医学 AI

Confidence is Not Reliability: Rethinking MC Dropout in Brain Tumour Segmentation

置信度不等于可靠性：重新思考脑肿瘤分割中的MC Dropout

Xin Ci Wong, Duygu Sarikaya, Kieran Zucker, Marc De Kamps, Nishant Ravikumar

专题命中 医学影像 ：脑肿瘤分割中的MC Dropout不确定性估计，聚焦临床安全

AI总结 通过MC Dropout不确定性估计，发现全局不确定性-误差对齐（AUROC≈0.97）可能掩盖关键子区域（如增强肿瘤）的严重误校准（ECE=0.915），表明子区域校准评估对临床安全至关重要。

Comments Accepted for MIUA2016

PEFT-MedSAM: Efficient Fine-Tuning of Medical Foundation Models for Explainable Skin Lesion Segmentation

PEFT-MedSAM：面向可解释皮肤病变分割的医学基础模型高效微调

Asad Channa, Abdullah Khan, Asghar Ali Chandio, Aamir Akbar, Shahzad Memon, Aqib Hussain, Ameer Hamza

专题命中 医学影像 ：提出医学图像分割微调方法，应用于皮肤病变分割

AI总结 提出参数高效微调方法PEFT-MedSAM，冻结预训练编码器仅训练轻量解码器，在ISIC 2018上达到0.9411 Dice系数，并通过Grad-CAM可解释性增强临床可信度。

Multi-Class Brain Tumor Classification Using Advanced Deep Learning Models: A Comparative Study

使用先进深度学习模型的多类脑肿瘤分类：一项比较研究

Asad Channa, Asghar Ali Chandio, Akhtar Hussain Jalbani, Mehwish Leghari, Shahzad Memon

专题命中 医学影像 ：脑肿瘤MRI分类，比较CNN架构

AI总结 本研究比较五种CNN架构（包括定制模型和四种预训练模型）在约10,000张MRI图像上的多类脑肿瘤分类性能，发现EfficientNetB0以95%准确率最优，尤其显著提高了脑膜瘤的召回率（89%）。

BrainFusionNet: a deep learning and XAI model to understand local, global, and sequential features of MRI images for improved brain tumour detection

BrainFusionNet：一种用于理解MRI图像局部、全局和序列特征以改进脑肿瘤检测的深度学习与XAI模型

Md Taimur Ahad, Bo Song, Yan Li

专题命中 医学影像 ：脑肿瘤检测混合模型，结合CNN/ViT/GRU

AI总结 提出BrainFusionNet混合模型，结合CNN、ViT和GRU提取MRI空间、上下文和序列特征，并集成SHAP、LIME和GradCAM进行可解释性分析，在公开数据集上达到98%准确率，优于SOTA CNN。

Journal ref Brain Inf. 13, 21 (2026)

Hallucination Detection and Correction in Medical VLMs via Counter-Evidence Verification

基于反事实证据验证的医学视觉语言模型幻觉检测与纠正

Nan Zhou, Ke Zou, Meng Liu, Linchao He, Jiaqi Zhu, Yi Zhang, Hu Chen, Huazhu Fu

专题命中 医学影像 ：提出CoEV框架检测和纠正医学VLM幻觉，聚焦医学诊断

AI总结 提出CoEV框架，通过文本与视觉证据的双向验证检测并纠正医学VLM幻觉，无需重新训练，在四个数据集上显著提升检测和纠正性能。

Comments MICCAI 2026 Accept. Submission Version

Improved Multiscale Structural Mapping with Supervertex Vision Transformer for the Detection of Alzheimer's Disease Neurodegeneration

改进的多尺度结构映射与超顶点视觉Transformer用于阿尔茨海默病神经退行性病变的检测

Geonwoo Baek, David H. Salat, Ikbeom Jang

专题命中 医学影像 ：使用MRI检测阿尔茨海默病，属于医学影像

AI总结 本文提出MSSM+结合SSVM和SV-ViT，通过多尺度结构映射和超顶点映射提高阿尔茨海默病早期检测的准确性，实现了更显著的组间差异识别和分类性能提升。

