医学 AI

Text-guided multi-stage cross-perception network for medical image segmentation

基于文本引导的多阶段跨感知网络用于医学图像分割

Gaoyu Chen, Haixia Pan

机构 * college of software（软件学院） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 本文提出文本引导的多阶段跨感知网络TMC，通过多阶段跨注意力模块和多阶段对齐损失提升医学图像分割的跨模态交互和语义一致性，实验表明其在多个数据集上均优于传统方法。

MedNeXt-v2: Scaling 3D ConvNeXts for Large-Scale Supervised Representation Learning in Medical Image Segmentation

MedNeXt-v2：用于医学图像分割的大规模监督表示学习中的3D ConvNeXt扩展

Saikat Roy, Yannick Kirchhoff, Constantin Ulrich, Maximillian Rokuss, Tassilo Wald, Fabian Isensee, Klaus Maier-Hein

机构 * German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing（德国癌症研究中心（DKFZ）海德堡，医学影像计算部） ； Faculty of Mathematics and Computer Science, Heidelberg University（海德堡大学数学与计算机科学学院） ； HIDSS4Health - Helmholtz Information and Data Science School for Health, Karlsruhe/Heidelberg, Germany（HIDSS4Health - 欧洲信息与数据科学健康学校，卡尔斯鲁厄/海德堡，德国） ； Medical Faculty Heidelberg, Heidelberg University（海德堡大学医学学院） ； National Center for Tumor Diseases (NCT), Heidelberg, Germany（肿瘤国家研究中心（NCT），海德堡，德国） ； Helmholtz Imaging, German Cancer Research Center, Germany（海德堡成像，德国癌症研究中心，德国） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital（模式分析与学习组，放射肿瘤学部，海德堡大学医院） 纠错

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

AI总结 MedNeXt-v2通过改进的架构和扩展方法，在医学图像分割中实现最先进的监督表示学习性能。

Colormap-Enhanced Vision Transformers for MRI-Based Multiclass (4-Class) Alzheimer's Disease Classification

增强色谱的视觉变换器用于基于MRI的多类（4类）阿尔茨海默病分类

Faisal Ahmed

机构 * Department of Data Science and Mathematics（数据科学与数学系） 纠错

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

AI总结 本文提出PseudoColorViT-Alz，通过伪彩色增强与视觉变换器结合，实现基于MRI的多类阿尔茨海默病分类，准确率达99.79%

Comments 12 pages, 4 figures

CD-DPE: Dual-Prompt Expert Network Based on Convolutional Dictionary Feature Decoupling for Multi-Contrast MRI Super-Resolution

CD-DPE：基于卷积字典特征解耦的双提示专家网络用于多对比MRI超分辨率

Xianming Gu, Lihui Wang, Ying Cao, Zeyu Deng, Yingfeng Ou, Guodong Hu, Yi Chen

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

AI总结 CD-DPE通过双提示专家网络和卷积字典特征解耦策略，提升多对比MRI超分辨率的重建质量与泛化能力。

Comments Accepted to AAAI-2026

Breast Cancer Neoadjuvant Chemotherapy Treatment Response Prediction Using Aligned Longitudinal MRI and Clinical Data

利用对齐的纵向MRI和临床数据预测乳腺癌新辅助化疗治疗反应

Rahul Ravi, Ruizhe Li, Tarek Abdelfatah, Stephen Chan, Xin Chen

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

AI总结 本研究利用对齐的纵向MRI和临床数据，通过放射组学特征提取和逻辑回归模型预测乳腺癌新辅助化疗的治疗反应和复发风险。

MSDiff: Multi-Scale Diffusion Model for Ultra-Sparse View CT Reconstruction

MSDiff：多尺度扩散模型用于超稀疏视角CT重建

Junyan Zhang, Mengxiao Geng, Pinhuang Tan, Yi Liu, Zhili Liu, Bin Huang, Qiegen Liu

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

AI总结 MSDiff通过多尺度扩散模型提升超稀疏视角CT重建质量，整合全面与选择性采样技术，优化噪声分布与图像结构理解，实现更高效的图像恢复。

UPMRI: Unsupervised Parallel MRI Reconstruction via Projected Conditional Flow Matching

