医学 AI

Plug-and-Play blind super-resolution of real MRI images for improved multiple sclerosis diagnosis

即插即用的盲超分辨率处理真实MRI图像以提高多发性硬化症诊断

Matteo Cannas, Alice Mariottini, Luca Massacesi, Federica Porta, Simone Rebegoldi, Andrea Sebastiani

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

AI总结 本文提出了一种即插即用的盲超分辨率方法，用于提升1.5 T MRI图像质量，以改善多发性硬化症的诊断。

Balancing Fidelity, Utility, and Privacy in Synthetic Cardiac MRI Generation: A Comparative Study

在合成心脏磁共振成像生成中平衡保真度、实用性与隐私：一项比较研究

Madhura Edirisooriya, Dasuni Kawya, Ishan Kumarasinghe, Isuri Devindi, Mary M. Maleckar, Roshan Ragel, Isuru Nawinne, Vajira Thambawita

机构 * University of Peradeniya, Sri Lanka（斯里兰卡大学） ； University of Maryland, College Park, USA（美国马里兰大学 College Park 分校） ； Tulane University School of Medicine, USA（美国 Tulane 大学医学院） ； Simula Research Laboratory, Norway（挪威 Simula 研究实验室） ； SimulaMet, Norway（挪威 SimulaMet） 纠错

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

AI总结 本研究比较了三种生成模型在合成心脏MRI中的性能，发现DDPM在保真度、实用性和隐私保护之间达到最佳平衡，而FM在隐私方面表现突出但性能略低。

Comments 7 pages, 4 figures, Preprint

Intelligent Diagnosis Using Dual-Branch Attention Network for Rare Thyroid Carcinoma Recognition with Ultrasound Imaging

基于双分支注意力网络的智能诊断：用于超声成像中罕见甲状腺癌识别

Peiqi Li, Yincheng Gao, Renxing Li, Haojie Yang, Yunyun Liu, Boji Liu, Jiahui Ni, Ying Zhang, Yulu Wu, Xiaowei Fang, Lehang Guo, Liping Sun, Jiangang Chen

机构 * Shanghai Key Laboratory of Multidimensional Information Processing, East China Normal University（上海多维信息处理重点实验室，华东师范大学） ； School of Mathematics and Physics, Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学数学与物理学院） ； Department of Ultrasound, Shanghai Tenth People's Hospital（上海第十人民医院超声科） ； Shanghai Engineering Research Center of Ultrasound Diagnosis and Treatment, Tongji University School of Medicine（上海超声诊断与治疗工程研究中心，同济大学医学院） ； Department of Mathematical Sciences, University of Liverpool（利物浦大学数学科学系） 纠错

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

AI总结 本文提出基于双分支注意力网络的CSASN框架，通过整合EfficientNet和ViT实现罕见甲状腺癌的高效识别与分类。

Rethinking the Efficiency and Effectiveness of Reinforcement Learning for Radiology Report Generation

重新思考强化学习在放射学报告生成中的效率和有效性

Zilin Lu, Ruifeng Yuan, Weiwei Cao, Wanxing Chang, Zhongyu Wei, Sinuo Wang, Yong Xia, Ling Zhang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Ningbo No.2 Hospital（宁波第二医院） ； Zhejiang University（浙江大学） ； Hupan Lab（华研实验室） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出DiTPO方法，通过优化诊断F1分数提升放射学报告生成的临床准确性，实现更高效的数据利用和更优的性能表现。

Implicit U-KAN2.0: Dynamic, Efficient and Interpretable Medical Image Segmentation

隐式U-KAN2.0：动态、高效且可解释的医学图像分割

Chun-Wun Cheng, Yining Zhao, Yanqi Cheng, Javier A. Montoya-Zegarra, Carola-Bibiane Schönlieb, Angelica I Aviles-Rivero

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign, USA（计算与数据科学学院，伊利诺伊大学厄巴纳-香槟分校） ； Zurich University of Applied Sciences, Switzerland（苏黎世应用科学大学） ； Lucerne Cantonal Hospital, Switzerland（卢塞恩州立医院） ； Lucerne University of Applied Sciences and Arts, Switzerland（卢塞恩应用科学与艺术大学） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤太数学科学中心，清华大学） 纠错