Comments Submitted to Human Brain Mapping

Journal ref Human Brain Mapping 47(8), e70548 (2026)

Uncertainty-Aware Image Classification In Biomedical Imaging Using Spectral-normalized Neural Gaussian Processes

利用谱归一化神经高斯过程进行生物医学影像中的不确定性感知图像分类

Uma Meleti, Jeffrey J. Nirschl

专题命中 医学影像 ：生物医学影像分类，属于医学影像

AI总结 本文提出SNGP模型，通过谱归一化和高斯过程层改进单模型不确定性估计与异常检测，在三个生物医学分类任务中表现优异。

Comments Published at the IEEE International Symposium on Biomedical Imaging (ISBI) 2026

Journal ref Proc. 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI),London, United Kingdom, Apr. 8-11, 2026, pp. [1-4], 2026

Efficient Image-to-Image Schrödinger Bridge for CT Field of View Extension

面向CT视野扩展的高效图像到图像薛定谔桥

Zhenhao Li, Song Ni, Long Yang, Xiaojie Yin, Haijun Yu, Jiazhou Wang, Hongbin Han, Weigang Hu, Yixing Huang

专题命中 医学影像 ：CT视野扩展，属于医学影像

AI总结 提出基于图像到图像薛定谔桥（I²SB）扩散模型的CT视野扩展框架，通过直接学习有限视野与扩展视野图像间的随机映射，实现单步快速推理，在精度和速度上均超越现有扩散模型。

Comments 12 pages

Journal ref IEEE Transactions on Radiation and Plasma Medical Sciences 2026

Learning Patient-Specific Disease Dynamics with Latent Flow Matching for Longitudinal Imaging Generation

学习患者特异性疾病动态：基于潜在流匹配的纵向影像生成

Hao Chen, Rui Yin, Yifan Chen, Qi Chen, Chao Li

专题命中 医学影像 ：提出纵向MRI生成框架，建模疾病进展

AI总结 提出Δ-LFM框架，利用流匹配对齐患者潜在轨迹，通过患者特异性潜在对齐实现单调疾病进展建模，在三个纵向MRI基准上验证了可解释性和性能。

Comments ICLR 2026 accepted

Structured Spectral Graph Representation Learning for Multi-label Abnormality Analysis from 3D CT Scans

结构化谱图表示学习用于3D CT扫描的多标签异常分析

Theo Di Piazza, Carole Lazarus, Olivier Nempont, Loic Boussel

专题命中 医学影像 ：3D CT异常分析，多标签分类

AI总结 提出一种基于谱图卷积的2.5D框架，将3D CT体积表示为结构化图，通过轴向切片三元组节点建模层间依赖，实现多标签异常分类，跨数据集泛化性能强。

Comments Accepted at MELBA Journal 2026

Structural MRI Synthesis for Alzheimer's Disease via Conditional Diffusion on Anatomical Masks

基于解剖掩膜条件扩散的阿尔茨海默病结构MRI合成

Muge Zhang, Muhammad Ali Khaliq, Jamal Alsakran, Byeong Kil Lee, Jeeho Ryoo

专题命中 医学影像 ：合成阿尔茨海默病结构MRI，条件扩散模型

AI总结 针对阿尔茨海默病结构MRI合成中细微解剖变化难以捕捉的问题，本文扩展Med-DDPM条件扩散模型，以解剖分割掩膜为条件生成3D结构MRI，实验表明合成数据训练的模型Dice分数与真实数据相当，混合数据训练则显著提升性能。

Journal ref 2025 IEEE 8th International Conference on Multimedia Information Processing and Retrieval (MIPR)

GUMP-Net: An interpretable model-data-driven intelligent algorithm for multi-class pelvic segmentation

