医学 AI

Redefining the Down-Sampling Scheme of U-Net for Precision Biomedical Image Segmentation

重新定义U-Net的下采样方案以实现精准生物医学图像分割

Mingjie Li, Yizheng Chen, Md Tauhidul Islam, Lei Xing

机构 * Department of Radiation Oncology Stanford University（放射肿瘤科 斯坦福大学） 纠错

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

AI总结 本文提出阶梯池化方法，通过调节下采样节奏减少信息损失，提升U-Net在生物医学图像分割中的精度与性能。

Comments AAPM 67th

MedVAR: Towards Scalable and Efficient Medical Image Generation via Next-scale Autoregressive Prediction

MedVAR：通过下一步尺度自回归预测实现可扩展和高效的医学图像生成

Zhicheng He, Yunpeng Zhao, Junde Wu, Ziwei Niu, Zijun Li, Bohan Li, Lanfen Lin, Yueming Jin

机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 MedVAR通过下一步尺度自回归预测方法，实现了高效且可扩展的医学图像生成，为医学生成基础模型提供了新的方向。

Comments 23 pages, 8 figures

Towards Segmenting the Invisible: An End-to-End Registration and Segmentation Framework for Weakly Supervised Tumour Analysis

朝着不可见的分割迈进：一种端到端的配准和分割框架用于弱监督肿瘤分析

Budhaditya Mukhopadhyay, Chirag Mandal, Pavan Tummala, Naghmeh Mahmoodian, Andreas Nürnberger, Soumick Chatterjee

机构 * Institute of Technical ； Business Information Systems, Faculty of Computer Science, Otto von Guericke University Magdeburg, Magdeburg, Germany Human Technopole, Milan, Italy Institute of Medical Engineering, Faculty of Electrical Engineering ； Information Technology, Otto von Guericke University Magdeburg, Magdeburg, Germany Centre for Behavioural Brain Sciences, Magdeburg, Germany 纠错

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

AI总结 本文提出一种端到端配准和分割框架，用于弱监督肿瘤分析，通过跨模态配准生成伪标签，但发现无法有效分割不可见病理学。

Comments Accepted for AIBio at ECAI 2025

Journal ref Artificial Intelligence for Biomedical Data, AIBIO 2025, CCIS 2696, pp 229-242, 2026

Towards Personalized Multi-Modal MRI Synthesis across Heterogeneous Datasets

面向异质数据集的个性化多模态MRI合成

Yue Zhang, Zhizheng Zhuo, Siyao Xu, Shan Lv, Zhaoxi Liu, Jun Qiu, Qiuli Wang, Yaou Liu, S. Kevin Zhou

机构 * University of Science and Technology of China（中国科学技术大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Capital Medical University（首都医科大学） ； Army Medical University（中国人民解放军陆军军医大学） ； China National Clinical Research Center for Neurological Diseases（中国国家神经疾病临床研究中心） 纠错

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

AI总结 PMM-Synth通过个性化特征调制模块、模态一致批量调度器和选择性监督损失，实现跨异质数据集的多模态MRI合成，提升诊断准确性与实用性。

Comments 19 pages, 4 figures

Zero-shot Multi-Contrast Brain MRI Registration by Intensity Randomizing T1-weighted MRI (LUMIR25)

无监督多对比脑MRI配准：通过强度随机化T1加权MRI（LUMIR25）

Hengjie Liu, Yimeng Dou, Di Xu, Xinyi Fu, Dan Ruan, Ke Sheng

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

AI总结 本文提出了一种基于强度随机化的多对比度脑MRI配准方法，通过多模态损失、强度随机化和轻量级优化策略，在无需显式图像合成的情况下实现了跨对比度的稳健泛化。

