医学 AI

Alzheimer's Disease Prediction Using EffNetViTLoRA and BiLSTM with Multimodal Longitudinal MRI Data

使用EffNetViTLoRA和BiLSTM的多模态纵向MRI数据进行阿尔茨海默病预测

Mahdieh Behjat Khatooni, Mohsen Soryani

机构 * School of Computer Engineering, Iran University of Science and Technology（伊朗科学技术大学计算机工程学院） 纠错

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

AI总结 本文提出结合EffNetViTLoRA和BiLSTM的多模态模型，利用纵向MRI数据实现高精度的阿尔茨海默病预测。

TRACE: Temporally Reliable Anatomically-Conditioned 3D CT Generation with Enhanced Efficiency

TRACE: 基于时间可靠性的解剖条件3D CT生成与增强效率

Minye Shao, Xingyu Miao, Haoran Duan, Zeyu Wang, Jingkun Chen, Yawen Huang, Xian Wu, Jingjing Deng, Yang Long, Yefeng Zheng

机构 * Department of Computer Science, Durham University（杜伦大学计算机科学系） ； Department of Automation, Tsinghua University（清华大学自动化系） ； College of Computer Science and Engineering, Dalian Minzu University（大连民族大学计算机科学与工程学院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Jarvis Research Center, Tencent YouTu Lab（腾讯YouTu实验室 Jarvis 研究中心） ； School of Engineering Mathematics and Technology, University of Bristol（布里斯托大学工程数学与技术学院） ； Medical Artificial Intelligence Laboratory, School of Engineering, Westlake University（西湖大学工程学院医学人工智能实验室） 纠错

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

AI总结 TRACE通过2D多模态条件扩散方法生成具有时空对齐的3D CT图像，提升生成效率和解剖保真度。

Comments Accepted to MICCAI 2025 (this version is not peer-reviewed; it is the extended version)

MRI-Based Brain Age Estimation with Supervised Contrastive Learning of Continuous Representation

基于MRI的脑年龄估计：使用监督对比学习进行连续表示的对比学习

Simon Joseph Clément Crête, Marta Kersten-Oertel, Yiming Xiao

机构 * Department of Computer Science and Software Engineering（计算机科学与软件工程系） 纠错

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

AI总结 本文提出基于监督对比学习的脑年龄估计方法，利用RNC损失和Grad-RAM提升模型性能，实现更精确的生物脑年龄预测。

Dual-Model Weight Selection and Self-Knowledge Distillation for Medical Image Classification

双模型权重选择与自我知识蒸馏用于医学图像分类

Ayaka Tsutsumi, Guang Li, Ren Togo, Takahiro Ogawa, Satoshi Kondo, Miki Haseyama

机构 * Hokkaido University（北海道大学） ； Muroran Institute of Technology（Muroran技术学院） 纠错

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

AI总结 本文提出一种结合双模型权重选择与自我知识蒸馏的医学图像分类方法，通过有效知识转移和轻量级模型优化，实现高性能与高效计算的平衡。

Comments Published as a journal paper at Elsevier CIBM

Fast Gradient Methods for Data-Consistent Local Super-Resolution of Medical Images

快速梯度方法用于医学图像数据一致的局部超分辨率处理

Junqi Tang, Guixian Xu, Jinglai Li

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

AI总结 本文提出快速梯度方法用于医学图像局部超分辨率处理，通过联合利用测量信息和局部调整先验实现高效高质量后处理。

Simultaneous Image Quality Improvement and Artefacts Correction in Accelerated MRI

加速MRI中同时提高图像质量与伪影校正

Georgia Kanli, Daniele Perlo, Selma Boudissa, Radovan Jirik, Olivier Keunen

机构 * Translational Radiomics, Luxembourg Institute of Health, Luxembourg（转化放射组学，卢森堡健康研究所，卢森堡） ； In-Vivo Imaging Platform, Luxembourg Institute of Health, Luxembourg（活体成像平台，卢森堡健康研究所，卢森堡） ； Faculty of Electrical Engineering and Communication, Brno University of Technology, Czech Republic（电气工程与通信学院，布拉格技术大学，捷克共和国） ； Institute of Scientific Instruments of the Czech Academy of Sciences, Czech Republic（捷克科学院科学仪器研究所，捷克共和国） 纠错

