医学 AI

CT-Bench: A Benchmark for Multimodal Lesion Understanding in Computed Tomography

CT-Bench：一种用于CT中多模态病变理解的基准测试

Qingqing Zhu, Qiao Jin, Tejas S. Mathai, Yin Fang, Zhizheng Wang, Yifan Yang, Maame Sarfo-Gyamfi, Benjamin Hou, Ran Gu, Praveen T. S. Balamuralikrishna, Kenneth C. Wang, Ronald M. Summers, Zhiyong Lu

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

AI总结 CT-Bench是一个用于CT多模态病变理解的基准测试，包含病变图像和元数据集以及多任务视觉问答基准测试，通过评估多种多模态模型并展示其在临床中的应用价值。

Adversarial Deep Learning for Simultaneous Segmentation of Ventricular and White Matter Hyperintensities in Clinical MRI

对抗深度学习用于临床MRI中室腔和白质高信号的同时分割

Mahdi Bashiri Bawil, Mousa Shamsi, Abolhassan Shakeri Bavil

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

AI总结 本文提出一种对抗深度学习框架，用于同时分割临床MRI中的室腔和白质高信号，通过对抗训练和注意力加权辨别提高分割精度和病变区分能力。

Comments 51 pages, 6 figures, 5 tables

Attention-Enhanced U-Net for Accurate Segmentation of COVID-19 Infected Lung Regions in CT Scans

注意力增强的U-Net用于准确分割CT扫描中感染的肺部区域

Amal Lahchim, Lazar Davic

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

AI总结 本文提出一种结合注意力机制的改进U-Net模型，用于提高CT扫描中新冠肺部感染区域分割的准确性，实验结果显示其在Dice系数和IoU指标上均优于其他方法。

Comments 14 pages, 9 figures, created using Google Colab and PyTorch. Compares segmentation models for COVID-19 CT data

PyRadiomics-cuda: 3D features extraction from medical images for HPC using GPU acceleration

PyRadiomics-cuda：利用GPU加速从医学图像中提取三维特征

Jakub Lisowski, Piotr Tyrakowski, Szymon Zyguła, Krzysztof Kaczmarski

机构 * Warsaw University of Technology, Faculty of Mathematics and Information Science（华沙技术大学，数学与信息科学学院） 纠错

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

AI总结 PyRadiomics-cuda通过GPU加速实现医学图像三维特征提取，提升高通量AI流程的处理效率。

Towards Scalable Language-Image Pre-training for 3D Medical Imaging

面向3D医学影像的语言-图像预训练的可扩展性

Chenhui Zhao, Yiwei Lyu, Asadur Chowdury, Edward Harake, Akhil Kondepudi, Akshay Rao, Xinhai Hou, Honglak Lee, Todd Hollon

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 HLIP通过引入层次注意力机制，实现对3D医学影像的可扩展语言-图像预训练，提升脑部MRI和头部CT的性能表现。

Comments TMLR 2026

Intracoronary Optical Coherence Tomography Image Processing and Vessel Classification Using Machine Learning

利用机器学习进行冠脉光学相干断层扫描图像处理与血管分类

Amal Lahchim, Lambros Athanasiou

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

AI总结 本文提出基于机器学习的OCT图像自动处理方法，实现血管分割与分类，达到高精度和高效率的自动化分析。

Comments 12 pages, 8 figures. Research paper from Electrical and Computer Engineering Department, University of Patras

Continuous-Time Value Iteration for Multi-Agent Reinforcement Learning

多智能体强化学习中的连续时间价值迭代

Xuefeng Wang, Lei Zhang, Henglin Pu, Ahmed H. Qureshi, Husheng Li

机构 * Purdue University（普渡大学） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文提出CT-MARL框架，利用物理指导神经网络和价值梯度迭代模块，解决多智能体强化学习中高维动态系统和价值函数近似难题，实现更准确的价值估计和策略学习。

Comments Accepted at ICLR 2026. 21 pages, 13 figures

Enhanced distribution of molecules in the brain due to oscillations of the interstitial flow

由于间质流的振荡，大脑中分子分布的增强

Raghu Raghavan, Richard D. Penn

专题命中 医学影像 ：MRI(abstract)

AI总结 本文研究了心脏和呼吸周期驱动的间质流振荡对大脑分子扩散的影响，提出振荡随机游走模型以解释高体积传输现象，并探讨了外部力调节流动的可能性。

Comments 31 pages, 7 figures

Placental contractions in uncomplicated pregnancies

未并发症妊娠中的胎盘收缩

Louise Dewick, Amy L Turnbull, Kate F Walker, Nia W Jones, George Hutchinson, Christopher Bradley, Taqwa Ferdous, Aisha Razzaque, Ruizhe Li, Xin Chen, Grazziela Figueredo, Craig Platt, Cesar Peres, Penny Gowland

专题命中 医学影像 ：MRI(abstract)

AI总结 研究发现未并发症妊娠中胎盘收缩比子宫收缩更常见，且与胎盘形态和MRI参数变化相关。

Safe Continuous-time Multi-Agent Reinforcement Learning via Epigraph Form

通过epigraph形式实现安全的连续时间多智能体强化学习

Xuefeng Wang, Lei Zhang, Henglin Pu, Husheng Li, Ahmed H. Qureshi

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出了一种基于epigraph形式的连续时间约束MDP框架，通过物理信息神经网络实现稳定高效的连续时间多智能体强化学习，验证了方法在安全环境中的有效性。

Comments Accepted by ICLR 2026. 27 pages, 15 figures