医学 AI

Vendor-agnostic 4D Phase Contrast MRI: a complete open-source pipeline for velocities, displacement, and strain analysis

供应商无关的四维相位对比磁共振成像：用于速度、位移和应变分析的完整开源流程

Marta B. Maggioni, Sabine M. Räuber, Katarina Puš, Bostjan Šimunič, Xeni Deligianni, Regina M. M. Schlaeger, Francesco Santini

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

AI总结 提出一个完全开源的4D flow PC-MRI流程，集成压缩感知加速、BART重建和应变分析，通过梯度探测序列确保速度符号正确，并在两种MRI系统和两个解剖部位验证，显著缩短采集时间。

When is 3D Worth It? A Resource-Performance Frontier for CNNs and Transformers in Lung CT

何时3D值得？肺CT中CNN和Transformer的资源-性能前沿

Md Enamul Hoq, Sharafat Hossain, Imraul Emmaka, Linda Larson-Prior, Lawrence Tarbox, Jonathan Bona, Donald Johann Jr. and Fred Prior

机构 * Department of Biomedical Informatics University of Arkansas for Medical Sciences（生物医学信息学系，美国阿肯色大学医学科学分校） ； Department of Information Science University of Arkansas at Little Rock（信息科学系，美国阿肯色大学小岩分校） ； Department of Neuroscience University of Arkansas for Medical Sciences（神经科学系，美国阿肯色大学医学科学分校） 纠错

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

AI总结 研究在肺CT中2D、2.5D和3D输入对CNN和Transformer的影响，发现2.5D CNN在判别-稳定性权衡上最优，而3D CNN和Transformer存在不稳定性或退化预测。

Comments 8 pages, 6 figures

Trustworthy Medical Segmentation: Uncertainty-Aware U-Net Evaluation Under Clinical Image Degradation

可信医学分割：临床图像退化下的不确定性感知U-Net评估

Pranav Kaliaperumal, Manisha Kaliaperumal

机构 * University of Colorado Denver（科罗拉多大学丹佛分校） ； Creighton University（克里顿大学） 纠错

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

AI总结 研究在临床图像退化下评估医学分割模型的不确定性，提出可重现框架，用合成脑肿瘤MRI队列训练U-Net等模型，经多种损坏类型及不同严重程度测试，结果表明不确定性感知推理可作安全层，还开源相关代码、模型和协议。

MRI-guided cardiac radiotherapy using a 1.5 T MR-linac: surveying emerging patterns of care

采用1.5T MR-linac的MRI引导心脏放疗：调查新兴护理模式

O. Akdag, S. Mandija, J. Pomp, M.P.W. Intven, X. Chen, J. Yang, S. Oh, M. Trombetta, H. Tan, J. De Leon, M. Jameson, E. Efe, C. Önal, M.F. Fast

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究通过对使用1.5T MR-linac的国际机构用户开展调查，明确了心脏MRgRT治疗的模式、可行性及早期结局，为制定相关治疗建议提供真实世界依据。

Birth of the Coil: another Milestone towards a fully reproducible low-field MRI scanner for head-imaging

线圈的诞生：迈向完全可重复的低场头部磁共振成像扫描仪的又一个里程碑

Umberto Zanovello, Julia Pfitzer, Ariane Ernst, Joshua Harper, Jack Hayhoe, Tri Nguyen, Lukas Winter, Nicola De Zanche

专题命中 医学影像 ：MRI(title,summary_cn)

AI总结 该研究针对50 mT开源MRI扫描仪设计优化的开源 solenoid 头部线圈，经多机构验证其可重复性、有效性与安全性，为完全可重复的低场MRI扫描仪奠定基础，相关策略可推广至其他部位线圈设计。

Global simulations of accretion flows onto perturbers embedded in magnetized disks -I. MRI and jet formation in ideal MHD

嵌入磁化吸积盘中的扰动体上吸积流的全局模拟——I. 理想MHD中的MRI与喷流形成

Raúl O. Chametla, F. J. Sánchez-Salcedo, Martin E. Pessah, Mauricio Reyes-Ruiz

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究通过高分辨率全局MHD模拟，揭示嵌入磁化吸积盘的低质量扰动体可自然形成带大尺度磁场的微型吸积盘及双极磁外流，为相关天体物理模型奠定基础。

Comments 9 pages, 10 figures, accepted for publication in A&A

NeuroMosaic: Anatomically Grounded Multimodal Large Language Modeling for Molecularly Aware Glioma Reasoning from 3D MRI and Clinical Narratives

