医学 AI

Pancakes: Consistent Multi-Protocol Image Segmentation Across Biomedical Domains

Pancakes: 在生物医学领域内实现多协议图像分割的一致性

Marianne Rakic, Siyu Gai, Etienne Chollet, John V. Guttag, Adrian V. Dalca

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； MGH（麻省总医院） ； HMS（哈佛医学院） 纠错

专题命中 医学影像 ：biomedical(title,abstract)；medical image(abstract)；MRI(abstract)；pathology(abstract)

AI总结 Pancakes 提出了一种新的框架，能够自动为多个可能的协议生成多标签分割图，同时保持相关图像之间的语义一致性，在生物医学领域内实现多协议图像分割的一致性。

Comments Accepted at NeurIPS 2025. Code available at: https://github.com/mariannerakic/Pancakes

CR3G: Causal Reasoning for Patient-Centric Explanations in Radiology Report Generation

CR3G：用于放射学报告生成的患者导向因果推理

Satyam Kumar

机构 * IIT Bombay（博伊斯大学） 纠错

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

AI总结 CR3G通过因果推理提升放射学报告生成的解释能力，增强AI诊断的可信度和实用性。

Comments 8 pages, 5 figures, 1 table

MAISI: Medical AI for Synthetic Imaging

MAISI：医学AI用于合成成像

Pengfei Guo, Can Zhao, Dong Yang, Ziyue Xu, Vishwesh Nath, Yucheng Tang, Benjamin Simon, Mason Belue, Stephanie Harmon, Baris Turkbey, Daguang Xu

机构 * NVIDIA（英伟达公司） ； National Institutes of Health（国家卫生研究院） ； University of Arkansas for Medical Sciences（亚利桑那医学科学大学） 纠错

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

AI总结 MAISI通过扩散模型生成合成CT图像，解决医学影像分析中的数据稀缺和隐私问题，支持灵活的体积维度和体素间距，可应用于多种下游任务。

Comments WACV25 accepted. https://github.com/NVIDIA-Medtech/NV-Generate-CTMR

Robust Simultaneous Multislice MRI Reconstruction Using Slice-Wise Learned Generative Diffusion Priors

基于切片学习生成扩散先验的鲁棒同时多切片MRI重建

Shoujin Huang, Guanxiong Luo, Yunlin Zhao, Yilong Liu, Yuwan Wang, Kexin Yang, Jingzhe Liu, Hua Guo, Min Wang, Lingyan Zhang, Mengye Lyu

机构 * College of Health Science and Environmental Engineering, Shenzhen Technology University（深圳科技大学健康科学与环境工程学院） ； University Medical Center Göttingen（哥廷根大学医学中心） ； Guangdong-Hongkong-Macau CNS Regeneration Institute, Key Laboratory of CNS Regeneration (Jinan University)-Ministry of Education, Jinan University（广东-港澳-澳门神经科学再生研究所，神经科学再生重点实验室（暨南大学）-教育部，暨南大学） ； Department of Radiology, The First Hospital of Tsinghua University（清华大学第一医院放射科） ； Center for Biomedical Imaging Research, Department of Biomedical Engineering, School of Medicine, Tsinghua University（清华大学生物医学成像研究中心，生物医学工程系，医学院） ； Key Laboratory for Biomedical Engineering of Ministry of Education, College of Biomedical Engineering and Instrument Science, Zhejiang University（教育部生物医学工程重点实验室，生物医学工程与仪器科学学院，浙江大学） ； Department of Endocrinology and Metabolism, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine（浙江大学医学院邵逸夫医院内分泌科） ； Lab of Molecular Imaging and Medical Intelligence, Department of Radiology, Longgang Central Hospital of Shenzhen (Shenzhen Clinical Medical College, Guangzhou University of Chinese Medicine（分子成像与医学智能实验室，放射科，深圳龙岗中心医院（深圳临床医学院，广州中医药大学；龙岗临床学院，汕头大学医学院）） ； Longgang Clinical Institute of Shantou University Medical College) 纠错

