医学 AI

CT-Bench: A Benchmark for Multimodal Lesion Understanding in Computed Tomography

CT-Bench：一种用于CT中多模态病变理解的基准测试

Qingqing Zhu, Qiao Jin, Tejas S. Mathai, Yin Fang, Zhizheng Wang, Yifan Yang, Maame Sarfo-Gyamfi, Benjamin Hou, Ran Gu, Praveen T. S. Balamuralikrishna, Kenneth C. Wang, Ronald M. Summers, Zhiyong Lu

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

AI总结 CT-Bench是一个用于CT多模态病变理解的基准测试，包含病变图像和元数据集以及多任务视觉问答基准测试，通过评估多种多模态模型并展示其在临床中的应用价值。

Adversarial Deep Learning for Simultaneous Segmentation of Ventricular and White Matter Hyperintensities in Clinical MRI

对抗深度学习用于临床MRI中室腔和白质高信号的同时分割

Mahdi Bashiri Bawil, Mousa Shamsi, Abolhassan Shakeri Bavil

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

AI总结 本文提出一种对抗深度学习框架，用于同时分割临床MRI中的室腔和白质高信号，通过对抗训练和注意力加权辨别提高分割精度和病变区分能力。

Comments 51 pages, 6 figures, 5 tables

Generative Latent Representations of 3D Brain MRI for Multi-Task Downstream Analysis in Down Syndrome

生成式3D脑部MRI的潜在表示用于唐氏综合症的多任务下游分析

Jordi Malé, Juan Fortea, Mateus Rozalem-Aranha, Neus Martínez-Abadías, Xavier Sevillano

机构 * HER - Human-Environment Research Group, La Salle - URL, Barcelona, Spain（HER-人类环境研究组，La Salle-URL，巴塞罗那，西班牙） ； Memory Unit, Department of Neurology, Institut de Recerca Sant Pau – Hospital de la Santa Creu i Sant Pau, Universitat Autònoma de Barcelona, Barcelona, Spain（记忆单元，神经科，圣保罗研究所–圣十字与圣保罗医院，巴塞罗那自治大学，巴塞罗那，西班牙） ； Neuroradiology Section, Department of Radiology – Hospital de la Santa Creu i Sant Pau, Universitat Autònoma de Barcelona, Barcelona, Spain（放射学部，放射科，圣保罗研究所–圣十字与圣保罗医院，巴塞罗那自治大学，巴塞罗那，西班牙） ； Departament de Biologia Evolutiva, Ecologia i Ciències Ambientals (BEECA), Facultat de Biologia, Universitat de Barcelona (UB), Barcelona, Spain（进化生物学部，生态与环境科学（BEECA），生物学学院，巴塞罗那大学（UB），巴塞罗那，西班牙） 纠错

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

AI总结 本研究提出基于VAE的生成式潜在表示方法，用于3D脑部MRI的多任务下游分析，重点在于唐氏综合症个体的区分与分类。

A Calibrated Memorization Index (MI) for Detecting Training Data Leakage in Generative MRI Models

一种校准的记忆指数（MI）用于检测生成磁共振成像模型中的训练数据泄漏

Yash Deo, Yan Jia, Toni Lassila, Victoria J Hodge, Alejandro F Frang, Chenghao Qian, Siyuan Kang, Ibrahim Habli

机构 * Department of Computer Science, University of York（约克大学计算机科学系） ； School of Computer Science, University of Leeds（利兹大学计算机科学学院） ； Department of Computing and Mathematics, Manchester Metropolitan University（曼彻斯特 Metropolitan 大学计算与数学系） ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； Department of Cardiovascular Sciences, KU Leuven（鲁汶大学心血管科学系） 纠错

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

AI总结 本文提出了一种校准的记忆指数（MI）用于检测生成磁共振成像模型中的训练数据泄漏，通过图像特征提取和多层白化最近邻相似性分析，实现对复制数据的高效检测。

Comments Accepted in ISBI 2026

Advances in Automated Fetal Brain MRI Segmentation and Biometry: Insights from the FeTA 2024 Challenge

