医学 AI

DICE: Diffusion Consensus Equilibrium for Sparse-view CT Reconstruction

DICE：扩散共识均衡用于稀疏视角CT重建

Leon Suarez-Rodriguez, Roman Jacome, Romario Gualdron-Hurtado, Ana Mantilla-Dulcey, Henry Arguello

机构 * Department of Systems and Informatics Engineering（系统与信息工程系） ； Department of Electrical, Electronics, and Telecommunications Engineering（电气、电子与电信工程系） ； Department of Physics（物理系） ； Universidad Industrial de Santander（圣安德烈斯工业大学） 纠错

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

AI总结 DICE框架通过整合双代理共识均衡，结合生成先验能力和测量一致性，有效提升稀疏视角CT重建质量，实验显示在15、30和60视角下优于现有方法。

Comments 8 pages, 4 figures, confenrence

Journal ref Proceedings of the 2025 IEEE 10th International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP)

Cross-Modal Knowledge Distillation for PET-Free Amyloid-Beta Detection from MRI

跨模态知识蒸馏用于无PET的MRI淀粉样蛋白β检测

Francesco Chiumento, Julia Dietlmeier, Ronan P. Killeen, Kathleen M. Curran, Noel E. O'Connor, Mingming Liu

机构 * Dublin City University（都柏林城市大学） ； Insight Research Ireland Centre for Data Analytics（爱尔兰Insight研究数据分析师中心） ； St. Vincent’s University Hospital（圣文森医院） ； University College Dublin（都柏林大学） 纠错

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

AI总结 本文提出一种基于BiomedCLIP的跨模态知识蒸馏框架，利用MRI单独预测淀粉样蛋白β，无需PET或临床变量，实现了可解释的无PET检测方法。

Comments Accepted to CVPR Workshops 2026 (PHAROS-AIF-MIH)

UniBiomed: A Universal Foundation Model for Grounded Biomedical Image Interpretation

UniBiomed: 一种用于 grounded 生物医学图像解释的通用基础模型

Linshan Wu, Yuxiang Nie, Sunan He, Jiaxin Zhuang, Luyang Luo, Tao Li, Zhuoyao Xie, Dexuan Chen, Yinghua Zhao, Neeraj Mahboobani, Varut Vardhanabhuti, Ronald Cheong Kin Chan, Yifan Peng, Pranav Rajpurkar, Hao Chen

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

AI总结 UniBiomed是一种基于多模态大语言模型和Segment Anything Model的通用基础模型，能够同时生成诊断结果并分割生物医学目标，提升生物医学图像分析的可解释性与性能。

Comments A universal foundation model for grounded biomedical image interpretation

APIS: A paired CT-MRI dataset for ischemic stroke segmentation challenge

Santiago Gómez, Daniel Mantilla, Gustavo Garzón, Edgar Rangel, Andrés Ortiz, Franklin Sierra-Jerez, Fabio Martínez

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

Automatic Extraction of Structured Information from Brain MRI Reports Using an Open-Weight Large Language Model

使用开源大语言模型从脑MRI报告中自动提取结构化信息

Kaouther Mouheb, Amos Pomp, Antoine Manenti, Romy de Haan, Farog Faghir, Joy Martens, Harro Seelaar, Francesco Mattace-Raso, Meike W. Vernooij, Frank J. Wolters, Stefan Klein, Esther E. Bron

机构 * Department of Radiology & Nuclear Medicine, Erasmus MC（埃因霍温麦斯特大学放射科与核医学部） ； Department of Epidemiology, Erasmus MC（埃因霍温麦斯特大学流行病学部） ； Department of Electrical and Electronics Engineering, ENSEEIHT（ENSEEIHT电子与电气工程系） ； Alzheimer Centre Erasmus MC（埃因霍温麦斯特大学阿尔茨海默病中心） ； Department of Neurology, Erasmus MC（埃因霍温麦斯特大学神经医学部） ； Department of Internal Medicine, Erasmus MC（埃因霍温麦斯特大学内科部） 纠错

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

AI总结 本研究评估了开源LLM LLaMA 3.1从荷兰语脑MRI报告中自动提取结构化信息的能力，通过零样本和少样本提示策略，在视觉评分、病变检测等任务上取得高准确率，少样本提示进一步提升了数值变量的提取性能。

