医学 AI

TK-Mamba: Marrying KAN With Mamba for Text-Driven 3D Medical Image Segmentation

TK-Mamba：将KAN与Mamba结合用于文本驱动的3D医学图像分割

Haoyu Yang, Yutong Guan, Meixing Shi, Yuxiang Cai, Jintao Chen, Sun Bing, Wenhui Lei, Mianxin Liu, Xiaoming Shi, Yankai Jiang, Jianwei Yin

机构 * Zhejiang University（浙江大学） ； Research Center, National Certification Technology (Hangzhou) Co., Ltd（国家认证技术（杭州）有限公司研究部） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） 纠错

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

AI总结 TK-Mamba通过融合KAN与Mamba，提出文本驱动的3D医学图像分割方法，实现高效准确的多器官和肿瘤分割。

Attentional Triple-Encoder Network in Spatiospectral Domains for Medical Image Segmentation

用于医学图像分割的视网膜光学相干断层扫描空间-光谱域注意力三编码网络

Kristin Qi, Xinhan Di

机构 * University of Massachusetts Boston, USA（马萨诸塞大学波士顿分校） ； Giant Network AI Lab, China（巨人网络人工智能实验室） 纠错

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

AI总结 本文提出了一种结合空间和光谱域的三编码网络，通过注意力机制提升医学图像分割的Dice分数，实现更精确的OCT分割。

Comments IEEE Conference on Artificial Intelligence (IEEE CAI)

Enhancing Medical Image Analysis through Geometric and Photometric transformations

通过几何和光度变换增强医学图像分析

Khadija Rais, Mohamed Amroune, Mohamed Yassine Haouam, Abdelmadjid Benmachiche

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

AI总结 本文通过几何和光度变换增强技术提升医学图像分类和分割性能，实验表明数据增强有效提高模型准确率和Dice系数。

Robust 3D Brain MRI Inpainting with Random Masking Augmentation

鲁棒的3D脑部MRI修补与随机掩码增强

Juexin Zhang, Ying Weng, Ke Chen

机构 * University of Nottingham Ningbo（诺丁汉大学宁波分校） 纠错

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

AI总结 本文提出了一种基于U-Net和随机掩码增强的3D脑部MRI修补方法，在BraTS-Inpainting 2025挑战赛中取得第一名。

Comments Accepted by the International Brain Tumor Segmentation (BraTS) challenge organized at MICCAI 2025 conference

Prompt Guiding Multi-Scale Adaptive Sparse Representation-driven Network for Low-Dose CT MAR

提示引导多尺度自适应稀疏表示驱动网络用于低剂量CT金属伪影抑制

Baoshun Shi, Bing Chen, Shaolei Zhang, Huazhu Fu, Zhanli Hu

机构 * School of Information Science and Engineering, Yanshan University（信息科学与工程学院，燕山大学） ； School of Electronics and Information Technology, Sun Yat-sen University（电子与信息学院，中山大学） ； School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research（高性能计算研究所，科技研究局） ； Institute of Lauterbur Research Center for Biomedical Imaging, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（生物医学成像研究所以及深圳先进技术研究所，中国科学院） 纠错

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

AI总结 本文提出PMSRNet网络，通过多尺度自适应稀疏表示和提示引导策略，实现低剂量CT中金属伪影抑制与重建的高效融合。

Improving Lesion Segmentation in Medical Images by Global and Regional Feature Compensation

通过全局和区域特征补偿改进医学图像中的病变分割

Chuhan Wang, Zhenghao Chen, Jean Y. H. Yang, Jinman Kim

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

AI总结 本文提出GRCSF框架，通过全局和区域特征补偿提升医学图像中病变分割的精度与鲁棒性。

Fast-RF-Shimming: Accelerate RF Shimming in 7T MRI using Deep Learning

快速射频校正：利用深度学习加速7T MRI中的射频校正

Zhengyi Lu, Hao Liang, Ming Lu, Xiao Wang, Xinqiang Yan, Yuankai Huo

机构 * Department of Electrical and Computer Engineering, Vanderbilt University（电气与计算机工程系，范德比尔特大学） ； Vanderbilt University Institute of Imaging Science, Vanderbilt University Medical Center（范德比尔特大学医学中心影像科学研究院） ； Department of Radiology and Radiological Sciences, Vanderbilt University Medical Center（放射学与放射科学系，范德比尔特大学医学中心） ； Computational Science and Engineering Division, Oak Ridge National Laboratory（计算科学与工程 division，橡树岭国家实验室） ； Department of Computer Science, Vanderbilt University（计算机科学系，范德比尔特大学） 纠错

