医学 AI

BART Online Open-Source Sequence Toolbox for Computational MRI

用于计算MRI的BART在线开源序列工具箱

Daniel Mackner, Philip Schaten, Markus Huemer, Viktoria Buchegger, Moritz Blumenthal, Xiaoqing Wang, Martin Uecker

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究旨在提供满足需求的集成开源框架，通过在BART工具箱添加软件框架及开发驱动序列，实现定量MRI方法，验证在线和离线采集一致性，成功在开源框架内实现先进计算MRI方法的可重复性。

Measuring Computational Thinking Self-Efficacy (CT-SEI): Instrument development and preliminary evaluation

测量计算思维自我效能感（CT-SEI）：量表开发与初步评估

Imke de Jong, Johan Jeuring, Judith Masthoff

专题命中 医学影像 ：CT(title,title_cn)

AI总结 研究旨在开发测量高等教育学生计算思维自我效能感的工具，通过创建候选项目、专家评估、收集学生数据进行主成分分析和验证性因素分析，最终形成可用于评估干预效果及促进CT技能发展的工具。

Comments Accepted by UKICER 2026

Portable surrogate-free 4D MRI from standard fast multi-slice 2D MRI via implicit neural representations

通过隐式神经表示从标准快速多层 2D MRI 实现便携式无替代 4D MRI

Muheng Li, Xinyang Wu, Xia Li, Orso Pusterla, Philippe C. Cattin, Sairos Safai, Antony J. Lomax, Ye Zhang

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究提出 SIMPLE - 4D 工作流程，通过标准快速多层 2D MRI 重建切片实现便携式无替代 4D MRI，结合采集无关前端、无替代变分运动编码器和基于隐式神经表示的时空重建，在多数据集验证，有创新成果及性能提升。

Comments 52 pages, 8 figures, 6 tables

Fast ungated five-dimensional cardiac MRI on a 1.5 T MR-linac for MRI-guided radiotherapy

1.5T MR直线加速器上用于MRI引导放射治疗的快速非门控五维心脏MRI

M. L. Terpstra, T. E. Olausson, M. M. N. Aubert, C. Beijst, A. Sbrizzi, C. A. T. van den Berg, M. F. Fast

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究针对室性心动过速患者立体定向心律失常射频消融受心肺运动限制问题，提出基于CMR-MOTUS框架的快速非门控5D-MRI重建方法，经模型验证和志愿者评估，能快速高质量个性化表征运动，有用于相关治疗的潜力。

Reconstruction-Independent Resolution Limits in Preclinical Cone-Beam Micro-CT: A Closed-Form Analysis

临床前锥形束微CT中与重建无关的分辨率极限：闭式分析

Falk L. Wiegmann, Nancy L. Ford

专题命中 医学影像 ：CT(title,title_cn)

AI总结 研究临床前锥形束微CT中与重建无关的分辨率极限，推导光子噪声和角采样极限的闭式表达式，组合成有效分辨率图，给出扫描设计最优值及预算分配规则，并用实例和计算器展示相关内容。

Comments Accompanying open-source interactive web calculator: https://ubc-ford-lab.github.io/ideal_observer_SKE_BKE_model/

APHABAMAS: An analytical phantom-based scheme for assessing the accuracy of high-resolution 3D MRI motion-artifact simulations

APHABAMAS：一种基于分析体模的方案，用于评估高分辨率3D MRI运动伪影模拟的准确性

Tianqi Wu, Hui Zhang

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究旨在开发评估高分辨率3D MRI运动伪影模拟准确性的方案，提出APHABAMAS方案，利用数字体模解析表达图像和傅里叶域表示，量化三种算法采样误差并排名，为算法选择提供依据。

Geometry-Consistent Discretization of Local Correlation Equations for the Radon Transform in Clinical CT

临床CT中拉东变换局部相关方程的几何一致离散化

Xuanqing Mou, Jiayu Duan, Yang Mou

专题命中 医学影像 ：CT(title,title_cn)

AI总结 将二维拉东变换局部相关方程框架扩展到临床CT几何，提出几何一致离散化方案，用有限差分法离散，评估其数值有效性并用于稀疏视图正弦图插值，提升重建质量。

Comments 19 pages, 11 figures

Body Habitus Dominates Solver Choice as a Source of Uncertainty in MRI Safety Assessment of Active Implantable Medical Devices

身体体型在有源植入式医疗器械MRI安全评估中作为不确定性来源主导求解器选择

Safa Hameed, Fuchang Jiang, Bhumi Bhusal, Sana Ullah, Pia Sanpitak, Laleh Golestanirad

