科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
利用器官分层报告知识学习基于解剖学的CT视觉语言表征
机构 * Department of Radiology, Perelman School of Medicine, University of Pennsylvania（放射科，佩尔曼医学院，宾夕法尼亚大学）
专题命中 医学影像 ：CT(title,title_cn)；diagnosis(abstract)；radiology(abstract)；分类 cs.CV
AI总结 研究利用CT图像与放射学报告进行医学视觉语言预训练，提出OKA-CT框架，通过转化报告为器官条件知识，分阶段学习，在数据集上实现零样本异常诊断高AUROC，优于基线，提升报告-图像对齐。
Comments 9 pages, 6 figures, 4 tables
策略驱动的CT智能体：为临床一致的CT推理建模阶段感知诊断控制
机构 * University of Science and Technology of China（中国科学技术大学） ； Technical University of Munich（慕尼黑工业大学）
专题命中 医学影像 ：CT(title,title_cn)；diagnosis(abstract)；分类 cs.LG
AI总结 研究针对CT诊断阶段选择协议差异及现有方法局限，提出策略驱动的CT智能体（PD-CTAgent）。通过临床结构抽象模块和知识引导诊断控制模型，实现阶段感知诊断推理，实验验证其在多数据集上的有效性与临床一致性。
Comments 8 pages, 4 figures
锥束CT在具有挑战性的采集设置下的可微变移位FBP的鲁棒性和稳定性分析
机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany（模式识别实验室，弗赖堡-亚历山大-大学埃尔朗根-纽伦堡，埃尔朗根，德国）
专题命中 医学影像 ：CT(title,title_cn)；biomedical(comments,journal_ref)；分类 cs.CV、eess.IV
AI总结 研究锥束CT中可微变移位FBP在挑战性采集设置下的鲁棒性与稳定性，通过系统研究发现其在不规则轨迹稳定，采样点分布影响大，稀疏视图下质量优、计算快，严重欠采样有性能下降，还适用于非平面多等中心几何结构。
Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:014
Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)
LoSA-Net：用于3D MRI中神经周围侵犯边界敏感预测的局部化和尺度自适应网络
机构 * Seoul National University（首尔国立大学） ； OUTTA ； Chung-Ang University（Chung-Ang 大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，成均馆大学医学院） ； Samsung Changwon Hospital（三星昌原医院） ； NVIDIA AI Technology Center（NVIDIA AI 技术中心）
专题命中 医学影像 ：MRI(title,title_cn)；biomedical(comments,journal_ref)；分类 cs.CV
AI总结 研究针对3D MRI中神经周围侵犯（PNI）预测难题，提出LoSA-Net架构，通过TNA、SAFM和CSRA技术，在168例胆管癌患者的对比增强MRI扫描中，该网络AUC达0.7567，优于卷积和Transformer基线。
Comments Published in the 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI 2026); accepted for oral presentation
Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), 2026
MMA-Former：用于3D MRI中自适应PNI预测的多窗口混合注意力头变压器
机构 * Seoul National University（首尔国立大学） ； OUTTA ； Chung-Ang University（Chung-Ang 大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，全北大学医学院） ； Samsung Changwon Hospital（三星昌原医院） ； NVIDIA AI Technology Center（NVIDIA AI 技术中心）
专题命中 医学影像 ：MRI(title,title_cn)；biomedical(comments,journal_ref)；分类 cs.CV
AI总结 针对3D MRI无创预测PNI的挑战，提出MMA-Former，采用粗-细变压器结构及窗口特定混合注意力机制，能并行多尺度提取特征，实现空间自适应特征提取，在回顾性数据集上AUC达0.752，优于其他架构。
Comments Published in the 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI 2026); accepted for oral presentation
Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), 2026
基于惩罚加权最小二乘法和引导全变差的量子压缩感知CT重建算法
机构 * Peking University Health Science Center（北京大学医学部）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 研究针对现有基于QUBO的稀疏视图CT重建的局限，提出结合PWLS和GTV的量子压缩感知CT方法，经二进制编码形成统一QUBO模型，实验表明该方法重建质量最佳，为量子辅助稀疏视图CT重建提供了概念验证。
Comments 14 pages, 11 figures
用于建模和控制采集变异性的元数据监督MRI表示