Comments Submitted to and reviewed by Learn2Reg MICCAI 2025

CT-AGRG: Automated Abnormality-Guided Report Generation from 3D Chest CT Volumes

CT-AGRG：基于3D胸部CT体积的异常引导报告生成

Theo Di Piazza, Carole Lazarus, Olivier Nempont, Loic Boussel

机构 * UCBL 1, INSA Lyon, CNRS, Inserm, CREATIS UMR5220, U1294, Villeurbanne, F-69621, France（法国里昂INSA大学、CNRS、Inserm、CREATIS UMR5220、U1294） ； Department of Radiology, Croix-Rousse Hospital, Hospices Civils de Lyon, Lyon, France（里昂医院放射科） ； Philips Clinical Informatics, Innovation Paris, France（法国巴黎Philips临床信息学） 纠错

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

AI总结 CT-AGRG通过预测异常并生成针对性描述，提升3D胸部CT报告的质量和临床相关性。

Comments Accepted at ISBI 2025

IPv2: An Improved Image Purification Strategy for Real-World Ultra-Low-Dose Lung CT Denoising

IPv2: 一种改进的图像净化策略用于真实世界超低剂量肺CT去噪

Guoliang Gong, Man Yu

机构 * Tianjin University of Science and Technology（天津科技大学） ； Department of Radiology, Tianjin Hospital（天津医院放射科） 纠错

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

AI总结 IPv2通过改进的图像净化策略，解决了超低剂量肺CT去噪中背景和肺实质处理不足的问题，提升了去噪效果。

MRI Contrast Enhancement Kinetics World Model

MRI对比增强动力学世界模型

Jindi Kong, Yuting He, Cong Xia, Rongjun Ge, Shuo Li

机构 * Case Western Reserve University（凯斯西储大学） ； Jiangsu Cancer Hospital（江苏癌症医院） ； Southeast University（东南大学） 纠错

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

AI总结 本文提出MRI CEKWorld模型，通过时空一致性学习解决MRI对比增强动力学建模中的时间连续性和内容一致性问题。

Comments Accepted by CVPR 2026

Scan-Adaptive Dynamic MRI Undersampling Using a Dictionary of Efficiently Learned Patterns

基于高效学习模式的扫描自适应动态MRI欠采样

Siddhant Gautam, Angqi Li, Prachi P. Agarwal, Anil K. Attili, Jeffrey A. Fessler, Nicole Seiberlich, Saiprasad Ravishankar

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

AI总结 本文提出一种基于高效学习模式的扫描自适应动态MRI欠采样方法，通过优化k空间采样提升重建质量与诊断准确性。

Physics-Guided Dual-Domain Network with Attention-Based Fusion for Portable MRI Reconstruction

物理引导的双域网络与基于注意力的融合用于便携式MRI重建

Efe Ilıcak, Baris Imre, Chloé Najac, Ruben van den Broek, Beatrice Lena, Andrew Webb, Marius Staring

专题命中 医学影像 ：MRI(title,abstract)；biomedical(comments)

AI总结 本文提出了一种物理引导的双域网络，通过结合k空间和图像域信息，提升便携式MRI重建质量。

Comments Accepted to 2026 IEEE International Symposium on Biomedical Imaging (ISBI). Copyright 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses

Using Unsupervised Domain Adaptation Semantic Segmentation for Pulmonary Embolism Detection in Computed Tomography Pulmonary Angiogram (CTPA) Images

利用无监督领域适应的语义分割进行CT肺动脉造影图像肺栓塞检测

Wen-Liang Lin, Yun-Chien Cheng

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

AI总结 本文提出一种无监督领域适应框架，利用Transformer和Mean-Teacher架构，通过原型对齐、全局局部对比学习和注意力辅助预测模块，提升CTPA图像肺栓塞检测的准确性和鲁棒性。

Triggering hallucinations in model-based MRI reconstruction via adversarial perturbations

通过对抗扰动在基于模型的MRI重建中引发幻觉

Suna Buğday, Yvan Saeys, Jonathan Peck

机构 * Faculty of Engineering and Architecture/Computer Engineering（工程与建筑学院/计算机工程学院） ； Department of Computer Science, Mathematics and Statistics（计算机科学、数学与统计学系） ； Ghent University（根特大学） ； Data Mining and Modeling for Biomedicine Group（生物医学数据挖掘与建模小组） ； VIB Inflammation Research Center（VIB炎症研究中心） 纠错