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究有源植入式医疗器械MRI安全评估中预测变异性的因素，通过对两种电磁求解器在多模型上进行跨平台评估，发现身体体型是主要不确定来源，解剖多样性应作主要变量。

Accelerating MRI Colon Volume Measurements and Reducing Inter-Observer Variation through Automatic Segmentation and Human-in-the-Loop Correction

通过自动分割和人在回路校正加速MRI结肠体积测量并减少观察者间变异

Abi Spicer, Stephen Lloyd-Brown, Neele Dellschaft, Luca Marciani, Robin Spiller, Maura Corsetti, Penny Gowland, Xin Chen, Caroline Hoad

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 提出基于nnU-Net的自动分割结合人工校正方法，将结肠MRI分析时间从56分钟降至11分钟，同时提高观察者间重复性（ICC>0.93），全结肠体积测量准确度高（ICC=0.96）。

Unpaired Deep Learning Synthesis of Photon-Counting CT Material Basis Maps from Non-contrast Energy-Integrating Abdominal CT Images

非对比能量积分腹部CT图像的光子计数CT材料基图无配对深度学习合成

Ruihan Huang, Staffan Holmin, Mats Persson

专题命中 医学影像 ：CT(title,title_cn)

AI总结 提出两步深度学习模型，从公开EID CT图像合成PCCT材料基图，首步用DDIM生成EID CT图像，次步用U-Net与域对抗网络预测水和碘图，无需配对数据，合成图像保持高空间分辨率。

Data assimilation of flow MRI data into RANS models with algebraic closures

将流动MRI数据同化到具有代数封闭的RANS模型中

C. Namuroy, M. P. Juniper, P. Nair, M. Loecher, D. B. Ennis, A. Marsden, A. Kontogiannis

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 采用贝叶斯推断框架，将3D流动MRI测量数据同化到RANS模型中，估计湍流模型参数和入口边界条件，成功重建平均流速并提供不确定性估计。

Foveated-Imaging Geometry CT Architecture and Seeded Diffusion Model Enabling Global Super-Resolution Reconstruction

中心凹成像几何CT架构与种子扩散模型实现全局超分辨率重建

Wenxin Mo, Yingxian Xia, Yongle Yan, Hao Zhou, Li Zhang, Hewei Gao

专题命中 医学影像 ：CT(title,title_cn)

AI总结 提出中心凹成像几何CT架构，集成局部高分辨率数据到低分辨率主导的采集方案，并开发扩散概率超分辨率重建框架，实现全场高分辨率CT图像重建。

Comments 24pages,10figures

CT-VAM: A Cerebello-Thalamic-Inspired Vision-Action Model for Efficient Visuomotor Control

CT-VAM: 一种小脑-丘脑启发的视觉-动作模型用于高效视觉运动控制

Jiacheng Li, Yize Guo, Jiabin Guo, Qingchen Liu, Jiahu Qin

机构 * University of Science and Technology of China（中国科学技术大学） ； AIRLab, Department of Automation（自动化系AIRLab） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 提出CT-VAM模型，通过TARS条件注意力解码器融合异构输入，以68M参数实现与大型VLA模型相当的LIBERO成功率，并降低推理延迟，支持高频控制。

MRI-triggered instability at the inner dead zone edge: disc evolution and burst modes tied to magnetic field strengths

MRI触发的内死区边缘不稳定性：与磁场强度相关的盘演化和爆发模式

Michael Cecil, Mario Flock, Daniel Steiner

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究原行星盘内死区边缘的MRI触发不稳定性，通过辐射流体动力学模拟发现磁场强度决定爆发模式，弱磁场下出现窄模式并产生涡旋。

Comments 17 pages, 9 figures, accepted for publication in A&A

Slice-Profile-Enabled Phase Distribution Graphs for MRI Simulation

用于MRI模拟的切片轮廓使能的相位分布图

Snawar Hussain, Daniel C. Hoinkiss, Jörn Huber, Vincent Kuhlen, Matthias Günther

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 提出一种统一的Bloch分辨PDG框架，通过将RF脉冲的切片轮廓效应编码为PDG状态图中的稀疏交叉阶耦合，实现切片轮廓感知的MRI模拟，在保持少量状态的同时与直接Bloch模拟高度一致。

Comments 10 pages, 8 figures, Preprint version

Investigating the Uncertainty of Cellular Microenvironment Parameter Estimations via Diffusion MRI Cytometry

通过扩散MRI细胞计量学探究细胞微环境参数估计的不确定性

Wen Li, Yan Dai, Arely Perez Rodriguez, Todd Aguilera, Jie Deng, Xun Jia

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究利用IMPULSED扩散MRI信号，通过雅可比敏感性分析和神经网络映射，识别出细胞直径、细胞内体积分数和细胞外扩散系数可稳健估计，为放疗反应监测提供无创评估框架。