Comments Submitted to European Radiology

Robustness and Stability Analysis of Differentiable Shift-Variant FBP for Cone-Beam CT under Challenging Acquisition Settings

锥束CT在具有挑战性的采集设置下的可微变移位FBP的鲁棒性和稳定性分析

Chengze Ye, Linda-Sophie Schneider, Yipeng Sun, Mareike Thies, Siyuan Mei, Paula Andrea Pérez-Toro, Siming Bayer, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany（模式识别实验室，弗赖堡-亚历山大-大学埃尔朗根-纽伦堡，埃尔朗根，德国） 纠错

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

AI总结 研究锥束CT中可微变移位FBP在挑战性采集设置下的鲁棒性与稳定性，通过系统研究发现其在不规则轨迹稳定，采样点分布影响大，稀疏视图下质量优、计算快，严重欠采样有性能下降，还适用于非平面多等中心几何结构。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:014

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Pretreatment MRI reveals a latent, molecular-subtype-independent structural phenotype that organizes treatment trajectories and recurrence risk

治疗前MRI揭示一种潜在的、不依赖分子亚型的结构表型，可统筹治疗轨迹与复发风险分层

Dattatreya Kantha, Murray H. Loew

机构 * Medical Imaging & Image Analysis Laboratory, Department of Biomedical Engineering, George Washington University（医学影像与图像分析实验室，生物医学工程系，乔治·华盛顿大学） 纠错

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

AI总结 本研究针对乳腺癌新辅助治疗响应评估的现有局限，基于I-SPY2队列构建结局盲法纵向DCE-MRI流形，发现治疗前MRI存在独立于临床基因组特征的固有结构表型，可预测治疗轨迹与复发风险。

Comments 31 pages, 8 figures, 7 tables

Noninvasive H3 K27M screening in pediatric diffuse midline glioma using radiomics on heterogeneous T2-weighted MRI

基于异质性T2加权MRI影像组学的儿童弥漫性中线胶质瘤无创H3 K27M筛查

Arthur Zagitov, Alexander Beznosikov, Vladimir Bozhenko, Ninel Kamyshnikova, Tatiana Kulinich, Sofia Polozova, Yaroslav Kholodov

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

AI总结 本研究利用T2加权MRI影像组学在异质性转诊队列中筛查儿童弥漫性中线胶质瘤的H3K27M突变，通过预处理、特征选择和体积优化，CatBoost模型达到0.730准确率和0.826 F1分数，表明影像组学可作为辅助筛查工具。

Evaluating Synthetic Data Generation for Domain Generalization in Fetal Brain MRI Segmentation

评估胎儿脑MRI分割中域泛化的合成数据生成

Vladyslav Zalevskyi, Thomas Sanchez, Margaux Roulet, Busra Bulut, Hélène Lajous, Jordina Aviles Verdera, Sara Neves Silva, Georg Langs, Gregor Kasprian, Roxane Licandro, Jana Hutter, Hamza Kebiri, Meritxell Bach Cuadra

机构 * Department of Radiology, Lausanne University Hospital and University of Lausanne (UNIL)（拉沃斯大学医院放射科和洛桑大学（UNIL）） ； CIBM Center for Biomedical Imaging（生物医学成像中心） ； Institute for Information Processing, Leibniz University Hannover（汉诺威莱比锡大学信息处理研究所） ； Department of Biomedical Engineering, School of Biomedical Engineering & Imaging Sciences, King’s College London（伦敦国王学院生物医学工程系） ； Department of Biomedical Imaging and Image-Guided Therapy, Division of Neuroradiology and Musculoskeletal Radiology, Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系） ； Department of Biomedical Imaging and Image-guided Therapy, Computational Imaging Research Lab (CIR), Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系，计算成像研究实验室（CIR）） ； Christian Doppler Laboratory for Mathematical Modelling and Simulation of Next-Generation Medical Ultrasound Devices, Medical University of Vienna（维也纳医学大学下一代医学超声设备数学建模与仿真克里斯蒂安多普勒实验室） ； Comprehensive Center for Artificial Intelligence in Medicine, Medical University of Vienna（维也纳医学大学人工智能在医学中的综合中心） ； Division of Neuroradiology and Musculoskeletal Radiology, Department of Biomedical Imaging and Image–guided Therapy, Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系，神经放射学和骨科放射学系） 纠错