自动化胎儿脑MRI分割与生物测量的进展：来自FeTA 2024挑战的见解

Vladyslav Zalevskyi, Thomas Sanchez, Misha Kaandorp, Margaux Roulet, Diego Fajardo-Rojas, Liu Li, Jana Hutter, Hongwei Bran Li, Matthew Barkovich, Hui Ji, Luca Wilhelmi, Aline Dändliker, Céline Steger, Mériam Koob, Yvan Gomez, Anton Jakovčić, Melita Klaić, Ana Adžić, Pavel Marković, Gracia Grabarić, Milan Rados, Jordina Aviles Verdera, Gregor Kasprian, Gregor Dovjak, Raphael Gaubert-Rachmühl, Maurice Aschwanden, Qi Zeng, Davood Karimi, Denis Peruzzo, Tommaso Ciceri, Giorgio Longari, Rachika E. Hamadache, Amina Bouzid, Xavier Lladó, Simone Chiarella, Gerard Martí-Juan, Miguel Ángel González Ballester, Marco Castellaro, Marco Pinamonti, Valentina Visani, Robin Cremese, Keïn Sam, Fleur Gaudfernau, Param Ahir, Mehul Parikh, Maximilian Zenk, Michael Baumgartner, Klaus Maier-Hein, Li Tianhong, Yang Hong, Zhao Longfei, Domen Preloznik, Žiga Špiclin, Jae Won Choi, Muyang Li, Jia Fu, Guotai Wang, Jingwen Jiang, Lyuyang Tong, Bo Du, Andrea Gondova, Sungmin You, Kiho Im, Abdul Qayyum, Moona Mazher, Steven A Niederer, Andras Jakab, Roxane Licandro, Kelly Payette, Meritxell Bach Cuadra

机构 * organization= Department of Radiology, Lausanne University Hospital ； University of Lausanne , city= Lausanne , country= Switzerland ； organization= CIBM Center for Biomedical Imaging , city= Lausanne , country= Switzerland ； organization= Department of Early Life Imaging, School of Biomedical Engineering \& Imaging Sciences, King’s College London , city= London , country= UK ； organization= Smart Imaging Lab, University Hospital Erlangen , city= Erlangen , country= Germany ； organization= Center for MR-Research, University Children’s Hospital Zurich, University of Zurich , city= Zurich , country= Switzerland ； organization= Neuroscience Center Zurich, University of Zurich , city= Zurich , country= Switzerland ； organization= National Heart \& Lung Institute, Imperial College London , city= London , country= UK ； organization= University of California, San Francisco ； UCSF Benioff Children’s Hospital , city= San Francisco , state= California , country= USA ； organization= Department of Quantitative Biomedicine, University of Zurich , city= Zurich , country= Switzerland ； organization= Department of Informatics, Technical University of Munich , city= Munich , country= Germany ； organization= Boston Children’s Hospital, Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； organization= Neuroimaging Unit, Scientific Institute IRCCS E. Medea , city= Bosisio Parini , country= Italy ； organization= Department of Informatics, Systems ； Communication, University of Milano Bicocca , city= Milan , country= Italy ； organization= Research Institute of Computer Vision ； organization= BCN MedTech, Department of Engineering, Universitat Pompeu Fabra , city= Barcelona , country= Spain ； organization= Department of Information Engineering, University of Padova , city= Padova , country= Italy ； organization= Institut Pasteur, Université Paris Cité, CNRS UMR 3571, Decision ； organization= Inria, HeKA, PariSantéCampus , city= Paris , country= France ； organization= L. D. College of Engineering , city= Gujarat , country= India ； organization= Medical Faculty Heidelberg, Heidelberg University , addressline= Pattern Analysis ； Learning Group, Department of Radiation Oncology, Heidelberg University Hospital , city= Heidelberg , country= Germany ； organization= Canon Medical Systems (China) Co., Ltd , city= , country= China ； organization= Faculty of Electrical Engineering, University of Ljubljana , city= Ljubljana , country= Slovenia ； organization= Department of Radiology, Seoul National University Hospital , city= Seoul , country= South Korea ； organization= School of Mechanical ； Electrical Engineering, University of Electronic Science ； organization= School of Computer Science, Wuhan University , city= Wuhan , country= China ； Developmental Science Center, Boston Children’s Hospital, Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； organization= Hawkes Institute, Department of Computer Science, University College London , city= London , country= UK ； organization= Laboratory for Computational Neuroimaging, Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital/Harvard Medical School , city= Charlestown , state= Massachusetts , country= USA ； organization= Department of Biomedical Imaging ； Image-guided Therapy, Computational Imaging Research Lab (CIR), Early Life Image Analysis Group, Medical University of Vienna , city= Vienna , country= Austria ； organization= University Research Priority Project Adaptive Brain Circuits in Development ； Learning (AdaBD), University of Zurich , city= Zurich , country= Switzerland ； organization= Sagol Brain Institute, Tel Aviv Sourasky Medical Center ； School of EE, Tel-Aviv University , city= Tel-Aviv , country= Israel ； organization= Department of Medical Imaging Sciences, The Faculty of Social Welfare ； Health Sciences, University of Haifa , city= Haifa , country= Israel ； Faculty of Medicine ； Sagol School of Neuroscience, Tel-Aviv University , city= Tel-Aviv , country= Israel ； organization= Department Woman-Mother-Child, CHUV , city= Lausanne , country= Switzerland ； organization= BCNatal Fetal Medicine Research Center (Hospital Clínic ； Hospital Sant Joan de Déu), Universitat de Barcelona , city= Barcelona , country= Spain ； organization= German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing , city= Heidelberg , country= Germany ； organization= Helmholtz Imaging, German Cancer Research Center (DKFZ) , city= Heidelberg , country= Germany ； organization= Faculty of Mathematics ； Computer Science, Heidelberg University , city= Heidelberg , country= Germany ； organization= University of Zurich , city= Zurich , country= Switzerland ； organization= Croatian Institute for Brain Research, School of Medicine, University of Zagreb , city= Zagreb , country= Croatia ； organization= Department of Biomedical Engineering, School of Biomedical Engineering \& Imaging Sciences, King’s College , city= London , country= United Kingdom ； Musculoskeletal Radiology, Medical University of Vienna , city= Vienna , country= Austria ； organization= Division of Newborn Medicine, Boston Children’s Hospital, Harvard Medical School , city= Boston , state= Massachusetts , country= USA ； organization= Department of Radiology, Boston Children’s Hospital, Harvard Medical School , city= Boston , state= Massachusetts , country= USA 纠错

