医学 AI

OREHAS: A fully automated deep-learning pipeline for volumetric endolymphatic hydrops quantification in MRI

OREHAS：一种用于MRI中体积性内淋巴液积聚定量的全自动深度学习流程

Caterina Fuster-Barceló, Claudia Castrillón, Laura Rodrigo-Muñoz, Victor Manuel Suárez-Vega, Nicolás Pérez-Fernández, Gorka Bastarrika, Arrate Muñoz-Barrutia

机构 * Bioengineering Department, Universidad Carlos III de Madrid（卡洛斯三世大学生物工程系） ； Radiology Department, Clínica Universidad de Navarra（纳瓦拉大学医院放射科） ； Otorhinolaryngology Department, Clínica Universidad de Navarra（纳瓦拉大学医院耳鼻喉科） 纠错

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

AI总结 OREHAS是一种基于深度学习的全自动MRI流程，用于准确量化内淋巴液积聚，其通过高效分割和临床对齐的工作流实现了高精度和可重复性。

PRISM: A Framework Harnessing Unsupervised Visual Representations and Textual Prompts for Explainable MACE Survival Prediction from Cardiac Cine MRI

PRISM：一种结合无监督视觉表示和文本提示的框架，用于从心脏 cine MRI 预测可解释的 MACE 生存率

Haoyang Su, Jin-Yi Xiang, Shaohao Rui, Yifan Gao, Xingyu Chen, Tingxuan Yin, Shaoting Zhang, Xiaosong Wang, Lian-Ming Wu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 PRISM通过结合无监督视觉表示和文本提示，实现了从心脏 cine MRI 预测可解释的 MACE 生存率。

Interpretable Modeling of Articulatory Temporal Dynamics from real-time MRI for Phoneme Recognition

基于实时MRI的发声时序动力学可解释建模用于音素识别

Jay Park, Hong Nguyen, Sean Foley, Jihwan Lee, Yoonjeong Lee, 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(title)；分类 eess.IV

AI总结 本文提出基于实时MRI的发声时序动力学建模方法，通过多特征融合提升音素识别准确率，发现舌头和嘴唇运动对识别至关重要。

Testing of Deep Learning Model in Real World Clinical Setting: A Case Study in Obstetric Ultrasound

深度学习模型在真实临床环境中的测试：产科超声成像的案例研究

Chun Kit Wong, Mary Ngo, Manxi Lin, Zahra Bashir, Amihai Heen, Morten Bo Søndergaard Svendsen, Martin Grønnebæk Tolsgaard, Anders Nymark Christensen, Aasa Feragen

机构 * Technical University of Denmark（技术大学） ； Pioneer Centre for AI（先锋人工智能中心） ； University of Copenhagen（哥本哈根大学） ； Slagelse Hospital（斯拉格尔塞医院） ； CAMES Rigshospitalet（CAMES皇家医院） 纠错

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

AI总结 本文通过在真实临床环境中测试深度学习模型，发现导航指导是改进的关键，强调了早期部署AI模型的重要性。

Comments 5 pages; ISBI 2026

BLO-Inst: Bi-Level Optimization Based Alignment of YOLO and SAM for Robust Instance Segmentation

BLO-Inst: 基于双层优化的YOLO和SAM对齐以实现鲁棒的实例分割

Li Zhang, Pengtao Xie

机构 * Electrical and Computer Engineering, University of California San Diego, CA, US（电子与计算机工程系，加州大学圣地亚哥分校） 纠错

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

AI总结 BLO-Inst通过双层优化对齐YOLO和SAM，提升实例分割的鲁棒性和性能。

Low performing pixel correction in computed tomography with unrolled network and synthetic data training

低性能像素校正在计算断层扫描中的应用：基于展开网络和合成数据训练

Hongxu Yang, Levente Lippenszky, Edina Timko, Lehel Ferenczi, Gopal Avinash

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出基于展开网络和合成数据训练的方法，有效校正CT中低性能像素伪影，无需真实临床数据，提升重建图像质量。

Comments ISBI 2026 accepted

A Gradient-Based Capacity Accreditation Framework in Resource Adequacy: Formulation, Computation, and Practical Implications

基于梯度的容量认证框架在资源充足性中的应用： formulation, 计算与实际意义

Qian Zhang, Feng Zhao, Gord Stephen, Chanan Singh, Le Xie

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出了一种基于梯度的容量认证框架，统一了ELCC和MRI两种方法，并展示了通过梯度优化和蒙特卡罗实验实现高效容量认证的潜力。

Multi-modal Imputation for Alzheimer's Disease Classification

多模态缺失数据填补用于阿尔茨海默病分类

Abhijith Shaji, Tamoghna Chattopadhyay, Sophia I. Thomopoulos, Greg Ver Steeg, Paul M. Thompson, Jose-Luis Ambite

机构 * Information Sciences Institute（信息科学研究所） ； University of Southern California（美国南加州大学） ； University of California（加州大学） ； Stevens Neuroimaging and Informatics Institute（史蒂文斯神经影像与信息学研究所） 纠错

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出利用条件去噪扩散概率模型填补缺失的DWI扫描，以提高多模态深度学习模型在阿尔茨海默病三类分类中的准确性。