医学 AI

Bridging Radiology and Pathology: A DICOM-Based Framework for Multimodal Mapping and Integrated Visualization

连接放射学与病理科：基于DICOM的多模态映射与集成可视化框架

Nilesh P. Rijhwani, Titus J. Brinker, Peter Neher, Marco Nolden, Klaus Maier-Hein, Maximilian Fischer, Christoph Wies

专题命中 医学影像 ：pathology(title,abstract)；radiology(title,abstract)；diagnosis(abstract)

AI总结 本研究提出一种基于DICOM的跨学科工具，通过多模态映射和集成可视化，促进放射学与病理科的协同分析与研究。

ProGiDiff: Prompt-Guided Diffusion-Based Medical Image Segmentation

ProGiDiff: 基于提示引导的扩散模型医学图像分割

Yuan Lin, Murong Xu, Marc Hölle, Chinmay Prabhakar, Andreas Maier, Vasileios Belagiannis, Bjoern Menze, Suprosanna Shit

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） ； University of Zurich（苏黎世大学） 纠错

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

AI总结 ProGiDiff通过提示引导的扩散模型实现医学图像分割，结合自定义编码器和多类条件化机制，提升分割性能和跨模态适应能力。

Comments 5 pages, 4 figures. It has been accepted by IEEE ISBI

Atlas-Assisted Segment Anything Model for Fetal Brain MRI (FeTal-SAM)

基于图谱的胎儿脑MRI分割模型（FeTal-SAM）

Qi Zeng, Weide Liu, Bo Li, Ryne Didier, P. Ellen Grant, Davood Karimi

机构 * Department of Radiology, Boston Children’s Hospital, and Harvard Medical School（放射科、波士顿儿童医院和哈佛医学院） 纠错

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

AI总结 FeTal-SAM通过整合图谱提示和基础模型原理，实现了灵活的胎儿脑MRI分割，无需重新训练即可处理不同解剖结构。

DSFedMed: Dual-Scale Federated Medical Image Segmentation via Mutual Distillation Between Foundation and Lightweight Models

DSFedMed: 通过基础模型与轻量模型之间的相互蒸馏实现双尺度联邦医疗图像分割

Hanwen Zhang, Qiaojin Shen, Yuxi Liu, Yuesheng Zhu, Guibo Luo

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

AI总结 DSFedMed通过基础模型与轻量模型之间的相互蒸馏，在医疗图像分割中实现双尺度联邦学习，提升效率与可扩展性。

VHU-Net: Variational Hadamard U-Net for Body MRI Bias Field Correction

VHU-Net：变分哈达玛U-Net用于人体MRI偏场校正

Xin Zhu, Ahmet Enis Cetin, Gorkem Durak, Batuhan Gundogdu, Ziliang Hong, Hongyi Pan, Ertugrul Aktas, Elif Keles, Hatice Savas, Aytekin Oto, Hiten Patel, Adam B. Murphy, Ashley Ross, Frank Miller, Baris Turkbey, Ulas Bagci

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

AI总结 VHU-Net通过变分哈达玛U-Net有效校正人体MRI偏场，提升图像质量与分割准确性。

CT-PatchTST: Channel-Time Patch Time-Series Transformer for Long-Term Renewable Energy Forecasting

CT-PatchTST：用于长周期可再生能源预测的通道-时间补丁时间序列变压器

Kuan Lu, Menghao Huo, Yuxiao Li, Qiang Zhu, Zhenrui Chen

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学） ； Fu Foundation School of Engineering and Applied Science（富兰克林基金会工程与应用科学学院） ； Columbia University in the City of New York（纽约市哥伦比亚大学） ； School of Engineering（工程学院） ； Santa Clara University（圣克拉拉大学） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） 纠错

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

AI总结 CT-PatchTST通过捕捉时间依赖性和跨通道相关性，提升风能和太阳能的长周期预测精度，优化能源存储调度，增强电网稳定性与响应性。

Comments Published in: 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT)

Journal ref 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT), pp. 86-95

A Machine Vision Approach to Preliminary Skin Lesion Assessments

一种用于初步皮肤病变评估的机器视觉方法

Ali Khreis, Ro'Yah Radaideh, Quinn McGill

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

AI总结 本文提出了一种结合皮损镜检查规则与机器学习的皮肤病变初步评估方法，通过自定义CNN模型在小数据集上实现了优于传统方法的性能。

Comments 6 pages, 2 figures, 2 tables

A Lightweight Brain-Inspired Machine Learning Framework for Coronary Angiography: Hybrid Neural Representation and Robust Learning Strategies

轻量级脑启发式机器学习框架用于冠状动脉造影：混合神经表示与鲁棒学习策略

Jingsong Xia, Siqi Wang

机构 * The Second Clinical College, Nanjing Medical University（南京医科大学第二临床学院） 纠错

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

AI总结 本文提出了一种轻量级脑启发式机器学习框架，通过混合神经表示和鲁棒学习策略提升冠状动脉造影的分类性能。

Learning Functional Graphs with Nonlinear Sufficient Dimension Reduction

利用非线性充分维度缩减学习函数图

Kyongwon Kim, Bing Li

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出一种基于非线性充分维度缩减的非参数函数图模型，通过避免维度灾难提高估计精度，并保留概率条件独立性作为边不存在的标准。

Diagnosing Interstellar Magnetic Turbulence with TeV Pulsar Halos

用太勒电子伏脉冲星晕诊断星际磁湍流

Chao-Ming Li, Ruo-Yu Liu, Huirong Yan

专题命中 医学影像 ：diagnosis(abstract)

AI总结 利用太勒电子伏脉冲星晕形态研究星际磁场的各向异性扩散特性及阿列夫数等参数。

Comments 9 pages, 6 figures, accepted by Phys. Rev. D

Journal ref Phys. Rev. D 113, L021303 (2026)