医学 AI

Resource-efficient medical image classification for edge devices

边缘设备上的资源高效医疗图像分类

Mahsa Lavaei, Zahra Abadi, Salar Beigzad, Alireza Maleki

机构 * ECE University of Tehran（电子工程系，伊朗德黑兰大学） ； ECE Tehran University（电子工程系，伊朗德黑兰大学） ； Engineering University of St. Thomas, Minnesota（工程系，圣托马斯大学（明尼苏达）） ； Technology Management University of Tehran（技术管理，伊朗德黑兰大学） 纠错

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

AI总结 本研究提出了一种通过模型量化技术实现边缘设备上高效医疗图像分类的方法，有效降低计算和内存需求，同时保持诊断精度。

Comments Conference paper published in ICAMIDA 2025 (IEEE)

Journal ref Proc. Int. Conf. Appl. Mach. Intelligence and Data Analytics (ICAMIDA), IEEE, 2025

NLCG-Net: A Model-Based Zero-Shot Learning Framework for Undersampled Quantitative MRI Reconstruction

NLCG-Net：一种用于欠采样定量磁共振成像重建的基于模型的零样本学习框架

Xinrui Jiang, Yohan Jun, Jaejin Cho, Mengze Gao, Xingwang Yong, Berkin Bilgic

机构 * Fudan University（复旦大学） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） ； Stanford University（斯坦福大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 NLCG-Net通过结合U-Net正则化器和单指数信号建模，实现了基于模型的零样本学习，用于高加速因子下的T2/T1定量磁共振成像重建。

Comments 5 pages, 5 figures, accepted by International Society for Magnetic Resonance in Medicine 2024

Stochastic Siamese MAE Pretraining for Longitudinal Medical Images

随机时序Siamese MAE预训练用于纵向医学图像

Taha Emre, Arunava Chakravarty, Thomas Pinetz, Dmitrii Lachinov, Martin J. Menten, Hendrik Scholl, Sobha Sivaprasad, Daniel Rueckert, Andrew Lotery, Stefan Sacu, Ursula Schmidt-Erfurth, Hrvoje Bogunović

机构 * Institute of Artificial Intelligence, Center for Medical Data Science, Medical University of Vienna（人工智能研究所，医学数据科学中心，维也纳医科大学） ； Department of Ophthalmology and Optometry, Medical University of Vienna（眼科学与视光学系，维也纳医科大学） ； Ophthalmic Image Analysis Group (OPTIMA), Medical University of Vienna（眼科影像分析组（OPTIMA），维也纳医科大学） ； BioMedIA, Department of Computing, Imperial College London（BioMedIA，计算系，伦敦帝国理工学院） ； Chair for AI in Healthcare and Medicine, Technical University of Munich（医学与健康人工智能教授职位，慕尼黑技术大学） ； Moorfields National Institute for Health and Care Biomedical Research Centre, Moorfields Eye Hospital（莫尔菲尔兹国家健康与护理生物医学研究中心，莫尔菲尔兹眼科医院） 纠错

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

AI总结 STAMP通过随机过程和条件变分推断，提升纵向医学图像中疾病进展的建模能力。

Comments Under review. Code is available in https://github.com/EmreTaha/STAMP

Re-Visible Dual-Domain Self-Supervised Deep Unfolding Network for MRI Reconstruction

可重见双域自监督深度展开网络用于MRI重建

Hao Zhang, Qi Wang, Jian Sun, Zhijie Wen, Jun Shi, Shihui Ying

机构 * Shanghai University（上海大学） ； Shanghai Institute of Applied Mathematics and Mechanics（上海应用数学和力学研究所） ； School of Mechanics and Engineering Science（机械与工程科学学院） ； Xi’an Jiaotong University（西安交通大学） ； School of Communication and Information Engineering（通信与信息工程学院） 纠错

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

AI总结 本文提出一种可重见双域自监督深度展开网络，通过引入双域损失和SFFE块，提升MRI重建性能，优于现有方法。

Super-Resolution Enhancement of Medical Images Based on Diffusion Model: An Optimization Scheme for Low-Resolution Gastric Images

基于扩散模型的医学图像超分辨率增强：一种用于低分辨率胃部图像的优化方案

Haozhe Jia

机构 * Boston University（波士顿大学） 纠错

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

AI总结 本文提出基于扩散模型的超分辨率增强方法，用于提升低分辨率胃部图像的质量，通过SR3框架实现更稳定的训练和更高的结构保真度。

Comments 19 pages, 16 figures. Undergraduate final year project

A Novel Metric for Detecting Memorization in Generative Models for Brain MRI Synthesis

一种用于检测生成模型中记忆的新型度量方法

Antonio Scardace, Lemuel Puglisi, Francesco Guarnera, Sebastiano Battiato, Daniele Ravì

