医学 AI

A Synthetic Data-Driven Radiology Foundation Model for Pan-tumor Clinical Diagnosis

面向肿瘤临床诊断的合成数据驱动放射学基础模型

Wenhui Lei, Hanyu Chen, Zitian Zhang, Luyang Luo, Qiong Xiao, Yannian Gu, Peng Gao, Yankai Jiang, Ci Wang, Guangtao Wu, Tongjia Xu, Yingjie Zhang, Pranav Rajpurkar, Xiaofan Zhang, Shaoting Zhang, Zhenning Wang

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

AI总结 PASTA通过合成数据驱动的方法，构建了跨肿瘤放射学基础模型，实现了45项肿瘤学任务的先进性能，并在临床场景中提升了诊断效率和准确性。

Comments 63 pages, 7 figures

Active Sampling for MRI-based Sequential Decision Making

基于MRI的序列决策主动采样

Yuning Du, Jingshuai Liu, Rohan Dharmakumar, Sotirios A. Tsaftaris

机构 * School of Engineering, The University of Edinburgh（爱丁堡大学工程学院） ； School of Medicine, Indiana University（印第安纳大学医学院） 纠错

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

AI总结 本文提出了一种多目标强化学习框架，通过主动采样策略提升MRI在连续决策中的诊断性能，实现更高效、经济的点-of-care应用。

Comments Under Review

Texture-Aware StarGAN for CT data harmonisation

具有纹理意识的StarGAN用于CT数据和谐化

Francesco Di Feola, Ludovica Pompilio, Cecilia Assolito, Valerio Guarrasi, Paolo Soda

机构 * Research Unit of Computer Systems and Bioinformatics, Campus Bio-Medico University of Rome, Rome, Italy（计算机系统与生物信息学研究单位，罗马生物医学大学） ； Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering, Umeå University, Sweden（诊断与介入部门，辐射物理，生物医学工程，乌梅大学） ； La Sapienza University of Rome（罗马拉维亚大学） 纠错

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

AI总结 本文提出一种具有纹理意识的StarGAN模型，用于CT数据和谐化，通过多尺度纹理损失函数解决不同重建内核引起的纹理变化问题。

Free Lunch in Medical Image Foundation Model Pre-training via Randomized Synthesis and Disentanglement

通过随机合成与解构在医疗图像基础模型预训练中获得免费午餐

Yuhan Wei, Yuting He, Linshan Wu, Fuxiang Huang, Junlin Hou, Hao Chen

机构 * Department of Computer Science and Engineering, the Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学计算机科学与工程系） ； Department of Biomedical Engineering, Case Western Reserve University, OH, USA（凯斯西储大学生物医学工程系） ； School of Data Science, Lingnan University, Hong Kong, China（岭南大学数据科学学院） ； Department of Chemical and Biological Engineering and Division of Life Science, Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学化学与生物工程系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute, Futian, Shenzhen, China（香港科技大学深圳-香港协同创新研究院） ； State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology, Hong Kong, China（香港科技大学神经系统疾病国家重点实验室） 纠错

专题命中 医学影像 ：medical image(title,abstract)；medical AI(abstract)；分类 cs.LG、q-bio

AI总结 本文提出RaSD框架，通过随机合成与解构方法在无需真实数据的情况下预训练医疗图像基础模型，实现稳健且可迁移的表示学习，展示了合成数据在医学AI中的强大潜力。

A Calibrated Memorization Index (MI) for Detecting Training Data Leakage in Generative MRI Models

一种校准的记忆指数（MI）用于检测生成磁共振成像模型中的训练数据泄漏

Yash Deo, Yan Jia, Toni Lassila, Victoria J Hodge, Alejandro F Frang, Chenghao Qian, Siyuan Kang, Ibrahim Habli

机构 * Department of Computer Science, University of York（约克大学计算机科学系） ； School of Computer Science, University of Leeds（利兹大学计算机科学学院） ； Department of Computing and Mathematics, Manchester Metropolitan University（曼彻斯特 Metropolitan 大学计算与数学系） ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； Department of Cardiovascular Sciences, KU Leuven（鲁汶大学心血管科学系） 纠错

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

AI总结 本文提出了一种校准的记忆指数（MI）用于检测生成磁共振成像模型中的训练数据泄漏，通过图像特征提取和多层白化最近邻相似性分析，实现对复制数据的高效检测。

Comments Accepted in ISBI 2026

Multi-Scale Texture Loss for CT denoising with GANs

多尺度纹理损失用于GANs的CT去噪

Francesco Di Feola, Lorenzo Tronchin, Valerio Guarrasi, Paolo Soda

机构 * Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering, Umeå University, Sweden（诊断与介入部门、辐射物理、生物医学工程、乌梅大学，瑞典） ； Bioinformatics, Department of Engineering, University Campus Bio-Medico of Rome, Italy（生物信息学、工程部门、罗马生物医学大学，意大利） 纠错

