医学 AI

Multimodal pseudo-CT synthesis for PET attenuation correction using separate modality encoding and topogram conditioning

采用独立模态编码与顶图条件化的多模态伪CT合成用于PET衰减校正

Rory Bell, Artemis Bouzaki, Jiaming Cao, Jasmine Morrison, Chelsea Sargeant

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

AI总结 本研究针对PET衰减校正问题，在BIC-MAC挑战赛中提出一种采用独立模态编码与顶图条件化的多模态3D块U-Net模型，实现了从NAC-PET、MRI和2D顶图生成伪CT的任务，有效整合跨模态信息并降低了对模态间体素对应关系的依赖

Comments Technical report for the BIC-MAC 2026 Challenge

Pretreatment DCE-MRI Resolves Response Quality Within Pathologic Endpoints in Neoadjuvant Breast Cancer

预处理DCE-MRI可在新辅助乳腺癌的病理终点中解析反应质量

Dattatreya Kantha, Murray H. Loew

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

AI总结 该研究针对新辅助乳腺癌，发现预处理DCE-MRI的熵可解析病理完全缓解等终点中隐藏的反应质量，识别复发富集组，补充现有终点的不足。

A scattering correction method for CT reconstruction based on the Wavelet Adaptive Material-dependent Boltzmann Transport Equation (WAM-BTE)

基于小波自适应材料相关玻尔兹曼输运方程（WAM-BTE）的CT重建散射校正方法

Huiying Pan, Xu Jiang, Xing Zhao

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

AI总结 本研究针对CT成像中散射光子导致图像质量下降的问题，提出基于WAM-BTE的散射校正方法，结合小波分解构建自适应多尺度框架，在保证精度的同时大幅提升计算效率，单视图散射计算达毫秒级。

AnaDiffusion: Anatomically CompositionalLatent Diffusion for Controllable 3D Brain MRI Generation

AnaDiffusion：用于可控3D脑部MRI生成的解剖学组成式潜在扩散模型

Huiwen Han, Lulin Liu, Bangya Liu, Yuanhao Cai, Nuo Chen, Xiaoqing Wang, Ziqian Xie, Chenyu You, Shuiwang Ji, Degui Zhi, Zhiwen Fan

机构 * Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯农工大学） ； University of Minnesota（明尼苏达大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； UTHealth Houston（休斯顿健康科学中心） ； Stony Brook University（纽约州立大学石溪分校） 纠错

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

AI总结 AnaDiffusion是一种解剖学组成式潜在扩散框架，通过分解3D脑部MRI生成为解剖区域并组装细化，在ADNI测试集上实现低FID与高Cohen's d值，支持无需密集分割图的可控部分编辑。

Shimmer: End-to-End Open-Source Passive B0 Shimming Methodology for Low-Field MRI Magnets

Shimmer：用于低场MRI磁体的端到端开源无源B0匀场方法

Ilia Kulikov, David Schote, Helge Herthum, Martin Häuer, Kimon Hadjikiriakos, Jan Gregor Frintz, Sonja Buxbaum-Conradi, Manuel Moritz, Tobias Redlich, Lukas Winter

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 Shimmer是一种端到端开源无源B0匀场方法，结合磁场测绘、模拟与优化等技术，可降低低场MRI磁体的场不均匀度，实现体模无畸变成像，为低场MRI性能改进提供可复现方案。

Comments 22 pages, 12 Figures + supplementary information

A novel strategy for achieving a low-field lightweight permanent MRI magnet system with good magnetic field homogeneity and low eddy current

一种实现低场轻量化永磁MRI磁体系统的新策略，该系统具有良好的磁场均匀性和低涡流特性

Jingzhi Han, Jiangqian Guo, Peng Shen, Xiao Tong, Wenyun Yang, Ziheng Zhang, Jie Liu, Tianzhuo Yang, Yikun Fang, Shunquan Liu, Jie Zhang, Qing Xu, Jinbo Yang

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究针对低场轻量化永磁MRI系统的涡流与均匀性问题，采用各向异性Sm-Fe-N粘结磁体，实现低涡流与高均匀性，成像效果优异。

