医学 AI

Automated Lesion Segmentation of Stroke MRI Using nnU-Net: A Comprehensive External Validation Across Acute and Chronic Lesions

利用nnU-Net实现脑卒中MRI病变自动分割：在急性与慢性病变上的全面外部验证

Tammar Truzman, Matthew A. Lambon Ralph, Ajay D. Halai

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

AI总结 本文利用nnU-Net框架对脑卒中MRI病变进行自动分割，验证了模型在急性与慢性病变中的泛化能力，发现病变体积和图像质量是影响分割准确性的关键因素。

Comments 32 pages, 7 figures. Submitted to Brain. Code and trained models available

Journal ref 2026

Simple Image Processing and Similarity Measures Can Link Data Samples across Databases through Brain MRI

简单图像处理和相似性度量可通过脑部MRI将数据样本跨数据库链接

Gaurang Sharma, Harri Polonen, Juha Pajula, Jutta Suksi, Jussi Tohka

机构 * VTT Technical Research Centre of Finland Ltd（芬兰技术研究公司） ； A.I. Virtanen Institute for Molecular Sciences, University of Eastern Finland（东部芬兰大学分子科学研究所） 纠错

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

AI总结 本文通过标准图像处理和相似性计算，展示了如何利用脑MRI跨数据库链接数据样本，揭示了潜在的隐私风险及对医疗数据共享政策的影响。

Semi-supervised Liver Segmentation and Patch-based Fibrosis Staging with Registration-aided Multi-parametric MRI

半监督肝脏分割与基于补丁的纤维化分期：基于注册的多参数MRI

Boya Wang, Ruizhe Li, Chao Chen, Xin Chen

机构 * 1 Intelligent Modelling \& Analysis Group (IMA), 2 Lab for Uncertainty in Data ； Decision Making (LUCID), \ of Computer Science, University of Nottingham, UK 3 Nottingham Biomedical Research Centre (BRC), \ of Medicine, University of Nottingham, UK ； Intelligent Modelling \& Analysis Group (IMA), School of Computer Science, University of Nottingham, UK Lab for Uncertainty in Data ； Decision Making (LUCID), School of Computer Science, University of Nottingham, UK Nottingham Biomedical Research Centre (BRC), School of Medicine, University of Nottingham, UK 纠错

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

AI总结 本研究提出基于注册的多参数MRI的半监督肝脏分割与纤维化分期方法，通过多任务深度学习框架解决有限标注和多模态数据问题。

Fully Differentiable Bidirectional Dual-Task Synergistic Learning for Semi-Supervised 3D Medical Image Segmentation

全微分双向双任务协同学习用于半监督3D医学图像分割

Jun Li

机构 * School of Electrical Engineering, Southwest Jiaotong University, Chengdu, 611756, China（电子工程学院，西南交通大学，成都，611756，中国） 纠错

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

AI总结 本文提出全微分双向双任务协同学习框架，通过整合四个关键SSL组件提升3D医学图像分割性能，实现双向任务协同学习，推动半监督学习框架发展。

Comments Accepted by ESWA 2026

Impact of domain adaptation in deep learning for medical image classifications

深度学习在医学图像分类中的领域适应影响

Yihang Wu, Ahmad Chaddad

机构 * Guilin University of Electronic Technology（桂林电子科技大学） ； École de Technologie Supérieure（蒙特利尔理工学院） 纠错

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

AI总结 本研究探讨了领域适应在医学图像分类中的影响，通过10种深度学习模型评估DA在多模态数据、噪声处理和联邦学习中的效果，发现DA能提升模型性能和可解释性。

Comments Accepted in IEEE SMC 2025

Open diffusion MRI and connectivity data for epilepsy and surgery: The IDEAS II release

开放扩散磁共振成像与连接数据用于癫痫和手术：IDEAS II发布

Peter N. Taylor, Gerard Hall, Jonathan Horsley, Yujiang Wang, Sjoerd B. Vos, Gavin P Winston, Andrew W McEvoy, Anna Miserocchi, Jane de Tisi, John S Duncan

专题命中 医学影像 ：MRI(title,abstract)；分类 q-bio

AI总结 IDEAS II发布开放的扩散磁共振成像和连接数据，用于研究癫痫的结构连接性和手术结果，提供216名癫痫患者和98名健康对照者的DWI数据及预处理后的扩散度量图、分割结构连接体等信息。

Targeted Unlearning Using Perturbed Sign Gradient Methods With Applications On Medical Images

利用扰动符号梯度方法的目标遗忘与医疗图像应用

George R. Nahass, Zhu Wang, Homa Rashidisabet, Won Hwa Kim, Sasha Hubschman, Jeffrey C. Peterson, Chad A. Purnell, Pete Setabutr, Ann Q. Tran, Darvin Yi, Sathya N. Ravi

机构 * Department of Biomedical Engineering（生物医学工程系） ； Department of Ophthalmology（眼科学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Department of Computer Science（计算机科学系） ； Computer Science and Engineering（计算机科学与工程） ； Pohang University of Science and Technology, South Korea（韩国釜山科学技术大学） ； Department of Plastic and Reconstructive Surgery（整形外科与重建外科系） 纠错

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

AI总结 本文提出了一种基于扰动符号梯度的方法，用于医疗图像中的目标遗忘，通过可调损失设计和模型组合策略，在遗忘与保留之间取得平衡，优于现有基线方法。

Comments 39 pages, 12 figures, 11 tables, 3 algorithms

Journal ref Transactions on Machine Learning Research 2025, https://openreview.net/forum?id=XE0bJg6sQN

