医学 AI

A Tumor Aware DenseNet Swin Hybrid Learning with Boosted and Hierarchical Feature Spaces for Large-Scale Brain MRI Classification

一种肿瘤感知的密集网络Swin混合学习框架，结合增强和分层特征空间用于大规模脑部MRI分类

Muhammad Ali Shah, Muhammad Mansoor Alam, Saddam Hussain Khan

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

AI总结 本文提出了一种结合增强和分层特征空间的DenseNet-Swin混合学习框架，用于大规模脑MRI肿瘤分类，通过定制DenseNet和Swin模块提升检测精度和召回率。

Comments 33 Pages, 8 Tables, Figures 16

Automated Landmark Detection for assessing hip conditions: A Cross-Modality Validation of MRI versus X-ray

用于评估髋部状况的自动化标志点检测：MRI与X射线的跨模态验证

Roberto Di Via, Vito Paolo Pastore, Francesca Odone, Siôn Glyn-Jones, Irina Voiculescu

机构 * MaLGa Center, DIBRIS University of Genoa（MaLGa中心，热那亚大学DIBRIS学院） ； Nuffield Department of Orthopaedics, Rheumatology and Musculoskeletal Sciences University of Oxford（牛津大学风湿病学与肌肉骨骼科学系） ； Department of Computer Science University of Oxford（牛津大学计算机科学系） 纠错

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

AI总结 本研究通过跨模态验证显示MRI与X射线在髋部FAI评估中具有等效的标志点检测能力，为自动化临床评估提供了可行性。

Comments Accepted at International Symposium on Biomedical Imaging (ISBI 2026)

When Swin Transformer Meets KANs: An Improved Transformer Architecture for Medical Image Segmentation

当Swin Transformer遇见KANs：一种改进的Transformer架构用于医学图像分割

Nishchal Sapkota, Haoyan Shi, Yejia Zhang, Xianshi Ma, Bofang Zheng, Fabian Vazquez, Pengfei Gu, Danny Z. Chen

机构 * Department of Computer Science and Engineering, University of Notre Dame（计算机科学与工程系，诺丁汉大学） ； Department of Computer Science, University of Texas Rio Grande Valley（计算机科学系，德克萨斯大学里奥格兰德谷分校） 纠错

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

AI总结 UKAST结合KANs与Swin Transformer，提升医学图像分割的效率与准确性，尤其在数据稀缺情况下表现优异。

Comments This paper has been accepted for publication in the Proceedings of the IEEE International Symposium on Biomedical Imaging (ISBI) 2026

Physiology-Informed Generative Multi-Task Network for Contrast-Free CT Perfusion

基于生理信息的生成多任务网络用于无对比剂CT灌注

Wasif Khan, John Rees, Kyle B. See, Simon Kato, Ziqian Huang, Amy Lazarte, Kyle Douglas, Xiangyang Lou, Teng J. Peng, Dhanashree Rajderkar, Pina Sanelli, Amita Singh, Ibrahim Tuna, Christina A. Wilson, Ruogu Fang

机构 * J. Crayton Pruitt Family Department of Biomedical Engineering, University of Florida（朱·克雷顿·普瑞特生物医学工程系，佛罗里达大学） ； Department of Radiology, University of Florida（放射医学系，佛罗里达大学） ； Department of Mathematics and Statistics, University of Florida（数学与统计学系，佛罗里达大学） ； Department of Biostatistics, University of Florida（生物统计学系，佛罗里达大学） ； Department of Neurology, University of Florida（神经医学系，佛罗里达大学） ； Feinstein Institutes for Medical Research（费因斯医学研究所） ； Department of Radiology, Donald and Barbara Zucker School of Medicine at Hofstra Northwell（霍夫斯特拉北威尔医学学院放射医学系） ； Center for Cognitive Aging and Memory, McKnight Brain Institute, University of Florida（认知衰老与记忆中心，麦金托什脑研究所，佛罗里达大学） ； Department of Electrical and Computer Engineering, University of Florida（电气与计算机工程系，佛罗里达大学） 纠错