机构 * University of Catania（卡塔尼亚大学） ； University of Messina（梅西纳大学） 纠错

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

AI总结 本文提出DeepSSIM，一种用于检测生成模型中记忆的新型自监督度量方法，通过学习嵌入空间和结构保持增强，有效提升记忆检测性能。

Comments Accepted to WACV 2026

Fully Automated Deep Learning Based Glenoid Bone Loss Measurement and Severity Stratification on 3D CT in Shoulder Instability

基于深度学习的全自动肩关节不稳3DCT中盂唇骨丢失测量与严重程度分层

Zhonghao Liu, Hanxue Gu, Qihang Li, Michael Fox, Jay M. Levin, Maciej A. Mazurowski, Brian C. Lau

机构 * Duke University（杜克大学） ； Duke University Medical Center（杜克大学医学中心） 纠错

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

AI总结 该研究提出了一种全自动深度学习方法，用于3DCT扫描中盂唇骨丢失的测量与严重程度分层，实现了高精度和高一致性，为肩关节不稳的术前规划提供可靠工具。

Spatial-aware Symmetric Alignment for Text-guided Medical Image Segmentation

具有空间意识的对称对齐用于文本引导的医学图像分割

Linglin Liao, Qichuan Geng, Yu Liu

机构 * School of Information Engineering, Capital Normal University Beijing, China（信息工程学院，首都师范大学北京，中国） 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SSA框架，通过空间感知对称对齐机制和复合方向引导策略，提升文本引导的医学图像分割性能，尤其在准确分割具有空间约束的病变方面表现优异。

SwinTF3D: A Lightweight Multimodal Fusion Approach for Text-Guided 3D Medical Image Segmentation

SwinTF3D: 一种轻量级多模态融合方法用于文本引导的3D医学图像分割

Hasan Faraz Khan, Noor Fatima, Muzammil Behzad

机构 * King Fahd University of Petroleum（国王法赫德石油大学） ； SDAIA-KFUPM Joint Research Center for Artificial Intelligence（SDAIA-KFUPM人工智能联合研究中心） 纠错

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

AI总结 SwinTF3D通过统一视觉和语言表示，实现文本引导的3D医学图像分割，具备高效且适应性强的性能。

Timepoint-Specific Benchmarking of Deep Learning Models for Glioblastoma Follow-Up MRI

针对胶母瘤随访MRI的深度学习模型时间点特异性评估

Wenhao Guo, Golrokh Mirzaei

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

AI总结 本研究首次评估了不同时间点深度学习模型在胶母瘤随访MRI中的表现，发现第二随访时鉴别能力提升，Mamba+CNN混合模型在准确率与效率间表现最佳。

Comments 15 pages, 4 figures

Journal ref Cancers, 2026, 18(1), 36

Class Incremental Medical Image Segmentation via Prototype-Guided Calibration and Dual-Aligned Distillation

通过原型引导校准和双对齐蒸馏实现的类增量医学图像分割

Shengqian Zhu, Chengrong Yu, Qiang Wang, Ying Song, Guangjun Li, Jiafei Wu, Xiaogang Xu, Zhang Yi, Junjie Hu

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

AI总结 本文提出PGCD和DAPD方法，通过原型引导校准和双对齐蒸馏提升类增量医学图像分割的性能与鲁棒性。

Incorporating Tissue Composition Information in Total-Body PET Metabolic Quantification of Bone Marrow through Dual-Energy CT

在双能量CT中整合组织成分信息以提高全身PET对骨髓的代谢定量

Siqi Li, Benjamin A. Spencer, Yiran Wang, Yasser G. Abdelhafez, Heather Hunt, J. Anthony Seibert, Simon R. Cherry, Ramsey D. Badawi, Lorenzo Nardo, Guobao Wang

专题命中 医学影像 ：CT(title,abstract)

AI总结 本研究通过双能量CT整合组织成分信息，改进全身PET对骨髓代谢的定量，提高准确性。

Real-Time Forward Kinematics and Jacobians for Control of an MRI-Guided Magnetically Actuated Robotic Catheter

MRI引导的磁性驱动机器人导管的实时前向运动学与雅可比矩阵控制

Ran Hao, Yuttana Itsarachaiyot, Yen-Chun Chen, M. Cenk Çavuşoğlu

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出了一种用于MRI驱动机器人导管实时控制的前向运动学与雅可比矩阵计算方法，通过实验验证其在复杂轨迹控制中的有效性。

Modular Metamaterials for Adaptable MRI Signal Control: Combining Dipole Arrays with Hexagon-based Artificial Dielectrics

