医学 AI

Federated Learning for Cross-Modality Medical Image Segmentation via Augmentation-Driven Generalization

通过增强驱动泛化实现跨模态医学图像分割的联邦学习

Sachin Dudda Nagaraju, Ashkan Moradi, Bendik Skarre Abrahamsen, Mattijs Elschot

机构 * Department of Circulation and Medical Imaging, Norwegian University of Science and Technology（循环医学成像系，挪威科学与技术大学） 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 本文提出一种联邦学习方法，通过增强驱动泛化实现跨模态医学图像分割，提升模型泛化能力的同时保护数据隐私。

Comments Submitted to IEEE JBHI

Multimodal MRI Report Findings Supervised Brain Lesion Segmentation with Substructures

多模态MRI报告辅助的监督性脑部病变分割与亚结构

Yubin Ge, Yongsong Huang, Xiaofeng Liu

机构 * Amazon AWS（亚马逊AWS） ； Yale University（耶鲁大学） ； Tohoku University（东北大学） 纠错

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

AI总结 该研究提出MS-RSuper方法，通过解析报告中的定量和定性信息，结合亚结构和不确定性，提升脑部病变分割的准确性。

Comments IEEE International Symposium on Biomedical Imaging (ISBI) 2026

OrthoDiffusion: A Generalizable Multi-Task Diffusion Foundation Model for Musculoskeletal MRI Interpretation

OrthoDiffusion：一种通用的多任务扩散基础模型用于骨科MRI解释

Tian Lan, Lei Xu, Zimu Yuan, Shanggui Liu, Jiajun Liu, Jiaxin Liu, Weilai Xiang, Hongyu Yang, Dong Jiang, Jianxin Yin, Dingyu Wang

机构 * Center for Applied Statistics and School of Statistics（应用统计中心和统计学院） ； Renmin University of China（中国人民大学） ； Institute of Sports Medicine of Peking University（北京大学运动医学研究所） ； Beijing Key Laboratory of Research and Translation for Drugs and Medical Devices in Precision Diagnosis and Treatment of Sports Injuries（北京体育损伤精准诊断与治疗药物与医疗设备研究翻译重点实验室） ； State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术与系统国家重点实验室） 纠错

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

AI总结 OrthoDiffusion是一种基于扩散的多任务基础模型，通过自监督学习在膝关节MRI上预训练，实现11种结构分割和8种异常检测，具有跨关节的高泛化能力。

MIP Candy: A Modular PyTorch Framework for Medical Image Processing

MIP Candy：用于医学图像处理的模块化PyTorch框架

Tianhao Fu, Yucheng Chen

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Project Neura ； UTMIST ； Amplimit 纠错

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

AI总结 MIP Candy是一个模块化PyTorch框架，为医学图像处理提供完整的流程管线，支持灵活配置和多种实验追踪工具。

Pareto-Guided Optimization for Uncertainty-Aware Medical Image Segmentation

基于帕累托优化的不确定性感知医学图像分割

Jinming Zhang, Youpeng Yang, Xi Yang, Haosen Shi, Yuyao Yan, Qiufeng Wang, Guangliang Cheng, Kaizhu Huang

机构 * Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Duke Kunshan University（杜克大学昆山分校） 纠错

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

AI总结 本文提出基于帕累托优化的医学图像分割方法，通过区域级课程策略和帕累托一致损失，解决边界区域的不确定性问题，提升分割精度。

MedCLIPSeg: Probabilistic Vision-Language Adaptation for Data-Efficient and Generalizable Medical Image Segmentation

MedCLIPSeg: 基于概率视觉语言适应的数据高效且可泛化的医学图像分割

Taha Koleilat, Hojat Asgariandehkordi, Omid Nejati Manzari, Berardino Barile, Yiming Xiao, Hassan Rivaz

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

AI总结 MedCLIPSeg通过概率视觉语言适应方法，提升医学图像分割的数据效率和泛化能力，提供可解释的不确定性图。

Comments CVPR 2026; Project Page: https://tahakoleilat.github.io/MedCLIPSeg

FedGIN: Federated Learning with Dynamic Global Intensity Non-linear Augmentation for Organ Segmentation using Multi-modal Images

FedGIN: 一种用于多模态图像器官分割的联邦学习动态全局强度非线性增强

Sachin Dudda Nagaraju, Ashkan Moradi, Bendik Skarre Abrahamsen, Mattijs Elschot

机构 * Department of Circulation and Medical Imaging（循证医学与影像学系） ； Norwegian University of Science and Technology（挪威科学技术大学） 纠错

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

AI总结 FedGIN通过动态全局强度非线性增强模块，在不共享原始数据的情况下实现多模态器官分割，提升跨模态泛化能力。

Comments Paper Accepted at MICCAI 2025 DeCaf Workshop Track

Journal ref MICCAI 2025

Interpretable Medical Image Classification using Prototype Learning and Privileged Information