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

AI总结 本文提出多尺度纹理损失方法，通过自注意力层动态聚合图像信息，提升GANs在低剂量CT去噪中的性能。

Lung nodule classification on CT scan patches using 3D convolutional neural networks

使用3D卷积神经网络对CT扫描切片上的肺结节进行分类

Volodymyr Sydorskyi

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

AI总结 本研究提出使用3D卷积神经网络改进肺结节分类，通过优化裁剪策略、目标过滤技术和增强方法，实现了高精度的分类性能。

Journal ref Tavriiskyi Naukovyi Visnyk. Seriia: Tekhnichni Nauky, 1(5):399-412, 2025

Can Foundation Models Really Segment Tumors? A Benchmarking Odyssey in Lung CT Imaging

基础模型真的能分割肿瘤吗？在肺部CT成像中的基准测试之旅

Elena Mulero Ayllón, Massimiliano Mantegna, Linlin Shen, Paolo Soda, Valerio Guarrasi, Matteo Tortora

机构 * College of Computer Science and Software Engineering, Shenzhen University（计算机科学与软件工程学院，深圳大学） ； Department of Naval, Electrical, Electronics and Telecommunications Engineering, University of Genoa（海军、电气、电子与电信工程部门，热那亚大学） 纠错

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

AI总结 本研究评估了基础模型在肺部CT肿瘤分割中的性能，发现MedSAM~2在精度和效率上优于传统模型，展示了其在临床应用中的潜力。

Towards a Unified Theoretical Framework for Self-Supervised MRI Reconstruction

迈向自监督MRI重建的统一理论框架

Siying Xu, Kerstin Hammernik, Daniel Rueckert, Sergios Gatidis, Thomas Küstner

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

AI总结 UNITS提出了一种统一的自监督MRI重建理论框架，通过统一SSL策略并证明其与监督学习同等性能，提升模型泛化能力与训练稳定性。

Comments Under review at IEEE Transactions on Computational Imaging. Supplementary material is included

A dynamic shim approach for correcting eddy current effects in diffusion-prepared MRI acquisition using a multi-coil AC/DC shim-array

一种动态 shim 方法用于纠正扩散准备 MRI 获取中涡流效应的影响，使用多线圈 AC/DC shim-array

Congyu Liao, Jason P. Stockmann, Zhitao Li, Zhixing Wang, Mengze Gao, Lincoln Craven-Brightman, Monika Sliwiak, Charles Biggs, Jack Glad, Jiazheng Zhou, Yurui Qian, Zheng Zhong, Nan Wang, Hua Wu, Thomas Grafendorfer, Fraser Robb, Bernhard Gruber, Azma Mareyam, Adam B. Kerr, Xiaozhi Cao, Kawin Setsompop

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出了一种动态 shim 方法，利用多线圈 AC/DC shim-array 纠正扩散准备 MRI 中的涡流效应，实现高 b 值成像且无 SNR 损失。

Comments 35 pages, 10 figures

Journal ref Magnetic Resonance in Medicine, 2026

ReBA-Pred-Net: Weakly-Supervised Regional Brain Age Prediction on MRI

ReBA-Pred-Net：基于MRI的弱监督区域脑年龄预测

Shuai Shao, Yan Wang, Shu Jiang, Shiyuan Zhao, Xinzhe Luo, Di Yang, Jiangtao Wang, Yutong Bai, Jianguo Zhang

机构 * University of Science and Technology of China（科学技术大学） ； China University of Petroleum (East China)（中国石油大学（华东）） ； Northwestern Polytechnical University（西北工业大学） ； Beijing Jiaotong University（北京交通大学） ； Beijing Tiantan Hospital（北京天坛医院） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 本文提出ReBA-Pred-Net网络，通过教师-学生框架实现基于MRI的弱监督区域脑年龄预测，引入健康对照相似性和神经疾病相关性指标评估模型有效性。

3DLAND: 3D Lesion Abdominal Anomaly Localization Dataset

3DLAND：3D 腹部病变异常定位数据集

Mehran Advand, Zahra Dehghanian, Navid Faraji, Reza Barati, Seyed Amir Ahmad Safavi-Naini, Hamid R. Rabiee