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

AI总结 基于生理信息的生成多任务网络MAGIC可实现无对比剂CT灌注成像，提升图像保真度与诊断准确性，具有成本效益和临床应用前景。

Comments Under Review

Efficient Complex-Valued Vision Transformers for MRI Classification Directly from k-Space

高效复数值视觉变换器用于MRI分类：直接从k空间进行分类

Moritz Rempe, Lukas T. Rotkopf, Marco Schlimbach, Helmut Becker, Fabian Hörst, Johannes Haubold, Philipp Dammann, Kevin Kröninger, Jens Kleesiek

机构 * Institute for AI in Medicine (IKIM), University Hospital Essen（人工智能医学研究所（IKIM）、埃森大学医院） ； Cancer Research Center Cologne Essen (CCCE), University Medicine Essen（科隆埃森癌症研究中心（CCCE）、埃森大学医学中心） ； RACOON Study Group, Site Essen（RACOON研究组、埃森站点） ； Department of Physics, Technical University Dortmund（物理系、多特蒙德技术大学） ； German Cancer Consortium (DKTK), Partner Site Essen（德国癌症联合会（DKTK）、埃森合作站点） ； Medical Faculty and Faculty of Computer Science, University of Duisburg-Essen（医学系和计算机科学系、杜伊斯堡-埃森大学） ； German Cancer Research Center (DKFZ), 69120 Heidelberg（德国癌症研究中心（DKFZ）、海德堡） ； Department of Radiology, University Hospital Essen（放射学系、埃森大学医院） ； Department of Neurosurgery and Spine Surgery, University Hospital Essen（神经外科和脊柱外科系、埃森大学医院） 纠错

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

AI总结 本文提出复数值视觉变换器kViT，直接在MRI的k空间数据上进行分类，实现高效且鲁棒的MRI分类性能。

A Master Class on Reproducibility: A Student Hackathon on Advanced MRI Reconstruction Methods

可重现性大师课：关于高级MRI重建方法的学生黑客松

Lina Felsner, Sevgi G. Kafali, Hannah Eichhorn, Agnes A. J. Leth, Aidas Batvinskas, Andre Datchev, Fabian Klemm, Jan Aulich, Puntika Leepagorn, Ruben Klinger, Daniel Rueckert, Julia A. Schnabel

机构 * Technical University of Munich (TUM)（技术大学慕尼黑） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich（生物医学成像机器学习研究所，海德堡慕尼黑） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Medicine and Health, TUM University Hospital Rechts der Isar（医学与健康学院，技术大学慕尼黑医院Rechts der Isar） ； Department of Computing, Imperial College London（计算学院，伦敦帝国理工学院） 纠错

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

AI总结 本文通过学生黑客松重现三个先进的MRI重建方法，探讨了可重现性代码库的构建实践和实验结果。

DTC: A Deformable Transposed Convolution Module for Medical Image Segmentation

DTC: 一种用于医学图像分割的可变形转置卷积模块

Chengkun Sun, Jinqian Pan, Renjie Liang, Zhengkang Fan, Xin Miao, Jiang Bian, Jie Xu

机构 * Department of Health Outcomes and Biomedical Informatics, University of Florida（健康结果与生物医学信息学系，佛罗里达大学） ； Regenstrief Institue, Indiana University, IU Health（Regenstrief研究所，印第安纳大学，IU健康） 纠错

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

AI总结 DTC是一种用于医学图像分割的可变形转置卷积模块，通过学习动态坐标来提升特征重建和细节恢复能力。

Domain Generalization with Quantum Enhancement for Medical Image Classification: A Lightweight Approach for Cross-Center Deployment

域泛化与量子增强在医学图像分类中的应用：一种轻量级跨中心部署方法

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(title,abstract)；分类 cs.CV

AI总结 本文提出一种轻量级量子增强域泛化框架，通过模拟多域偏移、域对抗训练和量子特征增强，提升医学图像跨中心部署的泛化能力。

UCAD: Uncertainty-guided Contour-aware Displacement for semi-supervised medical image segmentation

UCAD: 基于不确定性的轮廓感知位移用于半监督医学图像分割

Chengbo Ding, Fenghe Tang, Shaohua Kevin Zhou

机构 * University of Science and Technology of China（科学技术大学） ； Suzhou Institute for Advanced Research（苏州先进研究院） ； State Key Laboratory of Precision and Intelligent Chemistry（精密与智能化学国家重点实验室） 纠错