Comments 34 pages, 5 figures

Efficient Computing for Medical Image Acquisition and Reconstruction

医学图像采集与重建的高效计算

Xiao Wang, Jayasai Rajagopal, Md Safaiat Hossain, Peng Chen, Mohamed Wahib, Enzhi Zhang, Emma J. Reid

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

AI总结 探讨医学图像采集与重建，回顾各成像模态物理及采集过程，推导通用框架，讨论多种重建方法及计算特性，研究高效计算考量，展示成像物理、数学建模与高效计算整合可实现准确且可扩展的医学图像重建。

Comments book chapter for textbook "Medical Image Vision Handbook"

XClipGS: Exact Half-Space Clipping for Medical Volume Gaussian Splatting

XClipGS: 用于医学体高斯溅射的精确半空间裁剪

Zhongpai Gao, Benjamin Planche, Meng Zheng, Anwesa Choudhuri, Chaoyi Zhou, Terrence Chen, Ziyan Wu

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

AI总结 本文提出XClipGS精确裁剪方法，通过闭式逐像素算子实现医学体高斯溅射的半空间精确裁剪，在8组CT/MRI数据集上，其PSNR、SSIM等指标均优于现有方法，渲染速度超650 FPS且泄漏量显著降低。

Patient Pose Assessment Using a CT-Based Framework for Synthetic Data Generation

基于CT合成数据生成框架的患者姿态评估

Manuel Laufer, Dominik Mairhöfer, Malte Sieren, Hauke Gerdes, Fabio Leal dos Reis, Arpad Bischof, Thomas Käster, Erhardt Barth, Jörg Barkhausen, Thomas Martinetz

机构 * Institute for Neuro- and Bioinformatics, University of Lübeck（吕贝克大学神经与生物信息学研究所） ； University Medical Center Schleswig-Holstein（石勒苏益格-荷尔斯泰因大学医学中心） ； IMAGE Information Systems Europe GmbH（IMAGE信息系统欧洲有限公司） ； Pattern Recognition Company GmbH（模式识别有限公司） 纠错

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

AI总结 该研究提出基于CT的合成数据生成框架，用于解决放射图像患者姿态评估中真实训练数据获取难的问题，经3077对踝关节图像预训练后，真实踝关节姿态评估性能提升最多11个百分点。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:027

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

Vision Foundation Models in Radiology: A Scoping Review of Data, Methodology, Evaluation and Clinical Translation

放射学中的视觉基础模型：数据、方法、评估和临床转化的范围综述

Alejandro Vergara-Richart, Xavier Rafael-Palou, Almudena Fuster-Matanzo, Ignacio Iborra Roncales, Ángel Alberich-Bayarri, Ana Jiménez-Pastor

机构 * Universitat Politècnica de València（瓦伦西亚理工大学） 纠错

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

AI总结 对2017年1月至2026年3月关于放射成像数据训练基础模型的研究综述，涵盖数据、架构、评估等方面。Transformer架构和自监督预训练为主，评估集中在分割和分类。虽有可迁移性，但临床转化因多种问题受限。

Comments 33 pages, 8 tables, 2 figures

MNet++: Extended 2D/3D Networks for Anisotropic Medical Image Segmentation

MNet++: 用于各向异性医学图像分割的扩展2D/3D网络

Kirsten Odendaal, Rade Bajic

机构 * School of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院） 纠错

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

AI总结 本文复现并扩展了混合2D/3D卷积网络MNet，引入自适应融合门控和VMamba状态空间模块，在保持各向异性鲁棒性的同时提升分割性能。

Rad-JEPA 3D: Radiology Joint-Embedding Predictive Model for 3D Computed Tomography

Rad-JEPA 3D：用于三维计算机断层扫描的放射学联合嵌入预测模型

Quoc-Huy Trinh, Minh-Van Nguyen, Ulas Bagci

机构 * Northwestern University（西北大学） ； Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 Rad-JEPA 3D是用于3D CT的自监督联合嵌入预测框架，采用混合H-Mamba编码器与HSOR正则化，在12万次CT扫描预训练后，在器官识别、空间推理等任务上达到最优性能。

Sparse Concept Channels in Frozen 3D CT Vision Encoders

冻结的3D CT视觉编码器中的稀疏概念通道

Farhad Nooralahzadeh, Lea Bogensperger, Christian Bluethgen, Michael Krauthammer

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

AI总结 研究3D医学图像解释中视觉语言模型内部单元对临床发现的编码，提出无训练概念通道探测（CCP）方法，通过实验证明该方法能清晰表征冻结医学编码器对发现的表示，在临床疗效和NLG指标上表现优且延迟低。