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

AI总结 USArt模型通过双子模型方法，同时提高加速MRI图像质量并校正噪声和运动伪影，实现5倍加速和伪影校正。

MIMM-X: Disentangling Spurious Correlations for Medical Image Analysis

MIMM-X：解构医学图像分析中的虚假相关性

Louisa Fay, Hajer Reguigui, Bin Yang, Sergios Gatidis, Thomas Küstner

机构 * Medical Image and Data Analysis, University Hospital of Tübingen, Germany（医学图像与数据分析，图宾根大学医院，德国） ； Institute for Signal Processing and System Theory, University of Stuttgart, Germany（信号处理与系统理论研究所，斯图加特大学，德国） ； Stanford University, Department of Radiology, Stanford, USA（斯坦福大学放射科，斯坦福，美国） 纠错

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

AI总结 MIMM-X通过最小化多重虚假相关性的互信息，解构医学图像分析中的因果特征，提升模型在新环境下的泛化能力。

Journal ref FAIMI 2025. Lecture Notes in Computer Science, vol 15976. Springer, Cham

PPBoost: Progressive Prompt Boosting for Text-Driven Medical Image Segmentation

PPBoost: 逐步提示增强用于文本驱动的医学图像分割

Xuchen Li, Hengrui Gu, Mohan Zhang, Qin Liu, Zhen Tan, Xinyuan Zhu, Huixue Zhou, Tianlong Chen, Kaixiong Zhou

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

AI总结 PPBoost通过逐步增强弱文本提示为强空间指导，提升医学图像分割的精度与鲁棒性。

Are Large Vision Language Models Truly Grounded in Medical Images? Evidence from Italian Clinical Visual Question Answering

大视觉语言模型真的在医学图像上具有基础性吗？来自意大利临床视觉问答的证据

Federico Felizzi, Olivia Riccomi, Michele Ferramola, Francesco Andrea Causio, Manuel Del Medico, Vittorio De Vita, Lorenzo De Mori, Alessandra Piscitelli, Pietro Eric Risuleo, Bianca Destro Castaniti, Antonio Cristiano, Alessia Longo, Luigi De Angelis, Mariapia Vassalli, Marcello Di Pumpo

机构 * SIIAM ； NSBProject ； Dept. of Life Sciences & Public Health, UCSC（生命科学与公共卫生系，UCSC） ； ASL RM 4 ； UCSC ； Univ. Paris Cité（巴黎Cité大学） ； Univ. of Pisa（比萨大学） 纠错

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

AI总结 研究通过测试四种先进模型在意大利医学问题上的表现，揭示了大视觉语言模型在视觉基础上的差异，强调了临床部署前的严格评估需求。

Comments Accepted at the Workshop on Multimodal Representation Learning for Healthcare (MMRL4H), EurIPS 2025

Ambiguity-aware Truncated Flow Matching for Ambiguous Medical Image Segmentation

具有模糊性的截断流匹配用于模糊的医学图像分割

Fanding Li, Xiangyu Li, Xianghe Su, Xingyu Qiu, Suyu Dong, Wei Wang, Kuanquan Wang, Gongning Luo, Shuo Li

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

AI总结 本文提出了一种具有模糊性的截断流匹配方法，通过数据分层推理和高斯截断表示提升医学图像分割的准确性和多样性。

Comments 13 pages, 10 figures, extended version of AAAI-26 paper

Automated segmentation of pediatric neuroblastoma on multi-modal MRI: Results of the SPPIN challenge at MICCAI 2023

多模态MRI上儿科神经母细胞瘤自动分割：2023年MICCAI SPPIN挑战赛结果

M. A. D. Buser, D. C. Simons, M. Fitski, M. H. W. A. Wijnen, A. S. Littooij, A. H. ter Brugge, I. N. Vos, M. H. A. Janse, M. de Boer, R. ter Maat, J. Sato, S. Kido, S. Kondo, S. Kasai, M. Wodzinski, H. Muller, J. Ye, J. He, Y. Kirchhoff, M. R. Rokkus, G. Haokai, S. Zitong, M. Fernández Patón, D. Veiga-Canuto, D. G. Ellis, M. R. Aizenberg, B. H. M. van der Velden, H. Kuijf, A. De Luca, A. F. W. van der Steeg

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

AI总结 SPPIN挑战赛通过多模态MRI自动分割神经母细胞瘤，展示了预训练网络在小数据集中的有效性，但小肿瘤分割仍需改进。

Comments 23 pages, 6 figures

Journal ref Bioengineering, 12(11), 1157 (2025)

