医学 AI

RadYOLO: Computationally Efficient 3D Object Detection and Segmentation in CT and MRI

RadYOLO：面向CT和MRI的计算高效型3D目标检测与分割方法

Kai Geissler, Laurens Müller-Groh, Hans Meine

机构 * Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学MEVIS研究所） 纠错

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

AI总结 本文提出针对医学图像的YOLO11 3D扩展模型RadYOLO，通过与nnU-Net、nnDetection在5个CT/MRI数据集上对比，证实其检测性能与推理速度均具优势，适配临床及边缘设备部署需求。

The Role of Free-breathing GRASP MRI in Accurate Phase Matching with 4D-CT for Motion Representation in Liver Cancer Radiotherapy

自由呼吸GRASP MRI在肝癌放疗中与4D-CT精确相位匹配以表征运动中的作用

Junchao Li, Shengqi Chen, Guohua Wu, Jianrong Dai, Jiayun Chen, Fei Liu

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

AI总结 研究自由呼吸GRASP MRI能否代表肝癌立体定向放疗中的呼吸运动，发现其仅在30%-60%呼吸相位（最佳50%）准确表征运动，需结合4D-CT或动态成像。

Comments 25 pages, 4 figures

Brain-Adapter: A Dual-Stream Vision-Language MIL Framework for Comprehensive 3D CT Diagnosis of Acute Intracranial Pathologies

Brain-Adapter: 一种用于急性颅内病理综合3D CT诊断的双流视觉-语言MIL框架

Zhenyu Yi, Zhiyun Song, Yusong Sun, Zelin Liu, Manman Fei, Zhenhao Li, Jiaxuan Zhao, Xu Han, Lichi Zhang

机构 * School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

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

AI总结 提出Brain-Adapter双流多实例学习框架，利用预训练2D生物医学视觉-语言模型和原始诊断报告，通过文本条件注意力和不确定性感知融合实现3D CT扫描的多标签分类，无需密集标注。

Comments Accepted to MICCAI 2026

A Multi-Center Benchmark for Abdominal Disease Diagnosis and Report Generation from Non-Contrast CT

基于非增强CT的腹部疾病诊断与报告生成的多中心基准

Mariam Elbakry, Aliaa Sayed Sheha, Salma Hassan Tantawy, Aya Yassin, Concetto Spampinato, Karim Lekadir, Xiaomeng Li, Marawan Elbatel

机构 * Ain Shams University（艾因夏姆斯大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Catania（卡塔尼亚大学） ； Universitat de Barcelona（巴塞罗那大学） 纠错

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

AI总结 提出一个多中心基准，利用非增强CT合成增强CT发现，用于多器官腹部疾病诊断和自动报告生成，实验表明非增强CT保留诊断信号，平均AUC达69.1%（内部）和63.1%（外部）。

Comments Early Accept (top ~9%), MICCAI 2026

Physically Aware Radiomics Without Interpolation: Disentangling Voxel Geometry and Signal Modification in CT and MRI

无插值的物理感知放射组学：解析CT和MRI中的体素几何与信号修正

David Corral Fontecha, Juan Miranda Bautista, Pablo Menendez Fernández-Miranda, Sergio Rubio-Martín, Lara Lloret Iglesias, Jose A. Vega

机构 * Complejo Asistencial Universitario de León（莱昂大学附属医院综合体） ； Hospital Universitario Rey Juan Carlos（雷·胡安·卡洛斯大学医院） ； Health Research Institute of the Jiménez Díaz Foundation（希门尼斯·迪亚斯基金会健康研究所） ； Rey Juan Carlos University（雷·胡安·卡洛斯大学） ； Universidad de Oviedo（奥维耶多大学） ； Universidad de León（莱昂大学） ； IFCA-CSIC（西班牙国家研究委员会高级计算与电子科学研究所） ； Universidad Autónoma de Chile（智利大学） 纠错

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

AI总结 该研究针对放射组学纹理特征计算中因各向异性图像导致的问题，开发体素间距感知放射组学框架，通过修改PyRadiomics并比较四种配置进行实验，结果表明VS能有效分离几何建模与信号修正，为放射组学分析提供新方法。

Comments Manuscript under peer review

WING: A Window-Prior-Based Generative Network with Gated Inception for Cross-Modality CT Synthesis

