医学 AI

Test Time Optimized Generalized AI-based Medical Image Registration Method

测试时间优化的通用人工智能医学图像配准方法

Sneha Sree C., Dattesh Shanbhag, Sudhanya Chatterjee

机构 * GE HealthCare（通用电气医疗） 纠错

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

AI总结 本文提出了一种通用人工智能医学图像配准方法，能够跨多种成像模态和解剖区域进行高效配准，无需特定定制，提升临床应用的通用性和效率。

TAT: Task-Adaptive Transformer for All-in-One Medical Image Restoration

TAT：适用于所有医学图像恢复的任务自适应Transformer

Zhiwen Yang, Jiaju Zhang, Yang Yi, Jian Liang, Bingzheng Wei, Yan Xu

机构 * School of Biological Science and Medical Engineering（生物科学与医学工程学院） ； State Key Laboratory of Software Development Environment（软件开发环境国家重点实验室） ； Key Laboratory of Biomechanics and Mechanobiology of Ministry of Education（教育部生物力学与机力学重点实验室） ； Beijing Advanced Innovation Center for Biomedical Engineering（北京生物医学工程先进创新中心） ； Beihang University（北京航空航天大学） ； Sinovision Technologies (Beijing) Co., Ltd.（北京视界科技有限公司） ； ByteDance Inc.（字节跳动公司） 纠错

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

AI总结 TAT提出了一种任务自适应Transformer框架，通过动态调整权重和损失平衡策略，解决医学图像恢复中任务干扰和不平衡问题，实现多任务高性能恢复。

Comments This paper has been accepted by MICCAI 2025

Dynamic Prompt Generation for Interactive 3D Medical Image Segmentation Training

动态提示生成用于交互式3D医学图像分割训练

Tidiane Camaret Ndir, Alexander Pfefferle, Robin Tibor Schirrmeister

机构 * Medical Physics, Department of Diagnostic and Interventional Radiology, Medical Center—University of Freiburg, Faculty of Medicine, University of Freiburg（医学物理，诊断与介入放射科，弗赖堡大学医学中心，医学院，弗赖堡大学） ； University of Freiburg（弗赖堡大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） 纠错

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

AI总结 本文提出一种动态提示生成方法，结合内容感知自适应裁剪优化图像编码器，提升交互式3D医学图像分割的性能。

Multi-View MRI Approach for Classification of MGMT Methylation in Glioblastoma Patients

多视图MRI方法用于胶母细胞瘤患者MGMT甲基化分类

Rawan Alyahya, Asrar Alruwayqi, Atheer Alqarni, Asma Alkhaldi, Metab Alkubeyyer, Xin Gao, Mona Alshahrani

机构 * National Center for Artificial Intelligence (NCAI), SDAIA, Riyadh, Saudi Arabia（国家人工智能中心（NCAI）、SDAIA、沙特阿拉伯利雅得） ； King Abdullah University of Science and Technology (KAUST), CEMSE Division, Thuwal, Saudi Arabia（国王阿卜杜勒阿齐兹大学科学与技术学院（KAUST）、CEMSE部门、沙特阿拉伯图瓦尔） ； Aramco Research Center, R&D Center Department, Dhahran, Saudi Arabia（阿姆科研究中心、研发中心部门、沙特阿拉伯达黑兰） 纠错

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

AI总结 本研究提出一种多视图MRI方法，利用深度学习检测胶母细胞瘤患者MGMT甲基化状态，避免复杂3D模型，提升诊断效率与透明度。

XAI-Driven Diagnosis of Generalization Failure in State-Space Cerebrovascular Segmentation Models: A Case Study on Domain Shift Between RSNA and TopCoW Datasets