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

AI总结 本文提出了一种基于深度学习的快速射频校正方法，通过残差网络和非均匀场检测器实现7T MRI中射频校正的高效处理，显著提升速度和准确性。

Journal ref 10.1016/j.metrad.2025.100166

Manganese-based macrocyclic chelates as novel MRI contrast agents: In vivo imaging in a porcine model

基于锰的环状螯合物作为新型MRI对比剂：在猪模型中的体内成像

Pål B. Marthinsen, Tuva R. Hope, Wibeke Nordhøy, Deirdre B. Cassidy, Adrian P. L. Smith, Paul M. Evans, Atle Bjørnerud

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本研究开发了基于锰的环状螯合物作为MRI对比剂，在猪模型中展示其良好的体内成像性能及与现有钆螯合物相当的临床应用潜力。

Comments 15 pages, 8 figures and 3 tables

Prompting Lipschitz-constrained network for multiple-in-one sparse-view CT reconstruction

通过提示的Lipschitz约束网络实现多视角稀疏视图CT重建

Baoshun Shi, Ke Jiang, Qiusheng Lian, Xinran Yu, Huazhu Fu

机构 * School of Information Science and Engineering, Yanshan University（燕山大学信息科学与工程学院） ； Beijing Advanced Innovation Center for Imaging Technology, Capital Normal University（北京影像技术先进创新中心，首都师范大学） ； Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR)（高性能计算研究所（IHPC），科技研究局（A*STAR）） 纠错

专题命中 医学影像 ：CT(title)；分类 cs.CV

AI总结 本文提出LipNet和PromptCT框架，通过显式证明的Lipschitz约束网络和提示模块，实现多视角稀疏视图CT重建的高质量与低存储成本。

Advancing Limited-Angle CT Reconstruction Through Diffusion-Based Sinogram Completion

通过扩散基于的sinogram补全推进有限角度CT重建

Jiaqi Guo, Santiago Lopez-Tapia, Aggelos K. Katsaggelos

机构 * Dept. of Electrical and Computer Engineering, Northwestern University, Evanston, IL, USA（电气与计算机工程系，西北大学，爱荷华州埃文斯顿） 纠错

专题命中 医学影像 ：CT(title)；分类 cs.CV

AI总结 本文提出基于扩散模型的sinogram补全方法，结合蒸馏和伪逆约束，实现高效准确的有限角度CT重建，有效抑制伪影并保持结构细节。

Comments Accepted at the 2025 IEEE International Conference on Image Processing (Oral)

Blind Adaptive Local Denoising for CEST Imaging

盲适应性局部去噪用于CEST成像

Chu Chen, Aitor Artola, Yang Liu, Se Weon Park, Raymond H. Chan, Jean-Michel Morel, Kannie W. Y. Chan

机构 * Department of Mathematics（数学系） ； City University of Hong Kong（城市大学） ； Hong Kong Centre for Cerebro-cardiovascular Health Engineering（香港脑心血管健康工程中心） ； Department of Biomedical Engineering（生物医学工程系） ； Department of Operations and Risk Management（运营与风险管理系） ； School of Data Science, Lingnan University（岭南大学数据科学学院） ； Division of Industrial Data Science（工业数据科学系） ； Department of Radiology and Radiological Science（放射科与放射科学系） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） 纠错

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

AI总结 本文提出了一种盲适应性局部去噪方法，用于改进CEST成像中的噪声处理，提高分子信号分离和癌症检测的准确性。

Achieving detailed medial temporal lobe segmentation with upsampled isotropic training from implicit neural representation

通过上采样各向同性训练实现详细的中脑颞叶分割

Yue Li, Pulkit Khandelwal, Rohit Jena, Long Xie, Michael Duong, Amanda E. Denning, Christopher A. Brown, Laura E. M. Wisse, Sandhitsu R. Das, David A. Wolk, Paul A. Yushkevich

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

AI总结 本研究通过上采样各向同性训练数据，提升MRI中海马体亚区域分割的可靠性，以更准确地量化AD病理与脑萎缩的关系。

LoRA-based methods on Unet for transfer learning in Subarachnoid Hematoma Segmentation