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

AI总结 本研究通过对抗扰动揭示了基于模型的MRI重建中生成模型易受幻觉影响的脆弱性，并指出传统检测方法不足，需开发新方法应对

Comments 20 pages

Benchmarking Computational Pathology Foundation Models For Semantic Segmentation

对用于语义分割的计算病理学基础模型进行基准测试

Lavish Ramchandani, Aashay Tinaikar, Dev Kumar Das, Rohit Garg, Tijo Thomas

机构 * Aira Matrix Private Limited（Aira矩阵私人有限公司） 纠错

专题命中 医学影像 ：pathology(title)；分类 cs.CV

AI总结 本研究提出了一种评估方法，发现CONCH在病理学语义分割中表现最佳，通过拼接多个基础模型特征可提升分割性能。

Comments 5 pages, submitted to IEEE ISBI 2026

Effect of Patch Size on Fine-Tuning Vision Transformers in Two-Dimensional and Three-Dimensional Medical Image Classification

二维和三维医学图像分类中视觉变换器微调受补丁大小的影响

Massoud Dehghan, Ramona Woitek, Amirreza Mahbod

机构 * Research Center for Medical Image Analysis and Artificial Intelligence（医学图像分析与人工智能研究中心） ； Department of Medicine（医学系） ； Faculty of Medicine and Dentistry（医学与牙科学院） ； Danube Private University（多瑙私立大学） 纠错

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

AI总结 本文研究了补丁大小对ViT在医学图像分类中的影响，发现较小补丁尺寸能提升分类性能，且通过模型集成策略进一步提高效果。

Comments 29 pages

SYNAPSE-Net: A Unified Framework with Lesion-Aware Hierarchical Gating for Robust Segmentation of Heterogeneous Brain Lesions

SYNAPSE-Net：一种具有病变感知分层门控的统一框架，用于鲁棒分割异质性脑病变

Md. Mehedi Hassan, Shafqat Alam, Shahriar Ahmed Seam, Maruf Ahmed

机构 * Department of Biomedical Engineering, Bangladesh University of Engineering and Technology（生物医学工程系，孟加拉国工程与技术大学） ； Department of Computer Science and Engineering, Bangladesh University of Engineering and Technology（计算机科学与工程系，孟加拉国工程与技术大学） ； Department of Electrical and Electronic Engineering, Bangladesh University of Engineering and Technology（电气与电子工程系，孟加拉国工程与技术大学） 纠错

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

AI总结 SYNAPSE-Net通过统一框架和病变感知门控，实现鲁棒的多病理脑病变分割，提升分割精度与稳定性。

Comments 18 pages, 10 figures, 8 tables

Dual-Kernel Adapter: Expanding Spatial Horizons for Data-Constrained Medical Image Analysis

双核适配器：扩展空间视野以应对数据受限的医学图像分析

Ziquan Zhu, Hanruo Zhu, Siyuan Lu, Xiang Li, Yanda Meng, Gaojie Jin, Lu Yin, Lijie Hu, Di Wang, Lu Liu, Tianjin Huang

专题命中 医学影像 ：medical image(title)

AI总结 双核适配器通过扩展空间上下文提升数据受限医学图像分析性能，克服传统适配器在低数据量下的性能退化问题。

Decoupling Vision and Language: Codebook Anchored Visual Adaptation

解耦视觉与语言：基于代码本的视觉适应

Jason Wu, Tianchen Zhao, Chang Liu, Jiarui Cai, Zheng Zhang, Zhuowei Li, Aaditya Singh, Xiang Xu, Mani Srivastava, Jonathan Wu

机构 * AWS ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 CRAFT通过离散代码本解耦视觉与语言，实现无需修改其他部分的领域适应，提升LVLMs性能。