基于XAI的州空间脑血管分割模型泛化失败诊断：在RSNA与TopCoW数据集域偏移案例研究

Youssef Abuzeid, Shimaa El-Bana, Ahmad Al-Kabbany

机构 * Department of Electronics and Electrical Communications Engineering（电子与电气通信工程系） ； Cairo University（开罗大学） ； Multimedia Interaction and Communication Lab（多媒体交互与通信实验室） ； Arab Academy for Science and Technology（阿拉伯科学与技术学院） ； Wearables, Biosensing, and Biosignal Processing Research lab（可穿戴设备、生物传感与生物信号处理研究实验室） 纠错

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

AI总结 本文提出基于XAI的两阶段方法，诊断州空间模型在脑血管分割中的泛化失败原因，揭示模型因关注机制失效而学习虚假相关性。

KLO-Net: A Dynamic K-NN Attention U-Net with CSP Encoder for Efficient Prostate Gland Segmentation from MRI

KLO-Net：一种动态K-NN注意力U-Net与CSP编码器的高效前列腺 gland 分割网络

Anning Tian, Byunghyun Ko, Kaichen Qu, Mengyuan Liu, Jeongkyu Lee

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

AI总结 KLO-Net通过动态K-NN注意力机制和CSP编码器，实现高效且准确的前列腺 gland 分割，提升MRI分割的实时部署性能。

Comments Preprint. Accepted to SPIE Medical Imaging 2026: Image Processing

TomoGraphView: 3D Medical Image Classification with Omnidirectional Slice Representations and Graph Neural Networks

TomoGraphView: 基于全方位切片表示和图神经网络的3D医学图像分类

Johannes Kiechle, Stefan M. Fischer, Daniel M. Lang, Cosmin I. Bercea, Matthew J. Nyflot, Lina Felsner, Julia A. Schnabel, Jan C. Peeken

机构 * School of Computation, Information and Technology, Technical University of Munich（计算信息技术学院，慕尼黑技术大学） ； Department of Radiation Oncology, TUM School of Medicine, TUM University Hospital rechts der Isar, Technical University of Munich（放射肿瘤学系，TUM医学院，TUM大学医院rechts der Isar，慕尼黑技术大学） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich（生物医学影像机器学习研究所，海德堡慕尼黑） ； Institute of Radiation Medicine, Helmholtz Munich（放射医学研究所，海德堡慕尼黑） ； School of Biomedical Engineering and 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） ； Department of Radiation Oncology, University of Washington（放射肿瘤学系，华盛顿大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

专题命中 医学影像 ：medical image(title,comments)；分类 cs.LG、q-bio、eess.IV

AI总结 TomoGraphView通过整合全方位体积切片与图神经网络，解决3D医学图像分类中切片方向限制和空间一致性问题。

Comments Preprint submitted to Medical Image Analysis (MedIA)

Text Embedded Swin-UMamba for DeepLesion Segmentation

文本嵌入的Swin-UMamba用于深度病变分割

Ruida Cheng, Tejas Sudharshan Mathai, Pritam Mukherjee, Benjamin Hou, Qingqing Zhu, Zhiyong Lu, Matthew McAuliffe, Ronald M. Summers

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

AI总结 本文提出Text-Swin-U/Mamba模型，通过整合文本信息提升深度病变分割的精度，实验结果显示其在Dice分数和Hausdorff距离上均优于现有方法。

Fast and Explicit: Slice-to-Volume Reconstruction via 3D Gaussian Primitives with Analytic Point Spread Function Modeling

快速且显式：通过3D高斯原语进行切片到体积重建的分析点扩散函数建模

Maik Dannecker, Steven Jia, Nil Stolt-Ansó, Nadine Girard, Guillaume Auzias, François Rousseau, Daniel Rueckert

机构 * TUM University Hospital, Technical University of Munich（慕尼黑技术大学医院，慕尼黑技术大学） ； Institut de Neurosciences de la Timone, Aix-Marseille Université（里莫尼神经科学研究所，艾克斯-马赛大学） ； IMT Atlantique（IMT大西洋） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） 纠错