DeepGI: Explainable Deep Learning for Gastrointestinal Image Classification

DeepGI: 可解释的深度学习用于消化道图像分类

Walid Houmaidi, Mohamed Hadadi, Youssef Sabiri, Yousra Chtouki

机构 * School of Science and Engineering, Al Akhawayn University（科学与工程学院，阿尔阿赫瓦因大学） 纠错

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

AI总结 DeepGI通过可解释的深度学习方法，在消化道图像分类中实现了高准确率和可解释性，为医学AI提供了新的基准和见解。

Comments 7 pages, 4 figures, 2 tables. Accepted at DASET 2026

Design and Construction of a Dedicated Radiolucent 8-element Flexible Radiofrequency (RF) Torso Coil for the 1.0T Australian MRI-Linac System

设计和构建专用的无辐射的8元素柔性射频（RF）躯体线圈用于1.0T澳大利亚MRI-Linac系统

Mingyan Li, Ewald Weber, David E. J. Waddington, Shanshan Shan, Paul Liu, Bin Dong, Paul J. Keall, Feng Liu, Stuart Crozier

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文设计了一种专用的8元素柔性射频躯体线圈，用于提高1.0T MRI-Linac系统的成像信噪比和实时肿瘤追踪能力。

GACELLE: GPU-accelerated tools for model parameter estimation and image reconstruction

GACELLE：用于模型参数估计和图像重建的GPU加速工具

Kwok-Shing Chan, Hansol Lee, Yixin Ma, Berkin Bilgic, Susie Y. Huang, Hong-Hsi Lee, José P. Marques

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

AI总结 GACELLE通过GPU加速实现高通量qMRI分析，提升参数估计效率和图像重建精度，降低计算门槛促进临床应用

Enhanced Graph Convolutional Network with Chebyshev Spectral Graph and Graph Attention for Autism Spectrum Disorder Classification

增强型图卷积网络结合切比雪夫谱图与图注意力用于自闭症谱系障碍分类

Adnan Ferdous Ashrafi, Hasanul Kabir

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Islamic University of Technology（伊斯兰科技大学） 纠错

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

AI总结 本文提出结合切比雪夫谱图卷积和图注意力网络的增强型图卷积网络，用于提高自闭症谱系障碍分类的准确性。

Comments 6 pages, 2 figures, 2 tables, Accepted and presented at Image and Vision Computing New Zealand (IVCNZ) 2025

MICCAI STS 2024 Challenge: Semi-Supervised Instance-Level Tooth Segmentation in Panoramic X-ray and CBCT Images

MICCAI STS 2024挑战：在全景X光和CBCT图像中实现半监督实例级牙齿分割

Yaqi Wang, Zhi Li, Chengyu Wu, Jun Liu, Yifan Zhang, Jiaxue Ni, Qian Luo, Jialuo Chen, Hongyuan Zhang, Jin Liu, Can Han, Kaiwen Fu, Changkai Ji, Xinxu Cai, Jing Hao, Zhihao Zheng, Shi Xu, Junqiang Chen, Qianni Zhang, Dahong Qian, Shuai Wang, Huiyu Zhou

机构 * Innovation Center for Electronic Design Automation Technology（电子设计自动化技术创新中心） ； School of Cyberspace（网络空间学院） ； Hangzhou Dianzi University（杭州电子科技大学） ； Hangzhou Geriatric Stomatology Hospital（杭州老年牙科医院） ； Shenzhen University（深圳大学） ； Queen Mary University of London（伦敦大学Queen Mary分校） ； Shandong University（山东大学） ； Xidian University（西安电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； The University of Hong Kong（香港大学） ； Chinese Academy of Sciences（中国科学院） ； Yunnan Provincial Stomatology Hospital（云南省牙科医院） ； Shanghai MediWorks Precision Instruments Co., Ltd（上海 MediWorks 精密仪器有限公司） ； University of Leicester（莱斯特大学） 纠错

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

AI总结 MICCAI STS 2024挑战通过半监督学习方法在全景X光和CBCT图像中实现实例级牙齿分割，展示了SSL在数据稀缺情况下的显著性能提升。

Hard Spatial Gating for Precision-Driven Brain Metastasis Segmentation: Addressing the Over-Segmentation Paradox in Deep Attention Networks

