Contrastive Image Synthesis and Self-supervised Feature Adaptation for Cross-Modality Biomedical Image Segmentation
专题命中 医学影像 ：medical image(title,abstract)；biomedical(title,abstract)；MRI(abstract)；CT(abstract)
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 22563 篇
Holistic and Comprehensive Annotation of Clinically Significant Findings on Diverse CT Images: Learning from Radiology Reports and Label Ontology
专题命中 医学影像 ：CT(title,abstract)；radiology(title,abstract)；medical image(abstract)；diagnosis(abstract)
Comments CVPR 2019 oral, main paper + supplementary material
Unsupervised Cross-Modality Domain Adaptation of ConvNets for Biomedical Image Segmentations with Adversarial Loss
专题命中 医学影像 ：medical image(title,abstract)；biomedical(title,abstract)；MRI(abstract)；CT(abstract)
Comments IJCAI 2018
Pancreas Segmentation in CT and MRI Images via Domain Specific Network Designing and Recurrent Neural Contextual Learning
专题命中 医学影像 ：MRI(title,abstract)；CT(title,abstract)；diagnosis(abstract)；radiology(abstract)
Segmentation of spinal rootlets across MRI contrasts with RootletSeg
跨MRI对比的脊髓根段分割：RootletSeg
专题命中 医学影像 ：MRI(title,title_cn)；分类 q-bio、eess.IV
AI总结 本文提出了一种深度学习方法RootletSeg，用于自动分割不同MRI扫描中的脊髓根段，通过在多个数据集上训练和测试，验证了该方法在不同MRI对比度下的分割性能，并展示了其在脊髓水平确定中的应用价值。
Comments 26 pages, 6 figures, 4 tables
Journal ref K. Krejci et al., Segmentation of spinal rootlets across MRI contrasts with RootletSeg, Scientific Reports, May 2026, doi: 10.1038/s41598-026-49164-0
Pre- to Post-Contrast Synthesis of Breast DCE-MRI using Latent Bridge Matching
基于潜在桥匹配的乳腺动态对比增强MRI从造影前到造影后合成
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 该研究提出潜在桥匹配框架，在MAMA-SYNTH挑战中从乳腺DCE-MRI造影前图像合成峰值增强图像，肿瘤条件变体性能优于造影前条件及LDM基线，为虚拟造影增强提供新方案。
MRIComp4Flow: Compression of 3D Brain MRI for Training Multi-Modal Generative Models
MRIComp4Flow：用于训练多模态生成模型的三维脑部MRI压缩
机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Imperial College London（帝国理工学院） ； Florida State University（佛罗里达州立大学） ； Institute for Advanced Study, TUM (TUM-IAS)（慕尼黑工业大学高等研究院） ； TUM University Hospital（慕尼黑工业大学医院）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 该研究针对大规模多模态MRI的存储与I/O问题，采用JPEG2000或JPEG-LS压缩三维脑肿瘤MRI，在20:1压缩率下训练Wavelet Flow Matching模型，证实其合成质量与未压缩数据训练的模型相当，为可扩展三维MRI生成建模提供了实用方案。
Comments Accepted: MICCAI 2026 SASHIMI workshop
Coarse-to-Fine Registration of Jawbone CT and Intraoral Scan Data Using GeDi and ICP with Pseudo-IOS Ground Truth
基于GeDi与ICP及伪口腔扫描数据真值的颌骨CT与口腔扫描数据的由粗到精配准
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本研究提出伪IOS评估框架，结合GeDi与ICP实现颌骨CT与口腔扫描数据的由粗到精配准，实验表明该方法精度优于单独使用GeDi，且受金属伪影影响较小。
Comments 9 pages, 2 figures, 1 table
A continually expandable foundation model for brain MRI
可持续扩展的脑MRI基础模型
机构 * University of Cambridge（剑桥大学） ； University of Málaga（马拉加大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 本文提出可扩展的Alcmaeon脑MRI基础模型，结合体积编码、潜在扩散生成与Graph-Blueprint Pruning，在跨临床领域扩展时遗忘程度更低，可支持多种任务，为持续发展的脑MRI基础模型提供了可行方向。
Resolution-Agnostic Neural Operators for Multi-Rate Sparse-View CT
分辨率无关的神经算子用于多速率稀疏视角CT
机构 * Caltech（加州理工学院） ； IIT Kanpur（印度理工学院坎普尔分校） ； Stanford University（斯坦福大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 CTO提出一种分辨率无关的神经算子框架，通过连续函数空间实现多速率稀疏视角CT重建的泛化，提升重建质量和效率。