WING：一种基于窗口先验的带门控inception的生成网络用于跨模态CT合成

Siyuan Mei, Yan Xia, Yipeng Sun, Siming Bayer, Zirong Li, Chengze Ye, Daiqi Liu, Fuxin Fan, Yixing Huang, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg（模式识别实验室，埃尔朗根-纽伦堡弗里德里希-亚历山大大学） ； Department of Orthodontics and Orofacial Orthopaedics, Friedrich-Alexander-Universität Erlangen-Nürnberg（正畸与口腔颌面正畸科，埃尔朗根-纽伦堡弗里德里希-亚历山大大学） ； Siemens Healthineers（西门子医疗） ； Institute of Medical Technology, Peking University（北京大学医学技术研究所） 纠错

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

AI总结 研究旨在从MRI和CBCT生成CT体积改善放疗计划。核心方法是将回归目标重构成窗口表示，引入WING网络，含门控inception生成器、融合与细化变压器及联合对抗训练目标。主要贡献是在相关基准上达最优性能且支持单模型多解剖合成。

Self-Auditing Residual Drifting for Pathology-Preserving Accelerated Knee MRI

自审计残差漂移模型用于保留病理特征的加速膝关节MRI

Qing Lyu, Jianxu Wang, Mohammad Kawas, Ge Wang, Christopher T. Whitlow

机构 * Department of Radiology & Biomedical Imaging, Yale School of Medicine（放射学与生物医学成像系，耶鲁医学院） ； Department of Biomedical Engineering, Rensselaer Polytechnic Institute（生物医学工程系，伦塞拉尔理工学院） 纠错

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

AI总结 提出SA-RDM-DC模型，通过物理条件残差漂移生成和自审计机制，在加速膝关节MRI中实现高保真重建并保留病理特征，优于多种基线方法。

Frozen Brain-MRI Foundation Models Are Site Fingerprints

冻结的脑MRI基础模型是站点指纹

Saman Rahbar

机构 * University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 该研究发现冻结脑MRI基础模型的嵌入包含采集站点的指纹，该指纹可线性解码且与预训练无关，可通过特定方法移除，同时指出其对共享嵌入的影响及密集分割的代价，并发布了审计工具包。

Comments 15 pages, 5 figures, 7 tables. Code: https://github.com/saman-rahbar/scanner-fingerprints

HEad and neCK TumOR (HECKTOR) 2025: Benchmark of Segmentation, Diagnosis, and Prognosis in Multimodal PET/CT

头颈肿瘤 (HECKTOR) 2025 挑战赛：多模态 PET/CT 中的分割、诊断与预后基准

Numan Saeed, Salma Hassan, Shahad Hardan, Lishan Cai, Xinglong Liang, Moona Mazher, Abdul Qayyum, Yansong Bu, Mengye Lyu, Yue Lin, Mingyuan Meng, Chuanyi Huang, Lisheng Wang, Dalal Chamseddine, Shamimeh Ahrari, Beining Wu, Yifei Chen, Fuyou Mao, Hao Zhang, Baixiang Zhao, Surajit Ray, Muzi Guo, Lei Xiang, Jakob Dexl, Michael Ingrisch, Adrien Depeursinge, Arman Rahmim, Mathieu Hatt, Vincent Andrearczyk, Mohammad Yaqub

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； Amsterdam UMC（阿姆斯特丹大学医学中心） ； The Netherlands Cancer Institute（荷兰癌症研究所） ； Radboud University Medical Centre（拉德堡德大学医学中心） ； University College London（伦敦大学学院） ； Imperial College London（帝国理工学院） ； Shenzhen Technology University（深圳技术大学） ； Shenzhen University（深圳大学） ； Newland Digital Technology（新大陆数字技术） ； The University of Sydney（悉尼大学） ； Shanghai Jiao Tong University（上海交通大学） ； University Hospital, Nantes（南特大学医院） ； Nantes Université, Centrale Nantes, CNRS, LS2N（南特大学、南特中央理工学院、法国国家科学研究中心、LS2N实验室） ； Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） ； Central South University（中南大学） ； University of Glasgow（格拉斯哥大学） ； China Mobile System Integration Co., Ltd.（中移系统集成有限公司） ； Subtle Medical Inc.（Subtle Medical公司） ； University Hospital, LMU Munich（慕尼黑大学医院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； BC Cancer Research Institute（不列颠哥伦比亚癌症研究所） ； HES-SO Valais-Wallis University of Applied Sciences and Arts（HES-SO瓦莱州应用科学与艺术大学） ； Lausanne University Hospital (CHUV)（洛桑大学医院） ； LaTIM, INSERM, UMR 1101, Univ Brest（LaTIM实验室、法国国家健康与医学研究院、UMR 1101、布雷斯特大学） 纠错