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

AI总结 ROGER通过深度生成先验和低频增强模块，实现鲁棒的同时多切片MRI重建，提升解剖和功能成像质量。

Journal ref Published in Medical Image Analysis, Volume 108, 2026, 103851

Patch-Based Diffusion for Data-Efficient, Radiologist-Preferred MRI Reconstruction

基于补丁的扩散模型用于数据高效、放射科医师偏好的MRI重建

Rohan Sanda, Asad Aali, Andrew Johnston, Eduardo Reis, Gordon Wetzstein, Sara Fridovich-Keil

机构 * Stanford University（斯坦福大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Stanford Center for Artificial Intelligence in Medicine and Imaging（斯坦福大学医学与成像人工智能中心） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出基于补丁的扩散模型用于高效MRI重建，在小数据集上表现优于现有方法，且被放射科医师认为诊断效果更优。

Comments Code is available at: https://github.com/voilalab/PaDIS-MRI

DarkSPARC: Dark-Blood Spectral Self-Calibrated Reconstruction of 3D Left Atrial LGE MRI for Post-Ablation Scar Imaging

DarkSPARC: 3D 左心房 LGE MRI 的暗血谱自校准重建用于术后瘢痕成像

Mohammed S. M. Elbaz

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

AI总结 DarkSPARC 通过自校准谱重建技术，将亮血 3D 左心房 LGE MRI 转换为暗血图像，提升瘢痕池 CNR/SNR/eCNR 并提高瘢痕量化准确性。

PanDx: AI-assisted Early Detection of Pancreatic Ductal Adenocarcinoma on Contrast-enhanced CT

PanDx：基于增强CT的胰腺导管腺癌早期检测的AI辅助方法

Han Liu, Riqiang Gao, Eileen Krieg, Sasa Grbic

机构 * Digital Technology and Innovation, Siemens Healthineers（数字技术与创新，西门子医疗） 纠错

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

AI总结 PanDx通过整合分布感知集成和峰值缩放技术，实现对胰腺导管腺癌的早期检测，取得官方测试集第一名的优异成绩。

Comments 1st place in the PANORAMA Challenge (Team DTI)

CT-UIO: Continuous-Time UWB-Inertial-Odometer Localization Using Non-Uniform B-spline with Fewer Anchors

CT-UIO：基于非均匀B样条的连续时间UWB-惯性里程计定位系统（使用更少的锚点）

Jian Sun, Wei Sun, Genwei Zhang, Kailun Yang, Song Li, Xiangqi Meng, Na Deng, Chongbin Tan

机构 * National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（湖南大学机器人视觉感知与控制技术国家工程研究中心） ； School of Artificial Intelligence, Changsha University of Science and Technology（长沙理工大学人工智能学院） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； State Key Laboratory of Chemistry for NBC Hazards Protection, Beijing（核生化防护化学重点实验室，北京） 纠错

专题命中 医学影像 ：CT(title,abstract)

AI总结 CT-UIO通过非均匀B样条和改进EKF实现更少锚点下的高精度UWB-惯性里程计定位，提升定位精度17.2%-26.1%。

Comments Accepted to IEEE Transactions on Mobile Computing (TMC). The codebase and datasets will be open-sourced at https://github.com/JasonSun623/CT-UIO

CLARIFID: Improving Radiology Report Generation by Reinforcing Clinically Accurate Impressions and Enforcing Detailed Findings

CLARIFID：通过强化临床准确印象和强制详细发现来改进放射报告生成

Kyeongkyu Lee, Seonghwan Yoon, Hongki Lim

机构 * Department of Electrical and Computer Engineering（电子与计算机工程系） 纠错

专题命中 医学影像 ：radiology(title,abstract)

AI总结 CLARIFID通过强化临床准确印象和强制详细发现，提升放射报告生成的临床效果。

Reference-Free 3D Reconstruction of Brain Dissection Slabs via Learned Atlas Coordinates