精准驱动的脑转移瘤分割中的硬空间门控：解决深度注意力网络中的过分割悖论

Rowzatul Zannath Prerona

机构 * Department of Computer Science and Engineering（计算机科学与工程系） 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SG-Net，通过硬空间门控机制解决深度注意力网络中的过分割问题，提升分割精度和边界检测性能。

Implementation of a Skin Lesion Detection System for Managing Children with Atopic Dermatitis Based on Ensemble Learning

基于集成学习的皮肤病变检测系统在管理特应性皮炎儿童中的实现

Soobin Jeon, Sujong Kim, Dongmahn Seo

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

AI总结 本研究提出基于集成学习的皮肤病变检测系统，通过整合多种深度学习模型提高诊断准确性，并在实际临床环境中验证其快速响应能力。

Comments 16pages, 14 figures, 7 tables

ADNF-Clustering: An Adaptive and Dynamic Neuro-Fuzzy Clustering for Leukemia Prediction

ADNF-Clustering: 一种自适应和动态的神经模糊聚类用于白血病预测

Marco Aruta, Ciro Listone, Giuseppe Murano, Aniello Murano

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

AI总结 ADNF-Clustering通过自适应动态神经模糊聚类方法，提升白血病预测的准确性和实时性，实现对白血病细胞模式的自适应分析与不确定性建模。

Comments 6 pages, 1 figure

UMind-VL: A Generalist Ultrasound Vision-Language Model for Unified Grounded Perception and Comprehensive Interpretation

UMind-VL：一种通用的超声视觉-语言模型，用于统一的 grounded perception 和全面的 interpretation

Dengbo Chen, Ziwei Zhao, Kexin Zhang, Shishuang Zhao, Junjie Hou, Yaqian Wang, Nianxi Liao, Anlan Sun, Fei Gao, Jia Ding, Yuhang Liu, Dong Wang

机构 * Yizhun Medical AI Team（义诊医疗AI团队） 纠错

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

AI总结 UMind-VL 是一种通用超声视觉-语言模型，通过统一的 grounded perception 和 comprehensive interpretation 实现对医学影像的高效理解和诊断。

Advancing Embodied Intelligence in Robotic-Assisted Endovascular Procedures: A Systematic Review of AI Solutions

推进机器人辅助血管内手术中的具身智能：人工智能解决方案的系统综述

Tianliang Yao, Bo Lu, Markus Kowarschik, Yixuan Yuan, Hubin Zhao, Sebastien Ourselin, Kaspar Althoefer, Junbo Ge, Peng Qi

机构 * Department of Control Science and Engineering, College of Electronics and Information Engineering, and Shanghai Institute of Intelligent Science and Technology, Tongji University（控制科学与工程系，电子信息工程学院，上海智能科学技术研究院，同济大学） ； Department of Electronic Engineering, Faculty of Engineering, The Chinese University of Hong Kong（电子工程系，工程学院，香港中文大学） ； Robotics and Microsystems Center, School of Mechanical and Electrical Engineering, Soochow University（机器人与微系统中心，机械与电气工程学院，苏州大学） ； Siemens Healthineers Advanced Therapies (AT), Forchheim, Bavaria（西门子医疗先进治疗（AT）, Forchheim, 巴伐利亚） ； HUB of Intelligent Neuro-Engineering (HUBIN), CREATe, Division of Surgery & Interventional Science, University College London（智能神经工程中心（HUBIN），CREATE，外科与介入科学系，伦敦大学学院） ； School of Biomedical Engineering & Imaging Sciences, King’s College London（生物医学工程与成像科学学院，伦敦国王学院） 纠错

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

AI总结 本文系统综述了人工智能在机器人辅助血管内手术中具身智能的应用，探讨了其挑战与未来发展方向。

Comments 20 pages, 6 figures

PySERA: Open-Source Standardized Python Library for Automated, Scalable, and Reproducible Handcrafted and Deep Radiomics

PySERA：用于自动化、可扩展和可重复的handcrafted和深度学习放射组学的开源标准化Python库

Mohammad R. Salmanpour, Amir Hossein Pouria, Sirwan Barichin, Yasaman Salehi, Sonya Falahati, Isaac Shiri, Mehrdad Oveisi, Arman Rahmim

专题命中 医学影像 ：medical image(abstract)

AI总结 PySERA是一个开源的Python库，提供标准化的放射组学框架，支持自动化、可扩展和可重复的handcrafted和深度学习放射组学处理。

Comments 20 pages, 7 Figures, and 5 tables