医学 AI

Mamba Goes HoME: Hierarchical Soft Mixture-of-Experts for 3D Medical Image Segmentation

Mamba Goes HoME: 分层软专家混合模型用于3D医学图像分割

Szymon Płotka, Gizem Mert, Maciej Chrabaszcz, Ewa Szczurek, Arkadiusz Sitek

机构 * Faculty of Mathematics, Informatics, and Mechanics, University of Warsaw（华沙大学数学、信息学与力学系） ； Faculty of Mathematics and Computer Science, Jagiellonian University（雅盖隆大学数学与计算机科学系） ； Institute of AI for Health, Helmholtz Munich（海德堡医学院人工智能与健康研究所） ； Faculty of Electronics and Information Technology, Warsaw University of Technology（华沙理工大学电子与信息技术系） ； NASK - National Research Institute（国家研究 institute） ； Faculty of Radiology, Massachusetts General Hospital（麻省总医院放射学系） ； Department of Radiology, Harvard Medical School（哈佛医学院放射学系） 纠错

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

AI总结 本文提出分层软专家混合模型HoME，通过两级令牌路由提升3D医学图像分割的长上下文建模能力，实现更高效的局部和全局特征提取，从而提升分割性能。

Comments Accepted at NeurIPS 2025

Transformer-based Parameter Fitting of Models derived from Bloch-McConnell Equations for CEST MRI Analysis

基于变换器的Bloch-McConnell方程导出模型参数拟合方法用于CEST MRI分析

Christof Duhme, Chris Lippe, Verena Hoerr, Xiaoyi Jiang

机构 * University of Münster, Germany（德国穆斯堡大学） 纠错

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

AI总结 本文提出基于变换器的神经网络方法，用于拟合由Bloch-McConnell方程导出的物理模型参数，以提高CEST MRI数据量化精度。

Journal ref Lecture Notes in Computer Science, vol 15242 (2025) 108-116

AS-Mamba: Asymmetric Self-Guided Mamba Decoupled Iterative Network for Metal Artifact Reduction

AS-Mamba：非对称自引导Mamba解耦迭代网络用于金属伪影消除

Bowen Ning, Zekun Zhou, Xinyi Zhong, Zhongzhen Wang, HongXin Wu, HaiTao Wang, Liu Shi, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（信息工程学院，南昌大学） ； School of Mathematics and Computer Sciences, Nanchang University（数学与计算机科学学院，南昌大学） ； The First Affiliated Hospital, Jiangxi Medical College, Nanchang University（江西医学院第一附属医院，南昌大学） ； LargeV Instrument Corp., Ltd.（大维仪器有限公司） 纠错

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

AI总结 AS-Mamba通过非对称自引导Mamba架构和频域校正机制，有效消除金属伪影，提升CT图像质量。

Comments 10 pages,10 figures

Near-perfect efficiency in X-ray phase microtomography

近完美效率的X射线相位微断层成像

Dominik John, Gregor Breitenhuber, Sami Wirtensohn, Franziska Hinterdobler, Luka Gaetani, Sara Savatović, Jens Lucht, Markus Osterhoff, Marina Eckermann, Tim Salditt, Julia Herzen

专题命中 医学影像 ：biomedical(abstract)

AI总结 本研究通过新型装置实现近完美效率的X射线相位微断层成像，提升多模态成像的效率和分辨率，推动生物医学研究。

A tissue-informed deep learning-based method for positron range correction in preclinical 68Ga PET imaging

一种基于组织信息的深度学习方法用于正电子范围校正在临床前68Ga PET成像

Nerea Encina-Baranda, Robert J. Paneque-Yunta, Javier Lopez-Rodriguez, Edwin C. Pratt, Trong Nghia Nguyen, Jan Grimm, Alejandro Lopez-Montes, Joaquin L. Herraiz

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出了一种基于深度学习的正电子范围校正方法，利用组织信息提升68Ga PET成像的定量精度，实验结果显示其在SSIM和MAE指标上优于传统方法。

Comments Submitted to EJNMMI Physics

Probing AGN-ISM Feedback through Extended X-ray Emission in ESO 137-G034

通过ESO 137-G034的扩展X射线发射探测AGN-ISM反馈

D. Ł. Król, G. Fabbiano, M. Elvis, A. Trindade Falcão, R. Middei, D. Rosario, R. Davies, T. Shimizu, D. Hill

专题命中 医学影像 ：CT(abstract)

AI总结 通过分析ESO 137-G034的X射线发射，研究了AGN反馈对周围星际介质的影响，揭示了辐射和机械反馈的综合作用。

Comments Accepted for publication in the ApJ

Deep Generative Modeling with Spatial and Network Images: An Explainable AI (XAI) Approach

基于空间和网络图像的深度生成建模：一种可解释人工智能（XAI）方法

Yeseul Jeon, Rajarshi Guhaniyogi, Aaron Scheffler

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出一种基于空间和网络图像的深度生成模型，用于异质影像数据的可解释人工智能框架，实现了高分辨率数据的高效处理与不确定性量化。