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

AI总结 隐式U-KAN2.0通过结合MultiKAN和二次NODEs，提升了医学图像分割的可解释性和效率，同时降低了计算成本。

Comments Accepted in MICCAI 2025

Mask-Guided Attention Regulation for Anatomically Consistent Counterfactual CXR Synthesis

基于解剖一致性的反事实胸部X光合成中的掩码引导注意力调节

Zichun Zhang, Weizhi Nie, Honglin Guo, Yuting Su

机构 * Tianjin University（天津大学） 纠错

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

AI总结 本文提出一种基于掩码引导的注意力调节框架，用于实现解剖一致的反事实CXR合成，通过解剖感知正则化和病理引导模块提升生成质量与可控性。

ProFound: A moderate-sized vision foundation model for multi-task prostate imaging

ProFound：一种中等规模的视觉基础模型用于多任务前列腺成像

Yipei Wang, Yinsong Xu, Weixi Yi, Shaheer Ullah Saeed, Natasha Thorley, Alexander Ng, Yukun Zhou, Wen Yan, Dean Barratt, Shonit Punwani, Veeru Kasivisvanathan, Mark Emberton, Daniel C. Alexander, Yipeng Hu

机构 * UCL Hawkes Institute, University College London, London, UK（伦敦大学霍克斯研究所，大学学院伦敦） ； University College London, London, UK（大学学院伦敦） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, China（北京邮电大学人工智能学院） ； Centre for Bioengineering, Queen Mary University of London, London, UK（伦敦女王学院生物工程中心） ； School of Engineering and Materials Science, Queen Mary University of London, London, UK（伦敦女王学院工程与材料科学学院） ； Digital Environment Research Institute, Queen Mary University of London, London, UK（伦敦女王学院数字环境研究所） ； Centre for Medical Imaging, University College London, London, UK（伦敦大学医学成像中心） ； Department of Radiology, University College London Hospital NHS Foundation Trust, London, UK（大学学院伦敦医院 NHS 基础信托放射科） ； Centre for Urology Imaging, Prostate, AI and Surgical Studies (COMPASS) Research Group, Division of Surgery and Interventional Science, University College London, London, UK（泌尿科成像中心、前列腺、AI 和手术研究组，手术与介入科学系，大学学院伦敦） ； Institute of Ophthalmology, University College London, London, UK（伦敦大学眼科研究所） ； Department of Urology, University College London Hospital, London, UK（大学学院伦敦医院泌尿科） ； Division of Surgery and Interventional Science, University College London, London, UK（手术与介入科学系，大学学院伦敦） ； Department of Urology, Comprehensive Cancer Center, Medical University of Vienna, Vienna, Austria（维也纳医学大学综合癌症中心泌尿科） ； Department of Computer Science, University College London, London, UK（计算机科学系，大学学院伦敦） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 ProFound是一种专门用于前列腺多任务成像的视觉基础模型，通过预训练在大量数据上实现了对多种临床任务的高效性能。

Slice-wise quality assessment of high b-value breast DWI via deep learning-based artifact detection

基于深度学习的高b值乳腺扩散加权成像切片质量评估

Ameya Markale, Luise Brock, Ihor Horishnyi, Dominika Skwierawska, Tri-Thien Nguyen, Hannes Schreiter, Shirin Heidarikahkesh, Lorenz A. Kapsner, Michael Uder, Sabine Ohlmeyer, Frederik B Laun, Andrzej Liebert, Sebastian Bickelhaupt

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本研究利用深度学习，特别是DenseNet121，对高b值乳腺扩散加权成像中的高信号和低信号伪影进行检测，以提高诊断准确性。

WSI-INR: Implicit Neural Representations for Lesion Segmentation in Whole-Slide Images

WSI-INR：基于隐式神经表示的全切片图像病变分割

Yunheng Wu, Wenqi Huang, Liangyi Wang, Masahiro Oda, Yuichiro Hayashi, Daniel Rueckert, Kensaku Mori

机构 * Graduate School of Informatics, Nagoya University（名古屋大学信息科学研究生院） ； Technical University of Munich (TUM)（慕尼黑技术大学） ； TUM University Hospital（慕尼黑技术大学医院） ； School of Computation and Information Technology（计算与信息科技学院） ； Technical University of Munich（慕尼黑技术大学） ； Information Technology Center, Nagoya University（名古屋大学信息技术中心） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Research Center for Medical Bigdata（医学大数据研究中心） 纠错