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

AI总结 UCAD通过基于不确定性的轮廓感知位移框架，提升半监督医学图像分割的准确性和一致性学习效果。

Comments Accepted by ISBI 2026

Structural Complexity of Brain MRI reveals age-associated patterns

脑部MRI的结构复杂性揭示年龄相关模式

Anzhe Cheng, Italo Ivo Lima Dias Pinto, Paul Bogdan

机构 * University of Southern California, Los Angeles, CA, USA（美国南加州大学） ； Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, Brazil（巴西圣保罗大学数学与统计研究所） 纠错

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

AI总结 本研究通过分析脑部MRI数据，揭示了结构复杂性随年龄变化的规律，并展示了其在预测生物年龄方面的应用价值。

Comments accepted by icassp2026

SMURF: Scalable method for unsupervised reconstruction of flow in 4D flow MRI

SMURF：一种用于4D流体MRI中无监督重建流体的方法

Atharva Hans, Abhishek Singh, Pavlos Vlachos, Ilias Bilionis

专题命中 医学影像 ：MRI(title,abstract)

AI总结 SMURF通过无监督学习方法提升4D流体MRI的分割与速度场重建精度，实现高噪声环境下的鲁棒性与临床应用价值

Performance uncertainty in medical image analysis: a large-scale investigation of confidence intervals

医学影像分析中的性能不确定性：对置信区间的大规模调查

Pascaline André, Charles Heitz, Evangelia Christodoulou, Annika Reinke, Carole H. Sudre, Michela Antonelli, Patrick Godau, M. Jorge Cardoso, Antoine Gilson, Sophie Tezenas du Montcel, Gaël Varoquaux, Lena Maier-Hein, Olivier Colliot

机构 * Sorbonne Université（索邦大学） ； Institut du Cerveau – Paris Brain Institute - ICM（脑研究所—巴黎脑研究所—ICM） ； CNRS（国家科学研究中心） ； Inria（法国国家信息与自动化技术研究院） ； Inserm（法国国家医学研究院） ； AP-HP（法国国家医院集团） ； Hôpital de la Pitié-Salpêtrière（皮蒂埃-萨尔普特里医院） ； German Cancer Research Center (DKFZ)（德国癌症研究中心（DKFZ）） ； National Center for Tumor Diseases (NCT)（肿瘤国家研究中心（NCT）） ； AI Health Innovation Cluster（人工智能健康创新集群） ； Unit for Lifelong Health and Ageing at UCL（伦敦大学学院（UCL）长寿健康单位） ； Department of Population Science and Experimental Medicine and Hawkes InstituteCentre for Medical Image Computing（人口科学与实验医学系及哈维斯研究所医学影像计算中心） ； Department of Computer Science, University College London（伦敦大学学院（UCL）计算机科学系） ； School of Biomedical Engineering and Imaging Science, King’s College London（伦敦国王学院生物医学工程与影像科学学校） ； Hawkes Institute, Department of Computer Science, University College London（哈维斯研究所，伦敦大学学院（UCL）计算机科学系） 纠错

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

AI总结 本研究通过大规模分析揭示医学影像AI中置信区间方法的可靠性与精度差异，探讨样本量、性能度量和聚合策略对置信区间的影响。

MorphiNet: A Graph Subdivision Network for Adaptive Bi-ventricle Surface Reconstruction

MorphiNet：一种用于自适应双心室表面重建的图细分网络

Yu Deng, Yiyang Xu, Linglong Qian, Charlène Mauger, Anastasia Nasopoulou, Steven Williams, Michelle Williams, Steven Niederer, David Newby, Andrew McCulloch, Jeff Omens, Kuberan Pushprajah, Alistair Young

机构 * School of Biomedical Engineering and Imaging Sciences, King’s College London（生物医学工程与影像科学学院，伦敦国王学院） ； Brain Imaging & Neuro Epidemiology Department, Luxemboug Institute of Health（脑影像与神经流行病学部门，卢森堡健康研究所） ； Department of Biostatistics and Health Informatics, King’s College London（生物统计学与健康信息学系，伦敦国王学院） 纠错