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

AI总结 FeTA 2024挑战通过引入生物测量预测和低场MRI数据，推动了胎儿脑MRI分割与生物测量的自动化进展，揭示了拓扑差异和成像系统对分割性能的影响。

RepAir: A Framework for Airway Segmentation and Discontinuity Correction in CT

RepAir：一种用于CT扫描气道分割和不连续性校正的框架

John M. Oyer, Ali Namvar, Benjamin A. Hoff, Wassim W. Labaki, Ella A. Kazerooni, Charles R. Hatt, Fernando J. Martinez, MeiLan K. Han, Craig J. Galbán, Sundaresh Ram

机构 * University of Michigan（密歇根大学） ； D Medical, Inc.（4D医疗公司） ； University of Massachusetts（马萨诸塞大学） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 RepAir通过结合nnU-Net网络和解剖学指导的拓扑校正，实现了更完整且解剖学一致的3D气道分割，优于现有方法。

Comments 4 pages, 3 figures, 1 table. Oral presentation accepted to SSIAI 2026 Conference on Jan 20, 2026

A hybrid Kolmogorov-Arnold network for medical image segmentation

一种混合的柯莫戈罗夫-阿诺德网络用于医学图像分割

Deep Bhattacharyya, Ali Ayub, A. Ben Hamza

机构 * Concordia Institute for Information Systems Engineering（康科德信息系统工程研究所） ； Concordia University（康科德大学） 纠错

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

AI总结 本文提出U-KABS，一种结合KAN和U形架构的混合网络，用于提升医学图像分割的性能，尤其在复杂结构分割中表现优异。

LGMSNet: Thinning a medical image segmentation model via dual-level multiscale fusion