模块化超材料用于可调节MRI信号控制：结合偶极子阵列与基于六边形的人工电介质

Santosh Kumar Maurya, Ilan Goldberg, Rita Schmidt

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出一种模块化超材料系统，结合偶极子阵列与六边形人工电介质，实现MRI信号的灵活调控与患者特异性优化。

Diffusion MRI with Machine Learning

利用机器学习的扩散磁共振成像

Davood Karimi, Simon K. Warfield

机构 * Harvard Medical School and Boston Children’s Hospital（哈佛医学院和波士顿儿童医院） 纠错

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

AI总结 本文探讨了机器学习在扩散磁共振成像分析中的应用，评估了现有方法的优缺点，并提出了未来研究的方向。

Medical Scene Reconstruction and Segmentation based on 3D Gaussian Representation

基于3D高斯表示的医学场景重建与分割

Bin Liu, Wenyan Tian, Huangxin Fu, Zizheng Li, Zhifen He, Bo Li

机构 * Nanchang Hangkong University（南昌航空大学） ； Guilin University Of Electronic Technology（桂林电子科技大学） 纠错

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

AI总结 本文提出基于3D高斯和三平面表示的医学图像重建方法，解决传统方法在稀疏切片中的结构不连续和细节丢失问题，提升重建效率和图像质量。

Comments 14 pages, 3 figures

UltraBoneUDF: Self-supervised Bone Surface Reconstruction from Ultrasound Based on Neural Unsigned Distance Functions

UltraBoneUDF: 基于神经元无符号距离函数的自监督超声骨表面重建

Luohong Wu, Matthias Seibold, Nicola A. Cavalcanti, Giuseppe Loggia, Lisa Reissner, Bastian Sigrist, Jonas Hein, Lilian Calvet, Arnd Viehöfer, Philipp Fürnstahl

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

AI总结 UltraBoneUDF通过自监督学习和无符号距离函数，有效重建超声图像中的开放骨表面，提升了手术规划和引导的精度。

ReFRM3D: A Radiomics-enhanced Fused Residual Multiparametric 3D Network with Multi-Scale Feature Fusion for Glioma Characterization

ReFRM3D: 一种基于放射组学的融合残差多参数3D网络，具有多尺度特征融合，用于胶质瘤表征

Md. Abdur Rahman, Mohaimenul Azam Khan Raiaan, Arefin Ittesafun Abian, Yan Zhang, Mirjam Jonkman, Sami Azam

机构 * Applied Artificial Intelligence and Intelligent Systems (AAIINS) Laboratory（应用人工智能与智能系统实验室） ； Department of Computer Science and Engineering（计算机科学与工程系） ； Department of Data Science and Artificial Intelligence（数据科学与人工智能系） ； Faculty of Science and Technology（科学与技术学院） 纠错

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

AI总结 ReFRM3D通过多参数MRI数据和多尺度特征融合，提升胶质瘤分割与分类效率，实现高Dice相似系数。

Two-stage Respiratory Motion-resolved Radial MR Image Reconstruction Using an Interpretable Deep Unrolled Network

两阶段呼吸运动解析径向MRI图像重建使用可解释深度展开网络

Shanshan Shan, Hongli Chen, Yuhan Wei, Peng Wu, Yang Gao, Tess Reynolds, Paul Liu, Jialiang Zhang, Qidi Luo, Chunyi Liu, Paul Keall, Feng Liu, Yaqin Zhang, David E. J. Waddington, Mingyuan Gao

专题命中 医学影像 ：MRI(abstract)；CT(abstract)

AI总结 本文提出一种基于可解释深度展开网络的两阶段呼吸运动解析径向MRI图像重建方法，实现自由呼吸条件下高质量成像，相比传统压缩感知方法在结构细节和计算效率上表现更优。

Underestimation of lung regions on chest X-ray segmentation masks assessed by comparison with total lung volume evaluated on computed tomography

基于CT评估的胸部X光分割掩膜对肺区低估问题分析

Przemysław Bombiński, Patryk Szatkowski, Bartłomiej Sobieski, Tymoteusz Kwieciński, Szymon Płotka, Mariusz Adamek, Marcin Banasiuk, Mariusz I. Furmanek, Przemysław Biecek

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

AI总结 本研究通过CT评估发现，当前最先进方法生成的胸部X光分割掩膜存在对肺区的显著低估问题，可能引发临床错误。

Comments Preprint to Elsevier

Journal ref Radiography (Lond). 2025 May;31(3):102930

Semantic contrastive learning for orthogonal X-ray computed tomography reconstruction

