma, Andrea M. Bejar, Halil Ertugrul Aktas, Quoc-Huy Trinh, Debesh Jha, Gorkem Durak, Ulas Bagci

机构 * Northwestern University（西北大学） ； University of South Dakota（南达科他大学） ； Aalto University（阿尔托大学） 纠错

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

AI总结 提出RAD3D-Prefix轻量级诊断先验框架，通过冻结大语言模型并融合多标签分类逻辑，在少量可训练参数下实现3D CT报告生成，优于全微调基线并展现强泛化性。

LUCID: Learned Undersampling-Adaptive Consistency-Guided Inference with Deterministic Flow Matching for Sparse-View CT Reconstruction

LUCID：基于确定性流匹配的学习型欠采样自适应一致性引导稀疏视角CT重建

Jigang Duan, Jiayi Wang, Heran Wang, Ping Yang, Genwei Ma, Xing Zhao

机构 * School of Mathematical Sciences, Capital Normal University（首都师范大学数学科学学院） ； National Center for Applied Mathematics Beijing, Capital Normal University（首都师范大学北京国家应用数学中心） ； Academy for Multidisciplinary Studies, Capital Normal University（首都师范大学交叉科学研究院） 纠错

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

AI总结 提出LUCID框架，利用流匹配生成先验和稀疏度自适应策略，通过退化匹配初始状态和投影域一致性校正，实现不同采样密度下的稳定稀疏视角CT重建，减少伪影和幻觉结构。

Trusting Right Predictions for Wrong Reasons: A LIME Based Analysis of Deep Learning Interpretability in Lung Cancer Diagnosis

信任错误理由的正确预测：基于LIME的肺癌诊断深度学习可解释性分析

Samarpan Poudel, Vladislav D Veksler

机构 * Caldwell University School of Business and Computer Science（考德威尔大学商业与计算机科学学院） 纠错

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

AI总结 本研究通过LIME分析三种深度学习模型（CNN、ResNet50、ViT）在肺癌CT分类中的决策一致性，发现预测高度一致但解释区域差异显著，表明预测一致性不能替代推理一致性。

Mutual Distillation of Dual-Foundation Models for Semi-Supervised PET/CT Segmentation

双基础模型的相互蒸馏用于半监督PET/CT分割

Fuyou Mao, Beining Wu, Yanfeng Jiang, Bohan Xu, Lixin Lin, Naye Ji, Hao Zhang, Yan Tang

机构 * Central South University（中南大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Communication University of Zhejiang（浙江传媒学院） ； Northeastern University（东北大学） 纠错

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

AI总结 提出MuDuo框架，利用SAM-Med3D和SegAnyPET分别从CT和PET中蒸馏知识到轻量学生网络，实现半监督器官分割，仅用5个标注样本在AutoPET数据集上达到最优性能。

Comments MICCAI 2026

Physics-Driven Zero-Shot MRI Reconstruction with Non-local Image Priors

基于非局部图像先验的物理驱动零样本MRI重建

Lingtong Zhang, Wenlei Li, Mu He, Li Xiao, Yang Ji

机构 * School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） 纠错

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

AI总结 提出一种物理驱动的零样本自监督学习框架，通过线圈灵敏度图引导的动态存储库、SPIRiT正则化和非局部自相似像素银行，解决欠采样MRI重建中的监督不足和过拟合问题，在FastMRI数据集上达到最优性能。

Time-Conditioned and Multi-Time Survival Prediction from 2D PET/CT Projections in Lung Cancer

基于2D PET/CT投影的时间条件与多时间生存预测在肺癌中的应用

Ashish Chauhan, Sambit Tarai, Elin Lundström, Johan Öfverstedt, Håkan Ahlström, Joel Kullberg

机构 * Radiology, Department of Surgical Sciences, Uppsala University（乌普萨拉大学外科学系放射科） ； National Academic Infrastructure for Supercomputing (NAISS), Linköping University（林雪平大学国家学术超级计算基础设施） ； Antaros Medical ； SciLifeLab, Uppsala University（乌普萨拉大学SciLifeLab） 纠错