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

AI总结 HECKTOR 2025 挑战赛利用多模态 PET/CT 和电子健康记录，建立了头颈癌自动分析的基准，涵盖肿瘤分割、复发预测和 HPV 分类三个任务，最佳算法分别达到 Dice 0.75、C-index 0.66 和平衡准确率 0.56。

Comments 17 pages, 4 figures, 4 tables. Overview paper for the HECKTOR 2025 challenge, held as a satellite event at MICCAI 2025. Challenge website: https://hecktor.grand-challenge.org/

LoRCA: LoRA Cycle Adaptation for Histology to HiP-CT Translation with DINOv3

LoRCA：用于组织学到HiP-CT转换的LoRA循环适配，基于DINOv3

Yang Zhou, Edoardo Occhipinti, Banboye Kidzeru Elvis, Jishizhan Chen, Stathis Megas, Joseph Brunet, Joanna Purzycka, Theresa Urban, Hector Dejea, Sarah Amalia Teichmann, Menna R Clatworthy, Paul Tafforeau, Peter D Lee, Claire L Walsh

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

AI总结 本研究提出基于DINOv3的LoRCA框架，用于实现无需配对数据的组织学到HiP-CT的结构保留风格转换，其性能优于CycleGAN，为2D组织学切片与3D HiP-CT体积的配准提供了有效途径。

Frequency-Hierarchical Active k-Space Sampling for Diagnostic MRI

用于诊断性MRI的频率分层主动k空间采样

Ruru Xu, Kian Anvari Hamedani, Zhikai Yang, Ilkay Oksuz

机构 * Istanbul Technical University（伊斯坦布尔技术大学） ； University of Toronto（多伦多大学） ； Sunnybrook Research Institute（桑尼布鲁克研究所） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 研究针对MRI加速采样中不同频率信息处理难题，提出HieraSample框架，通过余弦退火课程和基于Mamba的策略，在不同加速倍数下实现高效采样，在fastMRI+膝盖基准测试中提升了ACL诊断性能。

Comments EMA4MICCAI 2026: The 2nd MICCAI Workshop on Efficient Medical AI

OPERA: Offline Policy-guided Expert Routing and Adaptation for Universal Biomedical Image Analysis

OPERA：用于通用生物医学图像分析的离线策略引导专家路由与适应

Zihan Li, Feiyang Liu, Dandan Shan, Ruibo Wang, Qingqi Hong

机构 * University of Washington（华盛顿大学） ； Delft University of Technology（代尔夫特理工大学） ； Xiamen University（厦门大学） 纠错

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

AI总结 研究针对生物医学图像分析中分布变化阻碍模型部署的问题，提出OPERA多智能体集成框架，通过离线策略学习专家权重分配，结合多种机制协调智能体，经多数据集评估，有效提升性能与校准质量，为可部署生物医学AI提供实用路径。

Comments Accepted by ACM MM 2026. 18 pages

Lesion-Aware Adaptive Fourier Neural Operator for CT-to-PSMA PET Synthesis in Prostate Cancer

面向前列腺癌CT到PSMA PET合成的病灶感知自适应傅里叶神经算子

Rashmi Bhaskara, Waleed M. Almutairi, Matthew Gopaulchan, Maram Musaad Alqurashi, Francis Asamoah, Alex Ocana, Clinton D. Bahler, Oluwaseyi M. Oderinde

机构 * School of Health Sciences, Purdue University（普渡大学健康科学学院） ； Indiana University School of Medicine（印第安纳大学医学院） 纠错

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

AI总结 该研究提出LAFNO模型，用CT衍生的两个代理通道替代放射组学条件化，在TCIA数据集上实现CT到PSMA-PET合成，提升病灶活性估计与放射组学可重复性。

Measurements Automatically Extracted from Zero Echo Time MRI Using Deep Learning Image Segmentation and Geometric Modeling Agree with Expert Manual Readings

基于深度学习图像分割与几何建模从零回波时间MRI自动提取的测量结果与专家手动读数一致

Jack Consolini, Eric A. Bogner, Meghan Sahr, Matthew F. Koff, Kevin M. Koch, Hollis G. Potter

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

AI总结 该研究开发基于nnU-Net和定制几何算法的方法，从ZTE MRI自动提取FAI相关角度，其在多数角度上与专家手动测量结果一致性良好，证实全自动骨形态测量评估的可行性。

