医学 AI

Vision-Language Controlled Deep Unfolding for Joint Medical Image Restoration and Segmentation

视觉-语言控制的深度展开用于联合医学图像恢复与分割

Ping Chen, Zicheng Huang, Xiangming Wang, Yungeng Liu, Bingyu Liang, Haijin Zeng, Yongyong Chen

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Harvard University（哈佛大学） ； SUN YAT-SEN UNIVERSITY（中山大学） 纠错

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

AI总结 VL-DUN通过联合优化和频率感知Mamba机制，实现医学图像恢复与分割的协同学习，提升PSNR和Dice系数，展示联合学习在复杂临床任务中的优势。

Comments 18 pages, medical image

Bonnet: Ultra-fast whole-body bone segmentation from CT scans

Bonnet: 从CT扫描中快速完成全身骨骼分割

Hanjiang Zhu, Pedro Martelleto Rezende, Zhang Yang, Tong Ye, Bruce Z. Gao, Feng Luo, Siyu Huang, Jiancheng Yang

机构 * ELLIS Institute Finland（埃利斯研究所芬兰分校） ； Aalto University（艾尔沃斯大学） ； Clemson University（克莱姆森大学） ； ETH Zurich（苏黎世联邦理工学院） ； Fujian Medical University Union Hospital（福建省医科大学附属医院） ； Fujian Medical University（福建省医科大学） 纠错

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

AI总结 Bonnet通过高效算法在2.69秒内实现全身骨骼分割，准确度高且速度快。

Comments 5 pages, 2 figures. Accepted for publication at the 2026 IEEE International Symposium on Biomedical Imaging (ISBI 2026)

From Cold Start to Active Learning: Embedding-Based Scan Selection for Medical Image Segmentation

从冷启动到主动学习：基于嵌入的扫描选择用于医学图像分割

Devon Levy, Bar Assayag, Laura Gaspar, Ilan Shimshoni, Bella Specktor-Fadida

机构 * Department of Information Systems, University of Haifa（信息系统系，海法大学） ； Department of Medical Imaging Sciences, University of Haifa（医学影像科学系，海法大学） 纠错

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

AI总结 本文提出了一种结合基础模型嵌入与聚类的冷启动采样策略，并结合不确定性驱动的主动学习框架，提升医学图像分割的准确性。

Comments 19 pages without references

Region-Normalized DPO for Medical Image Segmentation under Noisy Judges

区域归一化的DPO用于在噪声裁判下的医学图像分割

Hamza Kalisch, Constantin Seibold, Jens Kleesiek, Ken Herrmann, Frederic Jonske

机构 * Institute for AI in Medicine (IKIM), University Hospital Essen (AöR), Essen, Germany（人工智能医学研究所（IKIM）、埃森大学医院（AöR）） ； Department of Nuclear Medicine, University Hospital Essen (AöR), Essen, Germany（核医学系、埃森大学医院（AöR）） ； Department of Physics, TU Dortmund, Dortmund, Germany（物理系、多特蒙德技术大学） ； Heidelberg University Hospital, Heidelberg, Germany（海德堡大学医院） 纠错

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

AI总结 本文提出区域归一化的DPO方法，用于在噪声裁判下提升医学图像分割的性能和稳定性。

Scale-Cascaded Diffusion Models for Super-Resolution in Medical Imaging

多尺度扩散模型用于医学影像超分辨率

Darshan Thaker, Mahmoud Mostapha, Radu Miron, Shihan Qiu, Mariappan Nadar

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Siemens Healthineers（西门子医疗） ； Siemens Industry Software（西门子工业软件） 纠错

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

AI总结 本文提出多尺度扩散模型用于医学影像超分辨率，通过分解图像为不同频带并训练独立先验，提升重建质量并减少推理时间。

Comments Accepted at IEEE International Symposium for Biomedical Imaging (ISBI) 2026

Training Beyond Convergence: Grokking nnU-Net for Glioma Segmentation in Sub-Saharan MRI

训练超越收敛：为撒哈拉以南MRI胶质瘤分割训练nnU-Net

Mohtady Barakat, Omar Salah, Ahmed Yasser, Mostafa Ahmed, Zahirul Arief, Waleed Khan, Dong Zhang, Aondona Iorumbur, Confidence Raymond, Mohannad Barakat, Noha Magdy

