医学 AI

A Hybrid Mamba-SAM Architecture for Efficient 3D Medical Image Segmentation

一种用于高效3D医学图像分割的混合Mamba-SAM架构

Mohammadreza Gholipour Shahraki, Mehdi Rezaeian, Mohammad Ghasemzadeh

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；diagnosis(abstract)

AI总结 本文提出一种混合Mamba-SAM架构，结合冻结SAM编码器与Mamba模型，提升3D医学图像分割的效率与精度。

ModeTv2: GPU-accelerated Motion Decomposition Transformer for Pairwise Optimization in Medical Image Registration

ModeTv2: 用于医学图像配准中成对优化的GPU加速运动分解变换器

Haiqiao Wang, Zhuoyuan Wang, Dong Ni, Yi Wang

机构 * School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University, Shenzhen, China（生物医学工程学院，深圳大学医学院，深圳大学，深圳，中国） ； Smart Medical Imaging, Learning and Engineering (SMILE) Lab, Shenzhen University, Shenzhen, China（智能医学影像、学习与工程（SMILE）实验室，深圳大学，深圳，中国） ； Medical UltraSound Image Computing (MUSIC) Lab, Shenzhen University, Shenzhen, China（医学超声影像计算（MUSIC）实验室，深圳大学，深圳，中国） 纠错

专题命中 医学影像 ：medical image(title)；MRI(abstract)；CT(abstract)；diagnosis(abstract)

AI总结 ModeTv2通过GPU加速的运动分解变换器和RegHead模块，提升医学图像配准的准确性、效率和通用性。

Prior-Guided Residual Diffusion: Calibrated and Efficient Medical Image Segmentation

先验引导残差扩散：校准且高效的医学图像分割

Fuyou Mao, Beining Wu, Yanfeng Jiang, Han Xue, Yan Tang, Hao Zhang

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

AI总结 PGRD通过先验引导残差扩散方法，在医学图像分割中实现高精度与高效校准。

Comments Withdrawn by the authors to conduct further methodological refinement and address concerns regarding the originality of the current implementation

Hybrid Topological and Deep Feature Fusion for Accurate MRI-Based Alzheimer's Disease Severity Classification

混合拓扑与深度特征融合用于准确的基于MRI的阿尔茨海默病严重程度分类

Faisal Ahmed

机构 * Department of Data Science and Mathematics（数据科学与数学系） 纠错

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

AI总结 本文提出融合拓扑分析与深度学习的混合框架，用于高精度的MRI阿尔茨海默病严重程度分类。

Comments 20 pages, 6 Figures

LDRNet: Large Deformation Registration Model for Chest CT Registration

LDRNet：用于胸部CT图像大变形配准的大型变形配准模型

Cheng Wang, Qiyu Gao, Fandong Zhang, Shu Zhang, Yizhou Yu

机构 * Deepwise AI Laboratory（深智科技实验室） 纠错

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

AI总结 LDRNet 提出了一种快速无监督深度学习方法，用于胸部CT图像的大变形配准，通过 refine 块和 rigid 块实现高效配准，优于传统方法和深度学习模型。

MASC: Metal-Aware Sampling and Correction via Reinforcement Learning for Accelerated MRI

MASC: 通过强化学习进行金属感知采样与校正以加速MRI

Zhengyi Lu, Ming Lu, Chongyu Qu, Junchao Zhu, Junlin Guo, Marilyn Lionts, Yanfan Zhu, Yuechen Yang, Tianyuan Yao, Jayasai Rajagopal, Bennett Allan Landman, Xiao Wang, Xinqiang Yan, Yuankai Huo

机构 * Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

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

AI总结 MASC通过强化学习联合优化金属感知的k空间采样和伪影校正，提升加速MRI的图像质量与诊断效果。

Quantum Model Parallelism for MRI-Based Classification of Alzheimer's Disease Stages

量子模型并行化用于基于MRI的阿尔茨海默病阶段分类

Emine Akpinar, Murat Oduncuoglu

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

AI总结 本研究提出量子模型并行化方法，用于基于MRI数据高效分类阿尔茨海默病阶段，通过量子电路并行处理提升分类准确性和效率。

Comments Under review at Quantum Machine Intelligence (Springer Nature)

iPEAR: Iterative Pyramid Estimation with Attention and Residuals for Deformable Medical Image Registration

iPEAR: 基于注意力和残差的迭代金字塔估计用于形变医学图像配准

Heming Wu, Di Wang, Tai Ma, Peng Zhao, Yubin Xiao, Zhongke Wu, Xing-Ce Wang, Xuan Wu, You Zhou