基于LoRA的方法在Unet上的应用用于亚急性硬膜下出血的迁移学习

Cristian Minoccheri, Matthew Hodgman, Haoyuan Ma, Rameez Merchant, Emily Wittrup, Craig Williamson, Kayvan Najarian

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本研究提出基于LoRA的Unet方法，用于亚急性硬膜下出血的迁移学习，通过参数高效的方法提升分割性能。

Not Quite Anything: Overcoming SAMs Limitations for 3D Medical Imaging

并非一切：克服SAMs在3D医学影像中的局限性

Keith Moore

机构 * Deptartment of Biomedical Data Science Stanford University（生物医学数据科学系 斯坦福大学） 纠错

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

AI总结 本文提出了一种无需微调基础模型的组合性替代方案，通过将基础模型输出作为额外输入通道来提高3D医学影像分割的准确性与鲁棒性。

Comments Preprint; Paper accepted at AIAS 2025

HistoSpeckle-Net: Mutual Information-Guided Deep Learning for high-fidelity reconstruction of complex OrganAMNIST images via perturbed Multimode Fibers

HistoSpeckle-Net：基于互信息的深度学习用于通过扰动多模光纤重建复杂OrganAMNIST图像

Jawaria Maqbool, M. Imran Cheema

机构 * Department of Electrical Engineering, Syed Babar Ali School of Science and Engineering, Lahore University of Management Sciences（电气工程系，Syed Babar Ali科学与工程学院，拉合尔管理科学大学） 纠错

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

AI总结 HistoSpeckle-Net通过互信息损失和三尺度特征细化模块，提升多模光纤在复杂医学图像重建中的性能和鲁棒性。

Text-guided Controllable Diffusion for Realistic Camouflage Images Generation

基于文本引导的可控扩散生成逼真伪装图像

Yuhang Qian, Haiyan Chen, Wentong Li, Ningzhong Liu, Jie Qin

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出CT-CIG方法，通过文本引导和可控扩散生成逼真且逻辑合理的伪装图像，利用VLM和FIRM模块提升伪装图像质量。

Comments Accepted by AAAI 2026

Multi Head Attention Enhanced Inception v3 for Cardiomegaly Detection

多头注意力增强的Inception v3用于心肌肥大检测

Abishek Karthik, Pandiyaraju V

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

AI总结 本文提出一种基于多头注意力机制改进的Inception v3模型，用于X光图像中心肌肥大的自动检测，实验结果显示模型在准确率、精确度等指标上均达到较高水平。

Classifying seizure generation mechanisms: A critical transitions framework

癫痫发作机制的分类：一种临界转变框架

Andrew Flynn, Cian McCafferty, Klaus Lehnertz, François David, Vincenzo Crunelli, William P. Marnane, Sebastian Wieczorek

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出了一种用于分类癫痫发作机制的临界转变框架，通过数学模型和机器学习方法发现大多数癫痫发作是由噪声诱导的临界转变引起的。

Large Language Model Aided Birt-Hogg-Dube Syndrome Diagnosis with Multimodal Retrieval-Augmented Generation

基于多模态检索增强生成的大型语言模型辅助Birt-Hogg-Dube综合征诊断

Haoqing Li, Jun Shi, Xianmeng Chen, Qiwei Jia, Rui Wang, Wei Wei, Hong An, Xiaowen Hu

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； Department of Pulmonary and Critical Care Medicine（呼吸与危重症医学科） ； Center for Diagnosis and Management of Rare Diseases（罕见病诊断与管理中心） ； the First Affiliated Hospital of USTC（USTC第一附属医院） ； Division of Life Sciences and Medicine（生命科学与医学系） ； USTC ； WanNan Medical College（皖南医学院） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；CT(abstract)；分类 cs.CV

AI总结 本研究提出BHD-RAG框架，通过整合多模态检索增强生成与领域专业知识，提升Birt-Hogg-Dube综合征的CT影像诊断准确性。

OncoVision: Integrating Mammography and Clinical Data through Attention-Driven Multimodal AI for Enhanced Breast Cancer Diagnosis