Sparse Mixture-of-Experts for Non-Uniform Noise Reduction in MRI Images
用于MRI图像非均匀降噪的稀疏混合专家模型
机构 * Purdue University（普渡大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 针对MRI图像非均匀噪声问题，提出细粒度稀疏混合专家框架，将图像分区域后路由至专用降噪CNN，在合成与真实脑部MRI数据集上性能优于现有方法，且泛化性良好。
Comments Accepted to the WACV Workshop on Image Quality
Journal ref in 2025 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW), Tucson AZ USA, pp 260-268
Unsupervised Adversarial Domain Adaptation for Uterine layer Segmentation: From Labeled Cine to Unlabeled Dynamic EPI MRI
用于子宫层分割的无监督对抗域自适应：从带标签的电影MRI到无标签的动态EPI MRI
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 该研究针对子宫层分割问题，提出无监督对抗域自适应框架，迁移电影MRI的分割知识至动态EPI MRI，结合Unet-LSTM与多尺度域判别器，实现了良好的分割效果，为探究子宫收缩性与T2*变化的关联提供了可行方法。
Predictive Enhancement Calibration for Latent Breast MRI Virtual Contrast Enhancement
用于潜在乳腺MRI虚拟对比度增强的预测增强校准
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 针对潜在乳腺MRI虚拟对比度增强中自然图像自动编码器与MRI强度尺度冲突的问题，提出PEC方法并结合FLUX模型，在MAMA100队列中提升了所有八个点估计，MSE和LPIPS表现最优。
Comments Top-3 submission in the MICCAI 2026 MAMA-Synth Challenge
Adaptive Plane Reformatting for 4D Flow MRI using Deep Reinforcement Learning
基于深度强化学习的自适应平面重排用于4D流体MRI
机构 * Biomedical Imaging Center, Pontificia Universidad Católica de Chile（生物医学成像中心，智利天主教大学） ； Department of Electrical Engineering, School of Engineering, Pontificia Universidad Católica de Chile（电气工程系，智利天主教大学） ； Millennium Institute for Intelligent Healthcare Engineering (iHEALTH)（智能医疗工程研究所（iHEALTH）） ； Institute for Biological and Medical Engineering, School of Engineering, Medicine and Biological Sciences, PUC（生物医学工程研究所，智利天主教大学） ； Department of Medical Imaging and Radiation Sciences, Faculty of Medicine, Nursing and Health Sciences, Monash University（医学影像与放射科学系，墨尔本大学） ； Department of Radiology, School of Medicine, PUC（放射科，智利天主教大学） ； Cardiac Imaging Centre, Departments of Radiology and Cardiac Sciences, University of Calgary（心脏影像中心，卡里多尼亚大学） ； Department of Cardiology, Vall d'Hebron Hospital Universitari, Vall d'Hebron Barcelona Hospital Campus（心脏科，瓦尔德·埃尔布罗纳大学医院，瓦尔德·埃尔布罗纳巴塞罗那医院校区） ； Cardiovascular Diseases, Vall d'Hebron Institut de Recerca (VHIR), Vall d'Hebron Barcelona Hospital Campus（心血管疾病，瓦尔德·埃尔布罗纳研究所（VHIR），瓦尔德·埃尔布罗纳巴塞罗那医院校区） ； Department of Medicine, Universitat Autònoma de Barcelona（医学系，巴塞罗那自治大学） ； Department of Cardiology and Cardiovascular Surgery, Papa Giovanni XXIII Hospital（心脏科和心血管外科，帕帕·乔万尼·第二十三医院）
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AdaPR，一种基于深度强化学习的自适应平面重排方法，用于4D flow MRI，实现了高精度的平面重排和流速量化，适用于不同扫描仪和数据集。
Journal ref Computer Methods and Programs in Biomedicine, 286, 109546 (2026)
Enhancing Brain Age Estimation with a Multimodal 3D CNN Approach Combining Structural MRI and AI-Synthesized Cerebral Blood Volume Measures
通过多模态3D CNN方法增强脑年龄估计，结合结构性MRI和AI合成的脑血容量测量
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.LG、eess.IV
AI总结 本文提出了一种结合结构性MRI和AI合成脑血容量测量的多模态3D CNN方法，用于更准确地估计脑年龄差距，以检测早期神经退行性变化。
Comments 26 pages, 8 figures
CT-Merging: Consensus Directions and Task-Level Scaling for LoRA Adapter Merging
CT-Merging：用于LoRA适配器合并的共识方向和任务级缩放