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

AI总结 针对胎儿脑MRI分割中数据异质性和标注不足问题，研究基于域随机化的合成数据生成策略，提出FetalSynthSeg框架，通过高斯混合强度建模和强度聚类提升跨域鲁棒性，在多个数据集上达到最优性能。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:023

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Automated Optical Density Normalization for Myelin Quantification: Cross-Modal Validation with 7T Ex Vivo MRI

全自动光学密度标准化用于髓鞘量化：7T体外MRI的跨模态验证

Zahra Khodakarami, Sheina Emrani, Pulkit Khandelwal, Chinmayee Athalye, Amanda Denning, Winifred Trotman, Lisa M Levorse, Eric Teunissen-Bermeo, Hamsanandini Radhakrishnan, Daniel Ohm, Christophe Olm, Noah Capp, Ranjit Ittyerah, Karthik Prabhakaran, John A. Detre, Sandhitsu R. Das, David A. Wolk, Corey T McMillan, Gabor Mizsei, M. Dylan Tisdall, David J Irwin, John L. Robinson, Edward B Lee, Paul A. Yushkevich

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

AI总结 本文提出全自动管道用于髓鞘量化的光学密度标准化，通过体外7T MRI与组织学的跨模态验证，提高了髓鞘病理性评估的准确性与一致性。

Comments 10 Pages, accepted at MICCAI 2026

A Synthetic Data-Driven Radiology Foundation Model for Pan-tumor Clinical Diagnosis

面向肿瘤临床诊断的合成数据驱动放射学基础模型

Wenhui Lei, Hanyu Chen, Zitian Zhang, Luyang Luo, Qiong Xiao, Yannian Gu, Peng Gao, Yankai Jiang, Ci Wang, Guangtao Wu, Tongjia Xu, Yingjie Zhang, Pranav Rajpurkar, Xiaofan Zhang, Shaoting Zhang, Zhenning Wang

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

AI总结 PASTA通过合成数据驱动的方法，构建了跨肿瘤放射学基础模型，实现了45项肿瘤学任务的先进性能，并在临床场景中提升了诊断效率和准确性。

Comments 63 pages, 7 figures

RoMedFormer: A Rotary-Embedding Transformer Foundation Model for 3D Genito-Pelvic Structure Segmentation in MRI and CT

Yuheng Li, Mingzhe Hu, Richard L. J. Qiu, Maria Thor, Andre Williams, Deborah Marshall, Xiaofeng Yang

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

QUBIQ: Uncertainty Quantification for Biomedical Image Segmentation Challenge

Hongwei Bran Li, Fernando Navarro, Ivan Ezhov, Amirhossein Bayat, Dhritiman Das, Florian Kofler, Suprosanna Shit, Diana Waldmannstetter, Johannes C. Paetzold, Xiaobin Hu, Benedikt Wiestler, Lucas Zimmer, Tamaz Amiranashvili, Chinmay Prabhakar, Christoph Berger, Jonas Weidner, Michelle Alonso-Basant, Arif Rashid, Ujjwal Baid, Wesam Adel, Deniz Ali, Bhakti Baheti, Yingbin Bai, Ishaan Bhatt, Sabri Can Cetindag, Wenting Chen, Li Cheng, Prasad Dutand, Lara Dular, Mustafa A. Elattar, Ming Feng, Shengbo Gao, Henkjan Huisman, Weifeng Hu, Shubham Innani, Wei Jiat, Davood Karimi, Hugo J. Kuijf, Jin Tae Kwak, Hoang Long Le, Xiang Lia, Huiyan Lin, Tongliang Liu, Jun Ma, Kai Ma, Ting Ma, Ilkay Oksuz, Robbie Holland, Arlindo L. Oliveira, Jimut Bahan Pal, Xuan Pei, Maoying Qiao, Anindo Saha, Raghavendra Selvan, Linlin Shen, Joao Lourenco Silva, Ziga Spiclin, Sanjay Talbar, Dadong Wang, Wei Wang, Xiong Wang, Yin Wang, Ruiling Xia, Kele Xu, Yanwu Yan, Mert Yergin, Shuang Yu, Lingxi Zeng, YingLin Zhang, Jiachen Zhao, Yefeng Zheng, Martin Zukovec, Richard Do, Anton Becker, Amber Simpson, Ender Konukoglu, Andras Jakab, Spyridon Bakas, Leo Joskowicz, Bjoern Menze