UPMRI：基于投影条件流匹配的无监督并行MRI重建

Xinzhe Luo, Yingzhen Li, Chen Qin

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

AI总结 UPMRI通过投影条件流匹配实现无监督并行MRI重建，在高加速率下优于现有方法，无需全采样数据。

Semi-Supervised 3D Segmentation for Type-B Aortic Dissection with Slim UNETR

带有Slim UNETR的半监督3D分割用于B型主动脉夹层

Denis Mikhailapov, Vladimir Berikov

机构 * Sobolev Institute of Mathematics SB RAS（索布列夫数学研究所） 纠错

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

AI总结 本文提出了一种适用于多输出模型的半监督学习方法，通过额外的旋转和翻转来提高B型主动脉夹层的3D分割精度。

Comments 7 pages, 5 figures, 1 listing

Medical Imaging AI Competitions Lack Fairness

医学影像AI竞赛缺乏公平性

Annika Reinke, Evangelia Christodoulou, Sthuthi Sadananda, A. Emre Kavur, Khrystyna Faryna, Daan Schouten, Bennett A. Landman, Carole Sudre, Olivier Colliot, Nick Heller, Sophie Loizillon, Martin Maška, Maëlys Solal, Arya Yazdan-Panah, Vilma Bozgo, Ömer Sümer, Siem de Jong, Sophie Fischer, Michal Kozubek, Tim Rädsch, Nadim Hammoud, Fruzsina Molnár-Gábor, Steven Hicks, Michael A. Riegler, Anindo Saha, Vajira Thambawita, Pal Halvorsen, Amelia Jiménez-Sánchez, Qingyang Yang, Veronika Cheplygina, Sabrina Bottazzi, Alexander Seitel, Spyridon Bakas, Alexandros Karargyris, Kiran Vaidhya Venkadesh, Bram van Ginneken, Lena Maier-Hein

机构 * German Cancer Research Center (DKFZ) Heidelberg（德国癌症研究中心（DKFZ）海德堡） ； DKFZ Heidelberg（德国癌症研究中心（DKFZ）海德堡） ； Digital Oncology Program, National Center for Tumor Diseases (NCT) Heidelberg（数字肿瘤学计划，国家肿瘤疾病中心（NCT）海德堡） ； Radboud Institute for Health Sciences, Radboud University Medical Center（拉德堡德健康科学研究所，拉德堡德大学医学中心） ； Oncode Institute（肿瘤码研究所） ； Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； MRC Unit for Lifelong Health and Ageing at UCL, Institute of Cardiovascular Science, University College London（英国伦敦大学学院（UCL）MRC长寿与衰老单位，心血管科学研究所） ； Dementia Research Centre, UCL Queen Square Institute of Neurology, University College London（英国伦敦大学学院（UCL）痴呆研究中心，Queen Square神经学研究所） ； School of Biomedical Engineering, King’s College（伦敦国王学院生物医学工程学院） ； Sorbonne Université, Institut du Cerveau – Paris Brain Institute – ICM, CNRS, Inria, Inserm, AP-HP, Hôpital de la Pitié-Salpêtrière（索邦大学，巴黎脑研究所–ICM，CNRS、Inria、Inserm、AP-HP、皮蒂埃-萨拉佩特里医院） ； Department of Urology, Cleveland Clinic（克利夫兰诊所泌尿科部） ； Centre for Biomedical Image Analysis, Faculty of Informatics, Masaryk University（马萨里克大学信息学院生物医学影像分析中心） ； DKFZ Heidelberg, Division of Computational Genomics and Systems Genetics（德国癌症研究中心（DKFZ）海德堡，计算基因组学与系统遗传学部） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Engineering Faculty, Heidelberg University（海德堡大学工程学院） ； School of Computation, Information and Technology, TUM（技术与计算学院，慕尼黑工业大学） ； Faculty of Law / BioQuant, Heidelberg University（海德堡大学法学院/BioQuant） ； The Department of Holistic Systems (HOST), SimulaMet,Oslo, Norway（挪威奥斯陆SimulaMet的Holistic Systems（HOST）部门） ； Simula Research Laboratory, Oslo, No（挪威奥斯陆Simula研究实验室） 纠错

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

AI总结 本文研究医学影像AI竞赛数据集的公平性，发现存在地域、模态和问题类型相关的偏见，且数据集在可访问性和可重用性上存在限制，影响临床应用的可行性。

Comments Submitted to Nature BME

A unified FLAIR hyperintensity segmentation model for various CNS tumor types and acquisition time points