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

AI总结 MorphiNet通过高分辨率CT图像学习，实现更精确、更快的双心室心肌重建，适用于心脏功能分析和数字双计算。

Data-Efficient Meningioma Segmentation via Implicit Spatiotemporal Mixing and Sim2Real Semantic Injection

通过隐式时空混合和Sim2Real语义注入实现数据高效的脑膜瘤分割

Yunhao Xu, Fuquan Zong, Yexuan Xing, Chulong Zhang, Guang Yang, Shilong Yang, Xiaokun Liang, Juan Yu

机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究所，中国科学院） ； The First Affiliated Hospital of Shenzhen University（深圳大学第一附属医院） ； Health Science Center（健康科学中心） ； Shenzhen Second People’s Hospital（深圳第二人民医院） ； Shenzhen University（深圳大学） ； Department of Radiology（放射科） 纠错

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

AI总结 本文提出双增强框架，通过隐式时空混合和Sim2Real语义注入提升脑膜瘤分割的数据效率和鲁棒性。

Stylizing ViT: Anatomy-Preserving Instance Style Transfer for Domain Generalization

对ViT进行风格化：面向领域泛化的解剖保持实例风格迁移

Sebastian Doerrich, Francesco Di Salvo, Jonas Alle, Christian Ledig

机构 * xAILab Bamberg, University of Bamberg, Bamberg, Germany（巴姆堡大学） 纠错

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

AI总结 Stylizing ViT通过权重共享的注意力块实现解剖保持的实例风格迁移，提升领域泛化能力，实验显示在多个医学图像分类任务中准确率提升13%并减少伪影。

Comments Accepted at 23rd IEEE International Symposium on Biomedical Imaging (IEEE ISBI 2026)

A Multimodal Feature Distillation with Mamba-Transformer Network for Brain Tumor Segmentation with Incomplete Modalities

一种结合Mamba-Transformer网络的多模态特征蒸馏用于缺失模态的脑肿瘤分割

Ming Kang, Fung Fung Ting, Shier Nee Saw, Raphaël C. -W. Phan, Zongyuan Ge, Chee-Ming Ting

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

AI总结 本文提出一种结合Mamba-Transformer网络的多模态特征蒸馏方法，用于在缺失模态情况下实现更准确的脑肿瘤分割。

Comments 14 pages, 5 figures

Learning with Geometric Priors in U-Net Variants for Polyp Segmentation

在U-Net变体中利用几何先验进行多聚体分割

Fabian Vazquez, Jose A. Nuñez, Diego Adame, Alissen Moreno, Augustin Zhan, Huimin Li, Jinghao Yang, Haoteng Tang, Bin Fu, Pengfei Gu

机构 * The University of Texas Rio Grande Valley（德克萨斯理工大学里奥格兰德分校） ； Sewickley Academy（塞维克利学院） 纠错

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

AI总结 本文提出Geometric Prior-guided Module，通过引入几何先验提升U-Net变体在多聚体分割中的性能。

StealthMark: Harmless and Stealthy Ownership Verification for Medical Segmentation via Uncertainty-Guided Backdoors

StealthMark: 通过不确定性引导后门实现医疗分割的无害且隐蔽的所有权验证

Qinkai Yu, Chong Zhang, Gaojie Jin, Tianjin Huang, Wei Zhou, Wenhui Li, Xiaobo Jin, Bo Huang, Yitian Zhao, Guang Yang, Gregory Y. H. Lip, Yalin Zheng, Aline Villavicencio, Yanda Meng

机构 * Computer Science Department, University of Exeter（埃克塞特大学计算机科学系） ； Bioengineering Program, Biological and Environmental Science and Engineering Division (BESE), King Abdullah University of Science and Technology (KAUST)（科廷大学科学与技术学院生物工程项目） ； School of Advanced Technology, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学分校高级技术学院） ； School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学院） ； College of Optoelectronic Engineering, Chongqing University（重庆大学光电工程学院） ； Ningbo Cixi Institute of Biomedical Engineering, Chinese Academy of Sciences（宁波慈溪生物医学工程研究所，中国科学院） ； School of Bioengineering, Imperial College London（伦敦帝国理工学院生物工程学院） ； Liverpool Centre for Cardiovascular Science at University of Liverpool, Liverpool John Moores University and Liverpool Heart & Chest Hospital（利物浦大学心血管科学中心，利物浦约翰摩尔斯大学，利物浦心脏和胸科医院） ； Eye and Vision Department, University of Liverpool（利物浦大学眼科学与视觉科学系） 纠错