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

AI总结 本文提出基于高斯显式表示的快速切片到体积重建方法，通过解析点扩散函数建模实现高效准确的3D图像重建。

Comments Under Review for MIDL 2026

Learning neuroimaging models from health system-scale data

从健康系统级数据中学习神经影像模型

Yiwei Lyu, Samir Harake, Asadur Chowdury, Soumyanil Banerjee, Rachel Gologorsky, Shixuan Liu, Anna-Katharina Meissner, Akshay Rao, Chenhui Zhao, Akhil Kondepudi, Cheng Jiang, Xinhai Hou, Rushikesh S. Joshi, Volker Neuschmelting, Ashok Srinivasan, Dawn Kleindorfer, Brian Athey, Vikas Gulani, Aditya Pandey, Honglak Lee, Todd Hollon

机构 * University of Michigan Computer Science and Engineering（密歇根大学计算机科学与工程系） ； University of Michigan Neurosugery（密歇根大学神经外科） ； University of Cologne Neurosugery（科隆大学神经外科） ； University of Michigan Radiology（密歇根大学放射学） ； University of Michigan Neurology（密歇根大学神经病学） ； University of Michigan Computational Medicine and Bioinformatics（密歇根大学计算医学与生物信息学） 纠错

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

AI总结 Prima是一款基于健康系统级数据训练的视觉语言模型，用于神经影像学，实现了高准确率的诊断和临床决策支持。

TF-MCL: Time-frequency Fusion and Multi-domain Cross-Loss for Self-supervised Depression Detection

TF-MCL：时间频率融合与多领域交叉损失用于自监督抑郁症检测

Li-Xuan Zhao, Chen-Yang Xu, Wen-Qiang Li, Bo Wang, Rong-Xing Wei, Qing-Hao Menga

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 TF-MCL通过时间频率融合和多领域交叉损失提升自监督抑郁症检测的准确性

Glioblastoma Overall Survival Prediction With Vision Transformers

使用视觉变换器预测胶母细胞瘤总体生存率

Yin Lin, Riccardo Barbieri, Domenico Aquino, Giuseppe Lauria, Marina Grisoli, Elena De Momi, Alberto Redaelli, Simona Ferrante

机构 * Department of Electronic, Information and Bioengineering, Politecnico di Milano（电子、信息与生物工程系，米兰理工大学） ； Department of Neuroradiology, Fondazione IRCCS Istituto Neurologico Carlo Besta（放射学系，IRCCS神经科学卡洛·贝斯塔研究所） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出利用视觉变换器直接从MRI图像中提取特征，无需肿瘤分割，实现胶母细胞瘤总体生存率的高效预测。

Comments 4 pages, 4 figures, EMBC2025

Journal ref Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2025, pp. 1-4

Error Bound Analysis of Physics-Informed Neural Networks-Driven T2 Quantification in Cardiac Magnetic Resonance Imaging

物理信息神经网络驱动心脏磁共振成像中T2量化误差界分析

Mengxue Zhang, Qingrui Cai, Yinyin Chen, Hang Jin, Jianjun Zhou, Qiu Guo, Peijun Zhao, Zhiping Mao, Xingxing Zhang, Yuyu Xia, Xianwang Jiang, Qin Xu, Chunyan Xiong, Yirong Zhou, Chengyan Wang, Xiaobo Qu

机构 * School of Electronic Science and Engineering (National Model Microelectronics College), Xiamen University-Neusoft Medical Magnetic Resonance Imaging Joint Research and Development Center, Fujian Provincial Key Laboratory of Plasma and Magnetic Resonance, Xiamen University（电子科学与技术学院（国家级微电子学院）、厦门大学-Neusoft 医疗磁共振成像联合研发中心、福建省等离子体与磁共振重点实验室、厦门大学） 纠错

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出将布洛赫方程嵌入PINN损失函数，通过理论分析建立T2估计误差界，验证了PINN在心脏MRI中实现高精度T2量化的能力。