一种用于各种中枢神经系统肿瘤类型和采集时间点的统一FLAIR高亮分割模型

Mathilde Gajda Faanes, David Bouget, Asgeir S. Jakola, Timothy R. Smith, Vasileios K. Kavouridis, Francesco Latini, Margret Jensdottir, Peter Milos, Henrietta Nittby Redebrandt, Rickard L. Sjöberg, Rupavathana Mahesparan, Lars Kjelsberg Pedersen, Ole Solheim, Ingerid Reinertsen

机构 * Department of Health Research, SINTEF Digital（健康研究部，SINTEF数字） ； Department of Clinical Neuroscience, Institute of neuroscience and physiology, University of Gothenburg（临床神经科学部，神经科学与生理学研究所，哥德堡大学） ； Department of Neurosurgery, Sahlgrenska University Hospital（神经外科部，萨尔贝格大学医院） ； Department of Neurosurgery, Brigham and Women’s Hospital, Harvard Medical School（神经外科部，布里格姆和妇女医院，哈佛医学院） ； Department of Neurosurgery, Karolinska University Hospital（神经外科部，卡罗林斯卡大学医院） ； Department of Neurosurgery, Linköping University Hospital（神经外科部，林奈大学医院） ； Department of Neurosurgery, Skåne University Hospital（神经外科部，斯德哥尔摩大学医院） ； Department of Clinical Science, Umeå University（临床科学部，乌梅大学） ； Department of Neurosurgery, Haukeland University Hospital（神经外科部，豪克兰大学医院） ； Department of Neurosurgery, University Hospital of North Norway（神经外科部，北挪威大学医院） ； Department of Neuromedicine and Movement Science, Norwegian University of Science and Technology（神经医学与运动科学部，挪威科学技术大学） ； Department of Neurosurgery, St. Olavs University Hospital（神经外科部，圣奥拉夫大学医院） ； Department of Circulation and Medical Imaging, Norwegian University of Science and Technology（循环与医学成像部，挪威科学技术大学） 纠错

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

AI总结 本文提出了一种统一的FLAIR高亮分割模型，适用于多种中枢神经系统肿瘤类型和采集时间点，通过注意力U-Net架构实现高精度分割，提升了临床应用的可行性。

Comments 13 pages, 4 figures

Anatomical Region-Guided Contrastive Decoding: A Plug-and-Play Strategy for Mitigating Hallucinations in Medical VLMs

解剖区域引导的对比解码：一种用于缓解医学视觉-语言模型幻觉的即插即用策略

Xiao Liang, Chenxi Liu, Zhi Ma, Di Wang, Bin Jing, Quan Wang, Yuanyuan Shi

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

AI总结 本文提出了解剖区域引导的对比解码策略，通过区域特定指导缓解医学视觉-语言模型的幻觉问题，提升诊断准确性。

fastfrechet: An R package for fast implementation of Fréchet regression with distributional responses

fastfrechet: 一个用于快速实现具有分布响应的Fréchet回归的R包

Alexander Coulter, Rebecca Lee, Irina Gaynanova

专题命中 医学影像 ：CT(abstract)；biomedical(abstract)

AI总结 fastfrechet是一个用于快速实现具有分布响应的Fréchet回归的R包，支持变量选择和大规模数据处理。

Comments 4 pages, 2 figures

Optimization of gridding algorithms for FFT by vector optimization

通过向量优化优化FFT的栅格算法

Federico Achini, Paola Causin, Sara Vanini, Ke Chen, Simone Scacchi

专题命中 医学影像 ：MRI(abstract)；CT(abstract)

AI总结 本文通过向量优化方法优化FFT栅格算法，提出新的核设计方法，提升特定区域的计算精度。

Comments 27 pages

ClothHMR: 3D Mesh Recovery of Humans in Diverse Clothing from Single Image

ClothHMR: 从单张图像中恢复穿着多样服装人类的3D网格

Yunqi Gao, Leyuan Liu, Yuhan Li, Changxin Gao, Yuanyuan Liu, Jingying Chen

机构 * Central China Normal University（中央财经大学） ； Huazhong University of Science and Technology（华中科技大学） ； China University of Geosciences (WuHan)（中国地质大学（武汉）） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 ClothHMR通过定制服装和基础模型视觉信息提升，实现从单张图像中准确恢复多样化服装人类的3D网格。