Comments 17 pages, accepted to CVPR2026 main conference

MedDIFT: Multi-Scale Diffusion-Based Correspondence in 3D Medical Imaging

MedDIFT：3D医学影像中的多尺度扩散对应方法

Xingyu Zhang, Anna Reithmeir, Fryderyk Kögl, Rickmer Braren, Julia A. Schnabel, Daniel M. Lang

机构 * 1 School of Computation, Information ； Technology, Technical University of Munich 2 Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich 3 Munich Center for Machine Learning (MCML) 4 Institute for Diagnostic ； Interventional Radiology, Klinkum Rechts der Isar 5 School of Biomedical Engineering \& Imaging Sciences, King’s College London 纠错

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

AI总结 MedDIFT通过多尺度扩散特征融合实现无需训练的3D医学影像对应，有效提升解剖结构匹配精度。

Comments Updated results

Label-free segmentation from cardiac ultrasound using self-supervised learning

基于心脏超声的无标签分割使用自监督学习

Danielle L. Ferreira, Connor Lau, Zaynaf Salaymang, Rima Arnaout

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

AI总结 本文提出了一种无需手动标注的自监督学习方法，用于心脏超声图像中左心室的自动分割，实现了高精度和高可扩展性。

Comments 37 pages, 3 Tables, 7 Figures

Journal ref Nature Communications 16, 4070 (2025)

Gradient based Severity Labeling for Biomarker Classification in OCT

基于梯度的严重程度标注用于OCT中的生物标志物分类

Kiran Kokilepersaud, Mohit Prabhushankar, Ghassan AlRegib, Stephanie Trejo Corona, Charles Wykoff

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Center for Signal and Information Processing CSIP（信号与信息处理中心） ； School of Electrical and Computer Engineering（电气与计算机工程学院） 纠错

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

AI总结 本文提出基于梯度的严重程度标注方法，用于提升OCT图像中生物标志物分类的准确性。

Comments Accepted at International Conference on Image Processing (ICIP) 2022

SAMRI-2: A Memory-based Model for Cartilage and Meniscus Segmentation in 3D MRIs of the Knee Joint

SAMRI-2: 一种基于记忆的模型用于膝关节3D MRI中软骨和半月板分割

Danielle L. Ferreira, Bruno A. A. Nunes, Xuzhe Zhang, Laura Carretero Gomez, Maggie Fung, Ravi Soni

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

AI总结 SAMRI-2通过基于记忆的视觉基础模型实现膝关节3D MRI中软骨和半月板的高精度分割，优于其他模型，显著提升分割精度与效率。

Journal ref Scientific Reports 16, 1825 (2026)

A Data-Driven Method to Map the Functional Organisation of Human Brain White Matter

一种数据驱动的方法用于映射人类大脑白质的功能组织

Yifei Sun, James M. Shine, Robert D. Sanders, Robin F. H. Cash, Sharon L. Naismith, Fernando Calamante, Jinglei Lv

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

AI总结 本文提出了一种数据驱动方法，整合dMRI和fMRI，用于研究白质通路的功能组织及其在大脑衰老和认知下降中的作用。

Comments 19 pages, 4 figures, journal paper under review

A Green Learning Approach to LDCT Image Restoration

一种绿色学习用于低剂量计算机断层扫描图像恢复

Wei Wang, Yixing Wu, C. -C. Jay Kuo

机构 * University of Southern California, Los Angeles, California, USA（南加州大学） 纠错

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

AI总结 本文提出一种基于绿色学习的LDCT图像恢复方法，具有高效性和高性能，实现了更小模型和更低复杂度的先进恢复效果。

Comments Published in IEEE International Conference on Image Processing (ICIP), 2025, pp. 1762-1767. Final version available at IEEE Xplore

Journal ref Proceedings of the IEEE International Conference on Image Processing (ICIP), 2025, pp. 1762-1767

Deep Image Prior for Computed Tomography Reconstruction

深度图像先验用于计算机断层扫描重建

Simon Arridge, Riccardo Barbano, Alexander Denker, Zeljko Kereta

专题命中 医学影像 ：CT(abstract)；分类 eess.IV

AI总结 本文提出了一种无需大规模数据集的深度图像先验方法，用于提升计算机断层扫描图像重建的效率与鲁棒性。

DL$^3$M: A Vision-to-Language Framework for Expert-Level Medical Reasoning through Deep Learning and Large Language Models