机构 * College of Software, Jilin University（吉林大学软件学院） ； Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly, Nanyang Technological University（老年活跃生活卓越研究中⼼（NTU-UBC）, 新加坡国立大学） ； College of Computer Science（计算机科学学院） ； Technology, Zhejiang University（技术, 浙江大学） ； Key Laboratory of Symbolic Computation（符号计算重点实验室） ； Knowledge Engineering of Ministry of Education, College of Computer Science（教育部知识工程重点实验室, 计算机科学学院） ； Technology, Jilin University（技术, 吉林大学） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） 纠错

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

AI总结 iPEAR通过融合注意力与残差模块和双阶段阈值控制迭代策略，提升医学图像配准的准确性和效率。

Geometry of the cumulant series in diffusion MRI

扩散磁共振成像中累积量级数的几何学

Santiago Coelho, Jenny Chen, Filip Szczepankiewicz, Els Fieremans, Dmitry S. Novikov

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

AI总结 本文通过研究扩散磁共振成像信号的几何学和拓扑学，提出基于SO(3)对称性的累积量不变量方法，提升多发性硬化症分类精度，并设计快速采集方案以加速临床应用。

Opportunistic Promptable Segmentation: Leveraging Routine Radiological Annotations to Guide 3D CT Lesion Segmentation

机会性可提示分割：利用常规放射学注释指导3D CT病变分割

Samuel Church, Joshua D. Warner, Danyal Maqbool, Xin Tie, Junjie Hu, Meghan G. Lubner, Tyler J. Bradshaw

机构 * University of Wisconsin–Madison Department of Computer Sciences（威斯康星大学麦迪逊分校计算机科学系） ； University of Wisconsin–Madison Department of Radiology（威斯康星大学麦迪逊分校放射学系） 纠错

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

AI总结 SAM2CT通过利用放射科注释生成3D CT病变分割，实现机会性可提示分割，优于现有模型并展示零样本性能。

Benchmarking Vanilla GAN, DCGAN, and WGAN Architectures for MRI Reconstruction: A Quantitative Analysis

对MRI重建中Vanilla GAN、DCGAN和WGAN架构进行基准测试：一项定量分析

Humaira Mehwish, Hina Shakir, Muneeba Rashid, Asarim Aamir, Reema Qaiser Khan

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

AI总结 本研究通过定量分析比较了Vanilla GAN、DCGAN和WGAN在MRI重建中的性能，发现DCGAN和WGAN在图像质量和准确性方面表现更优。

Comments 20 pages

Journal ref Edelweiss Applied Science and Technology January 2026

Eliminating Registration Bias in Synthetic CT Generation: A Physics-Based Simulation Framework

消除合成CT生成中的注册偏差：一种基于物理的模拟框架

Lukas Zimmermann, Michael Rauter, Maximilian Schmid, Dietmar Georg, Barbara Knäusl

机构 * organization= Medical University of Vienna, Department of Radiation Oncology , city= Vienna , country= Austria ； organization= Christian Doppler Laboratory for Image ； Knowledge Driven Precision Radiation Oncology, Medical University of Vienna , city= Vienna , country= Austria ； organization= University of Applied Sciences Wiener Neustadt, Competence Center for Preclinical Imaging \& Biomedical Engineering , city= Wiener Neustadt , country= Austria 纠错

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

AI总结 本文提出基于物理的CBCT模拟框架，通过构造几何对齐的训练对，解决合成CT生成中的注册偏差问题，证明几何保真度优于传统强度评分。

Uncertainty Estimation for Pretrained Medical Image Registration Models via Transformation Equivariance

通过变换等价性估计预训练医学图像配准模型的不确定性

Lin Tian, Xiaoling Hu, Juan Eugenio Iglesias

机构 * Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院） ； The Hawkes Institute, University College London（霍克斯研究所，伦敦大学学院） ； AI Laboratory, Massachusetts Institute of Technology（人工智能实验室，麻省理工学院） 纠错

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

AI总结 通过变换等价性属性，提出一种无需修改预训练配准模型的不确定性估计方法，提升医学图像配准的安全性和可靠性。

Unrolled Networks are Conditional Probability Flows in MRI Reconstruction

展开网络是MRI重建中的条件概率流

Kehan Qi, Saumya Gupta, Xiaoling Hu, Qingqiao Hu, Weimin Lyu, Chao Chen

机构 * Stony Brook University（石溪大学） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 本文提出FLAT方法，通过流匹配离散化和轨迹对齐提升MRI重建的稳定性与质量。