无需参考的脑解剖切片3D重建 via 学习的图谱坐标

Lin Tian, Jonathan Williams-Ramirez, Dina Zemlyanker, Lucas J. Deden-Binder, Rogeny Herisse, Theresa R. Connors, Mark Montine, Istvan N Huszar, Lilla Zöllei, Sean I. Young, Christine Mac Donald, C. Dirk Keene, Derek H. Oakley, Bradley T. Hyman, Oula Puonti, Matthew S. Rosen, Juan Eugenio Iglesias

机构 * Martinos Center for Biomedical Imaging (Martinos Center) at Massachusetts General Hospital (MGH) & Harvard Medical School (HMS)（马萨诸塞州总医院（MGH）及哈佛医学院（HMS）的生物医学成像中心（Martinos Center）） ； Computer Science and Artificial Intelligence Laboratory (CSAIL) at the Massachusetts Institute of Technology (MIT)（麻省理工学院（MIT）的计算机科学与人工智能实验室（CSAIL）） ； Danish Research Centre for Magnetic Resonance, Centre for Functional and Diagnostic Imaging and Research, Copenhagen University Hospital-Amager and Hvidovre, Copenhagen, Denmark（丹麦磁共振研究中心、功能与诊断成像及研究中心，哥本哈根大学医院-阿迈厄斯和赫维多尔，哥本哈根，丹麦） ； Massachusetts Alzheimer’s Disease Research Center at MGH & HMS（马萨诸塞州总医院（MGH）及哈佛医学院（HMS）的阿尔茨海默病研究中心） ； University of Washington（华盛顿大学） ； Pathology Department at MGH & HMS（马萨诸塞州总医院（MGH）及哈佛医学院（HMS）的病理部门） ； Neurology Department at MGH & HMS（马萨诸塞州总医院（MGH）及哈佛医学院（HMS）的神经病学部门） ； Department of（部门） 纠错

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

AI总结 RefFree通过学习图谱坐标实现无需参考的脑切片3D重建，适用于单个切片或部分堆栈，提升重建速度和准确性。

Relational Anatomical Supervision for Accurate 3D Multi-Chamber Cardiac Mesh Reconstruction

关系解剖监督用于准确的3D多腔心脏网格重建

Chenyu Zhang, Yihao Luo, Lei Zhu, Martyn G Boutelle, Choon Hwai Yap, Guang Yang

机构 * Bioengineering Department Imperial College London, London W12 7SL, United Kingdom ； Lung Institute, Imperial College London, London, United Kingdom ； Cardiovascular Research Centre, Royal Brompton Hospital, London SW3 6NP, United Kingdom ； School of Biomedical Engineering \& Imaging Sciences, King's College London, London WC2R 2LS, United Kingdom ； ROAS Thrust, Hong Kong University of Science ； Department of Electronic ； Computer Engineering, Hong Kong University of Science 纠错

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

AI总结 本文提出了一种关系解剖监督框架，通过引入MIE损失，提升多腔心脏网格重建的准确性和解剖一致性。

TWLR: Text-Guided Weakly-Supervised Lesion Localization and Severity Regression for Explainable Diabetic Retinopathy Grading

TWLR: 基于文本引导的弱监督病变定位与严重程度回归用于可解释性糖尿病视网膜病变分级

Xi Luo, Shixin Xu, Ying Xie, JianZhong Hu, Yuwei He, Yuhui Deng, Huaxiong Huang

机构 * Guangdong Provincial Key Laboratory of Interdisciplinary Research and Application for Data Science（广东省级交叉学科研究与数据科学应用重点实验室） ； Department of Statistics and Data Science, Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学统计与数据科学系） ； Faculty of Science, Hong Kong Baptist University（香港 Baptist大学科学学院） ； Data Science Research Center, Duke Kunshan University（杜克-昆山大学数据科学研究中心） ； Shanxi Provincial People’s Hospital（山西人民医院） ； The Fifth Clinical Medical school of Shanxi Medical University（山西医科大学第五临床医学院） ； Research Center for Mathematics, Beijing Normal University（北京师范大学数学研究中心） ； Department of Mathematics and Statistics, York University（约克大学数学与统计学系） 纠错