机构 * KAIST（韩国科学技术院）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、cs.LG
AI总结 研究针对LoRA适配器合并中系数不匹配问题，提出CT-Merging算法，通过平均任务子空间投影仪估计共识方向并分配任务级系数缩放，利用跨任务SVD子空间构建公共基础，在基准测试中比现有方法准确率更高。
Comments 9 pages, 5 figures
MIRAGE: Multi-scale Lesion-Informed Representation with Auxiliary Guidance for MRI Contrast Enhancement
MIRAGE：用于MRI对比度增强的具有辅助引导的多尺度病变信息表示
机构 * Netherlands Cancer Institute（荷兰癌症研究所）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.LG、eess.IV
AI总结 研究从对比前乳腺MRI切片推断对比度增强的问题，提出MIRAGE方法，结合多种损失与监督形式，在多中心数据上评估，该方法在多个指标排名第一，显著提升病变定位，揭示了保真度与效用的权衡。
Comments 9 pages, 2 figures, 3 tables
Cross-Dataset Generalization in Breast MRI Tumor Classification via Class-Wise Dataset Mixing
通过类级数据集混合实现乳腺MRI肿瘤分类中的跨数据集泛化
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 研究乳腺MRI肿瘤分类中深度学习模型因域转移和数据集来源偏差而跨机构失败的问题，通过构建类级混合训练集控制偏差，显著提升了WaveViT - Small和EfficientNet - B3在MAMA - MIA上的分类准确率和F1值。
Comments CBMS 2026
RegionFM: Interpretable Region-Based Brain MRI Classification Using Foundation Model Embeddings
RegionFM：使用基础模型嵌入进行可解释的基于区域的脑MRI分类
机构 * L3S Research Center（L3S研究中心）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 研究针对脑MRI基础模型预测难解释问题，提出RegionFM框架，将解剖分割与基础模型嵌入结合，通过划分区域、编码嵌入及构建模型组合，用于认知障碍分类评估，在保持性能同时使解释与临床推理更好对齐。
Monte Carlo Dropout Uncertainty and Entropy-Thresholded Selective Prediction for Architecture-Agnostic Brain Tumor MRI Triage
用于与架构无关的脑肿瘤MRI分类的蒙特卡罗随机失活不确定性和熵阈值选择性预测
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 该研究针对脑肿瘤MRI分类，提出基于蒙特卡罗随机失活读取不确定性并转化为熵阈值规则的流程，通过特定图像分区和多模型多指标评估，结果表明此不确定性流程有效，可校准且能提高分类准确性，提供架构无关的脑肿瘤MRI分类基础。
Comments 18 pages, 8 figures, 5 tables
A novel unsupervised machine learning strategy to handle multimodal cardiac PET/MRI data
一种处理多模态心脏PET/MRI数据的新型无监督机器学习策略
机构 * Nantes Université, CHU Nantes（南特大学，南特大学医院中心） ； Siemens Healthineers France（西门子医疗法国公司）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 研究针对致心律失常性左心室心肌病诊断难题，利用PET/MRI数据，采用两步聚类等方法，对患者图像进行处理分析，生成健康报告，经交叉验证和在更大队列上验证，能准确识别异常，有助于表征心肌异质性。
Comments 11 pages, 6 figures
Contrastive Joint-Embedding Prediction for Representation Learning in Structural MRI
用于结构MRI中表示学习的对比联合嵌入预测
机构 * Technical University of Denmark（丹麦技术大学） ； Department of Applied Mathematics and Computer Science（应用数学与计算机科学系）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 针对医学成像中标记数据稀缺问题，提出COJEPA自监督框架，结合联合嵌入预测架构与对比损失，用于体积脑MRI。通过特定技术扩展到3D，在多任务中评估，取得了如最佳同卵双胞胎召回率等成果，证明组合目标能产生优质表示。
Quantum Compressed Sensing CT Reconstruction Algorithm Based on Penalized Weighted Least Squares and Guided Total Variation
基于惩罚加权最小二乘法和引导全变差的量子压缩感知CT重建算法
机构 * Peking University Health Science Center（北京大学医学部）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 研究针对现有基于QUBO的稀疏视图CT重建的局限，提出结合PWLS和GTV的量子压缩感知CT方法，经二进制编码形成统一QUBO模型，实验表明该方法重建质量最佳，为量子辅助稀疏视图CT重建提供了概念验证。
Comments 14 pages, 11 figures
Heterogeneity-Adaptive Diffusion Schrodinger Bridge for PET-Guided Whole-Body MRI Translation
用于PET引导的全身MRI转换的异质性自适应扩散薛定谔桥
机构 * The University of Sydney（悉尼大学） ； Fudan University Shanghai Cancer Center（复旦大学附属上海肿瘤医院） ； Beijing Normal University（北京师范大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 针对PET-MR扫描时间长的问题，提出异质性自适应扩散薛定谔桥（HA-DSB）框架，通过整合视觉语言模型嵌入及PET先验，利用双阶段引导机制，实现全身MRI转换，提升不同区域尤其是病变区域的转换质量。