语义对比学习用于正交X射线计算机断层扫描重建

Jiashu Dong, Jiabing Xiang, Lisheng Geng, Suqing Tian, Wei Zhao

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

AI总结 本文提出一种基于语义对比学习的正交CT重建方法，通过三阶段U-Net架构提升重建质量与效率，实现高质量图像与低计算复杂度的平衡。

Comments This paper is accepted by Fully3D 2025

Complex Swin Transformer for Accelerating Enhanced SMWI Reconstruction

复杂Swin Transformer用于加速增强SMWI重建

Muhammad Usman, Sung-Min Gho

机构 * Department of Anesthesiology, Perioperative and Pain Medicine, Stanford University（麻醉学、围手术期与疼痛医学系，斯坦福大学） 纠错

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

AI总结 本文提出复杂Swin Transformer网络，用于高效重建高分辨率SMWI图像，提升帕金森病诊断效率。

Comments Published at ISMRM 2025 (Abstract #2651)

Field strength-dependent performance variability in deep learning-based analysis of magnetic resonance imaging

深度学习在磁共振成像分析中磁场强度依赖性性能变化

Muhammad Ibtsaam Qadir, Duane Schonlau, Ulrike Dydak, Fiona R. Kolbinger

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

AI总结 本研究发现MRI扫描仪磁场强度显著影响深度学习分割模型性能，尤其在软组织分割中，3.0T数据训练的模型表现更优。

Comments 16 pages, 1 table, 4 figures

Identifying Autism-Related Neurobiomarkers Using Hybrid Deep Learning Models

利用混合深度学习模型识别自闭症相关神经生物标志物

Ashley Chen

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

AI总结 本文提出一种混合深度学习模型，利用结构MRI数据识别自闭症相关神经生物标志物，通过CNN提取特征并结合SVM进行分类，同时使用Grad-CAM可视化关键脑区。

Comments 23 pages, 10 figures, 1 table, 18 references

MedSAM-based lung masking for multi-label chest X-ray classification

基于MedSAM的肺部掩膜用于多标签胸部X光分类

Brayden Miao, Zain Rehman, Xin Miao, Siming Liu, Jianjie Wang

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

AI总结 基于MedSAM的肺部掩膜技术通过优化空间先验提升多标签胸部X光分类的准确性和效率。

Comments 16 pages, 8 figures

ConMatFormer: A Multi-attention and Transformer Integrated ConvNext based Deep Learning Model for Enhanced Diabetic Foot Ulcer Classification

ConMatFormer：一种多注意力和Transformer集成的ConvNext基于深度学习模型，用于增强糖尿病足溃疡分类

Raihan Ahamed Rifat, Fuyad Hasan Bhoyan, Md Humaion Kabir Mehedi, Md Kaviul Hossain, Md. Jakir Hossen, M. F. Mridha

机构 * Department of Information Technology（信息科技系） ； Charles Darwin University（查尔斯·达尔文大学） ； Department of Computer Science and Engineering（计算机科学与工程系） ； University of Liberal Arts Bangladesh（孟加拉自由大学） ； BRAC University（BRAC大学） ； Center for Advanced Analytics (CAA), COE for Artificial Intelligence, Faculty of Engineering & Technology (FET)（高级分析中心（CAA）、人工智能学院、工程与技术学院） ； Multimedia University Melaka（马六甲多媒体大学） ； American International University-Bangladesh（美国国际大学-孟加拉） 纠错

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

AI总结 ConMatFormer通过结合ConvNeXt、多注意力机制和Transformer模块，提升糖尿病足溃疡分类的准确性和可靠性。

Cogniscope: Modeling Social Media Interactions as Digital Biomarkers for Early Detection of Cognitive Decline

Cogniscope: 将社交媒体互动建模为数字生物标记物以早期检测认知衰退

Ananya Drishti, Mahfuza Farooque

专题命中 医学影像 ：MRI(abstract)

AI总结 Cogniscope通过模拟社交媒体互动数据，研究认知健康的数字生物标记物，提供可控测试平台以评估早期认知衰退检测模型。

CT25: Progress toward next-generation PDFs for precision phenomenology at the LHC

CT25：迈向LHC高精度现象学的下一代PDFs进展

A. Ablat, A. Courtoy, S. Dulat, Y. Fu, M. Guzzi, T. J. Hobbs, J. Huston, K. Mohan, P. Nadolsky, M. Ponce-Chavez, D. Stump, K. Xie, C. -P. Yuan

专题命中 医学影像 ：CT(abstract)

AI总结 CT25研究基于全球NNLO分析，整合LHC新数据，优化PDFs并提升LHC精度现象学研究的可靠性。

Comments 7 pages, 2 figures; talk presented at the XXXII International Workshop on Deep Inelastic Scattering and Related Subjects (DIS 2025), Cape Town, South Africa, 24-28 March 2025; minor textual clarifications in v2