Comments 15 pages,16 figures

WDFFU-Mamba: A Wavelet-guided Dual-attention Feature Fusion Mamba for Breast Tumor Segmentation in Ultrasound Images

WDFFU-Mamba：基于小波引导的双注意力特征融合Mamba用于超声图像乳腺肿瘤分割

Guoping Cai, Houjin Chen, Yanfeng Li, Jia Sun, Ziwei Chen, Qingzi Geng

机构 * School of Electronic and Information Engineering, Beijing Jiaotong University（电子信息工程学院，北京交通大学） 纠错

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

AI总结 WDFFU-Mamba通过小波引导和双注意力融合提升乳腺超声肿瘤分割的准确性和鲁棒性。

BM4D-PC: nonlocal volumetric denoising of principal components of diffusion-weighted MR images

BM4D-PC：非局部体积分量去噪扩散加权MRI图像的主成分

Vinicius P. Campos, Diego Szczupak, Tales Santini, Afonso C. Silva, Alessandro Foi, Marcelo A. C. Vieira, Corey A. Baron

专题命中 医学影像 ：MRI(abstract)；分类 eess.SP

AI总结 BM4D-PC通过结合BM4D算法和主成分分析，实现扩散加权MRI图像的高效去噪，提升图像质量和扩散指标精度。

Comments Submitted to Magnetic Resonance in Medicine

Interpretable Similarity of Synthetic Image Utility

可解释的合成图像效用相似性

Panagiota Gatoula, George Dimas, Dimitris K. Iakovidis

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

AI总结 本文提出了一种可解释的合成图像效用相似性度量方法（IUS），用于评估合成与真实图像集在临床决策支持系统中的效用，实验表明其可提升分类性能达54.6%。

Comments Submitted for journal publication

Discovering Latent Graphs with GFlowNets for Diverse Conditional Image Generation

利用GFlowNets发现潜在图以实现多样化的条件图像生成

Bailey Trang, Parham Saremi, Alan Q. Wang, Fangrui Huang, Zahra TehraniNasab, Amar Kumar, Tal Arbel, Li Fei-Fei, Ehsan Adeli

机构 * Dept. of Computer Science, Stanford University（计算机科学系，斯坦福大学） ； Dept. of Psychiatry and Behavioral Sciences, Stanford University（精神病学与行为科学系，斯坦福大学） ； Dept. of Biomedical Data Science, Stanford University（生物医学数据科学系，斯坦福大学） ； Center for Intelligent Machines, McGill University（智能机器中心，麦吉尔大学） ； MILA - Quebec AI institute（魁北克人工智能研究所） 纠错

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

AI总结 Rainbow通过分解输入条件为多样化的潜在表示，利用GFlowNets生成多样化图像，提升条件图像生成的多样性和保真度。

Journal ref The 39th Annual Conference on Neural Information Processing Systems 2025

Multi Anatomy X-Ray Foundation Model

多解剖X光基础模型

Nishank Singla, Krisztian Koos, Farzin Haddadpour, Amin Honarmandi Shandiz, Lovish Chum, Xiaojian Xu, Qing Jin, Erhan Bas

机构 * GE HealthCare（通用电气医疗） 纠错

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

AI总结 XR-0通过自监督学习在多解剖X光数据上训练，实现了在多种临床任务中的高性能表现，展示了解剖多样性对构建通用医学视觉模型的重要性。

An AI-driven Assessment of Bone Density as a Biomarker Leading to the Aging Law

基于人工智能的骨密度作为生物标志物的评估：揭示衰老定律

Linmi Tao, Donglai Tao, Ruiyang Liu, Yu Cheng, Yuezhi Zhou, Li Huo, Zuoxiang He, Ti Jiang, Jingmao Cui, Yuanbiao Wang, Guilan Hu, Xiangsong Zhang, Yongwei Pan, Ye Yuan, Yun Liu

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Nuclear Medicine Department, Peking Union Medical College Hospital（北京大学医学部核医学科） ； Department of Nuclear Medicine, First Affiliated Hospital of Sun Yat-sen University（中山大学第一附属医院核医学科） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出了一种基于人工智能的骨密度评估方法，揭示了骨量分布的非高斯分布特性，并发现骨密度随年龄下降呈现指数衰减趋势，为衰老规律研究提供了新视角。