LGMSNet: 通过双级多尺度融合来简化医学图像分割模型

Chengqi Dong, Fenghe Tang, Rongge Mao, Xinpei Gao, S. Kevin Zhou

机构 * School of Biomedical Engineering, Division of Life Sciences ； Medicine, University of Science ； Center for Medical Imaging, Robotics, Analytic Computing \& Learning (MIRACLE), Suzhou Institute for Advance Research, USTC, Suzhou, 215123, China ； Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS, Beijing, 100190, China ； Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology, Suzhou, 215123, China ； State Key Laboratory of Precision \& Intelligent Chemistry, USTC, Hefei, China 纠错

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

AI总结 LGMSNet通过双级多尺度融合技术，实现轻量级医学图像分割模型的高效性能与高泛化能力。

Comments Accepted by ECAI 2025

Journal ref Frontiers in Artificial Intelligence and Applications, 413, 739-746 (2025)

XAI-CLIP: ROI-Guided Perturbation Framework for Explainable Medical Image Segmentation in Multimodal Vision-Language Models

XAI-CLIP: 通过区域感兴趣引导扰动框架实现多模态视觉-语言模型中可解释的医学图像分割

Thuraya Alzubaidi, Sana Ammar, Maryam Alsharqi, Islem Rekik, Muzammil Behzad

机构 * King Fahd University of Petroleum and Minerals（国王法赫德石油和矿物大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Imperial College London（伦敦帝国学院） ； KFUPM-SDAIA Joint Research Centre for Artificial Intelligence（KFUPM-SDAIA联合人工智能研究中心） 纠错

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

AI总结 XAI-CLIP通过多模态视觉-语言模型嵌入实现医学图像分割的可解释性和效率提升，减少计算开销并提高分割精度。

OmniRad: A Radiological Foundation Model for Multi-Task Medical Image Analysis

OmniRad：一种多任务医学图像分析的放射学基础模型

Luca Zedda, Andrea Loddo, Cecilia Di Ruberto

机构 * Department of Mathematics and Computer Science, University of Cagliari（数学与计算机科学系，卡利亚里大学） 纠错

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

AI总结 OmniRad通过预训练医学图像数据，提升多任务医学图像分析的性能，尤其在分类和分割任务中表现出色。

Comments 19 pages, 4 figures, 12 tables

LDRNet: Large Deformation Registration Model for Chest CT Registration

LDRNet：用于胸部CT图像大变形配准的大型变形配准模型

Cheng Wang, Qiyu Gao, Fandong Zhang, Shu Zhang, Yizhou Yu

机构 * Deepwise AI Laboratory（深智科技实验室） 纠错

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

AI总结 LDRNet 提出了一种快速无监督深度学习方法，用于胸部CT图像的大变形配准，通过 refine 块和 rigid 块实现高效配准，优于传统方法和深度学习模型。

MASC: Metal-Aware Sampling and Correction via Reinforcement Learning for Accelerated MRI

MASC: 通过强化学习进行金属感知采样与校正以加速MRI

Zhengyi Lu, Ming Lu, Chongyu Qu, Junchao Zhu, Junlin Guo, Marilyn Lionts, Yanfan Zhu, Yuechen Yang, Tianyuan Yao, Jayasai Rajagopal, Bennett Allan Landman, Xiao Wang, Xinqiang Yan, Yuankai Huo

机构 * Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

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

AI总结 MASC通过强化学习联合优化金属感知的k空间采样和伪影校正，提升加速MRI的图像质量与诊断效果。

Quantum Model Parallelism for MRI-Based Classification of Alzheimer's Disease Stages

量子模型并行化用于基于MRI的阿尔茨海默病阶段分类

Emine Akpinar, Murat Oduncuoglu

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

AI总结 本研究提出量子模型并行化方法，用于基于MRI数据高效分类阿尔茨海默病阶段，通过量子电路并行处理提升分类准确性和效率。

Comments Under review at Quantum Machine Intelligence (Springer Nature)

iPEAR: Iterative Pyramid Estimation with Attention and Residuals for Deformable Medical Image Registration

iPEAR: 基于注意力和残差的迭代金字塔估计用于形变医学图像配准

Heming Wu, Di Wang, Tai Ma, Peng Zhao, Yubin Xiao, Zhongke Wu, Xing-Ce Wang, Xuan Wu, You Zhou