GUMP-Net: 一种用于多类盆腔分割的可解释模型-数据驱动智能算法

Liheng Wang, Yinghui Zhang, Licheng Zhang, Hailin Xu, Qiyong Cao, Chong Chen

专题命中 医学影像 ：盆腔分割，属于医学影像分析

AI总结 提出GUMP-Net，结合改进测地线活动轮廓模型与深度神经网络，实现多类盆腔分割，在小训练数据下表现更优，并提供可解释几何视角。

Comments 26 pages, 8 figures, 3 tables

DINO-Med3D: Bridging Dimension and Domain Gaps in Volumetric Segmentation via Progressive Adaptation

DINO-Med3D：通过渐进式适应弥合体分割中的维度与领域差距

Haoyu Hu, Xiyao Ma, Shiqi Liu, Linsen Zhang, Xiaoliang Xie, Xiaohu Zhou, Zeng-Guang Hou

专题命中 医学影像 ：将DINOv3适配到3D医学分割

AI总结 提出两阶段渐进框架DINO-Med3D，通过多切片嵌入模块、3D适配器和并行细节恢复流，将DINOv3适配到3D医学分割，在五个数据集上超越现有方法。

Comments Accepted at MICCAI 2026. The camera-ready version and link will be made publicly available upon publication

Test-Time Adaptation in Optical Coherence Tomography Using Trajectory-Aligned Time-Independent Flow

光学相干断层扫描中基于轨迹对齐的时间无关流的测试时自适应

Veit Hucke, Thomas Pinetz, Gregor Reiter, Ursula Schmidt-Erfurth, Hrvoje Bogunović

专题命中 医学影像 ：OCT图像质量自适应，用于AMD分割，医学影像核心。

AI总结 提出一种基于流匹配的测试时自适应方法，通过直方图匹配和去除时间条件，生成高质量替代图像，在AMD分割中达到最优性能。

Comments Accepted in MICCAI

Bridging Single Distortion Artifacts and Mmultifactorial Clinical Quality: Few-shot Biparametric MRI Quality Assessment via Distortion-trained Prototypical Networks

桥接单一失真伪影与多因素临床质量：基于失真训练的原型网络的少样本双参数MRI质量评估

Yuheng Tang, Alexander Ng, Wen Yan, Natasha Thorley, Pawel Rajwa, Yipei Wang, Aqua Asif, Clare Allen, Louise Dickinson, Francesco Giganti, Shonit Punwani, Daniel Alexander, Veeru Kasivisvanathan, Yipeng Hu

专题命中 医学影像 ：前列腺MRI质量评估，少样本原型网络。

AI总结 提出一种少样本双参数原型网络，利用失真标签元训练，通过特征融合和域对齐，仅用5个样本即可预测PI-QUAL临床质量评分，解决临床数据稀缺问题。

Learning to Distort: Weakly-Supervised Image Quality Transfer for Prostate DWI Correction

学习扭曲：用于前列腺DWI校正的弱监督图像质量迁移

YuCheng Tang, Wen Yan, Alexander Ng, Natasha Thorley, Pawel Rajwa, Yipei Wang, Aqua Asif, Clare Allen, Louise Dickinson, Francesco Giganti, David Atkinson, Shonit Punwani, Daniel Alexander, Shaheer Ullah Saeed, Veeru Kasivisvanathan, Yipeng Hu

专题命中 医学影像 ：前列腺DWI失真校正，弱监督图像质量迁移。

AI总结 提出弱监督图像质量迁移框架，利用图像质量评估信号从无失真图像学习生成真实失真，并训练校正模型，在PI-RADS和Gleason评分分类任务中优于现有无配对方法。

Quantification of Uncertainty with Adversarial Models in Medical Image Segmentation

医学图像分割中对抗模型的不确定性量化

Hana Jebril, Thomas Pinetz, Günter Klambauer, Hrvoje Bogunović

专题命中 医学影像 ：医学图像分割不确定性量化，后处理框架。

AI总结 提出QUAM-SM后处理框架，通过针对性对抗搜索识别脆弱像素，量化不确定性并分离认知与偶然不确定性，在公开数据集上优于现有方法。

Comments Accepted at MICCAI 2026

DreamReg: Belief-Driven World Model for 2D-3D Ultrasound Registration

DreamReg：基于信念驱动的世界模型用于2D-3D超声配准

Luoyao Kang, Yuelin Zhang, Jiwei Shan, Haifan Gong, Qingpeng Ding, Shing Shin Cheng