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

AI总结 本文研究了在本地数据上训练nnU-Net以提高撒哈拉以南非洲MRI胶质瘤分割性能，并探索grokking现象对模型性能的提升作用。

HEAL: Learning-Free Source Free Unsupervised Domain Adaptation for Cross-Modality Medical Image Segmentation

HEAL：无学习源自由无监督领域适应用于跨模态医学图像分割

Yulong Shi, Jiapeng Li, Lin Qi

机构 * College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, China（医学与生物信息工程学院，东北大学，沈阳，中国） ； Key Laboratory of Medical Image Computing, Ministry of Education, Northeastern University, Shenyang, China（医学图像计算重点实验室，教育部，东北大学，沈阳，中国） ； Engineering Research Center of Medical Imaging and Intelligent Analysis, Ministry of Education, Northeastern University, Shenyang, China（医学影像与智能分析工程研究中心，教育部，东北大学，沈阳，中国） 纠错

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

AI总结 HEAL提出了一种新颖的源自由无监督领域适应框架，通过分层去噪、边引导选择、大小感知融合和无学习特征，实现跨模态医学图像分割的高性能表现。

Comments Accepted by The 36th British Machine Vision Conference (BMVC 2025)

Journal ref 36th British Machine Vision Conference (BMVC2025)

A spatiotemporal fused network considering electrode spatial topology and time-window transition for MDD detection

考虑电极空间拓扑和时间窗口过渡的时空融合网络用于MDD检测

Chen-Yang Xu, Han-Guang Wang, Lan Zhang, Yong-Hui Zhang, Hui-Rang Hou, Qing-Hao Meng

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

AI总结 本文提出SET-TIME网络，通过融合电极空间拓扑和时间窗口过渡信息，提升EEG信号中MDD检测的准确率。

Comments 21pages, 8 figures

Journal ref 2025 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Wuhan, China, 2025, pp. 6433-6440

FMIR, a foundation model-based Image Registration Framework for Robust Image Registration

FMIR：一种基于基础模型的图像配准框架，用于稳健的图像配准

Fengting Zhang, Yue He, Qinghao Liu, Yaonan Wang, Xiang Chen, Hang Zhang

机构 * School of Artificial Intelligence and Robotics（人工智能与机器人学院） ； Hunan University（湖南大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Cornell University（康奈尔大学） 纠错

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

AI总结 FMIR通过基于基础模型的特征编码器和通道正则化策略，在单一数据集上实现域内最佳性能并保持域外配准的鲁棒性。

Comments Accepted to the International Symposium on Biomedical Imaging (ISBI 2026)

Reinforcement Learning for Ballbot Navigation in Uneven Terrain

基于强化学习的Ballbot在不平整地形中的导航

Achkan Salehi

机构 * VimaLabs（维马实验室） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文提出基于MuJoCo的开源Ballbot模拟器，展示了通过强化学习方法有效导航不平整地形的成果。

Comments 6 pages, 9 figures, 2 tables. Version two corrects figure 4 and adds some experiments

Fast Eikonal Phase Retrieval for High-Throughput Beamlines

高通量光束线中快速Eikonal相位恢复

Alessandro Mirone, Theresa Urban, Joseph Brunet, Claire L. Walsh, Peter D. Lee, Paul Tafforeau

专题命中 医学影像 ：CT(abstract)

AI总结 本研究提出了一种快速Eikonal相位恢复方法，通过FFT预条件和双线性重分布实现高效相位恢复，适用于高通量光束线实验。

Towards a better understanding of abdominal wall biomechanics: in vivo relationship between dynamic intra-abdominal pressure and magnetic resonance imaging measurements

深入理解腹壁生物力学：体内动态腹内压与磁共振成像测量之间的关系

Victoria Joppin, Arthur Jourdan, David Bendahan, Andréa Soucasse, Maxime Guye, Catherine Masson, Thierry Bège

专题命中 医学影像 ：MRI(abstract)

AI总结 本研究通过结合腹内压和动态MRI测量，揭示了腹壁位移与腹内压的受试者特异性关系，为个性化医疗和手术决策提供重要依据。

Journal ref Clinical Biomechanics, 2024, 121, pp.106396