NeuroMosaic：基于解剖学的多模态大语言模型，用于从3D MRI和临床叙事中进行分子感知的胶质瘤推理

Yantong Liu, Zheyu Zhang, Runpeng Liu, Mu Xitang, Seong-Yoon Shin, Hyun-Ae Lee

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究针对多模态医疗大语言模型在神经肿瘤学中的结构缺陷，提出NeuroMosaic模型，通过多模块架构实现胶质瘤的准确推理，在多个数据集上取得优异性能，验证了解剖学索引路由机制的有效性。

Unveiling neuronal microstructure in the human brain in vivo with time-dependent radial diffusivity in MRI

利用MRI中随时间变化的径向扩散率在体揭示人类大脑神经元微观结构

Ante Zhu, Jerome J. Maller, H. Douglas Morris, Jeffrey P. Guenette, Flavio Dell' Acqua, Chu-Yu Lee, Jeffrey McGovern, Stephan E. Maier, Raymond Y. Huang, Andrew L. Alexander, Maureen N. Hood, Desmond Teck Beng Yeo, Steven CR Williams, Carl-Fredrik Westin, Vincent B. Ho, Vincent A. Magnotta, Hua Li

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究利用OGSE编码在体表征人类大脑随时间变化的径向扩散率，发现短扩散时间和长扩散时间间的径向扩散率变化在皮质脊髓束中值高，对大轴突直径敏感，为神经疾病中神经元微观结构改变研究建立了基线。

Comments 27 pages, 7 figures, 2 tables

Koopman-Operator Spectral Decomposition for Nonlinear Motion Suppression in Dynamic Contrast-Enhanced MRI of the Head and Neck

用于头颈部动态对比增强磁共振成像中非线性运动抑制的柯普曼算子谱分解

Renjie He

专题命中 医学影像 ：MRI(title,summary_cn)

AI总结 该研究针对头颈部动态对比增强MRI的非线性运动抑制问题，基于柯普曼算子理论构建流程，测试了普通DMD、EDMD及神经网络版本，通过时间序列重复解决维度瓶颈，逐片处理图像分离运动与对比增强，实现有效运动抑制。

Open-source MRI-informed computational model of human cortical folding

人类皮质折叠的开源磁共振成像信息计算模型

Anne Kerachni, Thomas Lavigne, Stéphane Urcun, Mireia Alenya, Oscar Camara, Julien Lefèvre François Rousseau

专题命中 医学影像 ：MRI(title,summary_cn)

AI总结 该研究针对人类皮质折叠问题，利用开源代码FEniCS开发计算模型，构建模块化、可解释且可扩展的模拟框架，结合胎儿MRI数据模拟折叠，估计参数并优化预测，助力理解皮质折叠及相关疾病。

Comments 33 pages, 17 figures

Stacked Ensemble Learning for Abdominal Aortic Aneurysm Segmentation in CT Angiography

堆叠集成学习用于CT血管造影中腹主动脉瘤分割

Joshua Fry, Sajjad Arzemanzadeh, Saeideh Sekhavat, Mostafa Jamshidian, Adam Wittek, Michael Bertolacci, Elke R. Gizewski, Eva Gassner, Alexander Loizides, Maximillian Lutz, Florian K. Enzmann, Karol Miller

专题命中 医学影像 ：CT(title,title_cn)

AI总结 针对CT血管造影中腹主动脉瘤分割，提出堆叠集成框架，结合三个nnUNetv2基学习器和L2正则化逻辑回归元模型，在测试集上Dice系数达0.9752，分离距离0.4598 mm，显著提升边界精度。

Comments 14 pages

CurvSegFlow: Time-Conditioned Flow Matching for Robust Segmentation of Curvilinear Structures in Noisy Biomedical Images

CurvSegFlow: 基于时间条件流匹配的噪声生物图像中曲线结构鲁棒分割

Sidi Mohamed Sid'El Moctar, Achraf Ait Laydi, Alexandre Beber, Marcus Braun, Zdenek Lansky, Yousef El Mourabit, Helene Bouvrais

机构 * CNRS, Univ. Rennes, Institute of Genetics and Development of Rennes (IGDR)（法国国家科学研究中心、雷恩大学、雷恩遗传与发育研究所） ； TIAD Laboratory, Sciences and Technology Faculty, Sultan Moulay Slimane Univ（苏丹穆莱·斯利曼大学科学与技术学院TIAD实验室） ； Institute of Biotechnology, Czech Academy of Sciences（捷克科学院生物技术研究所） 纠错