机构 * University College London（伦敦大学学院） ； deepc GMBH（深度c有限公司）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV
AI总结 研究磁共振成像采集变异性问题，通过联合建模MRI图像与DICOM元数据分离变异源，学习到解纠缠表示，在此基础上引入统一协调模型，为采集感知表示学习奠定基础。
用于心脏CT综合分割与表型分析的统一框架：人在回路数据标注、视觉基础模型开发、多中心评估及临床验证
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 该研究提出统一框架用于心脏CT综合分割与表型分析，结合人在回路标注、增强技术与自监督预训练模型，组建大型数据集，在多数据集上表现优于开源工具，提高标注效率，推动心脏表型分析发展，还提供了可重复基础。
基于分割的自监督稀疏视图CT重建中的设计选择
机构 * University of Innsbruck（因斯布鲁克大学） ； Institute of Basic Sciences in Engineering Science, University of Innsbruck（因斯布鲁克大学工程科学基础科学研究所） ； University of Cambridge（剑桥大学） ； Yeungnam University（岭南大学） ； University of Applied Sciences Kufstein（库夫施泰因应用科学大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 研究基于分割的自监督稀疏视图CT重建中关键设计选择的影响，引入统一框架分解重建为三组件，通过实验表明最优划分策略依赖噪声结构，多划分分割表现优，结果为方法设计提供指南并凸显独立性假设局限。
Comments 12 pages (main manuscript), 9 pages (supplementary material and figures)
APHABAMAS：一种基于分析体模的方案，用于评估高分辨率3D MRI运动伪影模拟的准确性
专题命中 医学影像 ：MRI(title,title_cn)
AI总结 研究旨在开发评估高分辨率3D MRI运动伪影模拟准确性的方案，提出APHABAMAS方案，利用数字体模解析表达图像和傅里叶域表示，量化三种算法采样误差并排名，为算法选择提供依据。
扩散加权磁共振成像预处理影响双参数前列腺磁共振成像中表观扩散系数估计和自动PI-RADS v2.1分类
专题命中 医学影像 ：MRI(title,summary_cn)；分类 cs.CV、eess.IV
AI总结 研究不同DWI预处理策略对前列腺MRI中ADC估计及PI-RADS分类的影响，通过对268个病例应用多种处理方法，比较不同算法下的ADC图，训练分类器预测PI-RADS分数，发现预处理可提升ADC图质量及分类预测能力。
Comments 19 pages, 10 figures, ISMRM Diffusion workshop 2025, ESMRMB 2025
医学图像分析中局部和非局部相似性度量的聚类算法性能基准测试与优化
机构 * Department of Mathematics, Rhodes University, PO Box 94, Makhanda, 6140, South Africa（数学系，罗德斯大学） ； Department of Statistics, Rhodes University, PO Box 94, Makhanda, 6140, South Africa（统计系，罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS), Stellenbosch 7600, South Africa（理论与计算科学国家研究所）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV、eess.IV
AI总结 该研究针对医学图像分析中利用非局部自相似性的聚类技术进行性能基准测试与优化，评估了五种聚类算法，经随机搜索优化后用多种指标评估，得出不同算法在不同模态下的表现及适用性结论。
从出生到青春期的狒狒大脑纵向MRI模板
专题命中 医学影像 ：MRI(title,title_cn)；分类 q-bio、eess.IV
AI总结 该研究针对狒狒大脑从出生到青春期的发育，提出BABACOOL方法创建多模态发育图谱，生成BaBa21纵向发育模板，还提供全自动生成中间年龄模板的方法，为狒狒数据归一化及相关研究提供便利。
Comments 21 pages, 6 Figures, 6 Supplementary Figures, In Press
Journal ref Imaging Neuroscience, 2026
在固有校准扰动下椎体数字重建射线照片的投影域敏感性分析
机构 * Department of Mathematics, Tulane University（特伦特大学数学系） ； Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； EOS, EOS Imaging Inc.（EOS公司） ； Department of Electrical and Computer Engineering, Vanderbilt University（范德比大学电气与计算机工程系） ； Department of Computer Science, Vanderbilt University（范德比大学计算机科学系）
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 研究固有校准扰动对椎体荧光透视投影及下游配准性能的影响，利用CT衍生模型等生成DRR，通过多种指标量化投影域变化，发现其受视图影响大，会降低配准精度，为评估校准鲁棒性提供框架以提高脊柱成像可靠性。
学习聚焦：用于医学图像分类的解剖学引导注意力正则化
机构 * University of Virginia（弗吉尼亚大学） ； Ahsanullah University of Science and Technology（阿山努拉科技大学） ； University of Utah（犹他大学）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；分类 cs.CV