专题命中 医学影像 ：2D-3D超声配准，用于手术导航

AI总结 提出DreamReg框架，将2D-3D超声配准建模为信念更新，通过世界模型模拟探头运动并整合想象结果，在CAMUS和u-RegPro数据集上实现鲁棒且准确的实时配准。

SMART: A Flexible, Interpretable, and Scalable Spatio-temporal Brain Atlas from High-Resolution Imaging Data

SMART：一种灵活、可解释且可扩展的高分辨率成像数据时空脑图谱

John Kalkhof, Boris Gutman, Emile d'Angremont, Daniel C. Alexander, Marco Lorenzi

专题命中 医学影像 ：时空脑图谱，高分辨率3D医学图像建模。

AI总结 提出SMART框架，通过解耦全局疾病动态与患者特定解剖表现，学习连续疾病时间图谱，实现高分辨率3D医学图像中时空变化的灵活、可解释和可扩展建模。

Clinically Aligned Geometry Constraints for Robust IVUS Vessel Boundary Segmentation

临床对齐的几何约束用于鲁棒的IVUS血管边界分割

Yunshu Chen, Litao Yang, Giuseppe Di Giovanni, Jordan Tan, Deval Mehta, Andrew Lin, Derek Chew, Masasi Fujino, Julie Butters, Stephen Nicholls, Zongyuan Ge, Kyung Hoon Cho

专题命中 医学影像 ：IVUS血管边界分割，几何约束网络。

AI总结 提出GeoCat网络，通过双编码器与可微几何一致性损失，在IVUS分割中降低边界漂移和拓扑错误，提升临床几何测量精度。

Comments MICCAI2026 Accepted

Parameter-Efficient Adaptation of SAM 3 for Automated ITV Generation from 4DCT Images

基于参数高效微调SAM 3从4DCT图像自动生成内靶区

Changwoo Song

专题命中 医学影像 ：4DCT图像分割生成内靶区，医学影像

AI总结 提出轻量框架，通过LoRA参数高效微调SAM 3，结合硬负样本挖掘和相位相干滤波，仅用7个标注体数据实现高精度内靶区自动生成，中位Dice达0.968。

Comments 10 pages, 4 figures, 2 tables

Pre-Deployment Robustness Stress Testing for CT Segmentation Systems Using Clinically Motivated Multi-Corruption Augmentation

CT分割系统的部署前鲁棒性压力测试：使用临床驱动的多损坏增强

CholMin Kanga, Jonghyun Chung, Amanpreet Kaur, Nagesh Gulkotwar, Aarthi Sivasankaran

专题命中 医学影像 ：CT分割系统鲁棒性压力测试，医学影像增强

AI总结 提出RAMP框架，通过多损坏增强提升CT分割模型在临床异质成像条件下的鲁棒性，显著缩小干净与损坏图像性能差距。

Pyramid Self-Contrastive Learning for Single-shot Test-time Ultrasound Image Denoising

金字塔自对比学习框架用于测试时超声图像去噪

Jiajing Zhang, Bingze Dai, Xi Zhang, Yue Xu, Wei-Ning Lee

专题命中 医学影像 ：提出测试时超声图像去噪框架，提升结构细节。

AI总结 本文提出一种纯测试时训练框架，用于单次超声图像去噪，应用于合成孔径超声，通过自对比学习分离解剖相似性和噪声随机性，提升去噪效果和结构细节。

PRISM: A 3D Probabilistic Neural Representation for Interpretable Shape Modeling

PRISM：一种用于可解释形状建模的三维概率神经表示

Yining Jiao, Sreekalyani Bhamidi, Carlton Jude Zdanski, Julia S Kimbell, Andrew Prince, Cameron P Worden, Samuel Kirse, Christopher Rutter, Benjamin H Shields, Jisan Mahmud, Marc Niethammer