专题命中 医学影像 ：biomedical(title,abstract)；medical image(title)；分类 cs.CV、q-bio

AI总结 提出CurvSegFlow框架，利用时间条件流匹配将分割建模为动态细化过程，通过U-Net骨干网络和三重损失函数逐步校正噪声初始化，在低信噪比下提升曲线结构的连续性和分割精度。

Efficient and Accurate Image Reconstruction for Geometric-Inconsistent Multispectral CT with Ray-Dependent Energy Spectra

具有射线依赖能谱的几何不一致多谱CT的高效精确图像重建

Ziqiang Zhang, Chong Chen

专题命中 医学影像 ：CT(title,title_cn)

AI总结 针对多谱CT中几何参数不一致且能谱射线依赖的问题，提出一种基于聚合能谱的近似雅可比矩阵方法，设计高效精确的重建算法，并建立收敛理论，实验表明算法在效率和精度上优于现有方法。

Comments 28 pages, 11 figures

GenFAR: A generalized representation of brain structure, derived from 49,246 multi-cohort MRIs via deep learning

GenFAR：基于49246例多队列MRI通过深度学习得到的脑结构通用表征

Vishnu M. Bashyam, Guray Erus, Junhao Wen, Pratik Chaudhari, Randa Melhem, Sindhuja Govindarajan Tirumalai, Gareth Harman, Yong Fan, Colin L. Masters, Paul Maruff, Sterling C. Johnson, Jurgen Fripp, Duygu Tosun, John C. Morris, Daniel S. Marcus, Pamela LaMontagne, Tammie Benzinger, Susan R. Heckbert, Mark Espeland, Marilyn S. Albert, Andrew J. Saykin, Paul M. Thompson, Timothy J. Hohman, Susan M. Resnick, R. Nick Bryan, Murat Bilgel, Yang An, David A. Wolk, Li Shen, Haochang Shou, Ilya M. Nasrallah, Christos Davatzikos

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Melbourne（墨尔本大学） ； University of Wisconsin School of Medicine and Public Health（威斯康星大学医学与公共卫生学院） ； CSIRO Health and Biosecurity（联邦科学与工业研究组织健康与生物安全部） ； CSIRO（联邦科学与工业研究组织） ； University of California, San Francisco（加利福尼亚大学旧金山分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； University of Washington（华盛顿大学） ； Wake Forest School of Medicine（维克森林医学院） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） ； Indiana University（印第安纳大学） ； University of Southern California（南加利福尼亚大学） 纠错

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

AI总结 GenFAR是基于49246例多队列MRI的模块化深度学习框架，通过17类任务训练得到通用脑表征，可提升二级预测器的样本效率与准确性

MedARC: Training-Free Adaptive Redundancy Compression of Visual Tokens for 3D Medical Vision-Language Models

MedARC：面向3D医学视觉-语言模型的无训练视觉令牌自适应冗余压缩

Yitao Zhu, Mengjun Liu, Yingji Fu, Haowen Pang, Anqi Qiu

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

AI总结 针对3D医学VLMs的视觉令牌冗余压缩问题，本文提出无训练框架MedARC，整合三类线索估计令牌重要性，通过显著性感知合并策略压缩令牌，在CT-RATE和MR-RATE上实现性能保持的同时降低开销。

Comments 9 pages

Histopathological Spectrum-Guided Prostate Stratification via Segmentation-Assisted Diagnostic Transformer

基于分割辅助诊断变压器的组织病理学光谱引导前列腺分层

Leyang Li, Lihua Chen, Huangang Hu, Tianhang Hao, Hao Cheng, Xin Zhang, Qianru Sun, Bingxu Lu, Wenlong Yu, Feng Duan

机构 * College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； Tianjin First Central Hospital（天津市第一中心医院） ； School of Electronics and Information Engineering, Tiangong University（天津工业大学电子与信息工程学院） ； School of Artificial Intelligence, Hebei University of Technology（河北工业大学人工智能学院） ； North China Digital Health Technology Co., Ltd.（华北数字健康科技有限公司） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院） 纠错

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

AI总结 研究针对多参数MRI前列腺癌诊断局限，构建数据集并提出LSDT模型，利用零样本分割和多模态融合分类，在患者队列交叉验证中取得较好准确率和召回率，增强了前列腺MRI细粒度分类及风险分层。