ALTER: Modeling Longitudinal Changes via Regional Differencing for 3D CT Report Generation

ALTER：基于区域差分的纵向变化建模用于3D CT报告生成

Dongchen Li, Jitao Liang, Wei Li

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

AI总结 针对3D CT报告生成中纵向变化建模不足的问题，提出ALTER模型，通过GPI、RPD、ICF模块实现，在两个数据集上取得最优性能。

Fine-Grained Vision-Language Pretraining with Organ-Conditioned Pattern Tokens for CT Understanding

用于CT理解的基于器官条件模式令牌的细粒度视觉语言预训练

Guoliang You, Xiaomeng Chu

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

AI总结 研究从CT扫描和报告进行视觉语言预训练的难题，提出OCP-CT框架，通过保留全局对比分支、引入器官模式接口等方法，在公开基准上实现零样本异常诊断，相比先前结果有显著AUROC增益。

Comments 9 pages, 4 figures

Learning Anatomy-Grounded CT Vision-Language Representations with Organ-Hierarchical Report Knowledge

利用器官分层报告知识学习基于解剖学的CT视觉语言表征

Guoliang You, Hongming Li, Yuanwang Zhang, Yong Fan

机构 * Department of Radiology, Perelman School of Medicine, University of Pennsylvania（放射科，佩尔曼医学院，宾夕法尼亚大学） 纠错

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

AI总结 研究利用CT图像与放射学报告进行医学视觉语言预训练，提出OKA-CT框架，通过转化报告为器官条件知识，分阶段学习，在数据集上实现零样本异常诊断高AUROC，优于基线，提升报告-图像对齐。

Comments 9 pages, 6 figures, 4 tables

Automated brain tumor detection in MRI images using CNN and ResNet architectures

使用CNN和ResNet架构的MRI图像脑肿瘤自动检测

Annapurna V K, Asha N, K Paramesha, Shabana Sultana, Kirankumar Humse

机构 * Department of Computer Science and Engineering, The National Institute of Engineering, Mysuru, Karnataka, India（计算机科学与工程系，国家工程学院，mysuru，卡纳塔克邦，印度） ； Department of MCA, The National Institute of Engineering, Mysuru, Karnataka, India（MCA系，国家工程学院，mysuru，卡纳塔克邦，印度） ； Department of Computer Science and Engineering, Vidyavardhaka College of Engineering, Mysuru, Karnataka, India（计算机科学与工程系，维迪瓦尔达卡学院，mysuru，卡纳塔克邦，印度） ； Department of ECE, Vidyavardhaka College of Engineering, Mysuru, Karnataka, India（电子工程系，维迪瓦尔达卡学院，mysuru，卡纳塔克邦，印度） 纠错

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

AI总结 提出基于CNN和ResNet的深度学习框架，利用迁移学习对MRI图像进行脑肿瘤分类，ResNet18在有限数据上达到97%准确率，优于ResNet50。

CORTEX: A Structured Reasoning Benchmark for Trustworthy 3D Chest CT MLLMs

CORTEX：用于可信3D胸部CT多模态大语言模型的结构化推理基准

Hashmat Shadab Malik, Anees Ur Rehman Hashmi, Numan Saeed, Muzammal Naseer, Salman Khan, Christoph Lippert

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Hasso Plattner Institute（哈索·普拉特纳研究所） ； Khalifa University（哈利法大学） 纠错

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

AI总结 提出CORTEX基准，通过四阶段诊断推理轨迹和阶段级评估协议，为3D胸部CT多模态大语言模型提供结构化监督与验证，包含76,177个验证推理轨迹。

Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis

解剖引导的残差运动扩散用于可控4D心脏MRI合成

Yiheng Cao, Gustavo Andrade-Miranda, Jiatian Zhang, Lingxiao Zhao, Xin Gao

机构 * Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Science（中国科学院苏州生物医学工程技术研究所） ； Systemes Complexes et Intelligence Artificielle, IMT Mines Ales（复杂系统与人工智能实验室，IMT 阿莱斯矿业学院） ； School of Artificial Intelligence and Advanced Computing, Xi’an Jiaotong-Liverpool University（西交利物浦大学人工智能与先进计算学院） 纠错

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

AI总结 提出一种4D可控生成框架，通过半监督VAE解耦解剖与运动，利用级联潜扩散模型生成时序一致的心脏MRI，在跨厂商数据上提升分割性能。

Enhancing Brain MRI Anomaly Detection and Reasoning with ROI Rethink and Synthetic Data