DS@GT ARC at ImageCLEFmed GANs 2026: Geometric Filtering for Privacy-Preserving CT Slice Generation

图像CLEFmed GANs 2026竞赛中的DS@GT ARC：用于隐私保护CT切片生成的几何滤波

Eric Regina, Richard Arnaud, Samir Hadi Cisneros

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 为Image-CLEFmed GANs 2026挑战赛开发隐私保护框架，结合最优传输条件流匹配等，在几何潜在空间过滤候选切片。官方结果显示有真实感与隐私权衡，虽减少泄漏，但防止直接图像复制仍不足以消除患者特定解剖特征，凸显未来隐私保护医学图像生成的重要前沿。

CRISP: Constrained Refinement via Iterative Squeezing Process for Robust Medical Image Segmentation under Domain Shift

CRISP：通过迭代挤压过程进行约束细化，以实现域转移下的稳健医学图像分割

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

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

AI总结 针对医学成像域转移问题，提出CRISP模型无关框架，利用“正区域的秩稳定性”假设，通过潜在特征扰动获取双先验并递归细化，经迭代训练框架提升分割精度，在多中心实验中显著优于现有方法。

Comments X pages, 3 figures, 3 tables; submitted to AAAI 2027

Joint Medical Image Enhancement and Segmentation with Diffusion-based Symbiotic Information Interaction

基于扩散的共生信息交互的联合医学图像增强与分割

Ying Chen, Jinyue Li, Qiankun Li

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Imperial Global Singapore, Imperial College London（伦敦帝国学院新加坡分校） 纠错

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

AI总结 提出DiSIINet，利用扩散模型和共生信息交互模块，在统一框架中实现图像增强与分割的相互促进，在多模态医学图像上取得显著性能提升。

Comments Accepted by IJCAI 2026

Modeling Local, Global, and Cross-Modal Context in Multimodal 3D MRI

多模态3D MRI中的局部、全局和跨模态上下文建模

Minh Duc Do, Tillmann Rheude, Noel Kronenberg, Roland Eils, Benjamin Wild

机构 * Berlin Institute of Health at Charité - Universitätsmedizin Berlin（柏林健康研究所，柏林夏里特医学院） ； Health Data Science Unit, Heidelberg University Hospital and BioQuant（海德堡大学医院与BioQuant健康数据科学部） ； Intelligent Medicine Institute, Fudan University（复旦大学智能医学研究所） ； Department of Mathematics and Computer Science, Freie Universität Berlin（柏林自由大学数学与计算机科学系） 纠错

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

AI总结 提出MICViT，一种3D视觉Transformer，通过四种注意力机制显式建模模态内和跨模态的局部与全局交互，在多数据集脑龄预测任务中优于现有方法。

Anatomically-conditioned Latent Diffusion Model for Data-Efficient Few-Shot Cross-Domain 3D Glioma MRI Synthesis

解剖条件约束的潜在扩散模型用于数据高效的小样本跨域3D胶质瘤MRI合成

Salman Shaik, Truong Thanh Hung Nguyen, Hung Cao

机构 * Analytics Everywhere Lab, University of New Brunswick, Canada（新不伦瑞克大学分析无处不在实验室，加拿大） 纠错

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

AI总结 提出解剖条件约束的潜在扩散模型（ALDM），通过两阶段框架（3D变分自编码器学习解剖先验，ControlNet引导的潜在扩散生成结构一致体积）在仅16张目标图像的小样本设置下优于GAN基线，实现FID 85.40和分类AUC 0.987。

Comments Published in Canadian AI 2026

Toward Training-Free Zero-Shot Anomaly Detection in 3D Medical Images: A Batch-Based Approach Using 2D Foundation Models

迈向3D医学图像的无训练零样本异常检测：基于批次的方法使用2D基础模型

Tai Le-Gia

机构 * Chungnam National University（忠南大学） 纠错

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

AI总结 提出CS3F框架，利用2D基础模型对3D医学图像进行零样本异常检测，通过沿多轴分解、切片编码和跨主体相似性计算异常分数，并引入粗到细的分词策略减少信号衰减。

Diffusion-Refined Segmentation and Vision-Language Interpretation for Pediatric Brain Tumor MRI

扩散细化分割与视觉-语言解释用于儿童脑肿瘤MRI

Wentao Ke, Jianche Liu

机构 * Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系） ； School of Medicine, Stanford University（斯坦福大学医学院） 纠错

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

AI总结 提出两阶段框架，先用Swin-UNETR粗分割，再用条件扩散模型细化边界，最后结合多模态语言模型生成结构化报告，提升儿童脑肿瘤分割精度和可解释性。