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

AI总结 提出时间条件生存（ATCS）和多时间生存（MTS）两种方法，利用2D PET/CT投影预测非小细胞肺癌患者生存，ATCS在早期预测更优，MTS在晚期更优。

Comments Under review at MIUA 2026

Multimodal Ordinal Modeling of Alzheimer's Disease Severity Using Structural MRI and Clinical Data

使用结构MRI和临床数据的阿尔茨海默病严重程度的多模态序数建模

Boris-Stephan Rauchmann, Jonathan Laib, Buse Ercik, Robert Perneczky, Sergio Altares-López

机构 * Department of Neuroradiology, LMU University Hospital, Ludwig Maximilian University of Munich（神经放射科，慕尼黑路德维希-马克西米利安大学医院，慕尼黑路德维希-马克西米利安大学） ； Department of Psychiatry and Psychotherapy, LMU University Hospital, Ludwig Maximilian University of Munich（精神病学与心理治疗系，慕尼黑路德维希-马克西米利安大学医院，慕尼黑路德维希-马克西米利安大学） 纠错

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

AI总结 提出一种注意力增强的多模态序数回归框架，整合MRI、人口统计学和遗传数据，用于自动且可解释的AD严重程度分期，在ADNI等数据集上验证，序数模型在相邻阶段准确率（0.970）和与临床分期一致性（QWK 0.549）上表现最佳。

Comments 18 pages. Submitted to journal for review

Improving PET/CT-Based Whole-Body Lesion Segmentation Using Prediction Uncertainty-Augmented Models

利用预测不确定性增强模型改进PET/CT全身病灶分割

Bashirul Azam Biswas, Biratal Raj Wagle, Zhihan Yang, Marc A. Seltzer, Matthew E. Maeder, James B. Yu, Indrani Bhattacharya

机构 * Department of Biomedical Data Science（生物医学数据科学系） ； Geisel School of Medicine at Dartmouth（达特茅斯大学盖西尔医学院） ； Dartmouth Hitchcock Medical Center（达特茅斯希思科特医疗中心） 纠错

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

AI总结 提出一种不确定性感知框架，结合贝叶斯集成、体素不确定性量化与不确定性增强训练，提升PET/CT全身病灶分割的鲁棒性和病灶检测能力，在AutoPET-III和Deep-PSMA数据集上验证。

Comments 32 pages, 10 figures, 5 tables

vesselFM-CT: Segmenting All Blood Vessels in CT Images for System-Level Cardiovascular Analysis

vesselFM-CT：在CT图像中分割所有血管以实现系统级心血管分析

Bastian Wittmann, Chinmay Prabhakar, Suprosanna Shit, Bjoern Menze

机构 * Department of Quantitative Biomedicine, University of Zurich（苏黎世大学定量生物医学系） 纠错

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

AI总结 提出vesselFM-CT模型，通过迭代多步训练和TubeLoss损失函数，实现CT图像中从大血管到微小肠系膜血管的全分割，优于基线方法，支持系统级心血管分析。

WaveDiT: Distribution-Aware Wavelet Flow Matching for Efficient 3D Brain MRI Synthesis

WaveDiT: 面向高效3D脑MRI合成的分布感知小波流匹配

Danilo Danese, Angela Lombardi, Giuseppe Fasano, Matteo Attimonelli, Tommaso Di Noia

机构 * Politecnico di Bari（巴里理工大学） ； Sapienza University of Rome（罗马大学） 纠错

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

AI总结 提出WaveDiT，一种在3D Haar离散小波变换系数空间中运行的条件流匹配框架，通过分解时空注意力与基于高阶小波统计的带状异方差不确定性建模，实现单GPU上全分辨率3D脑MRI高效合成，在分布对齐和下游任务中优于现有方法。