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

Comments initial technical report

Specialty-Oriented Generalist Medical AI for Chest CT Screening

Chuang Niu, Qing Lyu, Christopher D. Carothers, Parisa Kaviani, Josh Tan, Pingkun Yan, Mannudeep K. Kalra, Christopher T. Whitlow, Ge Wang

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

CancerUniT: Towards a Single Unified Model for Effective Detection, Segmentation, and Diagnosis of Eight Major Cancers Using a Large Collection of CT Scans

Jieneng Chen, Yingda Xia, Jiawen Yao, Ke Yan, Jianpeng Zhang, Le Lu, Fakai Wang, Bo Zhou, Mingyan Qiu, Qihang Yu, Mingze Yuan, Wei Fang, Yuxing Tang, Minfeng Xu, Jian Zhou, Yuqian Zhao, Qifeng Wang, Xianghua Ye, Xiaoli Yin, Yu Shi, Xin Chen, Jingren Zhou, Alan Yuille, Zaiyi Liu, Ling Zhang

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

Comments ICCV 2023 Camera Ready Version

Bridging the gap between prostate radiology and pathology through machine learning

Indrani Bhattacharya, David S. Lim, Han Lin Aung, Xingchen Liu, Arun Seetharaman, Christian A. Kunder, Wei Shao, Simon J. C. Soerensen, Richard E. Fan, Pejman Ghanouni, Katherine J. To'o, James D. Brooks, Geoffrey A. Sonn, Mirabela Rusu

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

Comments Indrani Bhattacharya and David S. Lim contributed equally as first authors. Geoffrey A. Sonn and Mirabela Rusu contributed equally as senior authors

Forecasting Future Anatomies: Longitudinal Brain Mri-to-Mri Prediction

预测未来解剖结构：纵向脑MRI到MRI的预测

Ali Farki, Elaheh Moradi, Deepika Koundal, Jussi Tohka

机构 * A.I. Virtanen Institute for Molecular Sciences, University of Eastern Finland, Kuopio, Finland（A.I. Virtanen分子科学研究所，东芬兰大学，库奥普io，芬兰） 纠错

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

AI总结 本文研究从基线MRI预测未来脑部MRI，采用五种深度学习架构（UNet、U2-Net、UNETR、时间嵌入UNet和ODE-UNet）在ADNI和AIBL数据集上实现高保真体素级预测，并验证了跨队列泛化能力。

Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), Apr. 2026

Translating MRI to PET through Conditional Diffusion Models with Enhanced Pathology Awareness

通过增强病理意识的条件扩散模型将MRI翻译为PET

Yitong Li, Igor Yakushev, Dennis M. Hedderich, Christian Wachinger

机构 * Lab for Artificial Intelligence in Medical Imaging, Institute for Diagnostic and Interventional Radiology, School of Medicine and Health, TUM Klinikum, Technical University of Munich (TUM)（人工智能医学成像实验室，诊断与介入放射学研究所，医学院与健康学院，TUM医院，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Nuclear Medicine, School of Medicine and Health（核医学系，医学院与健康学院） ； Department of Neuroradiology, School of Medicine and Health（神经放射学系，医学院与健康学院） 纠错

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

AI总结 本文提出PASTA框架，利用条件扩散模型生成高质量3D PET图像，通过双臂架构和多模态条件整合提升结构与病理细节的保留，使合成PET在阿尔茨海默病诊断中性能优于MRI，接近真实PET。

Comments Accepted by Medical Image Analysis

Fine-grained lesion annotation in CT images with knowledge mined from radiology reports

Ke Yan, Yifan Peng, Zhiyong Lu, Ronald M. Summers

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

Comments 4 pages, IEEE International Symposium on Biomedical Imaging (ISBI) 2019, oral presentation

UMPIRE-Net: Unrolled Magnitude-Phase Regularization Network for Accelerated MRI

UMPIRE-Net：用于加速MRI的展开式幅度-相位正则化网络

Mahdi Saberi, Toygan Kiliç, Mehmet Akçakaya

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

AI总结 针对加速MRI的不适定逆问题，提出将幅度与相位解耦正则化的UMPIRE-Net，在部分傅里叶成像场景下提升了重建质量，生成更清晰图像并减少伪影。

Comments IEEE International Workshop on Machine Learning for Signal Processing (MLSP)