Comments 17 pages, 6 figures, and 4 tables. Code will be made publicly available in a future revision

High-dimensional Embedding Prior for Noisy K-space Domain MRIReconstruction

高维嵌入先验用于噪声k空间域MRI重建

Yu Guan, Tianjia Huang, Qinrong Cai, Qiuyun Fan, Dong Liang, Qiegen Liu

机构 * School of Advanced Manufacturing, Nanchang University（南昌大学先进制造学院） ； School of Mathematics and Computer Science, Nanchang University（南昌大学数学与计算机科学学院） ； School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； Academy of Medical Engineering and Translational Medicine, Medical School, Faculty of Medicine, Tianjin University（天津大学医学部医学工程与转化医学研究院） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

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

AI总结 针对噪声k空间MRI重建，提出高维嵌入框架增强扩散模型表示能力，在多种噪声和欠采样条件下提升重建质量，尤其在高噪声场景效果显著。

GRAPE: Graph-Augmented Prototype Explanations for Interactive Medical Image Diagnosis

GRAPE: 面向交互式医学影像诊断的图增强原型解释

Rasul Khanbayov, Erchin Serpedin, Hasan Kurban

机构 * Hamad Bin Khalifa University（哈马德·本·哈利法大学） 纠错

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

AI总结 提出GRAPE架构，通过图注意力任务头建模概念共现提升分类性能，引入概念不匹配安全检查防止错误反馈，并利用开放词汇原型锚定支持从单张图像添加新发现，无需重新训练。

Dataset-Aware Cold-Start Active Learning for Annotation-Efficient 3D Medical Image Segmentation

数据集感知的冷启动主动学习用于高效标注的3D医学图像分割

Rémi Hattat, Marine Beaumont, Charline Bertholdt, Gabriela Hossu, Olivier Morel, Bailiang Chen

机构 * IADI (U1254)（IADI（U1254）） ； Inserm and Université de Lorraine（Inserm和洛林大学） ； CIC-IT 1433 ； Inserm, Université de Lorraine（Inserm和洛林大学） ； CHRU Nancy（南锡大学医院） ； Université de Lorraine（洛林大学） ； CHRU-Nancy（南锡大学医院） ； Pôle de la femme（妇女中心） 纠错

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.LG、q-bio、eess.IV

AI总结 提出CSCS框架，结合局部典型性和重建不确定性，通过加权几何分数和预算感知的步调规则，实现无标注池的冷启动样本选择，在多个3D医学图像分割基准上提升主动学习鲁棒性。

Comments 20 pages, 3 figures, 4 tables. Supplementary material available as ancillary file

Biological Sex Determination in Cadavers Using Deep Learning Algorithms from Computed Tomography Images of Pelvis and Skull

基于骨盆和颅骨CT图像的深度学习算法用于尸体生物学性别鉴定

Giovanna Herculano Tormena, Davi Nascimento Araújo, Germano Coimbra Soares de Carvalho, Gustavo Bruno Centenaro, Rafael Janowski Pozzer, Rodrigo Akira Azevedo Kurosawa, Danilo Aires Alves, Filipe Thiago Xavier de Campos, Pedro Henrique Macedo dos Santos, Pedro Augusto Prado Mota, Ricardo V. Godoy, João Manoel Herrera Pinheiro, Marcelo Becker

机构 * São Carlos School of Engineering, University of São Paulo（圣保罗大学圣卡洛斯工程学院） ； Aristoclides Teixeira Institute of Forensic (IMLAT)（阿里斯托克莱德斯·特谢拉法医研究所） 纠错

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

AI总结 本研究利用深度学习模型（如YOLO、ConvNeXt等）对尸体的骨盆和颅骨CT图像进行自动性别鉴定，在141例尸体上达到95.65%的准确率，证明了该方法的技术可行性。

Comments 16 pages

Which Anatomy Matters Under Limited Labels? A Data-Efficient Anatomy-Aware Benchmark for Cardiac Pathology Prediction

在有限标签下哪些解剖结构重要？用于心脏病理预测的数据高效解剖感知基准

Himanshu Singh

机构 * Himanshu Singh（希曼斯·辛格） 纠错

专题命中 医学影像 ：pathology(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.LG、q-bio、eess.IV