Interpretable Unsupervised Deformable Image Registration via Confidence-bound Multi-Hop Visual Reasoning

可解释的无监督变形图像配准：通过置信度界限多跳视觉推理

Zafar Iqbal, Anwar Ul Haq, Srimannarayana Grandhi

机构 * School of Engineering and Technology（工程与技术学院） 纠错

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

AI总结 本文提出了一种基于多跳视觉推理的可解释无监督变形图像配准框架，通过局部空间细化和跨参考注意力机制，实现高精度且透明的医学图像配准。

Visible Singularities Guided Correlation Network for Limited-Angle CT Reconstruction

可见奇点引导的相关网络用于有限角度CT重建

Yiyang Wen, Liu Shi, Zekun Zhou, WenZhe Shan, Qiegen Liu

机构 * School of Information Engineering（信息工程学院） ； School of Mathematics and Computer Sciences（数学与计算机科学学院） ； Nanchang University（南昌大学） 纠错

专题命中 医学影像 ：CT(title)；分类 cs.CV、eess.IV

AI总结 本文提出VSGC网络，通过提取可见奇点边缘特征并建立其与其他区域的关联，提升有限角度CT重建的性能。

SAM2-UNet: Segment Anything 2 Makes Strong Encoder for Natural and Medical Image Segmentation

SAM2-UNet：Segment Anything 2 为自然和医学图像分割构建强大编码器

Xinyu Xiong, Zihuang Wu, Shuangyi Tan, Wenxue Li, Feilong Tang, Ying Chen, Siying Li, Jie Ma, Guanbin Li

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； School of Computer and Information Engineering, Jiangxi Normal University（江西师范大学计算机与信息工程学院） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Tianjin University（天津大学） ； Monash University（墨尔本大学） ； Pazhou Lab（琶洲实验室） ； Smart Hospital Research Institute, Peking University Shenzhen Hospital（北京大学深圳医院智能医院研究所） 纠错

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

AI总结 SAM2-UNet通过结合SAM2的Hiera主干和U型解码器，为自然和医学图像分割提供强大编码器，实现了高效且无需复杂调整的多任务分割性能。

Comments Technical Report

Journal ref Visual Intelligence, Volume 4, article number 2, (2026)

Comparative validation of surgical phase recognition, instrument keypoint estimation, and instrument instance segmentation in endoscopy: Results of the PhaKIR 2024 challenge

内镜手术阶段识别、器械关键点估计和器械实例分割的比较验证：PhaKIR 2024挑战赛结果

Tobias Rueckert, David Rauber, Raphaela Maerkl, Leonard Klausmann, Suemeyye R. Yildiran, Max Gutbrod, Danilo Weber Nunes, Alvaro Fernandez Moreno, Imanol Luengo, Danail Stoyanov, Nicolas Toussaint, Enki Cho, Hyeon Bae Kim, Oh Sung Choo, Ka Young Kim, Seong Tae Kim, Gonçalo Arantes, Kehan Song, Jianjun Zhu, Junchen Xiong, Tingyi Lin, Shunsuke Kikuchi, Hiroki Matsuzaki, Atsushi Kouno, João Renato Ribeiro Manesco, João Paulo Papa, Tae-Min Choi, Tae Kyeong Jeong, Juyoun Park, Oluwatosin Alabi, Meng Wei, Tom Vercauteren, Runzhi Wu, Mengya Xu, An Wang, Long Bai, Hongliang Ren, Amine Yamlahi, Jakob Hennighausen, Lena Maier-Hein, Satoshi Kondo, Satoshi Kasai, Kousuke Hirasawa, Shu Yang, Yihui Wang, Hao Chen, Santiago Rodríguez, Nicolás Aparicio, Leonardo Manrique, Juan Camilo Lyons, Olivia Hosie, Nicolás Ayobi, Pablo Arbeláez, Yiping Li, Yasmina Al Khalil, Sahar Nasirihaghighi, Stefanie Speidel, Daniel Rueckert, Hubertus Feussner, Dirk Wilhelm, Christoph Palm