Comments Provisionally accepted at MICCAI 2026

DALE-CT: Depth-Aware Foundation Models for Computed Tomography

DALE-CT: 用于计算机断层扫描的深度感知基础模型

Evan W. Damron, Mahmut S. Gokmen, Mitchell A. Klusty, Caroline N. Leach, Emily B. Collier, V. K. Cody Bumgardner

机构 * University of Kentucky（肯塔基大学） 纠错

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

AI总结 提出DALE-CT，一种基于LeJEPA的2D切片模型，通过3D深度感知预训练（利用解剖掩膜和异常标注）提升表示质量，在CT多异常检测中达到与3D视觉语言模型近似的性能。

Comments 9 pages, 2 figures

Toward CT-Equivalent Image Quality in Low-Dose Radiotherapy Planning: Conditional Diffusion-Based CBCT-to-CT Synthesis and the Impact of CBCT Input Representation

实现与CT相当的低剂量放疗计划图像质量：基于条件扩散的CBCT到CT合成及CBCT输入表示的影响

Alzahra Altalib, Chunhui Li, Christopher Hamill Taylor, Sankar Pillai, Alessandro Perelli

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

AI总结 本研究开发基于条件DDPM的CBCT到CT合成框架，探究CBCT输入表示对合成性能的影响，旨在实现低剂量放疗中与CT相当的图像质量。

Comments 9 pages, 6 figures, European Conference of Radiology (ECR) 2026

Generation of synthetic CT images from optical scanning for superficial mold brachytherapy

基于光学扫描的表浅模具近距离治疗合成CT图像生成

Scott B. Crowe, Emily Simpson-Page, Jenna Luscombe, Rachael Wilks, Tanya Kairn

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

AI总结 提出利用光学3D扫描数据生成合成CT图像，结合3D建模和商业治疗计划系统，实现表浅近距离治疗模具的导管定位和剂量优化，无需内部解剖信息。

Comments 8 pages, 3 figures, accepted for publication in the IFMBE Proceedings on the World Congress on Medical Physics and Biomedical Engineering 2022

Multiparametric MRI Radiomics and Machine Learning Framework for Predicting Treatment Response in Glioblastoma

用于预测胶质母细胞瘤治疗反应的多参数MRI放射组学与机器学习框架

Suchibrata Patra

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

AI总结 本研究构建结合多参数MRI放射组学与MGMT状态的随机森林模型，实现胶质母细胞瘤放化疗后真性进展与假性进展的无创精准区分，性能优于多种对照方法。

NGPS: Structure-Preserving Self-Supervised Denoising via Neighbor-Guided Patch Sampling

NGPS：基于邻域引导的补丁采样的结构保持自监督去噪

Jaehyun Cho, YoungJoon Yoo

机构 * Department of Artificial Intelligence, Chung-Ang University（Chung-Ang大学人工智能系） ； SNUAILAB 纠错

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

AI总结 提出NGPS框架，通过邻域引导的补丁采样在局部错位下构建自监督去噪目标，无需显式配准，在CT和MRI上提升保真度和结构敏感指标。

Comments The 19th European Conference on Computer Vision: ECCV 2026

A comparison of CNN architectures for Alzheimer's disease detection in single-view MRI scans

用于单视图MRI扫描阿尔茨海默病检测的CNN架构对比

Hiram Zuniga, Ulises Orozco-Rosas, Kenia Picos

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

AI总结 本研究对比十种CNN架构在OASIS数据集上检测阿尔茨海默病的性能，采用两阶段迁移学习，发现VGG16表现最优，且各类架构均难区分非痴呆与极轻度痴呆阶段。

Comments Accepted at SPIE Optics + Photonics 2026 for oral presentation. 14 pages, 7 figures, 8 tables

A Concept of LNA with Low Input Impedance Using Common Base BJT for Low-Field MRI

用于低场MRI的基于共基极BJT的低输入阻抗LNA概念

Aleksei A. Nasonov, Mikhail V. Murzin, Nikolay V. Anisimov, Vasily S. Severikov, Anna A. Dyatlovich, Anna A. Hurshkainen, Georgiy A. Solomakha

