医学 AI

Leveraging Clinical Text and Class Conditioning for 3D Prostate MRI Generation

利用临床文本和类别条件化生成3D前列腺MRI

Emerson P. Grabke, Babak Taati, Masoom A. Haider

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

AI总结 本文提出CCELLA方法，通过结合临床文本和类别条件化，提升3D前列腺MRI生成质量及下游分类器性能。

Comments Accepted for publication in IEEE Transactions on Biomedical Engineering, 2025. This is the accepted author version. The final published version is available at https://doi.org/10.1109/TBME.2025.3648426

SRU-Pix2Pix: A Fusion-Driven Generator Network for Medical Image Translation with Few-Shot Learning

SRU-Pix2Pix：一种融合驱动的生成器网络用于医学图像翻译的少样本学习

Xihe Qiu, Yang Dai, Xiaoyu Tan, Sijia Li, Fenghao Sun, Lu Gan, Liang Liu

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子电气工程学院） ； Department of Thoracic Surgery, Zhongshan Hospital of Fudan University（复旦大学中山医院胸外科） ； Clinical Research Unit, Institute of Clinical Science, Zhongshan Hospital of Fudan University（复旦大学中山医院临床科研部） ； Department of Medical Oncology, Cancer Center, and Fudan Zhangjiang Institute, Zhongshan Hospital of Fudan University（复旦大学中山医院医学肿瘤科、癌症中心及复旦张江研究院） 纠错

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

AI总结 SRU-Pix2Pix通过整合SEResNet和U-Net++提升医学图像翻译的生成质量与结构保真度，实现少样本下的高效翻译

DB-MSMUNet:Dual Branch Multi-scale Mamba UNet for Pancreatic CT Scans Segmentation

DB-MSMUNet：双分支多尺度Mamba UNet用于胰腺CT扫描分割

Qiu Guan, Zhiqiang Yang, Dezhang Ye, Yang Chen, Xinli Xu, Ying Tang

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

AI总结 DB-MSMUNet通过双分支多尺度Mamba架构提升胰腺CT分割精度，采用边缘增强和多尺度语义特征提升边缘保留与小病变重建能力。

TokenSeg: Efficient 3D Medical Image Segmentation via Hierarchical Visual Token Compression

TokenSeg: 通过层次视觉令牌压缩实现高效的3D医学图像分割

Sen Zeng, Hong Zhou, Zheng Zhu, Yang Liu

机构 * Tsinghua University（清华大学） ； Southwest Forestry University（西南林业大学） ； GigaAI ； KCL 纠错

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

AI总结 TokenSeg通过层次视觉令牌压缩实现高效的3D医学图像分割，采用多尺度编码器、边界感知令牌化器和稀疏到密集解码器，在乳腺MRI数据集上取得94.49% Dice系数和89.61% IoU，同时降低64%的GPU内存和68%的推理延迟。

Quantitative mapping from conventional MRI using self-supervised physics-guided deep learning: applications to a large-scale, clinically heterogeneous dataset

利用自监督物理引导深度学习进行传统MRI的定量映射：应用于大规模、临床异质数据集的应用

Jelmer van Lune, Stefano Mandija, Oscar van der Heide, Matteo Maspero, Martin B. Schilder, Jan Willem Dankbaar, Cornelis A. T. van den Berg, Alessandro Sbrizzi

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

AI总结 本研究提出一种自监督物理引导深度学习框架，通过传统MRI直接生成定量T1、T2和PD图，实现了在大规模临床数据集中的高精度和稳定性。

Comments 30 pages, 13 figures, full paper

CRUNet-MR-Univ: A Foundation Model for Diverse Cardiac MRI Reconstruction

CRUNet-MR-Univ：一种用于多样化心脏MRI重建的通用模型

Donghang Lyu, Marius Staring, Hildo Lamb, Mariya Doneva

机构 * Department of Radiology, Leiden University Medical Center, Leiden, The Netherlands（莱顿大学医学中心放射科） ； Philips Innovative Technologies, Hamburg, Germany（飞利浦创新技术） 纠错

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

AI总结 CRUNet-MR-Univ是一种基于时空相关性和提示先验知识的通用模型，用于提高心脏MRI重建在多样化场景下的泛化能力与性能表现。

Comments STACOM 2025

Policy to Assist Iteratively Local Segmentation: Optimising Modality and Location Selection for Prostate Cancer Localisation

政策辅助迭代局部分割：优化模态和位置选择以定位前列腺癌

Xiangcen Wu, Shaheer U. Saeed, Yipei Wang, Ester Bonmati Coll, Yipeng Hu

机构 * Department of Medical Physics and Biomedical Engineering, University College London, London, UK（医学物理与生物医学工程系，伦敦大学学院，伦敦，英国） ； UCL Hawkes Institute, University College London, London, UK（UCL Hawkes研究所，伦敦大学学院，伦敦，英国） ； School of Computer Science and Engineering, University of Westminster, London, UK（计算机科学与工程学院，伦敦威斯敏斯特大学，伦敦，英国） 纠错

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

AI总结 本文提出了一种推荐系统，通过优化成像模态和位置选择，提升前列腺癌分割性能，实验表明其在提高标注效率和分割准确性方面具有潜力。

Act-Adaptive Margin: Dynamically Calibrating Reward Models for Subjective Ambiguity

Act-Adaptive Margin: 动态校准奖励模型以应对主观模糊性

Feiteng Fang, Dingwei Chen, Xiang Huang, Ting-En Lin, Yuchuan Wu, Xiong Liu, Xinge Ye, Ziqiang Liu, Haonan Zhang, Liang Zhu, Hamid Alinejad-Rokny, Min Yang, Yongbin Li

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of New South Wales（新南威尔士大学） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出AAM方法，通过动态校准奖励模型偏好边际，提升主观任务中的奖励建模性能，实验显示在角色扮演任务中性能提升显著。

Unified Framework for Qualifying Security Boundary of PUFs Against Machine Learning Attacks

基于机器学习攻击的PUF安全边界统一评估框架

Hongming Fei, Zilong Hu, Prosanta Gope, Biplab Sikdar

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出统一框架评估PUF对机器学习攻击的安全性，通过数学建模和实验分析，确定PUF的安全下界并提供理论保障。

Comments 13 pages, 8 figures