AI总结 针对有限标签和计算资源下的医学影像问题，提出解剖感知基准，通过比较不同解剖结构表示和分类器，发现表示质量比模型复杂度更重要。

Comments ACCEPTED at ICML 2026 Workshop GlobalSouthML (Seoul, South Korea; PMLR 306, 2026)

ViPSAM: Visual Prompting Medical Image Segmentation Using Segment Anything Model

ViPSAM：使用Segment Anything模型的视觉提示医学图像分割

San Lee, Nalee Kim, Jeong Il Yu, Hee Chul Park, Boah Kim

机构 * Department of Artificial Intelligence, Sungkyunkwan University, Republic of Korea（人工智能系，成均馆大学，大韩民国） ； Department of Radiation Oncology, Samsung Medical Center, Sungkyunkwan University School of Medicine, Republic of Korea（放射肿瘤科，三星医疗中心，成均馆大学医学院，大韩民国） ； Department of MetaBioHealth, Sungkyunkwan University, Republic of Korea（元生物健康系，成均馆大学，大韩民国） 纠错

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

AI总结 针对质子治疗计划中NCCT图像病变分割因对比度低而困难的问题，提出ViPSAM框架，基于SAM模型，利用视觉提示编码器和视觉引导交叉注意力模块整合跨模态信息，实验证明其在肝脏病变分割上优于其他方法，能实现更准确稳健的分割。

Comments Accepted at MICCAI 2026

HadBalance: A Plug-and-Play Unified Global Geometric Prior Framework for Generalizable Biomedical Segmentation

HadBalance: 一种即插即用的统一全局几何先验框架，用于可泛化的生物医学分割

Zhuangzhi Gao, Feixiang Zhou, He Zhao, Wenhan Chen, Ruiyu Luo, Xin Wang, Hongyi Qin, Zhongli Wu, Yanda Meng, Yitian Zhao, Alena Shantsila, Gregory Y. H. Lip, Eduard Shantsila, Yalin Zheng

机构 * Department of Eye and Vision Science, University of Liverpool（利物浦大学眼与视觉科学系） ； Department of Primary Care and Mental Health, University of Liverpool（利物浦大学初级保健与精神健康系） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理与认知科学学院） ； Computer Vision Research Group, University of Amsterdam（阿姆斯特丹大学计算机视觉研究组） ； Institute of Life Course & Medical Sciences, University of Liverpool（利物浦大学生命历程与医学科学研究所） ； Bioengineering Program, Biomedical Sciences Division (BioMed), King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学生物医学科学部生物工程项目） ； Ningbo Cixi Institute of Biomedical Engineering, Chinese Academy of Sciences（中国科学院宁波慈溪生物医学工程研究所） ； Liverpool Centre for Cardiovascular Science, University of Liverpool（利物浦大学利物浦心血管科学中心） 纠错

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

AI总结 针对生物医学图像分割中几何先验缺乏统一性和泛化性的问题，提出基于Hadwiger定理的全局近凸形状先验，并结合冲突感知目标平衡方法，实现跨器官和模态的即插即用分割。

Comments Provisionally accepted by the 29th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2026). 11 pages, 3 figures, 2 tables

One-for-All Adaptive Radiotherapy Planning Agent: A Foundation Framework for Daily CBCT-guided Radiotherapy

一适用于所有情况的自适应放射治疗计划智能体：基于每日锥束CT引导的放射治疗基础框架

Shaoyan Pan, Kirk Jon Luca, Yuan Gao, Shansong Wang, Mingzhe Hu, Ryan Sanford, Mojtaba Safari, Justin Roper, Zhen Tian, Tonghe Wang, Xiaofeng Yang

专题命中 医学影像 ：CT(title_cn,summary_cn)

AI总结 介绍一适用于所有情况的自适应放射治疗计划智能体，它基于统一基础模型，能从每日锥束CT执行在线自适应计划，自主预测关键组件并设计临床计划，经多数据集评估，其准确性和计划质量与临床方案相当，为放射治疗带来新机遇。

Resolution Meets Reduction: Efficient Visual Context for 3D Radiology Report Generation

分辨率与压缩结合：面向3D放射报告生成的高效视觉上下文

Jonathan Suprijadi, Raphael Stock, Moritz Langenberg, David Zimmerer, Kim-Celine Kahl, Stefan Denner, Yannick Kirchhoff, Karol Gotkowski, Maximilian Rokuss, Jeremias Traub, Tassilo Wald, Constantin Ulrich, Klaus Maier-Hein