AI总结 针对医学图像分类中标准分类损失缺乏空间监督的问题，提出Locus框架，利用预训练分割基础模型引导分类器关注诊断相关解剖结构，引入正则化项平衡注意力，在多数据集上验证，提升了分类性能和解剖学注意力。
基于高效扩散变压器的PNI预测的自适应路由
机构 * Seoul National University（首尔国立大学） ； Kyung Hee University（庆熙大学） ； OUTTA ； Chung-Ang University（Chung-Ang 大学） ； Seoul National University School of Medicine（首尔国立大学医学院） ； Samsung Changwon Hospital（三星昌原医院） ； Samsung Medical Center（三星医疗中心） ； NVIDIA AI Technology Center（NVIDIA AI 技术中心）
专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 cs.CV、cs.LG
AI总结 针对胆管癌PNI术前MRI预测难题，传统方法有局限。本文将PNI预测设为扩散分类问题，用基于Transformer的表示实现去噪网络，并引入自适应路由提高效率，实验取得了0.731的AUC及257.57 GFLOPs的结果。
用于磁共振成像的光驱动低功耗低噪声放大器
专题命中 医学影像 ：MRI(title,abstract)
AI总结 研究旨在开发光驱动的低功耗低噪声放大器（LPLNA）用于磁共振成像，采用两级级联放大器设计并在单面PCB实现，相比商用LNA功耗低五倍，在多方面性能相当，证明其用于光驱动射频接收线圈阵列的可行性及应用潜力。
用于高效三维空间功率谱合成的旋转均匀线性阵列计算机断层扫描：架构与原理性方向设计
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 eess.SP
AI总结 该研究提出通过旋转均匀线性阵列进行高效三维空间功率谱合成的方法，受CT启发合成三维谱，相比其他方法降低采样和移动开销，还给出方向设计准则并优化方向集，能以少量样本重建全空间三维谱。
Comments 13 pages, submitted to journal for publication
用于多模态自回归视觉建模的下密集步长预测
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； GE HealthCare（通用电气医疗）
专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 eess.IV
AI总结 研究提出DenseAR范式，将自回归图像生成重构成下密集步长预测，解决现有模型局限。基于此扩展为统一模型处理多模态和成像任务，在医学和自然图像验证，在多对比脑MRI及ImageNet上取得良好效果。
GRC-ProbNet：用于心血管疾病分类的不确定性感知特征提取
机构 * Imperial College London（伦敦帝国学院） ； Medical University of Vienna（维也纳医科大学）
专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV
AI总结 研究旨在从CT图像自动检测和分类心血管疾病，提出GRC-ProbNet利用深度集成生成多个分割掩码以提取不确定性特征，实验表明该方法能提高CVD分类的AUROC，优于基线GRC-Net模型。
Comments Under Review
用于一步式3D医学图像翻译的频谱一致流
机构 * University of Science and Technology of China（中国科学技术大学） ； The First Affiliated Hospital of USTC（中国科学技术大学附属第一医院）
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV
AI总结 该研究提出频谱一致流（SC-Flow）框架用于3D医学图像翻译，通过将其 reformulate 为随机布朗桥过程，引入频谱一致性校正器减轻相关问题，经四个数据集实验验证，此方法在多场景下性能更优。
GB-SVFBP：基于高斯的变移位FBP神经网络
专题命中 医学影像 ：CT(summary_cn)；分类 cs.CV；radiology(comments)
AI总结 针对非圆形轨迹锥束CT重建问题，提出基于高斯的变移位FBP神经网络，引入可训练二维高斯模型减少参数数量，实验表明其参数减少99%，训练时间降为四分之一，显著提升模型实用性与有效性。
Comments Accepted for poster presentation at the 18th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine (Fully3D 2025), Shanghai, China, May 27-30, 2025
用于流体动力学中流量测量指标高分辨率重建的物理信息神经网络
专题命中 医学影像 ：MRI(abstract,abstract_cn)
AI总结 该研究针对流体动力学中流量测量指标重建难题，提出物理信息神经网络（PINN）框架，将纳维-斯托克斯方程与实验流场数据结合，经计算机模拟和实验验证，能提升速度场重建及相关指标精度，比传统方法更接近真值。
Comments 30 pages, 24 figures
通过少样本合成到真实学习和结构感知跟踪实现近距离放射治疗中的多导管数字化
专题命中 医学影像 ：CT(abstract,abstract_cn)
AI总结 研究针对近距离放射治疗中导管数字化难题，开发数据高效、物理引导框架，经两阶段实现多导管数字化。先预训练植入区域感知网络再微调，结合结构感知重建模块。实验验证其有效性，能为临床工作流程提供高效数字化方案。
Comments 9 figures and 2 tables
仅使用低倍率组织病理学图像实现高效弱监督语义分割