通过ROI重思考与合成数据增强脑部MRI异常检测与推理

Shangkun Li, Jie Xu, Yi Guo, Zeju Li, Yuanyuan Wang

机构 * College of Biomedical Engineering, Fudan University（复旦大学 生物医学工程学院） 纠错

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

AI总结 提出BrReMark框架，通过显式区域标记和假设验证机制增强脑部MRI诊断的可信度，结合结构化推理轨迹的监督微调和强化学习，以及基于域随机化的病理合成增强，显著提升定位精度并减少幻觉。

CHM-Net: Center Heatmap-driven Macro-Micro Modeling Network for MRI-based Microbial Density Stratification

CHM-Net：基于中心热图驱动的宏观-微观建模网络用于基于MRI的微生物密度分层

Jiaming Liang, Haolin Chen, Tingting Li, Bowen Yu, Qianyan Long, Tinghe Zhang, Xi Zhong, Xiaowei Hu, Xiaoqi Sheng, Hongmin Cai

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； School of Future Technology（未来技术学院） ； Department of Medical Imaging（医学影像科） ； Affiliated Cancer Hospital, Guangzhou Medical University（广州医学院附属癌症医院） 纠错

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

AI总结 研究基于MRI的微生物密度分层，提出CHM-Net，通过中心热图引导小病变反应定位，构建宏观-微观证据预测微生物密度，在GBNPC 2026数据集上验证有效性，在两个3D医学图像数据集上证实鲁棒性。

Alzheimer's Disease Diagnosis using a Multimodal Approach with 3D MRI and PET

使用3D MRI和PET的多模态方法诊断阿尔茨海默病

Loukas Ilias, Anthi-Maria Vozinaki, Christos Ntanos, Dimitris Askounis

机构 * DSS Lab, School of ECE, NTUA（NTUA ECE学院DSS实验室） 纠错

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

AI总结 提出结合3D卷积特征提取器与三种融合策略（拼接、门控多模态单元、门控自注意力）及稀疏门控混合专家分类器的多模态模型，用于阿尔茨海默病诊断，在三个二分类任务上验证了输入自适应建模的有效性。

Comments 2025 IEEE International Conference on Bioinformatics and Biomedicine (BIBM)

Bowel Obstruction Detection and Localization on Abdominal CT with Deep Learning

基于深度学习的腹部CT图像中肠梗阻的检测与定位

Moritz Vandenhirtz, Andrea Agostini, Dana Belde, Mélanie Roschewitz, Ismaiel Chikh Bakri, Tilo Niemann, André Euler, Julia E Vogt

机构 * Department of Computer Science ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Radiology Kantonsspital Baden affiliated Hospital for Research and Teaching of the Faculty of Medicine of the University of Zurich（苏黎世大学医学院附属巴登州立医院放射科（巴登大学苏黎世医学院研究与教学附属医院）） ； Department of Forensic Medicine Zurich University of Zurich（苏黎世大学法医学系） 纠错

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

AI总结 研究针对肠梗阻这一胃肠道疾病，提出含多任务目标的深度学习框架联合检测与定位梗阻及过渡区，还用可解释分类方法扩展，在腹部CT数据集上评估，模型检测准确率93%，过渡区定位Hit@10为95%，迈向关键临床标志自动识别。

SpikeDS: Dual Sparsity Spikformer for Perineural Invasion Prediction in 3D MRI

SpikeDS：用于3D MRI中神经周围侵犯预测的双稀疏Spikformer

Induk Um, Youngung Han, Kyeonghun Kim, Yului Jeong, Jina Jeong, Hyunsu Go, Dohyun Kweon, Sungha Park, Junga Kim, Anna Jung, Suah Park, Hyuk-Jae Lee, Pa Hong, Woo Kyoung Jeong, Won Jae Lee, Ken Ying-Kai Liao, Nam-Joon Kim

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

AI总结 研究针对3D MRI中神经周围侵犯预测难题，提出双稀疏Spikformer架构，利用激活与空间稀疏性，引入双稀疏脉冲注意力机制，经实验验证其在临床队列中AUC达0.753且能耗低，有效提升效率且不损诊断性能。

GenDiff: A Dose and Anatomy Aware Diffusion Model with Structural Prior Refinement for Low-Dose CT Reconstruction and Generalization