机构 * German Cancer Research Center (DKFZ)（德国癌症研究中心） 纠错

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

AI总结 该研究针对3D放射报告生成中视觉序列的计算瓶颈，通过实验评估不同视觉编码器、投影器和LLM，提出解剖学引导的ROI裁剪等策略，在两个数据集上取得最先进的临床macro F1结果。

SecondOpinion: Anatomy-Aware Gated Reasoning for Efficient Medical Image Analysis

SecondOpinion：面向高效医学图像分析的解剖感知门控推理

Siam Tahsin Bhuiyan, Rashedur Rahman, Sefatul Wasi, Riyadul Islam, Syoji Kobashi, Ashraful Islam, Saadia Binte Alam

机构 * Center for Computational & Data Sciences, Independent University, Bangladesh（孟加拉国独立大学计算与数据科学中心） ； Department of Computer Science and Engineering, Independent University, Bangladesh（孟加拉国独立大学计算机科学与工程系） ； Graduate School of Engineering, University of Hyogo（兵库大学工程研究生院） 纠错

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

AI总结 SecondOpinion是一种医学图像分析框架，通过训练为二元正确性分类器的门控机制按需调用解剖引导流，在保持性能的同时降低计算量，激活率与任务难度直接相关。

Comments Accepted at EMA4MICCAI 2026 (MICCAI Workshop)

CBCT-IQ: A Publicly Available Annotated Cone-Beam CT Dataset for Image Quality Assessment and Benchmarking

CBCT-IQ：用于图像质量评估与基准测试的公开标注锥形束CT数据集

Sepideh Hatamikia, Anna Breger, Clemens Karner, Birgit Pohn, Poorya MohammadiNasab, Martin Buschmann, Stephanie Nougaret, Laura Haddad, Ali Abbasian Ardakani, Afshin Mohammadi, Paul Apfaltrer, Wolfgang Birkfellner, Alfred Pohl, Ander Biguri, Gernot Kronreif, Carola-Bibiane Schönlieb, Tess Reynolds

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

AI总结 本研究构建首个公开标注的CBCT-IQ数据集，含1764张经专家评分的CBCT图像，对26种IQA指标基准测试并提出排名方法，为CBCT IQA研究提供标准化资源。

MIND: Multimodal Intent-Driven Network via Diffusion Transformers for Medical Image Fusion

MIND：基于扩散Transformer的多模态意图驱动网络用于医学图像融合

Yunzhan Fu, Xiangyu Shen, Yifei Sun, Yuhan Chen, Jian Wu, Hongxia Xu

机构 * Transvascular Implantation Devices Research Institute, Zhejiang University（浙江大学血管内植入器械研究院） ； Zhejiang University（浙江大学） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） ； Hangzhou Dianzi University（杭州电子科技大学） 纠错

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

AI总结 该研究针对现有医学图像融合方法缺乏对诊断意图深度理解的问题，提出基于DiTs的MIND网络，通过BioMedGPT、多尺度潜在适配器和医学语义一致性损失优化，在多数据集上取得优异效果，可提升脑肿瘤分割精度并支持交互式融合。

Comments 14pages, 14 figures, accepted by ACM MM2026

RadSight: Towards Perceptually Reliable Multimodal Radiology Image Understanding

RadSight：迈向感知可靠的多模态放射学图像理解

Jianqin Liu, Weiwei Cao, Wanxing Chang, Ruifeng Yuan, Bowen Shi, Zhilin Zheng, Xianjie Zhang, Ling Zhang, Peng Wang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（湖畔实验室） ； University of Electronic Science and Technology of China（电子科技大学） 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 该研究针对医学多模态大语言模型视觉解释可靠性低的问题，引入Perception-Bench基准分析问题。提出基于双2D/3D编码器架构的RadSight模型，经渐进课程学习训练，在多维度评估中优于现有模型，凸显低级视觉感知对可靠临床理解的关键作用。

Beyond Target Scores: Measuring Off-Target Drift in Diffusion-Based Medical Image Editing

超越目标分数：测量基于扩散的医学图像编辑中的偏离目标漂移

Todd Zhou

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

AI总结 研究基于扩散的医学图像编辑中偏离目标漂移问题，引入CIB-Med-1基准及受约束扩散引导基线，通过多指标评估编辑效果，实验显示能保留目标进展并减少偏离目标漂移，强调应从轨迹级语义控制角度评估医学图像编辑。