机构 * Regensburg Medical Image Computing (ReMIC), OTH Regensburg（雷根萨大学医学影像计算中心） ； Research Group MITI, TUM University Hospital, School of Medicine and Health（技术大学慕尼黑大学医院MITI研究组） ； Regensburg Center of Biomedical Engineering (RCBE), OTH Regensburg（雷根萨生物医学工程研究中心） ； Regensburg University（雷根萨大学） ； Regensburg Center of Health Sciences and Technology (RCHST), OTH Regensburg（雷根萨健康科学与技术研究中心） ； AI Centre of Excellence, Medtronic Ltd.（医学影像人工智能卓越中心） ； Engineering Sciences, University College London（伦敦大学学院工程科学系） ； Augmented Intelligence Lab, Kyung Hee University（庆熙大学增强智能实验室） ； University of Minho, Braga（明霍大学） ； Jmees Inc.（Jmees公司） ； School of Sciences, São Paulo State University (UNESP), Bauru（圣保罗州立大学科学学院） ； KIST HARILAB, Center for Humanoid Research, Artificial Intelligence and Robot Institute, Korea Institute of Science and Technology (KIST)（韩国科学技术院HARILAB中心） ； King's College London（伦敦国王学院） ； The Chinese University of Hong Kong（香港中文大学） ； Division of Intelligent Medical Systems, German Cancer Research Center (DKFZ)（德国癌症研究中心智能医疗系统部门） ； Muroran Institute of Technology, Hokkaido（北海道Muroran技术学院） ； Niigata University of Health and Welfare（Niigata医疗福利大学） ； Konica Minolta, Inc.（东宝株式会社） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Department of Chemical and Biological Engineering, The Hong Kong University of Science and Technology（香港科技大学化学与生物工程系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute, Shenzhen（香港科技大学深圳-香港协同创新研究院） ； Center for Research and Formation in Artificial Intelligence (CinfonIA), Los Andes University, Bogota（安第斯大学人工智能研究与培养中心） ； Department of Biomedical Engineering, Medical Image Analysis Group, Eindhoven University of Technology（埃因霍温理工大学生物医学工程系） ； Institute of Information Technology (ITEC), Klagenfurt University（克雷格夫大学信息技术研究所） ； Center for Tactile Internet with Human-in-the-loop (CeTI), TU Dresden（德累斯顿技术大学触觉互联网中心） 纠错

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

AI总结 PhaKIR 2024挑战赛通过多中心数据集验证内镜手术阶段识别、关键点估计和实例分割的性能，推动RAMIS领域的时间感知和情境驱动方法发展。

Comments A challenge report pre-print accepted by the journal Medical Image Analysis (MedIA), containing 37 pages, 15 figures, and 14 tables

Bayesian Integration of Nonlinear Incomplete Clinical Data

贝叶斯非线性不完整临床数据整合

Lucía González-Zamorano, Nuria Balbás-Esteban, Vanessa Gómez-Verdejo, Albert Belenguer-Llorens, Carlos Sevilla-Salcedo

机构 * Department of Signal Theory and Communications, Universidad Carlos III de Madrid（信号理论与通信系，卡洛斯三世大学） 纠错

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

AI总结 BIONIC通过联合生成-判别潜在架构整合异质多模态临床数据，在缺失性下实现稳健学习和高判别性能，同时提供内在可解释性。

OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography

OpenPros: 一个大规模数据集用于有限视角前列腺超声计算机断层扫描

Hanchen Wang, Yixuan Wu, Yinan Feng, Peng Jin, Luoyuan Zhang, Shihang Feng, James Wiskin, Baris Turkbey, Peter A. Pinto, Bradford J. Wood, Songting Luo, Yinpeng Chen, Emad Boctor, Youzuo Lin

机构 * The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Johns Hopkins University（约翰霍普金斯大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； QT Imaging, Inc.（QT影像公司） ； National Institutes of Health（美国国立卫生研究院） ； Iowa State University（爱荷华州立大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 OpenPros是一个大规模数据集，用于评估基于学习的方法在有限视角前列腺USCT中的性能，旨在解决重建精度和鲁棒性等挑战。

Diagnostic Impact of Cine Clips for Thyroid Nodule Assessment on Ultrasound

超声甲状腺结节评估中动态影像的诊断影响

Jichen Yang, Brian C. Allen, Kirti Magudia, Lisa M. Ho, Chad M. Miller, Maciej A. Mazurowski, Benjamin Wildman-Tobriner

专题命中 医学影像 ：diagnosis(abstract)；radiology(abstract)；分类 eess.IV

AI总结 本研究评估动态影像对甲状腺结节超声诊断的影响，发现其未显著提升诊断性能，现有指南已足够。

Comments 17 pages, 5 tables

From Slices to Structures: Unsupervised 3D Reconstruction of Female Pelvic Anatomy from Freehand Transvaginal Ultrasound

从切片到结构：基于自由手经阴道超声的无监督3D女性盆腔解剖重建

Max Krähenmann, Sergio Tascon-Morales, Fabian Laumer, Julia E. Vogt, Ece Ozkan

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Basel（巴塞尔大学） ； Scanvio Medical AG（Scanvio医疗股份有限公司） 纠错