INFORM-CT: INtegrating LLMs and VLMs FOR Incidental Findings Management in Abdominal CT

INFORM-CT：整合LLM和VLM用于腹部CT的偶发发现管理

Idan Tankel, Nir Mazor, Rafi Brada, Christina LeBedis, Guy ben-Yosef

机构 * GE Healthcare Technology and Innovation Center（GE医疗技术与创新中心） ； Boston Medical Center（波士顿医疗中心） 纠错

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

AI总结 本文提出基于LLM和VLM的计划-执行框架，用于提高腹部CT偶发发现的检测、分类和报告效率与精度，通过自动化流程提升临床应用效果。

Comments Spotlight presentation at the 9th International Conference on Medical Imaging with Deep Learning (MIDL) 2026 Additional code and implementation details available at this https URL (https://idan-tankel.github.io/InformCT_ProjectPage/)

Knowledge-Guided 3D CT Generation: A Conditioning-Centric Taxonomy

知识引导的3D CT生成：以条件为中心的分类法

Francesca Pia Panaccione, Eugenio Lomurno, Matteo Matteucci

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

AI总结 本综述提出以条件为中心的分类法，沿外部知识类型、知识集成范式、生成架构三个维度组织条件3D CT生成研究，系统化现有方法并指出未来研究方向。

Comments Accepted to IJCAI-ECAI 2026, Survey Track

CT Open: An Open-Access, Uncontaminated, Live Platform for the Open Challenge of Clinical Trial Outcome Prediction

CT Open: 一个开放获取、无污染、实时平台，用于临床试验结果预测的开放挑战

Jianyou Wang, Youze Zheng, Longtian Bao, Hanyuan Zhang, Qirui Zheng, Yuhan Chen, Yang Zhang, Matthew Feng, Maxim Khan, Aditya K. Sehgal, Christopher D. Rosin, Ramamohan Paturi, Umber Dube, Leon Bergen

机构 * Laboratory for Emerging Intelligence, University of California, San Diego（新兴智能实验室，加州大学圣地亚哥分校） ； Department of Dermatology, University of California, San Diego（皮肤科系，加州大学圣地亚哥分校） ； Elsevier 纠错

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

AI总结 本文介绍CT Open平台，通过开放挑战预测临床试验结果，采用自动化方法解决数据污染问题，提供训练集和测试基准，推动AI在现实结果预测中的应用。

Comments Published at Conference on Language Modeling (COLM), 2026

Posterior Variance Is a Constraint Map, Not an Error Map: Closed-Form Uncertainty for Radiative Gaussian Splatting in Sparse-View CT

用于稀疏视图CT中辐射高斯点云的校准闭式不确定性

Chulin Zhao, Yiran Xu, Shu Liu

机构 * Dundee International Institute, Central South University（中南大学邓迪国际学院） ； Central South University（中南大学） 纠错

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

AI总结 研究针对辐射高斯点云在稀疏视图CT重建中缺乏可信度问题，利用透射X射线成像特性赋予其变分密度后验，通过系统校准研究表明所得不确定性能与真实误差排序相符，还剖析相关现象并指出校准后验指向剂量自适应停止规则。

Comments v2: substantially revised and condensed; 31 pages total, 9 figures

Real-time, inline quantitative MRI enabled by scanner-integrated machine learning: a proof of principle with NODDI

通过扫描仪集成的机器学习实现实时、在线定量MRI：NODDI的原理验证

Samuel Rot, Iulius Dragonu, Christina Triantafyllou, Matthew Grech-Sollars, Anastasia Papadaki, Laura Mancini, Stephen Wastling, Jennifer Steeden, John S. Thornton, Tarek Yousry, Claudia A. M. Gandini Wheeler-Kingshott, David L. Thomas, Daniel C. Alexander, Hui Zhang

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

AI总结 本文提出通过扫描仪集成的机器学习实现实时在线定量MRI，利用NODDI模型训练神经网络，验证了在健康志愿者中快速生成全脑参数估计的可行性，为临床应用奠定了基础。