机构 * College of Software, Jilin University（吉林大学软件学院） ； Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly, Nanyang Technological University（老年活跃生活卓越研究中⼼（NTU-UBC）, 新加坡国立大学） ； College of Computer Science（计算机科学学院） ； Technology, Zhejiang University（技术, 浙江大学） ； Key Laboratory of Symbolic Computation（符号计算重点实验室） ； Knowledge Engineering of Ministry of Education, College of Computer Science（教育部知识工程重点实验室, 计算机科学学院） ； Technology, Jilin University（技术, 吉林大学） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） 纠错

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

AI总结 iPEAR通过融合注意力与残差模块和双阶段阈值控制迭代策略，提升医学图像配准的准确性和效率。

Geometry of the cumulant series in diffusion MRI

扩散磁共振成像中累积量级数的几何学

Santiago Coelho, Jenny Chen, Filip Szczepankiewicz, Els Fieremans, Dmitry S. Novikov

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

AI总结 本文通过研究扩散磁共振成像信号的几何学和拓扑学，提出基于SO(3)对称性的累积量不变量方法，提升多发性硬化症分类精度，并设计快速采集方案以加速临床应用。

From Specialist to Generalist: Unlocking SAM's Learning Potential on Unlabeled Medical Images

从专家到通用型：解锁SAM在未标记医学图像上的学习潜力

Vi Vu, Thanh-Huy Nguyen, Tien-Thinh Nguyen, Ba-Thinh Lam, Hoang-Thien Nguyen, Tianyang Wang, Xingjian Li, Min Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Industrial University of Ho Chi Minh City（胡志明市工业大学） ； University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） 纠错

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

AI总结 SC-SAM通过专家-通用型框架结合U-Net和SAM，实现对未标记医学图像的高效半监督学习，取得最佳性能。

Comments Accepted to ISBI 2026

Bridging the Applicator Gap with Data-Doping:Dual-Domain Learning for Precise Bladder Segmentation in CT-Guided Brachytherapy

弥合应用器差距：数据掺杂的双域学习用于CT引导的近距离放射治疗中的膀胱分割

Suresh Das, Siladittya Manna, Sayantari Ghosh

机构 * Narayana Superspeciality Hospital, 120/1 Andul Road, Howrah, India（纳拉亚纳超级专科医院） ； Department of Computational and Data Sciences, Indian Institute of Science, Bengaluru, India（计算与数据科学系，印度科学院，班加罗尔） ； Department of Physics, National Institute of Technology Durgapur, India（物理系，德鲁加帕尔国家理工学院） 纠错

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

AI总结 本研究通过双域学习策略，利用数据掺杂方法提升CT引导下膀胱分割的鲁棒性和准确性，有效应对数据稀缺和协变量偏移问题。

ProGiDiff: Prompt-Guided Diffusion-Based Medical Image Segmentation

ProGiDiff: 基于提示引导的扩散模型医学图像分割

Yuan Lin, Murong Xu, Marc Hölle, Chinmay Prabhakar, Andreas Maier, Vasileios Belagiannis, Bjoern Menze, Suprosanna Shit

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） ； University of Zurich（苏黎世大学） 纠错

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

AI总结 ProGiDiff通过提示引导的扩散模型实现医学图像分割，结合自定义编码器和多类条件化机制，提升分割性能和跨模态适应能力。

Comments 5 pages, 4 figures. It has been accepted by IEEE ISBI

SSPFormer: Self-Supervised Pretrained Transformer for MRI Images

SSPFormer: 用于MRI图像的自监督预训练Transformer

Jingkai Li, Xiaoze Tian, Yuhang Shen, Jia Wang, Dianjie Lu, Guijuan Zhang, Zhuoran Zheng

机构 * Qilu University of Technology（青岛科技大学） ； Second Hospital of Shandong University（山东大学第二医院） ； Shandong Normal University（山东师范大学） 纠错