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

AI总结 本文提出TVGS方法，通过无监督学习从自由手经阴道超声图像实现高精度3D女性盆腔解剖重建，无需外部设备或姿态估计。

PET Image Reconstruction Using Deep Diffusion Image Prior

基于深度扩散图像先验的PET图像重建

Fumio Hashimoto, Kuang Gong

机构 * J. Crayton Pruitt Family Department of Biomedical Engineering, University of Florida（朱·克雷顿·普瑞特家庭生物医学工程系，佛罗里达大学） 纠错

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

AI总结 本文提出基于深度扩散模型的PET图像重建方法，通过解剖先验引导和半二次分裂算法实现高效重建，适用于多种示踪剂和扫描仪类型。

Comments 11 pages, 12 figures

Journal ref IEEE Trans. Med. Imaging (2026)

Lung Nodule Image Synthesis Driven by Two-Stage Generative Adversarial Networks

由双阶段生成对抗网络驱动的肺结节图像合成

Lu Cao, Xiquan He, Junying Zeng, Chaoyun Mai, Min Luo

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本文提出双阶段生成对抗网络TSGAN，通过解耦肺结节形态结构与纹理特征，提升合成数据多样性及检测模型性能。

Radioactive 3D Gaussian Ray Tracing for Tomographic Reconstruction

放射性三维高斯射线追踪用于断层扫描重建

Ling Chen, Bao Yang

机构 * Independent Researcher（独立研究者） ； Southern Medical University（南方医科大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 本研究提出基于三维高斯射线追踪的断层扫描重建框架，通过分析计算线积分和精确控制射线方向，提升投影精度并扩展应用范围。

Efficient Deep Learning for Medical Imaging: Bridging the Gap Between High-Performance AI and Clinical Deployment

高效医疗影像深度学习：弥合高性能AI与临床部署之间的差距

Cuong Manh Nguyen, Truong-Son Hy

机构 * Department of Computer Science, University of Alabama at Birmingham（计算机科学系，阿拉巴马大学伯明翰分校） 纠错

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

AI总结 本文综述了高效医疗影像深度学习方法，探讨了轻量级模型和压缩技术，旨在提升临床部署中的性能与效率。

Improving Neuropathological Reconstruction Fidelity via AI Slice Imputation

通过AI切片插值提高神经病理性重建的保真度

Marina Crespo Aguirre, Jonathan Williams-Ramirez, Dina Zemlyanker, Xiaoling Hu, Lucas J. Deden-Binder, Rogeny Herisse, Mark Montine, Theresa R. Connors, Christopher Mount, Christine L. MacDonald, C. Dirk Keene, Caitlin S. Latimer, Derek H. Oakley, Bradley T. Hyman, Ana Lawry Aguila, Juan Eugenio Iglesias

机构 * Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院和哈佛医学院生物医学成像中心） ； Federal Institute of Technology (ETH), Zurich, Switzerland（瑞士苏黎世联邦理工学院） ； BioRepository and Integrated Neuropathology (BRaIN) Laboratory and Precision Neuropathology Core, University of Washington School of Medicine（华盛顿大学医学院生物库与整合神经病学实验室及精准神经病学核心） ； Massachusetts Alzheimer Disease Research Center, MGH and Harvard Medical School（马萨诸塞州阿尔茨海默病研究中心，MGH和哈佛医学院） ； Department of Pathology, Massachusetts General Hospital and Harvard Medical School（马萨诸塞州总医院病理学部） ； Department of Neurological Surgery, University of Washington School of Medicine（华盛顿大学医学院神经外科部） ； Hawkes Institute, University College London（伦敦大学学院霍克斯研究所） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本研究通过AI切片插值技术提升神经病理性重建的保真度，实现更精确的解剖学重建。

Comments 12 pages of main content, 5 pages of supplement

Multi-Compartment Volume Conductor with Complete Electrode Model: Simulated Stereo-EEG Source Localization using Brainstorm-Zeffiro Plugin

多腔体体积导体与完整电极模型：利用Brainstorm-Zeffiro插件模拟立体 EEG 源定位

Fernando Galaz Prieto, Takfarinas Medani, Chinmay Chinara, Richard M. Leahy, Sampsa Pursiainen

专题命中 医学影像 ：MRI(abstract)

AI总结 本研究提出了一种基于Brainstorm-Zeffiro插件的多腔体体积导体建模方法，用于提高立体EEG源定位的精度。