OncoVision：通过注意力驱动的多模态AI整合乳腺X线和临床数据以提升乳腺癌诊断

Istiak Ahmed, Galib Ahmed, K. Shahriar Sanjid, Md. Tanzim Hossain, Md. Nishan Khan, Md. Misbah Khan, Md. Arifur Rahman, Sheikh Anisul Haque, Sharmin Akhtar Rupa, Mohammed Mejbahuddin Mia, Mahmud Hasan Mostofa Kamal, Md. Mostafa Kamal Sarker, M. Monir Uddin

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 OncoVision通过注意力驱动的多模态AI整合乳腺X线和临床数据，提升乳腺癌诊断的准确性和实用性。

LungEvaty: A Scalable, Open-Source Transformer-based Deep Learning Model for Lung Cancer Risk Prediction in LDCT Screening

LungEvaty: 一种可扩展、开源的基于Transformer的深度学习模型，用于LDCT筛查中的肺癌风险预测

Johannes Brandt, Maulik Chevli, Rickmer Braren, Georgios Kaissis, Philip Müller, Daniel Rueckert

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； TUM University Hospital（慕尼黑技术大学医院） ； Imperial College London（伦敦帝国学院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

专题命中 诊断辅助 ：CT(abstract)；分类 cs.CV

AI总结 LungEvaty是一种基于Transformer的深度学习模型，利用LDCT扫描预测肺癌风险，通过全肺输入和解剖学指导注意力实现高效且准确的预测。

Parallelism in Neurodegenerative Biomarker Tests: Hidden Errors and the Risk of Misconduct

神经退行性生物标志物测试中的并行性：隐藏的误差与不当行为的风险

Axel Petzold, Joachim Pum, David P Crabb

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio

AI总结 研究探讨了神经退行性生物标志物检测中并行性不足的问题，指出稀释范围和方法的不一致影响结果的可靠性，强调透明报告和规范验证的重要性。

Journal ref Critical Reviews in Clinical Laboratory Sciences 2025

Patch-Level Glioblastoma Subregion Classification with a Contrastive Learning-Based Encoder

基于对比学习的编码器的脑胶质瘤亚区域分类

Juexin Zhang, Qifeng Zhong, Ying Weng, Ke Chen

机构 * University of Nottingham Ningbo China（诺丁汉大学宁波校区） 纠错

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 本文提出基于对比学习的编码器方法，在BraTS-Path 2025挑战中实现了脑胶质瘤亚区域分类的高精度表现。

Comments Accepted by the International Brain Tumor Segmentation (BraTS) challenge organized at MICCAI 2025 conference

Masked Autoencoder Joint Learning for Robust Spitzoid Tumor Classification

掩码自动编码器联合学习用于鲁棒的Spitzoid肿瘤分类

Ilán Carretero, Roshni Mahtani, Silvia Perez-Deben, José Francisco González-Muñoz, Carlos Monteagudo, Valery Naranjo, Rocío del Amor

机构 * HUMAN-tech, Universitat Politècnica de València (UPV)（HUMAN-tech，瓦伦西亚理工大学） ； INCLIVA, Universitat de València (UV)（INCLIVA，瓦伦西亚大学） ； Artikode Intelligence S.L. 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 ReMAC通过联合学习掩码自动编码器，提升高维数据下Spitzoid肿瘤分类的鲁棒性和准确性。

Comments Accepted in CASEIB 2025

Leveraging Foundation Models for Histological Grading in Cutaneous Squamous Cell Carcinoma using PathFMTools

利用基础模型进行皮肤鳞状细胞癌组织学分级的PathFMTools

Abdul Rahman Diab, Emily E. Karn, Renchin Wu, Emily S. Ruiz, William Lotter

机构 * Dana-Farber Cancer Institute（达纳-法伯癌症研究所） ； Brigham and Women’s Hospital（布里奇沃特医院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 本文提出PathFMTools工具，利用基础模型进行皮肤鳞状细胞癌组织学分级，验证了基础模型嵌入训练小型模型的潜力，为临床应用提供高效分析手段。

Comments Proceedings of the 5th Machine Learning for Health (ML4H) Symposium (2025)

Vision-Language Models for Automated 3D PET/CT Report Generation

用于自动化3D PET/CT报告生成的视觉-语言模型

Wenpei Jiao, Kun Shang, Hui Li, Ke Yan, Jiajin Zhang, Guangjie Yang, Lijuan Guo, Yan Wan, Xing Yang, Dakai Jin, Zhaoheng Xie