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

AI总结 SSPFormer通过自监督预训练和反频率投影掩码等方法，提升MRI图像处理的领域适应性和鲁棒性，实现分割、超分辨率和去噪任务的高性能表现。

Comments Undergraduate student as first author submitted to IJCAI

Fine-Tuning Cycle-GAN for Domain Adaptation of MRI Images

微调循环生成对抗网络用于MRI图像的域适应

Mohd Usama, Belal Ahmad, Faleh Menawer R Althiyabi

机构 * Department of Diagnostics and Intervention, and Biomedical Engineering, Umea University（乌梅大学诊断与介入系及生物医学工程系） ； Department of Computer Science and Information Engineering, National Taipei University of Technology（国立台北科技大学计算机科学与信息工程系） ； IRC for Bio Systems and Machines, King Fahd University of Petroleum and Minerals（国王法赫德石油与矿物大学生物系统与机器研究院） 纠错

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

AI总结 本文提出基于Cycle-GAN的无监督MRI图像域适应方法，通过双向映射和损失函数优化，提升跨域图像处理的准确性和一致性。

Comments 14 pages, 9 figures, 2 tables

PraNet-V2: Dual-Supervised Reverse Attention for Medical Image Segmentation

PraNet-V2：双监督反向注意力用于医学图像分割

Bo-Cheng Hu, Ge-Peng Ji, Dian Shao, Deng-Ping Fan

机构 * Nankai Institute of Advanced Research (SHENZHEN-FUTIAN)（南开研究院（深圳福田）） ； VCIP & CS, Nankai University（南开大学VCIP与计算机科学系） ； School of Computing, Australian National University（澳大利亚国立大学计算机学院） ； Unmanned System Research Institute, Northwestern Polytechnical University（西北工业大学无人系统研究院） 纠错

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

AI总结 PraNet-V2通过双监督反向注意力模块提升医学图像多类分割性能，实现平均Dice分数提升1.36%

Comments Accepted to Computational Visual Media (CVMJ) 2026. 4 tables 3 figures 8 pages

CTest-Metric: A Unified Framework to Assess Clinical Validity of Metrics for CT Report Generation

CTest-Metric：一个统一框架，用于评估CT报告生成中度量的临床有效性

Vanshali Sharma, Andrea Mia Bejar, Gorkem Durak, Ulas Bagci

机构 * Machine and Hybrid Intelligence Lab, Northwestern University, Chicago, IL, USA（机器与混合智能实验室，西北大学） 纠错

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

AI总结 CTest-Metric通过三个模块评估CT报告生成中度量的临床有效性，发现GREEN Score与专家判断最一致，BERTScore-F1对事实性错误最不敏感。

Comments Accepted at ISBI 2026

VQ-Seg: Vector-Quantized Token Perturbation for Semi-Supervised Medical Image Segmentation

VQ-Seg: 基于向量量化令牌扰动的半监督医学图像分割

Sicheng Yang, Zhaohu Xing, Lei Zhu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 VQ-Seg通过向量量化和量化扰动模块提升半监督医学图像分割性能，有效解决传统dropout正则化问题。

Comments Accepted by NeurIPS 2025

ISLA: A U-Net for MRI-based acute ischemic stroke lesion segmentation with deep supervision, attention, domain adaptation, and ensemble learning

ISLA：一种用于基于MRI的急性缺血性中风病变分割的U-Net模型，结合深度监督、注意力、领域适应和集成学习

Vincent Roca, Martin Bretzner, Hilde Henon, Laurent Puy, Grégory Kuchcinski, Renaud Lopes

机构 * Univ. Lille, CNRS, Inserm, CHU Lille, Institut Pasteur de Lille, US 41 - UAR 2014 - PLBS, F-59000 Lille, France（里尔大学，法国国家科学研究中心，法国国家医学研究院，里尔大学医院，里尔巴斯德研究所，US 41 - UAR 2014 - PLBS，法国里尔） 纠错

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

AI总结 ISLA是一种基于U-Net的深度学习模型，通过深度监督、注意力、领域适应和集成学习技术，实现了对MRI中急性缺血性中风病变的高效分割。

ReCo-KD: Region- and Context-Aware Knowledge Distillation for Efficient 3D Medical Image Segmentation