专题命中 医学影像 ：可解释形状建模，解剖结构不确定性

AI总结 提出PRISM框架，结合隐式神经表示与不确定性感知统计形状分析，通过封闭形式Fisher信息度量实现高效局部时间不确定性量化，在形状演化、个性化预测和异常检测任务中表现优异。

Comments ICML 2026, camera-ready version, 24 pages

Hybrid Transformer-Mamba for Weakly Supervised Volumetric Medical Segmentation

混合Transformer-Mamba用于弱监督体积医学分割

Yiheng Lyu, Lian Xu, Coen Arrow, Mohammed Bennamoun, Farid Boussaid, Girish Dwivedi

专题命中 医学影像 ：混合Transformer-Mamba用于弱监督体积医学分割

AI总结 提出TranSamba混合架构，通过跨平面建模捕获3D上下文，在弱监督下实现高效体积分割，在三个数据集上达到最优性能。

Volumetric Ultrasound via 3D Null Subtraction Imaging with Circular and Spiral Apertures

体积分层超声成像：基于圆形和螺旋孔径的3D空子减法成像

Bingze Dai, Xi Zhang, Wei-Ning Lee

专题命中 医学影像 ：提出3D空子减法成像技术用于体积超声，属于医学影像。

AI总结 本文提出3D空子减法成像技术，通过高效空子减法与稀疏孔径设计提升体积分层超声成像的图像质量、帧率和硬件复杂度平衡，实验显示其在方位和仰角分辨率及对比度方面优于传统DAS方法。

Comments 10 pages,12 figures

Journal ref Ultrasonics, 2026: 108179

An efficient approach with theoretical guarantees to simultaneously reconstruct activity and attenuation sinogram for TOF-PET

一种具有理论保证的高效方法用于同时重建TOF-PET的活动和衰减正弦图

Liyang Hu, Chong Chen

专题命中 医学影像 ：PET重建，核心医学影像方法

AI总结 本文提出一种基于最大似然估计的新方法，用于同时重建TOF-PET的活动和衰减正弦图，通过利用指数形式的衰减校正因子和活动总量约束，证明了方法的可解性，并通过实验验证了其在精度和效率上的优越性。

Comments 32 pages, 11 figures, 4 tables

Journal ref IEEE Transactions on Computational Imaging 2026

Diffusion-Based Limited-Angle CT Reconstruction under Noisy Conditions

基于扩散的噪声条件下有限角度CT重建

Jiaqi Guo, Santiago López-Tapia

专题命中 医学影像 ：CT重建方法，直接应用于医学影像

AI总结 本文提出基于扩散的有限角度CT重建方法，通过Mean-Reverting随机微分方程完成缺失角度视图，结合噪声感知校正机制提升鲁棒性，实验表明在不同噪声强度和采集条件下均表现优异。

Comments Accepted at the 2025 IEEE International Conference on Image Processing (ICIP), Workshop

Optimized Multi-Contrast Self-Supervised MRI Reconstruction using Learned k-space Partitioning

使用学习型k空间划分的优化多对比度自监督MRI重建

Brenden Kadota, Charles Millard, Mark Chiew

专题命中 医学影像 ：提出多对比度自监督MRI重建方法

AI总结 提出一种多对比度自监督学习框架，通过端到端学习最优k空间数据划分，无需全采样数据即可提升MRI重建质量。

GHOST-CAT: An Efficient and Practical Network for Mesh Generation from 3D Echocardiography

GHOST-CAT: 一种高效实用的三维超声心动图网格生成网络

Edward Ferdian, Debbie Zhao, Alistair A. Young, Martyn P. Nash

专题命中 医学影像 ：从3D超声心动图生成左心室网格，属于医学影像处理

AI总结 提出GHOST-CAT两阶段网络，结合CNN、图卷积和Transformer，从3D超声心动图生成拓扑一致、时间连贯的左心室网格，在100例测试集上Dice系数达0.87（腔室）和0.75（心肌），优于现有方法。