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

AI总结 WSI-INR通过隐式神经表示实现全切片图像病变分割，提升跨分辨率的鲁棒性，优于现有方法。

Comments 11 page, 4 figures

ProSMA-UNet: Decoder Conditioning for Proximal-Sparse Skip Feature Selection

ProSMA-UNet：解码器条件下的近邻稀疏跳连特征选择

Chun-Wun Cheng, Yanqi Cheng, Peiyuan Jing, Guang Yang, Javier A. Montoya-Zegarra, Carola-Bibiane Schönlieb, Angelica I. Aviles-Rivero

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； School of Engineering, Zurich University of Applied Sciences, CH（工程学院，应用科学大学 Zurich） ； Bioengineering Department and ImperialX, Imperial College London, UK（生物工程系和ImperialX，伦敦帝国学院） ； Lucerne University Teaching and Research Hospital, CH（卢塞恩大学教学与研究医院） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤金数学科学中心，清华大学） 纠错

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

AI总结 ProSMA-UNet通过解码器条件稀疏跳连特征选择提升医学图像分割性能，尤其在3D任务中表现突出。

Improving Medical Visual Reinforcement Fine-Tuning via Perception and Reasoning Augmentation

通过感知与推理增强改进医疗视觉强化微调

Guangjing Yang, ZhangYuan Yu, Ziyuan Qin, Xinyuan Song, Huahui Yi, Qingbo Kang, Jun Gao, Yiyue Li, Chenlin Du, Qicheng Lao

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Emory University（埃默里大学） ； Sichuan University（四川大学） ； Peking University（北京大学） 纠错

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

AI总结 本研究提出VRFT-Aug框架，通过增强感知与推理能力，改进医疗影像领域的强化微调效果，提升模型在医学应用中的可靠性与推理能力。

Comments CPAL 2026

Journal ref 2026 Conference on Parsimony and Learning (CPAL)

Enhancing Feature Fusion of U-like Networks with Dynamic Skip Connections

通过动态跳接增强U型网络的特征融合

Yue Cao, Quansong He, Kaishen Wang, Jianlong Xiong, Zhang Yi, Tao He

机构 * College of Computer Science, Sichuan University, Chengdu, 610065, China（计算机科学学院，四川大学，成都，610065，中国） 纠错

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

AI总结 本文提出动态跳接模块，通过自适应机制解决传统U型网络中特征融合的静态约束和多尺度交互不足问题，提升医学图像分割性能。

Inhibitory Cross-Talk Enables Functional Lateralization in Attention-Coupled Latent Memory

抑制性交叉通信使注意力耦合潜在记忆实现功能化横向化

Hong Jeong

专题命中 医学影像 ：CT(abstract)；分类 q-bio

AI总结 抑制性交叉通信通过实现注意力耦合潜在记忆的功能化横向化，提高了事件性回忆的性能。

Comments 10 pages, 3 figures, conference style

Modeling and Control of a Pneumatic Soft Robotic Catheter Using Neural Koopman Operators

基于神经Koopman算子的气动软机器人导管建模与控制

Yiyao Yue, Noah Barnes, Lingyun Di, Olivia Young, Ryan D. Sochol, Jeremy D. Brown, Axel Krieger

机构 * Laboratory for Computational Sensing and Robotics（计算感知与机器人实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Department of Mechanical Engineering（机械工程系） ； University of Maryland（马里兰大学） 纠错

专题命中 医学影像 ：diagnosis(abstract)

AI总结 本文提出基于神经Koopman算子的框架，用于提升软机器人导管的建模与控制精度，实现高精度定位与姿态控制。

Comments 8 pages, 6 figures. Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

ArthroCut: Autonomous Policy Learning for Robotic Bone Resection in Knee Arthroplasty

ArthroCut：膝关节置换术中机器人骨切除的自主策略学习

Xu Lu, Yiling Zhang, Wenquan Cheng, Longfei Ma, Fang Chen, Hongen Liao

机构 * School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Longwood Valley MedTech 纠错

专题命中 医学影像 ：CT(abstract)

AI总结 ArthroCut通过结合术前和术中数据，实现膝关节置换术中骨切除的自主策略学习，提升机器人手术的自主性和可解释性。

Comments Accepted for publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA)