医学 AI

SSL-MedSAM2: A Semi-supervised Medical Image Segmentation Framework Powered by Few-shot Learning of SAM2

SSL-MedSAM2: 一种由SAM2少样本学习驱动的半监督医学图像分割框架

Zhendi Gong, Xin Chen

机构 * School of Computer Science, University of Nottingham, UK（Nottingham大学计算机科学学院） 纠错

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

AI总结 SSL-MedSAM2通过SAM2的少样本学习和nnUNet的迭代监督学习，在肝脏分割任务中实现了高精度的半监督医学图像分割。

Comments Accepted by MICCAI 2025 CARE Challenge, waiting for publication

Denoising Diffusion Models for Anomaly Localization in Medical Images

医学图像中异常定位的去噪扩散模型

Cosmin I. Bercea, Philippe C. Cattin, Julia A. Schnabel, Julia Wolleb

机构 * School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich, Germany（生物医学影像机器学习研究所，海德堡慕尼黑德国） ； Department of Biomedical Engineering, University of Basel, Allschwil, Switzerland（巴塞尔大学生物医学工程系，瑞士Allschwil） ； School of Biomedical Engineering and Imaging Sciences, King’s College London, United Kingdom（伦敦国王学院生物医学工程与影像科学学院，英国） ； Department of Biomedical Informatics and Data Science, Yale University School of Medicine, New Haven, CT, USA（耶鲁大学医学院生物医学信息学与数据科学系，美国新罕布什尔州新 Haven） ； Yale Biomedical Imaging Institute, Yale University, New Haven, CT, USA（耶鲁大学生物医学影像研究院，美国新罕布什尔州新 Haven） 纠错

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

AI总结 本文探讨了利用去噪扩散模型在医学图像中实现异常定位的方法，分析了不同监督方案的有效性及挑战，指出扩散模型在该领域的应用潜力。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:030

Journal ref Machine.Learning.for.Biomedical.Imaging. 3 (2025)

MetaVoxel: Joint Diffusion Modeling of Imaging and Clinical Metadata

MetaVoxel：联合图像与临床元数据的扩散建模

Yihao Liu, Chenyu Gao, Lianrui Zuo, Michael E. Kim, Brian D. Boyd, Lisa L. Barnes, Walter A. Kukull, Lori L. Beason-Held, Susan M. Resnick, Timothy J. Hohman, Warren D. Taylor, Bennett A. Landman

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

AI总结 MetaVoxel通过联合扩散建模统一图像与临床元数据，实现图像生成、年龄估计和性别预测，性能媲美传统任务特定模型。

FreqDINO: Frequency-Guided Adaptation for Generalized Boundary-Aware Ultrasound Image Segmentation

FreqDINO: 基于频率引导的通用边界感知超声图像分割

Yixuan Zhang, Qing Xu, Yue Li, Xiangjian He, Qian Zhang, Mainul Haque, Rong Qu, Wenting Duan, Zhen Chen

机构 * University of Nottingham Ningbo China（诺丁汉大学宁波校区） ； University of Nottingham（诺丁汉大学） ； University of Lincoln（林肯大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 FreqDINO通过频率引导方法提升超声图像分割的边界感知与结构一致性，实现更优的泛化能力。

Weak-to-Strong Generalization Enables Fully Automated De Novo Training of Multi-head Mask-RCNN Model for Segmenting Densely Overlapping Cell Nuclei in Multiplex Whole-slice Brain Images

弱到强泛化使多头Mask-RCNN模型能够全自动训练以分割密集重叠的细胞核

Lin Bai, Xiaoyang Li, Liqiang Huang, Quynh Nguyen, Hien Van Nguyen, Saurabh Prasad, Dragan Maric, John Redell, Pramod Dash, Badrinath Roysam

机构 * Department of Electrical and Computer Engineering, University of Houston（电子与计算机工程系，休斯顿大学） ； National Institute of Neurological Disorders and Stroke（国家神经疾病与中风研究所） ； Department of Neurobiology and Anatomy, UT McGovern Medical School（神经生物学与解剖学系，UT麦戈文医学学校） ； Canva Pty Ltd. 纠错

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

AI总结 通过弱到强泛化方法，实现多头Mask-RCNN模型全自动训练，有效分割多重免疫荧光整张图像中的重叠细胞核。

Weakly Supervised Tuberculosis Localization in Chest X-rays through Knowledge Distillation

通过知识蒸馏实现胸部X光中肺结核的弱监督定位

Marshal Ashif Shawkat, Moidul Hasan, Taufiq Hasan

机构 * Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） 纠错

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

AI总结 本研究通过知识蒸馏技术，利用ResNet50架构在TBX11k数据集上训练CNN模型，实现了无需边界框注释的肺结核弱监督定位，取得了0.2428 mIOU的优异成绩。

Comments 18 pages, 9 figures, 4 tables

CTorch: PyTorch-Compatible GPU-Accelerated Auto-Differentiable Projector Toolbox for Computed Tomography

CTorch: 一种兼容PyTorch的GPU加速自动可微分投影工具箱，用于计算机断层扫描

Xiao Jiang, Grace J. Gang, J. Webster Stayman

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 CTorch是一种兼容PyTorch的GPU加速自动可微分投影工具箱，支持多种CT几何结构和算法，用于提升CT成像研究的灵活性和效率。

Multiscale Causal Geometric Deep Learning for Modeling Brain Structure

多尺度因果几何深度学习用于建模大脑结构

Chengzhi Xia, Jianwei Chen, Yixuan Jiang, Qi Yan, Chao Li

专题命中 医学影像 ：MRI(abstract)；分类 q-bio

AI总结 本文提出一种多尺度因果几何深度学习方法，通过多模态MRI整合与谱图理论实现大脑结构建模，提升模型的可解释性和性能。