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

AI总结 StealthMark通过不确定性引导后门实现医疗分割模型的隐蔽无害所有权验证，有效提升模型安全性与实用性。

Comments 15 pages,7 figures. Accepted to IEEE Transactions on Image Processing (TIP) 2026

A stabilized finite element method for a flow problem arising from 4D flow magnetic resonance imaging

一种用于源自四维流体磁共振成像质量评估的流体问题的稳定有限元方法

Gabriel Barrenechea, Cristian Cárcamo, Abner Poza

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出了一种稳定的有限元方法，用于评估四维流体磁共振成像的质量，通过分解速度场并改进压强重建方法，避免侵入性操作。

ARTI-6: Towards Six-dimensional Articulatory Speech Encoding

ARTI-6：迈向六维发音语音编码

Jihwan Lee, Sean Foley, Thanathai Lertpetchpun, Kevin Huang, Yoonjeong Lee, Tiantian Feng, Louis Goldstein, Dani Byrd, Shrikanth Narayanan

机构 * Signal Analysis and Interpretation Lab, University of Southern California（南加州大学信号分析与解释实验室） ； Department of Linguistics, University of Southern California（南加州大学语言学系） 纠错

专题命中 医学影像 ：MRI(abstract)

AI总结 ARTI-6通过六维发音特征集和反向合成模型，实现了高效且自然的语音生成与反向建模。

Comments Accepted for ICASSP 2026

Clinical test cases for commissioning, QA, and benchmarking of model-based dose calculation algorithms in 192Ir HDR gynecologic tandem and ring brachytherapy

临床测试案例用于模型驱动剂量计算算法在192Ir HDR妇科 tandem 和 ring 放射治疗中的验证、质量保证和基准测试

V. Peppa, M. Robitaille, F. Akbari, S. A. Enger, R. M. Thomson, F. Mourtada, G. P. Fonseca

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出了一种用于验证模型驱动剂量计算算法的临床测试案例，通过与蒙特卡洛模拟的对比，评估了算法的性能和局限性，为放射治疗提供基准和质量保证资源。

Comments Published in Medical Physics

Circularly polarized metamaterial cage for homogeneous signal-to-noise ratio enhancement in magnetic resonance imaging

环形极化超材料笼用于磁共振成像中均匀信噪比增强

Yuhan Liu, Xia Zhu, Ke Wu, Stephan W. Anderson, Xin Zhang

专题命中 医学影像 ：MRI(abstract)

AI总结 本研究提出了一种无线超材料笼，通过环形极化共振技术在3.0 T下实现32倍的SNR增强，同时保持高均匀性，适用于下一代无线MRI技术。

Comments 23pages, 5 figures

Compatibilities and supercompatibility conditions in shape memory alloys determined from correspondence, metrics and symmetries

形状记忆合金相容性和超相容性条件基于对应、度量和对称性确定

Cyril Cayron

专题命中 医学影像 ：CT(abstract)

AI总结 本文基于对应理论，通过度量和对称性确定形状记忆合金中奥氏体/马氏体及马氏体/马氏体的相容性与超相容性条件。

Comments 32 pages, 9 figures, 3 tables, 51 equations, 31 references

Quantitative Stain Mapping in X-ray Virtual Histology

X射线虚拟组织学中的定量染色映射

Dominik John, David M. Paganin, Marie-Christine Zdora, Lisa Marie Petzold, Patrick Ilg, Junan Chen, Sara Baggio, Johannes B. Thalhammer, Sami Wirtensohn, Julian Moosmann, Jörg U. Hammel, Felix Beckmann, Samantha J. Alloo, Jannis Ahlers, Madleen Busse, Julia Herzen, Kaye S. Morgan