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究针对低场MRI中低输入阻抗LNA匮乏的问题，提出基于双极型晶体管共基极电路的低成本LNA，经测试其性能优于商用产品，适配低场MRI应用。

CT-PIKAN: Coordinate-Transformed Physics-Informed Kolmogorov-Arnold Network with Autograd-Based Metric Evaluation for Solving PDEs in Curvilinear Domains

CT-PIKAN：用于求解曲线域偏微分方程的坐标变换物理信息柯尔莫哥洛夫-阿诺尔德网络（结合基于自动微分的度量评估）

Mohammad E. Heravifard, Kazem Hejranfar

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本研究提出CT-PIKAN框架，通过坐标变换结合自动微分，解决曲线域偏微分方程求解的几何适配问题，在多类基准问题上实现高效准确的求解。

Evaluation of Silicon-Based Photon-Counting CT for Coronary Stenosis Quantification with Realistic Coronary Artery Phantoms

基于真实冠状动脉模型的硅基光子计数CT在冠状动脉狭窄定量评估中的价值

Maria Jose Medrano, Jed Pack, Stephen Araujo, Grant M. Stevens, Koen Nieman, Ge Wang, Bruno De Man, Adam S. Wang

专题命中 医学影像 ：CT(title,title_cn)

AI总结 该研究以真实钙化冠状动脉模型为对象，对比dSi-PCCT与EID-CT，发现前者能显著提升冠状动脉狭窄定量评估的准确性，支持后续动态模型及临床CCTA评估。

CT-PrepAgent: Bounded Policy and Controlled Execution for Adaptive CT Data Preparation

CT-PrepAgent：用于自适应CT数据准备的有界策略与受控执行

Xiaolin Fan, Yue Pei, Yingying Zhang, Haogang Zhu

专题命中 医学影像 ：CT(title,title_cn)

AI总结 针对CT数据准备的可迁移性问题，提出CT-PrepAgent模型，通过有界策略与受控执行实现自适应处理，在公开分割任务与私有DICOM队列中均取得了良好性能。

The generation of spiral density waves by MRI in accretion discs

吸积盘中MRI产生的螺旋密度波

G. Mamatsashvili, D. Kobaidze, W. Mouhali, T. Lehner, L. Burdiladze

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究开普勒盘中弱垂直磁场下的扰动，发现MRI驱动的不可压缩磁模式可在径向波数过零时激发螺旋密度波，为可压缩运动提供线性机制。

Comments 14 pages, 6 figures, accepted for publication in MNRAS

Universal Phase Contrast in Micro-CT Systems

显微CT系统中的通用相位衬度

Grammatiki Lioliou, Alberto Astolfo, Marco Endrizzi, David Bate, Charlotte K. Hagen, Alessandro Olivo

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本研究指出传统显微CT系统无需可见菲涅耳条纹即可存在相位诱导分辨率增强，推导了硬件与探测器诱导相位检索的分析条件并通过实验验证，改变了对其成像机制的解读。

Comments 28 pages, 6 figures

A Wireless Volumetric Metamaterial Resonator for Breast MRI

用于乳腺MRI的无线体积超材料谐振器

Yuhan Liu, Xia Zhu, Christina A. LeBedis, Stephan W. Anderson, Xin Zhang

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究提出无线体积超材料谐振器，将现有临床MRI的脊柱线圈转为乳腺MRI接收平台，可提升乳腺成像中心信噪比、降低空间不均匀性，为改善乳腺MRI性能提供了可行硬件方案。

Transport Properties of the MRI in Differentially Rotating Neutron Stars

差分旋转中子星中MRI的输运性质

Harshraj Bandyopadhyay, Peter Hammond, David Radice

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究差分旋转中子星中MRI的输运性质，通过GRMHD模拟测量相关输运系数及与平均流参数的相关性，发现饱和时相关量与预期有偏差且高度间歇性，混合长度与密度无关，强调完全解析模拟对定量预测的必要性。