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。