专题命中 医学影像 ：biomedical(abstract)

AI总结 本研究提出一种X射线虚拟组织学方法，通过调制基成像技术同时获取电子数密度和X射线衰减值，实现组织体积的基材料分解，提取三维染色分布图和微米级形态学细节，验证其准确性并建立X射线到可见光成像的直接桥梁。

UniPACT: A Multimodal Framework for Prognostic Question Answering on Raw ECG and Structured EHR

UniPACT：一种多模态框架，用于基于原始ECG和结构化EHR的预后问题回答

Jialu Tang, Tong Xia, Yuan Lu, Aaqib Saeed

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 UniPACT通过多模态融合和结构化提示机制，实现对ECG和EHR的预后问题回答，取得优异的AUROC性能。

Comments Accepted to IEEE ICASSP 2026

PC-MCL: Patient-Consistent Multi-Cycle Learning with multi-label bias correction for respiratory sound classification

PC-MCL：具有多标签偏差校正的患者一致多周期学习用于呼吸声分类

Seung Gyu Jeong, Seong-Eun Kim

机构 * Department of Applied AI, Seoul National University of Science and Technology（应用人工智能系，首尔科学技术大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 PC-MCL通过多周期拼接、三标签公式和患者匹配辅助任务，解决呼吸声分类中的多标签偏差问题，提升异常呼吸事件检测性能。

Analysis of voice recordings features for Classification of Parkinson's Disease

帕金森病的语音记录特征分析用于分类

Beatriz Pérez-Sánchez, Noelia Sánchez-Maroño, Miguel A. Díaz-Freire

机构 * Universidade da Coruña, CITIC Campus de Elviña（圣地亚哥·德·孔波斯特拉大学，CITIC埃尔维尼亚校区） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文利用机器学习与特征选择方法对帕金森病进行语音记录特征分析，以提高诊断准确性并减少特征数量。

Journal ref ACM SAC Conference 2024

Generative Diffusion Augmentation with Quantum-Enhanced Discrimination for Medical Image Diagnosis

生成扩散增强与量子增强判别用于医学图像诊断

Jingsong Xia, Siqi Wang

专题命中 诊断辅助 ：medical image(title,abstract)；diagnosis(title)；medical AI(abstract)；biomedical(abstract)

AI总结 SDA-QEC通过生成扩散增强与量子增强判别技术，提升医学图像分类的诊断准确性与平衡性能。

Machine learning-enhanced non-amnestic Alzheimer's disease diagnosis from MRI and clinical features

基于机器学习的非遗忘性阿尔茨海默病从MRI和临床特征诊断

Megan A. Witherow, Michael L. Evans, Ahmed Temtam, Hamid R. Okhravi, Khan M. Iftekharuddin

专题命中 诊断辅助 ：MRI(title,abstract)；diagnosis(title,abstract)；分类 cs.LG、q-bio

AI总结 本文提出基于机器学习的方法，利用MRI和临床数据区分非典型阿尔茨海默病与非AD认知障碍，提高诊断准确率。

Comments 10 pages, 4 figures, 4 tables

Diagnosis Support of Sickle Cell Anemia by Classifying Red Blood Cell Shape in Peripheral Blood Images

通过分类外周血图像中的红细胞形状支持镰状细胞贫血诊断

Wilkie Delgado-Font, Miriela Escobedo-Nicot, Manuel González-Hidalgo, Silena Herold-Garcia, Antoni Jaume-i-Capó, Arnau Mir

机构 * Facultad de Ciencias Naturales y Exactas, Universidad de Oriente（自然科学与精确科学系，奥里ente大学） ； Balearic Islands Health Research Institute (IdISBa)（巴利阿里群岛健康研究 institutes（IdISBa）） ； Department of Mathematics and Computer Science, Universitat de les Illes Balears（数学与计算机科学系，巴利阿里群岛大学） ； Research Institute of Health Sciences (IUNICS)（健康科学研究院（IUNICS）） ； Computational biology and bioinformatics (BIOCOM) Research Group（计算生物学和生物信息学（BIOCOM）研究组） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文提出了一种基于外周血图像分析的自动化方法，通过分类红细胞形状来支持镰状细胞贫血的诊断。