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

AI总结 TWLR通过双阶段框架实现糖尿病视网膜病变的可解释性评估，结合视觉语言模型和弱监督分割，实现病变定位与严重程度回归。

Vision Foundry: A System for Training Foundational Vision AI Models

Vision Foundry: 一个用于训练基础视觉AI模型的系统

Mahmut S. Gokmen, Mitchell A. Klusty, Evan W. Damron, W. Vaiden Logan, Aaron D. Mullen, Caroline N. Leach, Emily B. Collier, Samuel E. Armstrong, V. K. Cody Bumgardner

机构 * Center for Applied AI, University of Kentucky（应用人工智能中心，肯塔基大学） 纠错

专题命中 医学影像 ：clinical AI(abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 Vision Foundry通过无需代码的HIPAA合规平台，提升基础视觉模型在医学领域的应用效能，实现零样本泛化与高精度分割。

Comments 10 pages, 4 figures, 3 tables, submitted to AMIA 2026 Informatics Summit

Automated Histopathologic Assessment of Hirschsprung Disease Using a Multi-Stage Vision Transformer Framework

基于多阶段视觉Transformer框架的Hirschsprung病自动组织病理学评估

Youssef Megahed, Saleh Abou-Alwan, Anthony Fuller, Dina El Demellawy, Steven Hawken, Adrian D. C. Chan

机构 * Department of Systems and Computer Engineering, Carleton University（系统与计算机工程系，卡尔顿大学） ； Department of Clinical Science and Translational Medicine, University of Ottawa（临床科学与转化医学系，渥太华大学） ； School of Epidemiology and Public Health, University of Ottawa（流行病学与公共卫生学院，渥太华大学） ； Department of Methodological and Implementation Research, Ottawa Hospital Research Institute（方法学与实施研究系，渥太华医院研究所） ； Children’s Hospital of Eastern Ontario (CHEO)（东部 Ontario儿童医院（CHEO）） 纠错

专题命中 医学影像 ：pathology(abstract)；分类 cs.CV、q-bio、eess.IV

AI总结 本文提出基于多阶段视觉Transformer框架的Hirschsprung病自动病理评估方法，通过多阶段分割和检测实现了高精度的神经节细胞识别，为数字病理学提供了新的解决方案。

Comments 14 pages, 10 figures, 3 tables

Self-Supervised Ultrasound Representation Learning for Renal Anomaly Prediction in Prenatal Imaging

自监督超声表示学习用于产前影像中肾异常预测

Youssef Megahed, Inok Lee, Robin Ducharme, Kevin Dick, Adrian D. C. Chan, Steven Hawken, Mark C. Walker

机构 * organization= Department of Systems ； Computer Engineering, Carleton University , city= Ottawa , state= Ontario , country= Canada ； organization= Department of Methodological ； Implementation Research, Ottawa Hospital Research Institute , city= Ottawa , state= Ontario , country= Canada ； organization= Department of Acute Care Research, Ottawa Hospital Research Institute , city= Ottawa , state= Ontario , country= Canada ； organization= Children's Hospital of Eastern Ontario Research Institute , city= Ottawa , state= Ontario , country= Canada ； organization= Better Outcomes Registry \& Network Ontario, Children’s Hospital of Eastern , city= Ottawa , state= Ontario , country= Canada ； organization= Department of Obstetrics ； Gynecology, University of Ottawa , city= Ottawa , state= Ontario , country= Canada ； organization= School of Epidemiology ； Public Health, University of Ottawa , city= Ottawa , state= Ontario , country= Canada ； organization= Department of Obstetrics, Gynecology \& Newborn Care, The Ottawa Hospital , city= Ottawa , state= Ontario , country= Canada ； Global Health Office, University of Ottawa , city= Ottawa , state= Ontario , country= Canada ； organization= Department of Clinical Science ； Translational Medicine, University of Ottawa , city= Ottawa , state= Ontario , country= Canada 纠错