Comments Accepted at MICCAI 2026
Efficient Flow Matching for Sparse-View CT Reconstruction
用于稀疏视图CT重建的高效流匹配
机构 * Centrum Wiskunde en Informatica（数学与信息学研究中心） ； LIACS, Leiden University（莱顿大学LIACS） ； Great Bay University（大湾大学） ； Mathematical Institute, Utrecht University（乌得勒支大学数学研究所）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 研究利用流匹配（FM）模型进行CT重建，因其确定性与数据一致性操作天然兼容。提出基于FM的CT重建框架及高效变体，通过重用预测速度场减少神经网络函数评估次数，提高推理效率，实验证明效果良好。
Journal ref MICCAI 2026
Region-Aware Multimodal Large Language Model via SlowFast Tokenization and Pseudo-Mask Guidance for 3D CT Report Generation
区域感知多模态大语言模型：基于慢快标记化与伪掩码引导的3D CT报告生成
机构 * Department of Convergence Medicine, University of Ulsan College of Medicine, Asan Medical Center, Seoul, Republic of Korea（韩国首尔峨山医疗中心蔚山大学医学院融合医学系） ； University of Ulsan College of Medicine, Seoul, Republic of Korea（韩国首尔蔚山大学医学院） ； Department of Radiology and Research Institute of Radiology, University of Ulsan College of Medicine, Asan Medical Center, Seoul, Republic of Korea（韩国首尔峨山医疗中心蔚山大学医学院放射科与放射学研究所）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 提出MedRegion-CT框架，通过区域慢快标记器联合建模全局与细粒度信息、伪掩码引导关注诊断关键区域、结构化病变信息提示，实现高质量CT报告生成，在多项指标上达到最优。
Comments Accepted to ECCV 2026. 15 pages, 8 figures, 4 tables
Measured-Subspace Consistency: A Plug-and-Play Operator for Diffusion Posterior Sampling in Accelerated MRI Reconstruction
测量子空间一致性：加速MRI重建中扩散后验采样的即插即用算子
机构 * Interdisciplinary Program in Cancer Biology, Seoul National University College of Medicine（首尔国立大学医学院癌症生物学跨学科项目） ； Department of Radiology, Seoul National University College of Medicine, Seoul National University Hospital（首尔国立大学医学院放射科，首尔国立大学医院） ； Healthcare AI Research Institute, Seoul National University Hospital（首尔国立大学医院医疗人工智能研究机构）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 针对加速MRI中扩散后验采样在已测量k空间上产生不一致的问题，提出测量子空间一致性（MSC）作为无训练的后验修正算子，通过经典一致性锁减少测量子空间泄漏，保持未测量子空间多样性，无需重新训练或调参。
Pseudo-Text-Conditioned 3D Grounding DINO for Organ Localization in Abdominal CT
伪文本条件3D Grounding DINO用于腹部CT器官定位
机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 提出CT-3GDINO，一种轻量级3D检测器，通过冻结伪文本类令牌替代真实文本编码器，实现腹部CT中五个器官的定位，在193个体积上达到0.5830 mAP。
Comments 24 pages, 17 figures
Female-RHINO: A Real-Time Scanner-Integrated Framework for Automated Quantitative Uterine MRI Analysis and Structured Reporting
Female-RHINO：一种用于自动定量子宫MRI分析和结构化报告的实时扫描仪集成框架
机构 * Radiologisches Institut, Universitätsklinikum Erlangen（埃朗根大学医院放射学研究所） ； School of Biomedical Engineering and Imaging, KCL（KCL生物医学工程与成像学院） ； Institute for Information Processing, Leibniz University Hannover（汉诺威莱布尼茨大学信息处理研究所） ； CAIMed, L3S research institute（CAIMed，L3S研究机构）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 提出Female-RHINO框架，集成MRI扫描仪和深度学习，实现实时自动定量子宫MRI分析及结构化报告，在500+多中心数据集上验证，处理时间<70秒。
Deep Unrolled Networks in Representation Space Applied to MRI Reconstruction
表示空间中的深度展开网络及其在MRI重建中的应用
机构 * Department of Radiology, Leiden University Medical Center, Leiden, Netherlands（莱顿大学医学中心放射科，莱顿，荷兰）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 提出DUNE框架，在表示空间中通过链式法则和向量-雅可比积实现精确数据一致性，用于加速MRI重建，优于现有方法。