GenDiff：一种具有结构先验细化的剂量和解剖感知扩散模型，用于低剂量CT重建和泛化

Md Imam Ahasan, Guangchao Yang, A F M Abdun Noor, Kah Ong Michael Goh, S. M. Hasan Mahmud, Md Mahfuzur Rahman

机构 * Faculty of Information Science & Technology, Multimedia University, Malaysia（马来西亚多媒体大学信息科学与技术学院） 纠错

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

AI总结 针对低剂量CT重建中现有方法局限性，提出GenDiff框架，联合建模剂量与解剖信息，集成多种模块，经多数据集实验验证，该方法在不同条件下鲁棒性强且重建质量优，是低剂量CT成像的有前途方案。

Comments 20 pages, 8 figures, 4 tables. Under review at PeerJ Computer Science

CONFLUX: A Latent Diffusion Model for 3D Chest-CT Synthesis with RL Post-Training

CONFLUX：一种用于3D胸部CT合成的潜在扩散模型及强化学习后训练

Max Van Puyvelde, Halil Ibrahim Gulluk, Wim Van Criekinge, Olivier Gevaert

机构 * Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学系） ； Department of Mathematical Modelling, Statistics & Bioinformatics, Ghent University（根特大学数学建模、统计与生物信息学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

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

AI总结 提出CONFLUX潜在扩散模型用于胸部CT合成，由3D变分自编码器和整流流变压器构成，基于放射学元数据生成，通过强化学习后训练增强对临床属性控制，在三平面弗雷歇距离上领先并发布模型与数据集。

Large Language Model-Assisted Cleaning of Report-Derived Labels in a Large-Scale Chest CT Dataset

大型胸部CT数据集中基于大语言模型的报告衍生标签清洗

Yosuke Yamagishi, Atsushi Takamatsu, Mototsugu Sato, Tomohiro Kikuchi, Shouhei Hanaoka, Takeharu Yoshikawa, Osamu Abe

机构 * Division of Radiology and Biomedical Engineering, Graduate School of Medicine, The University of Tokyo（放射医学与生物医学工程系，东京大学医学研究生院） ； Department of Computational Diagnostic Radiology and Preventive Medicine, The University of Tokyo Hospital（计算诊断放射学与预防医学系，东京大学医院） ； Department of Radiology, Kanazawa University Hospital（金泽大学医院放射科） ； Faculty of Medicine, The University of Tokyo（东京大学医学系） ； Department of Radiology, School of Medicine, Jichi Medical University（立命馆大学医学系放射科） ； Department of Radiology, The University of Tokyo Hospital（东京大学医院放射科） 纠错

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

AI总结 本研究利用大语言模型（GPT-5.4）清洗CT-RATE数据集中的标签-报告不一致性，通过放射科医生裁决验证，发现LLM辅助清洗能有效识别临床相关错误，并提升数据集质量。

Comments 17 pages

A Controlled Benchmark of Quantum-Latent GAN Augmentation for Brain MRI

脑MRI的量子潜GAN增强的受控基准测试

Syed Mujtaba Haider, Silvia Figini

机构 * Department of Mathematics（数学系） ； Department of Political and Social Sciences（政治与社会科学系） 纠错

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

AI总结 通过受控基准测试，比较量子与经典生成器在脑MRI数据增强中的性能，发现两者均未显著优于仅用真实数据训练，且量子生成器无额外优势。

Comments This work has been submitted to the IEEE for possible publication. This work has been submitted to the IEEE for possible publication

Classification of COVID-19 cases from chest CT volumes using hybrid model of 3D CNN and 3D MLP-Mixer

基于3D CNN与3D MLP-Mixer混合模型的胸部CT影像的COVID-19病例分类

Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori

机构 * Nagoya University（名古屋大学） ； Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科） ； Graduate School of Science and Technology, Nara Institute of Science and Technology（奈良先端科学技术大学院大学科学技术研究科） ； Research Center for Medical Bigdata, National Institute of Informatics（信息学研究所医疗大数据研究中心） ； Keio University School of Medicine（庆应义塾大学医学院） ； Juntendo University（顺天堂大学） 纠错

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

AI总结 针对COVID-19患者激增导致的医疗人力短缺问题，本文提出由3D CNN与3D MLP-Mixer组成的混合模型，在含1205份CT影像的数据集上取得79.5%的分类准确率，优于传统3D CNN模型。

Comments Accepted as a poster presentation in SPIE Medical Imaging 2023

Journal ref Proceedings of SPIE Medical Imaging 2023, Computer-Aided Diagnosis, Vol. 12465