机构 * Institute of Medical Technology and National Biomedical Imaging Center, Peking University（北京大学医学技术研究院和国家生物医学成像中心） ； Peking University People’s Hospital（北京大学人民医院） ； Peking University Third Hospital（北京大学第三医院） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； The Affiliated Hospital of Qingdao University（青岛大学附属医院） ； The First Affiliated Hospital of Henan Medical University（河南医科大学第一附属医院） ； Jiujiang City Key Laboratory of Cell Therapy, Jiu Jiang NO.1 People’s Hospital（九江市细胞治疗重点实验室，九江市第一人民医院） 纠错

专题命中 医疗多模态 ：CT(title,abstract)；MRI(abstract)；分类 cs.CV

AI总结 本文提出PETRG-3D模型，通过3D双分支框架和风格适应提示，提升PET/CT报告生成的自动化水平，实验显示其在自然语言和临床指标上均优于现有方法。

On the Utility of Foundation Models for Fast MRI: Vision-Language-Guided Image Reconstruction

在快速MRI中基础模型的效用：基于视觉-语言的图像重建

Ruimin Feng, Xingxin He, Ronald Mercer, Zachary Stewart, Fang Liu

专题命中 医疗多模态 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文提出利用视觉-语言基础模型通过语义空间优化提升欠采样MRI重建效果，实验表明其在保留解剖结构和提升感知质量方面优于传统方法。

CLIP-IT: CLIP-based Pairing for Histology Images Classification

CLIP-IT: 基于CLIP的病理图像分类配对

Banafsheh Karimian, Giulia Avanzato, Soufian Belharbi, Alexis Guichemerre, Luke McCaffrey, Mohammadhadi Shateri, Eric Granger

机构 * LIVIA, ILLS, Dept. of Systems Engineering, ETS Montreal, Canada（LIVIA、ILLs、系统工程系、蒙特利尔大学ETSMontreal加拿大） ； Dept. of Computer Engineering, University of Cagliari, Italy（计算机工程系、卡利亚里大学意大利） ； Goodman Cancer Research, Centre, Dept. of Oncology, McGill University, Canada（Goodman癌症研究中心、肿瘤学系、麦吉尔大学加拿大） 纠错

专题命中 医疗多模态 ：pathology(abstract)；分类 cs.CV

AI总结 CLIP-IT通过利用未配对的病理报告提升病理图像分类性能，无需配对数据或复杂推理。

CNS-Obsidian: A Neurosurgical Vision-Language Model Built From Scientific Publications

CNS-Obsidian：基于科学出版物构建的神经外科视觉-语言模型

Anton Alyakin, Jaden Stryker, Daniel Alexander Alber, Jin Vivian Lee, Karl L. Sangwon, Brandon Duderstadt, Akshay Save, David Kurland, Spencer Frome, Shrutika Singh, Jeff Zhang, Eunice Yang, Ki Yun Park, Cordelia Orillac, Aly A. Valliani, Sean Neifert, Albert Liu, Aneek Patel, Christopher Livia, Darryl Lau, Ilya Laufer, Peter A. Rozman, Eveline Teresa Hidalgo, Howard Riina, Rui Feng, Todd Hollon, Yindalon Aphinyanaphongs, John G. Golfinos, Laura Snyder, Eric Leuthardt, Douglas Kondziolka, Eric Karl Oermann

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 CNS-Obsidian是一款基于科学文献训练的神经外科视觉-语言模型，通过对比实验展示了其在诊断准确性与用户评分上的表现。

MA-COIR: Leveraging Semantic Search Index and Generative Models for Ontology-Driven Biomedical Concept Recognition

MA-COIR: 利用语义搜索索引和生成模型进行面向本体的生物医学概念识别

Shanshan Liu, Noriki Nishida, Rumana Ferdous Munne, Narumi Tokunaga, Yuki Yamagata, Kouji Kozaki, Yuji Matsumoto

机构 * RIKEN AIP ； University of Tsukuba（茨川大学） ； RIKEN R-IH ； RIKEN BRC ； Osaka Electro-Communication University（大阪电讯大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 MA-COIR通过结合语义搜索索引和生成模型，提升生物医学领域本体驱动的概念识别能力。

Comments preprint

Journal ref https://aclanthology.org/2025.acl-srw.39/