机构 * University of Information Technology, Ho Chi Minh City, Vietnam（越南胡志明市信息科技学院） ； Vietnam National University Ho Chi Minh City, Ho Chi Minh City, Vietnam（越南国家大学胡志明市分校）
专题命中 医学影像 ：pathology(abstract)；分类 cs.CV、cs.LG
AI总结 研究探讨仅用低倍率组织病理学图像实现高效弱监督语义分割，通过模拟低倍率输入并重建，构建框架评估弱监督方法对分辨率退化的响应，发现重建质量指标不能预测分割性能，确定关键退化点，为设计数字病理存储系统提供指导。
Comments Accepted at MAPR 2026
差异驱动门控：U-Net 解码器的自适应特征融合
机构 * Department of Computer Science and Technology, Institute for Artificial Intelligence, BNRist, IDG/McGovern Institute for Brain Research, Tsinghua University（清华大学计算机科学与技术系、人工智能研究院、北京信息科学与技术国家研究中心、IDG/麦戈文脑科学研究院） ； Chinese Institute for Brain Research (CIBR)（中国脑科学研究院） ； School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机与信息技术学院）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV
AI总结 研究 U-Net 风格模型中多尺度特征融合问题，提出基于特征差异和熵差异的门控方法，通过从两特征流差异导出注意力权重生成耦合门控映射，实验表明该方法优于现有方法，为特征融合提供新范式。
Comments 15 pages, 13 figures
RED-Sphere：用于跨人群眼底疾病领域泛化的超球面残差边缘去偏
机构 * Newcastle University（纽卡斯尔大学） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Durham University（杜伦大学）
专题命中 医学影像 ：medical image(abstract)；分类 cs.CV
AI总结 研究跨人群眼底疾病领域泛化问题，提出RED-Sphere框架，通过估计干扰响应、残差软门控、正则化损失及用球面原型预测标签来提升鲁棒性，在相关分类任务中取得更好效果，验证了该框架的有效性。
Comments 21 pages, 6 figures, 3 tables. Preprint
具有时间索引输入的生存模型中行政审查的陷阱
机构 * Center for Data Science, New York University（纽约大学数据科学中心） ； University of Chicago（芝加哥大学） ； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院） ； Ataraxis AI（Ataraxis人工智能公司）
专题命中 医学影像 ：medical image(abstract)；分类 cs.LG
AI总结 研究生存模型中行政审查的陷阱，通过刻画行政截断泄漏发生的情况，将其与其他情况区分，提出检测方法，经模拟和真实队列验证，为生存预测提出数据集应提供足够潜在随访的设计原则。
用于脑胶质瘤分类的拉曼光谱生成式增强
机构 * National Institute of Research and Development for Biological Sciences（罗马尼亚生物科学研究与发展国家研究所） ； University of Turku（图尔库大学） ； Research Institute for Artificial Intelligence “Mihai Drăgănescu”, Romanian Academy（罗马尼亚科学院“米哈伊·德拉格内斯库”人工智能研究所） ； University of Bucharest（布加勒斯特大学）
专题命中 临床大模型 ：biomedical(abstract)；分类 cs.LG
AI总结 针对脑胶质瘤拉曼光谱数据集小且异质的问题，开发条件变分自编码器生成合成光谱增强真实训练数据，在严格协议下评估，结果表明该方法能提升分类性能，支持深度生成式增强可提高机器学习在相关应用中的鲁棒性。
NVAITC人工智能科学家：一个受治理的端到端研究系统——以高血压全基因组关联研究为例
机构 * Department of Medical Research, China Medical University Hospital（中国医药大学附设医院医学研究部） ； Master Program for Digital Health Innovation, China Medical University（中国医药大学数字健康创新硕士项目） ； Laboratory for Statistical and Translational Genetics, RIKEN Center for Integrative Medical Sciences（理化学研究所综合医学科学中心统计与转化遗传学实验室） ； AI-Driven Genomic Medicine and Drug Discovery Lab, China Medical University Hospital（中国医药大学附设医院人工智能驱动的基因组医学与药物发现实验室）
专题命中 临床大模型 ：biomedical(abstract)
AI总结 研究以高血压GWAS为例，介绍受治理的端到端智能研究系统NAIS，其集成多种功能。通过真实数据验证，NAIS能支持生物医学发现，规划队列提取等，重现高血压基因座，在药物性肝损伤预测中也有成果，可产生与专家主导流程相当的输出。
Comments 22 pages, 6 figures, 4 tables
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