可解释的医学图像分类：利用原型学习和特权信息

Luisa Gallee, Meinrad Beer, Michael Goetz

机构 * Experimental Radiology, University Hospital Ulm, Germany（实验放射学，乌尔姆大学医院，德国） ； Department of Diagnostic and Interventional Radiology, University Hospital Ulm, Germany（诊断与介入放射学系，乌尔姆大学医院，德国） ； i2SouI - Innovative Imaging in Surgical Oncology Ulm, University Hospital Ulm, Germany（i2SouI - 精准影像学在手术肿瘤学中的创新应用，乌尔姆大学医院，德国） 纠错

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

AI总结 本研究提出Proto-Caps模型，结合胶囊网络、原型学习和特权信息，提升医学图像分类的可解释性和预测性能，准确率超过现有方法6%。

Comments MICCAI 2023 Medical Image Computing and Computer Assisted Intervention

Journal ref International Conference on Medical Image Computing and Computer-Assisted Intervention. Cham: Springer Nature Switzerland, 2023. S. 435-445

VISION-ICE: Video-based Interpretation and Spatial Identification of Arrhythmia Origins via Neural Networks in Intracardiac Echocardiography

基于视频的起搏点识别与空间定位：通过神经网络在心内超声中实现心律失常起源的解释

Dorsa EPMoghaddam, Feng Gao, Drew Bernard, Kavya Sinha, Mehdi Razavi, Behnaam Aazhang

机构 * Department of Electrical and Computer Engineering, Rice University, United States of America（电气与计算机工程系，里士大学，美国） ； Electrophysiology Clinical Research and Innovations, Texas Heart Institute, United States of America（电生理临床研究与创新，德克萨斯心脏研究所，美国） ； Department of Cardiology, Texas Heart Institute, United States of America（心内科部，德克萨斯心脏研究所，美国） 纠错

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

AI总结 本文提出利用心内超声视频和深度学习自动定位心律失常起源，通过3D卷积神经网络实现三类分类，实验结果显示模型准确率高达66.2%。

Comments 8 pages, 3 figures, 3 tabels

Mask-HybridGNet: Graph-based segmentation with emergent anatomical correspondence from pixel-level supervision

Mask-HybridGNet：基于图的分割与从像素级监督中涌现的解剖对应关系

Nicolás Gaggion, Maria J. Ledesma-Carbayo, Stergios Christodoulidis, Maria Vakalopoulou, Enzo Ferrante

机构 * Biomedical Image Technologies, ETSI Telecomunicación, Universidad Politécnica de Madrid, Madrid, Spain（生物医学影像技术，电信工程学院，马德里理工大学，马德里，西班牙） ； IHU PRISM National Precision Medicine Center in Oncology, Cancer Data Science Unit, CentraleSupélec, Gustave Roussy, INSERM, Université Paris-Saclay, Gif-sur-Yvette, France（IHU PRISM国家精准医学中心（肿瘤学），癌症数据科学单元，中央圣艾尔布兰，格斯塔夫·罗西，国家医学研究所，巴黎-萨克雷大学，法国） 纠错

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

AI总结 Mask-HybridGNet通过像素级监督训练图模型，实现无需人工标注的解剖结构分割，并生成稳定的解剖图谱。

Reproducing and Improving CheXNet: Deep Learning for Chest X-ray Disease Classification

重现并改进CheXNet：用于胸部X光疾病分类的深度学习

Daniel J. Strick, Carlos Garcia, Anthony Huang, Thomas Gardos

机构 * Boston University（波士顿大学） 纠错

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

AI总结 本文重现并改进CheXNet，通过深度学习方法在胸部X光图像中实现疾病分类，提升了模型在多标签分类任务中的性能指标。

Comments 13 pages, 4 figures

The Finite Primitive Basis Theorem for Computational Imaging: Formal Foundations of the OperatorGraph Representation

计算成像的有限原始基定理：操作图表示法的正式基础

Chengshuai Yang

机构 * NextGen PlatformAI C Corp, USA（NextGen平台AI公司） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 该研究提出有限原始基定理，证明所有成像前向模型可表示为由11个标准原语构成的DAG，并通过实验验证其在多种成像模态中的有效性。

Anatomically Informed GREIT Reconstruction: Improving EIT Imaging for Lung Monitoring

解剖学引导的GREIT重建：改进肺部监测的EIT成像

Maximilian Ludwig, Carolin M. Eichinger, Armin Sablewski, Inéz Frerichs, Tobias Becher, Wolfgang A. Wall

专题命中 医学影像 ：CT(abstract)

AI总结 本研究通过整合CT解剖数据优化GREIT算法，提高EIT图像的解剖学准确性与临床可解释性，从而增强肺部监测的实用性。

Journal ref Physiological Measurement, Vol. 47, 2026

Geodesic X-ray transform and streaking artifacts on simple surfaces or on spaces of constant curvature

测地线X射线变换与简单曲面或常曲率空间上的条纹伪影

Hiroyuki Chihara

专题命中 医学影像 ：CT(abstract)

AI总结 本文研究了简单曲面或常曲率空间上测地线X射线变换及条纹伪影的几何成因，揭示了金属区域边界上共正规奇性的传播机制。

Comments minor revision, 44 pages, 9 figures