ReCo-KD：区域和上下文感知的知识蒸馏用于高效的3D医学图像分割

Qizhen Lan, Yu-Chun Hsu, Nida Saddaf Khan, Xiaoqian Jiang

机构 * McWilliams School of Biomedical Informatics, The University of Texas Health Science Center at Houston (UTHealth Houston)（麦威廉生物医学信息学学院，德克萨斯大学健康科学中心休斯顿分校（UTHealth休斯顿）） 纠错

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

AI总结 ReCo-KD通过区域和上下文感知的知识蒸馏方法，在不需自定义学生设计的情况下，实现高效3D医学图像分割的轻量化模型，提升临床应用的实用性。

Comments 10 pages

SRU-Pix2Pix: A Fusion-Driven Generator Network for Medical Image Translation with Few-Shot Learning

SRU-Pix2Pix：一种融合驱动的生成器网络用于医学图像翻译的少样本学习

Xihe Qiu, Yang Dai, Xiaoyu Tan, Sijia Li, Fenghao Sun, Lu Gan, Liang Liu

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子电气工程学院） ； Department of Thoracic Surgery, Zhongshan Hospital of Fudan University（复旦大学中山医院胸外科） ； Clinical Research Unit, Institute of Clinical Science, Zhongshan Hospital of Fudan University（复旦大学中山医院临床科研部） ； Department of Medical Oncology, Cancer Center, and Fudan Zhangjiang Institute, Zhongshan Hospital of Fudan University（复旦大学中山医院医学肿瘤科、癌症中心及复旦张江研究院） 纠错

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

AI总结 SRU-Pix2Pix通过整合SEResNet和U-Net++提升医学图像翻译的生成质量与结构保真度，实现少样本下的高效翻译

DB-MSMUNet:Dual Branch Multi-scale Mamba UNet for Pancreatic CT Scans Segmentation

DB-MSMUNet：双分支多尺度Mamba UNet用于胰腺CT扫描分割

Qiu Guan, Zhiqiang Yang, Dezhang Ye, Yang Chen, Xinli Xu, Ying Tang

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

AI总结 DB-MSMUNet通过双分支多尺度Mamba架构提升胰腺CT分割精度，采用边缘增强和多尺度语义特征提升边缘保留与小病变重建能力。

TokenSeg: Efficient 3D Medical Image Segmentation via Hierarchical Visual Token Compression

TokenSeg: 通过层次视觉令牌压缩实现高效的3D医学图像分割

Sen Zeng, Hong Zhou, Zheng Zhu, Yang Liu

机构 * Tsinghua University（清华大学） ； Southwest Forestry University（西南林业大学） ； GigaAI ； KCL 纠错

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

AI总结 TokenSeg通过层次视觉令牌压缩实现高效的3D医学图像分割，采用多尺度编码器、边界感知令牌化器和稀疏到密集解码器，在乳腺MRI数据集上取得94.49% Dice系数和89.61% IoU，同时降低64%的GPU内存和68%的推理延迟。

CT Scans As Video: Efficient Intracranial Hemorrhage Detection Using Multi-Object Tracking

CT扫描作为视频：使用多目标跟踪进行高效的脑内出血检测

Amirreza Parvahan, Mohammad Hoseyni, Javad Khoramdel, Amirhossein Nikoofard

机构 * Faculty of Computer Engineering, K. N. Toosi University of Technology（计算机工程学院，K.N. Toosi技术大学） ； Faculty of Electrical Engineering, K. N. Toosi University of Technology（电气工程学院，K.N. Toosi技术大学） ； Faculty of Mechanical Engineering, Tarbiat Modares University（机械工程学院，塔里亚特莫达雷斯大学） 纠错

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

AI总结 本文提出了一种将CT扫描转换为视频流并利用多目标跟踪进行高效脑内出血检测的方法，通过轻量级框架提升检测精度与效率。

CAP-IQA: Context-Aware Prompt-Guided CT Image Quality Assessment

CAP-IQA: 基于上下文的提示引导CT图像质量评估

Kazi Ramisa Rifa, Jie Zhang, Abdullah Imran

机构 * University of Kentucky（肯塔基大学） 纠错

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

AI总结 CAP-IQA通过整合文本先验与上下文提示，结合因果去偏技术，提升CT图像质量评估的准确性和泛化能力。

Comments 18 pages, 9 figures, 5 tables