Comments 27 pages total, 5 figures (6 pages), 8 supporting materials (9 pages)

Piecewise Dynamic Diffusion Regularization for Reconstruction of Cardiac Cine MRI

用于心脏电影MRI重建的分段动态扩散正则化方法

Florian Fürnrohr, Reinhard Heckel

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

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

AI总结 针对实时心脏电影MRI严重欠采样与运动导致的重建难题，提出PDDR方法，分段融合时空扩散先验，实现高效高质量重建，性能优于现有方法。

Population-Scale Segmentation of Penile Tissue in DIXON MRI using Deep Learning for Quantitative Phenotyping in Male Reproductive Health

基于深度学习的DIXON MRI阴茎组织群体尺度分割用于男性生殖健康定量表型分析

Jan Ernsting, Gunnar Paul Kordes, Nils Johannaber, Lynn Ogoniak, Wolfgang Roll, Tim Hahn, Alexander Siegfried Busch, Benjamin Risse

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

AI总结 提出基于3D nnU-Net的深度学习框架，实现多通道DIXON MRI中全阴茎自动分割，在UK Biobank 34,412名参与者中验证，Dice系数0.92，为男性生殖健康研究提供可重复的群体尺度方法。

A multi-architecture study of specificity refinement and false-positive mechanism analysis in prostate MRI

前列腺MRI中特异性细化和假阳性机制分析的多架构研究

Yongbo Shu, Kewen Chen, Yifeng Yuan, Zirui Xin, Luo Lei, Yang Yang, Xi Chen, Aijing Luo

机构 * The Second Xiangya Hospital of Central South University（中南大学湘雅医学院第二医院） ； School of Life Sciences, Central South University（中南大学生命科学学院） ； Hunan Provincial Key Laboratory of Medical Information Research (Central South University)（湖南省医学信息研究重点实验室（中南大学）） ； Hunan Provincial Clinical Medical Research Center for Cardiovascular Intelligent Medicine（湖南省心血管智能医学临床医学研究中心） 纠错

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

AI总结 本研究通过多架构分析前列腺MRI检测中的假阳性，发现假阳性在影像对比度上与癌症匹配，并评估了一种轻量级后处理细化头，可提升病例级特异性。

Comments 29 pages, 6 figures, 5 tables

Rendering Novel Views of MRI Using 3D Gaussian Splatting

使用3D高斯泼溅渲染MRI的新视图

Robin Y. Park, Mark C. Eid, Rhydian Windsor, Amir Jamaludin, Ana I. L. Namburete, João F. Henriques, Andrew Zisserman

机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） ； Oxford Machine Learning in NeuroImaging Lab, University of Oxford（牛津大学神经影像学机器学习实验室） 纠错

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

AI总结 通过3D高斯泼溅从稀疏各向异性MRI重建体积并采样与目标解剖对齐的平面，生成更优的放射学分级视图，相比原始扫描和体素插值方法提高了椎管狭窄分级准确性。

Prob-BBDM: a Probabilistic Brownian Bridge Diffusion Model for MRI sequence image-to-image translation

Prob-BBDM：用于MRI序列图像到图像翻译的概率布朗桥扩散模型

Martin Valls, Pascal Bourdon, Christine Fernandez-Maloigne, Guillaume Herpe, David Helbert

机构 * University of Poitiers, CNRS, XLIM, France（波尔多大学，法国国家科学研究中心，XLIM，法国） ； University of Poitiers, CNRS, Laboratory of Applied Mathematics, France（波尔多大学，法国国家科学研究中心，应用数学实验室，法国） ； Poitiers University Hospital（波尔多大学医院） ； I3M common laboratory CNRS-Siemens Healthinners, Poitiers University Hospital and University of Poitiers, France（I3M共同实验室，法国国家科学研究中心-西门子医疗，波尔多大学医院和波尔多大学，法国） 纠错

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

AI总结 提出基于概率布朗桥扩散模型（Prob-BBDM）的MRI序列图像翻译方法，通过变分编码器引导扩散机制，在BraTS 2021数据集上实现高效高质量合成，仅需4步扩散，SSIM达88.46%，PSNR达26.09 dB。

Journal ref Computerized Medical Imaging and Graphics, 2026, 130, pp.102745