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

AI总结 本文提出了一种自监督超声基础模型，用于产前影像中肾异常的自动分类，通过实验验证该模型在二分类和多类分类任务中均优于传统方法。

Comments 14 pages, 8 figures, 4 tables

Anatomy-Guided Representation Learning Using a Transformer-Based Network for Thyroid Nodule Segmentation in Ultrasound Images

基于变压器网络的解剖引导表示学习用于超声图像甲状腺结节分割

Muhammad Umar Farooq, Abd Ur Rehman, Azka Rehman, Muhammad Usman, Dong-Kyu Chae, Junaid Qadir

机构 * 1 Department of Computer Science, Hanyang University, Seoul, 04762, South Korea ； 2 Department of Computer Science, The University of Alabama, Seoul, 04762, South Korea ； 3 Department of Biomedical Sciences, Seoul National University, Seoul, 08826, South Korea ( ) ； 4 Department of Anesthesiology, Perioperative ； Pain Medicine, Stanford University, CA 94305, USA ( ) ； 5 Department of Computer Science, Hanyang University, Seoul, 04762, South Korea ( ) ； 6 Department of Computer Engineering, Qatar University, Doha, Qatar ( ) 纠错

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

AI总结 本文提出SSMT-Net，通过半监督多任务变压器网络实现甲状腺结节分割，利用未标注数据提升特征提取能力，有效应对超声图像中结节分割的挑战。

Differentiable Forward and Back-Projector for Rigid Motion Estimation in X-ray Imaging

可微前向与反向投影器用于X射线成像中的刚体运动估计

Xiao Jiang, Xin Wang, Ali Uneri, Wojciech B. Zbijewski, J. Webster Stayman

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 本文提出了一种可微前向与反向投影器，用于提升X射线成像中刚体运动估计的计算效率与精度。

Comparison of different segmentation algorithms on brain volume and fractal dimension in infant brain MRIs

对婴儿脑MRI中脑体积和分形维度的不同分割算法的比较

Nathalie Alexander, Arnaud Gucciardi, Umberto Michelucci

机构 * Laboratory for Motion Analysis, Devision of Paediatric Orthopaedic, Children's Hospital of Eastern Switzerland（东部瑞士儿童医院运动分析实验室） ； Lucerne University of Applied Sciences and Arts（卢塞恩应用科学与艺术大学） ； TOELT llc, Machine Learning Research and Development（TOELT公司，机器学习研究与开发） ； University of Ljubljana, Faculty of Computer and Information Science（卢布尔雅那大学，计算机与信息科学学院） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本研究比较了SynthSeg和SamSeg在婴儿脑MRI分割中的性能，发现SynthSeg在体积和分形维度估计上更可靠，但需注意分割不确定性对结果的影响。

Bio-integrated $μ$Bots with Overtone Ultra-Wideband Magnetoelectric Antennas for Wireless Telemetry

生物集成的μBots配备超宽频带磁电天线用于无线遥测

Mahdieh Shojaei Baghini, Adam Armada-Moreira, Alessio Di Clemente, Dibyajyoti Mukherjee, Afesomeh Ofiare, Jonathon Harwell, Mary Dysko, Luana Benetti, Declan Bolster, Laura Mazon Maldonado, Dayhim Nekoeian, Moreno Maini, Mostafa Elsayed, Rossana Cecchi, Ricardo Ferreira, Jeff Kettle, Sandy Cochran, William Holmes, Carlos Garcia Nunez, Luca Selmi, Nicola Toschi, Michele Giugliano, Hadi Heidari

专题命中 医学影像 ：MRI(abstract)

AI总结 本研究提出了一种基于超宽频带磁电天线的生物集成μBots，实现了宽带响应、抗偏移性和生物相容性，适用于无线生物通信和遥测。

Comments The work was supported by EU CORSSBRAIN (GA n.101070908), UKRI Horizon Europe Guarantee (Project Reference: 10053123) and ARIA SCNI-PR01-P05/NEUROBOT