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

AI总结 3DLAND数据集通过大规模3D病变注释和多器官覆盖，为评估器官感知的3D分割模型提供新基准，推动医疗AI的发展。

Ultrasound-Guided Real-Time Spinal Motion Visualization for Spinal Instability Assessment

超声引导的实时脊柱运动可视化用于脊柱不稳定评估

Feng Li, Yuan Bi, Tianyu Song, Zhongliang Jiang, Nassir Navab

机构 * Chair for Computer Aided Medical Procedures and Augmented Reality（计算机辅助医疗程序与增强现实主席职位） ； Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Hong Kong（香港大学） 纠错

专题命中 医学影像 ：CT(abstract)；diagnosis(abstract)

AI总结 本研究提出利用机器人超声与CBCT结合，实现低辐射的实时3D脊柱运动可视化，用于评估脊柱不稳定。

LesionDiffusion: Towards Text-controlled General Lesion Synthesis

LesionDiffusion：面向文本控制的通用病变合成

Wenhui Lei, Henrui Tian, Linrui Dai, Hanyu Chen, Xiaofan Zhang

机构 * Shanghai Jiaotong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The First Hospital of China Medical University（中国医科大学第一医院） 纠错

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

AI总结 LesionDiffusion通过文本控制生成3D CT影像中的病变及掩码，提升病变分割性能，支持多种病变类型和器官，优于现有方法。

Comments 10 pages, 4 figures

Algebraic Connectivity Reveals Modulated High-Order Functional Networks in Alzheimer's Disease

代数连通性揭示阿尔茨海默病中的调制高阶功能网络

Giorgio Dolci, Silvia Saglia, Lorenza Brusini, Vince D. Calhoun, Ilaria Boscolo Galazzo, Gloria Menegaz

专题命中 医学影像 ：MRI(abstract)；分类 q-bio、eess.IV

AI总结 代数连通性用于提取阿尔茨海默病中高阶功能网络的超边权重，揭示其在疾病诊断中的作用。

Comments 17 pages, 5 figures, submitted to a journal

Machine Learning-Based Classification of Jhana Advanced Concentrative Absorption Meditation (ACAM-J) using 7T fMRI

基于机器学习的ACAM-J高级集中吸收冥想分类研究

Puneet Kumar, Winson F. Z. Yang, Alakhsimar Singh, Xiaobai Li, Matthew D. Sacchet

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 本研究利用机器学习方法通过7T fMRI分析ACAM-J的神经特征，发现前额叶和前扣带回区域对分类具有重要贡献，验证了机器学习在区分高级冥想状态中的可行性。

Statistical Opportunities in Neuroimaging

神经影像学中的统计机遇

Jian Kang, Thomas Nichols, Lexin Li, Martin A. Lindquist, Hongtu Zhu

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文探讨神经影像学在大脑发育、成人大脑、神经退行性疾病和大脑编码解码等领域的统计机遇与挑战，强调跨学科合作的重要性。

Comments 33 pages, 3 figures

Beyond a Single Mode: GAN Ensembles for Diverse Medical Data Generation

超越单一模式：用于多样化医学数据生成的GAN集成

Lorenzo Tronchin, Tommy Löfstedt, Paolo Soda, Valerio Guarrasi

机构 * Department of Computing Science Umeå University（计算科学系乌梅大学） 纠错

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

AI总结 本文提出了一种基于GAN集成的方法，用于生成多样化且高效的医学影像数据，以提升下游任务的性能。

Whole-Body Image-to-Image Translation for a Virtual Scanner in a Healthcare Digital Twin

全身体图像到图像翻译用于医疗数字孪生中的虚拟扫描仪

Valerio Guarrasi, Francesco Di Feola, Rebecca Restivo, Lorenzo Tronchin, Paolo Soda

机构 * Department of Computing Science, Umeå University（计算科学系，乌梅大学） ； Department of Diagnostics and Intervention, Biomedical Engineering and Radiation Physics, Umeå University（诊断与介入系，生物医学工程与放射物理，乌梅大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 本文提出了一种基于区域分割的GAN方法，用于全身体CT到PET的图像翻译，通过分割身体为四个区域并使用区域特定的GANs提升翻译精度，从而在医疗数字孪生中实现更准确的虚拟PET扫描。

Insertion Network for Image Sequence Correspondence

图像序列对应性插入网络

Dingjie Su, Weixiang Hong, Benoit M. Dawant, Bennett A. Landman

机构 * Vanderbilt University（范德比大学） ； University of Portsmouth（波特兰大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV

AI总结 该研究提出了一种基于插入网络的图像序列对应方法，用于提高三维体积中切片定位的准确性，通过上下文信息建模实现比现有方法更精确的切片定位。