EchoJEPA: A Latent Predictive Foundation Model for Echocardiography

EchoJEPA：一种用于超声心动图的潜在预测基础模型

Alif Munim, Adibvafa Fallahpour, Teodora Szasz, Ahmadreza Attarpour, River Jiang, Brana Sooriyakanthan, Maala Sooriyakanthan, Heather Whitney, Jeremy Slivnick, Barry Rubin, Wendy Tsang, Bo Wang

机构 * University Health Network（大学健康网络） ； University of Toronto（多伦多大学） ； University of Chicago（芝加哥大学） ； University of California, San Francisco（加州大学旧金山分校） ； Vector Institute（向量研究所） ； Cohere Labs（Cohere实验室） 纠错

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

AI总结 EchoJEPA通过潜在预测方法在超声心动图中实现鲁棒且可推广的医学AI，显著提升心室功能和压力估计的准确性。

DINO-LG: Enhancing Vision Transformers with Label Guidance for Coronary Artery Calcium Detection

DINO-LG：通过标签引导增强视觉变换器用于冠状动脉钙化检测

Mahmut S. Gokmen, Caner Ozcan, Moneera N. Haque, Steve W. Leung, C. Seth Parker, W. Brent Seales, Cody Bumgardner

机构 * University of Kentucky（肯塔基大学） ； Department of Software Engineering, Karabuk University（卡拉巴克大学软件工程系） 纠错

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

AI总结 DINO-LG通过标签引导增强视觉变换器，提升冠状动脉钙化检测的准确性和效率，降低假阳性与假阴性率，提高诊断精度并减少医疗成本。

Comments Developed by Center for Applied Artificial Intelligence (CAAI), University of Kentucky

Unbalanced optimal transport for robust longitudinal lesion evolution with registration-aware and appearance-guided priors

不平衡最优传输用于具有注册感知和外观引导先验的稳健纵向病变演变

Melika Qahqaie, Dominik Neumann, Tobias Heimann, Andreas Maier, Veronika A. Zimmer

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

AI总结 本文提出基于不平衡最优传输的稳健纵向病变演变方法，通过融合几何、注册信任和外观一致性来处理病变变化，提升边缘检测和病变状态评估性能。

Comments This work has been submitted to the IEEE for possible publication. Accepted at the IEEE International Symposium on Biomedical Imaging (ISBI) 2026

Intensity-based Segmentation of Tissue Images Using a U-Net with a Pretrained ResNet-34 Encoder: Application to Mueller Microscopy

基于强度的组织图像分割：使用预训练ResNet-34编码器的U-Net网络：应用于穆勒显微镜

Sooyong Chae, Dani Giammattei, Ajmal Ajmal, Junzhu Pei, Amanda Sanchez, Tananant Boonya-ananta, Andres Rodriguez, Tatiana Novikova, Jessica Ramella-Roman

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

AI总结 本文提出了一种基于强度的U-Net网络，利用预训练ResNet-34编码器对组织图像进行分割，应用于穆勒显微镜，实现了高精度的自动分割。

Comments 9 pages, 7 figures, 1 table

Comprehensive Study of 3D Liquid Flow Fields in Additive Manufactured Structures for SMART Reactors Using Large-Scale Vertical Magnetic Resonance Imaging and Computational Fluid Dynamics

利用大规模垂直磁共振成像和计算流体动力学对加成制造结构中3D液体流动场的全面研究

Timo Merbach, Muhammad Adrian, Christoph Wigger, Selma Iraqi Houssaini, Benedict Bayer, Artyom Tsanda, Serhan Acikgöz, Christian Weiland, Felix Kexel, Dirk Herzog, Marko Hoffmann, Ingomar Kelbassa, Tobias Knopp, Alexander Penn, Michael Schlüter

专题命中 医学影像 ：MRI(abstract)

AI总结 利用MRI和CFD研究加成制造TPMS结构中的三维液体流动，揭示不同几何结构的流动特征及混合增强效果。

Comments 47 pages, 15 figures

Image Quality in the Era of Artificial Intelligence

人工智能时代的图像质量

Jana G. Delfino, Jason L. Granstedt, Frank W. Samuelson, Robert Ochs, Krishna Juluru

机构 * U. S. Food and Drug Administration（美国食品药品监督管理局） ； Digital Health Center of Excellence（数字健康卓越中心） ； Center for Devices and Radiological Health（设备与放射健康中心） 纠错

专题命中 医学影像 ：radiology(abstract)

AI总结 本文探讨了AI在放射学图像重建和增强中的应用，分析了其局限性，并旨在提高用户对技术风险的认知，以实现安全有效的使用。

Comments 16 pages, 3 figures

Implicit-Explicit Multirate Infinitesimal Stage-Restart Methods

隐式显式多速率无穷小阶段重启方法

Alex C. Fish, Daniel R. Reynolds, Steven B. Roberts

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出了一种高阶隐式显式多速率阶段重启方法，用于解决多速率初始值问题，通过改进现有方法并扩展到IMEX框架，提高了精度和计算效率。

A fast time-stepping strategy for dynamical systems equipped with a surrogate model

为配备替代模型的动力系统设计一种快速时间步进策略

Steven Roberts, Andrey A Popov, Arash Sarshar, Adrian Sandu

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出一种结合替代模型和完整模型的加速时间步进策略，以提高复杂动力系统模拟的效率。