医学 AI

Unsupervised Anomaly Detection in Brain MRI via Disentangled Anatomy Learning

通过解耦解剖学习在脑部MRI中进行无监督异常检测

Tao Yang, Xiuying Wang, Hao Liu, Guanzhong Gong, Lian-Ming Wu, Yu-Ping Wang, Lisheng Wang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China.（自动化与智能感知学院，上海交通大学，中国） ； School of Computer Science, The University of Sydney, Sydney, Australia.（计算机科学学院，悉尼大学，澳大利亚） ； Department of Radiology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China.（放射科，仁济医院，医学院，上海交通大学，中国） ； Biomedical Engineering Department, Tulane University, New Orleans, USA.（生物医学工程系， Tulane 大学，美国新奥尔良） 纠错

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

AI总结 本文提出了解耦解剖学习框架，通过解耦MRI成像信息与解剖结构，提升多模态MRI的异常检测性能，实验表明在九个数据集上优于17种现有方法。

Comments Accepted by Medical Image Analysis (2025)

Journal ref Medical Image Analysis (2025)

Contrastive Graph Modeling for Cross-Domain Few-Shot Medical Image Segmentation

对比图模型用于跨域少样本医学图像分割

Yuntian Bo, Tao Zhou, Zechao Li, Haofeng Zhang, Ling Shao

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出对比图模型，通过结构一致性先验和子图匹配解码机制，在跨域少样本医学图像分割中实现高精度与强源域准确性。

Comments Accepted to IEEE Transactions on Medical Imaging (T-MI), 2026

A-QCF-Net: An Adaptive Quaternion Cross-Fusion Network for Multimodal Liver Tumor Segmentation from Unpaired Datasets

A-QCF-Net：一种自适应四元数交叉融合网络用于从无配对数据集进行多模态肝肿瘤分割

Arunkumar V, Firos V M, Senthilkumar S, Gangadharan G R

机构 * University College of Engineering, Bharathidasan Institute of Technology Campus, Anna University（安娜大学工程学院，巴拉特拉桑理工学院校区，安娜大学） ； National Institute of Technology（国家理工学院） 纠错

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

AI总结 A-QCF-Net通过自适应四元数交叉融合网络，实现从无配对CT和MRI数据集中的肝肿瘤分割，提升分割精度并验证模型的临床实用性。

Non-Contrast CT Esophageal Varices Grading through Clinical Prior-Enhanced Multi-Organ Analysis

通过临床先验增强的多器官分析进行非对比CT食管静脉曲张分级

Xiaoming Zhang, Chunli Li, Jiacheng Hao, Yuan Gao, Danyang Tu, Jianyi Qiao, Xiaoli Yin, Le Lu, Ling Zhang, Ke Yan, Yang Hou, Yu Shi

机构 * Department of Radiology, Shengjing Hospital of China Medical University, 110004, Shenyang, China（中国医科大学附属盛京医院放射科） ； DAMO Academy, Alibaba Group（阿里巴巴集团 DAMO 院） ； School of Biomedical Engineering, Tsinghua University, 100084, Beijing, China（清华大学生物医学工程学院） ； Faculty of Science and Engineering, Sorbonne University, 75005, Paris, France（索邦大学科学与工程学院） ； Hupan Lab, 310023, Hangzhou, China（华平实验室） 纠错

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

AI总结 MOON++通过结合临床先验知识的多器官分析，实现了非对比CT食管静脉曲张的高效分级。

Comments Medical Image Analysis

BertsWin: Resolving Topological Sparsity in 3D Masked Autoencoders via Component-Balanced Structural Optimization

BertsWin: 通过组件平衡的结构优化解决3D掩码自编码器中的拓扑稀疏性

Evgeny Alves Limarenko, Anastasiia Studenikina

机构 * Moscow Institute of Physics and Technology（莫斯科物理技术学院） 纠错

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

AI总结 BertsWin通过组件平衡的结构优化提升3D掩码自编码器的拓扑稀疏性处理，实现比标准ViT-MAE快5.8倍的语义收敛，并减少15倍的训练轮数。

Comments Code available at https://github.com/AlevLab-dev/BertsWinMAE and https://github.com/AlevLab-dev/GCond. Zenodo repository (DOI: 10.5281/zenodo.17916932) contains source images, training logs, trained models, and code

Co-Teaching for Unsupervised Domain Adaptation and Expansion

协同教学用于无监督域适应与扩展

Hailan Lin, Qijie Wei, Kaibin Tian, Ruixiang Zhao, Xirong Li

机构 * Renmin University of China（中国人民大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出协同教学方法，通过知识蒸馏和mixup技术解决跨域视觉模糊性问题，提升无监督域扩展的性能。

Comments Accepted as a long paper at MMM 2026

Prior-AttUNet: Retinal OCT Fluid Segmentation Based on Normal Anatomical Priors and Attention Gating

Prior-AttUNet：基于正常解剖先验和注意力门控的视网膜OCT液体分割

Li Yang, Yuting Liu

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

AI总结 Prior-AttUNet通过结合生成解剖先验和注意力机制，实现了高精度的视网膜OCT液体分割，适用于多种设备并保持高效计算。