DL$^3$M: 一种通过深度学习和大语言模型实现专家级医学推理的视觉-语言框架

Md. Najib Hasan, Imran Ahmad, Sourav Basak Shuvo, Md. Mahadi Hasan Ankon, Sunanda Das, Nazmul Siddique, Hui Wang

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

AI总结 DL$^3$M通过结合深度学习和大语言模型，实现专家级医学推理，但当前LLMs在高风险医疗决策中仍不可靠。

Comments This work was submitted without the consent of my current adviser. Additionally, it overlaps with my unpublished research work. In order to avoid potential academic and authorship conflicts, I am requesting withdrawal of the paper

MoBind: Motion Binding for Fine-Grained IMU-Video Pose Alignment

MoBind：用于细粒度IMU-视频姿态对齐的运动绑定

Duc Duy Nguyen, Tat-Jun Chin, Minh Hoai

机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； Adelaide University（阿德莱德大学） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 MoBind通过层次对比学习框架实现IMU与视频姿态的细粒度对齐，提升跨模态检索与动作识别性能。

Comments 8 pages, 6 tables, 7 figures, accepted to CVPR26

Scaling Ultrasound Volumetric Reconstruction via Mobile Augmented Reality

通过移动增强现实实现超声体积重建的扩展

Kian Wei Ng, Yujia Gao, Deborah Khoo, Ying Zhen Tan, Chengzheng Mao, Haojie Cheng, Andrew Makmur, Kee Yuan Ngiam, Serene Goh, Eng Tat Khoo

机构 * National University Health System, Singapore（新加坡国家大学医疗系统） ； College of Design and Engineering, National University of Singapore, Singapore（新加坡国立大学设计与工程学院） 纠错

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

AI总结 MARVUS通过移动增强现实技术提升超声体积重建的准确性和可重复性，减少用户间差异，提高临床应用的可行性和成本效益。

Comments Submitted to MICCAI 2026

Sparse Dictionary-Based Solution of Dynamic Inverse Problems

稀疏字典基于的动态反问题求解

Aidan Mason-Mackay, Daniela Calvetti, Erkki Somersalo, Antti Aarnio, Mikko Kettunen, Ekaterina Paasonen Olli Gröhn, Ville Kolehmainen

专题命中 医学影像 ：MRI(abstract)

AI总结 本文提出了一种基于稀疏字典的动态反问题求解方法，通过随机分层稀疏先验和迭代交替序列算法，提升了解的稀疏性和计算效率，适用于压缩感知场景。

Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations

对话优于独白：通过战略对话指导医学LLM

Zijie Liu, Xinyu Zhao, Jie Peng, Zhuangdi Zhu, Qingyu Chen, Kaidi Xu, Xia Hu, Tianlong Chen

机构 * UNC at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Science and Technology of China（中国科学技术大学） ； George Mason University（乔治·马歇尔大学） ； Yale University（耶鲁大学） ； City University of Hong Kong（香港城市大学） ； Rice University（得克萨斯大学奥斯汀分校） 纠错

专题命中 临床大模型 ：medical AI(abstract)

AI总结 通过战略对话指导医学LLM，提升多轮推理和嘈杂环境下的准确率

Comments EACL 2026

EMAD: Evidence-Centric Grounded Multimodal Diagnosis for Alzheimer's Disease

EMAD: 基于证据的多模态诊断框架用于阿尔茨海默病

Qiuhui Chen, Xuancheng Yao, Zhenglei Zhou, Xinyue Hu, Yi Hong

机构 * East China University of Science and Technology（东华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；medical image(abstract)；MRI(abstract)；分类 cs.CV

AI总结 EMAD通过多模态证据接地机制，生成结构化诊断报告，提升阿尔茨海默病诊断的透明度和临床一致性。

Comments Accepted by CVPR2026