Comments 7 figures; supplementary material included

SymmAdapt: Symmetrical Flow Matching for Source-Free Domain Adaptation in Medical Image Segmentation

SymmAdapt：用于医学图像分割的无监督源域自适应的对称流匹配方法

Tal Grossman, Noa Cahan, Hayit Greenspan

机构 * Faculty of Engineering, Tel Aviv University（特拉维夫大学工程学院） 纠错

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

AI总结 针对医学图像分割的域偏移问题，提出基于对称流匹配的SFUDA框架，构建生成式回放缓冲区，在多任务评估中优于基线且与传统UDA方法性能相当。

Comments Accepted at SASHIMI 2026, held in conjunction with MICCAI 2026. To appear in the Springer LNCS proceedings of the MICCAI 2026 Satellite Events

Region-Weighted Losses and Model Fusion for Cross-Modal PET Attenuation Correction

面向跨模态PET衰减校正的区域加权损失与模型融合

Khoa Tuan Nguyen, Joris Vankerschaver, Wesley De Neve

机构 * Center for Biosystems and Biotech Data Science, Ghent University Global Campus（根特大学全球校区生物系统与生物技术数据科学中心） ； Ghent University（根特大学） 纠错

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

AI总结 针对BIC-MAC挑战赛，采用区域加权Carney衰减系数空间L₁损失、结合未配准DIXON MRI输入，通过两个独立模型的凸组合实现跨模态PET衰减校正，在公共验证排行榜总体排名第一。

Comments ntkhoa team submission for BIC-MAC MICCAI26 challenge ( this https URL (https://www.codabench.org/competitions/12555/#/results-tab) )

CRS-Bench: A Reference-Relative Reliability Benchmark for Medical Image Encoders

CRS-Bench：面向医学图像编码器的参考相对可靠性基准

Xingtao Lin, Hangqi Ren, Caiwan Sun, You Chen

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

AI总结 本研究提出CRS-Bench基准，通过评估15个预训练医学图像编码器的多轴可靠性，结合临床可靠性评分，发现部分编码器排序与AUROC结果反转，确定PanDerm等为稳定领先层级，为医学编码器选择提供更全面框架。

Comments 10 pages, 7 figures. Submitted to WACV 2027

Toward a Foundation Plug-and-Play Prior for Computed Tomography Reconstruction via a Multimodal Diffusion Model

面向计算机断层扫描重建的即插即用基础先验：基于多模态扩散模型

Haley Duba-Sullivan, Patxi Fernandez-Zelaia, Obaidullah Rahman, Amirkoushyar Ziabari

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

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

AI总结 该研究探究用跨多成像域训练的单一多模态扩散模型作为CT重建的通用先验，在三类不同CT数据集上验证其性能优于解析重建，为异构CT重建提供可复用基础先验。

A Query-Time Framework for Transient 2D Pore-Scale Flow Prediction and Generative Design

用于瞬态二维孔隙尺度流动预测与生成式设计的查询时框架

Yiming Wang, Jiale Zhu, Zhichen Ye, Yandong Lv, Shiqi Wang, Jinlong Liu, Yucheng Fan

机构 * School of Civil Engineering, The University of Sydney（悉尼大学土木工程学院） ； Zhejiang University（浙江大学） ； College of Civil Engineering and Architecture, Zhejiang University（浙江大学建筑工程学院） ； School of Civil Engineering, Southeast University（东南大学土木工程学院） ； School of Civil and Environmental Engineering, UNSW Sydney（新南威尔士大学悉尼校区土木与环境工程学院） 纠错

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

AI总结 本研究提出CT-PoreFlow模型，构建QSGS-Transient-7606基准，实现瞬态二维孔隙尺度流动的高效预测，并将其嵌入逆向设计工作流，在多孔介质生成设计中表现优于扩散模型。

Comments 34 pages, 16 figures, 4 tables

CiUNet: A Hybrid Swin-CNN UNet for Medical Image Segmentation

CiUNet：用于医学图像分割的混合Swin-CNN UNet

Bin Dong, Jinghong Chen

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

AI总结 针对医学图像分割的隐私、效率需求，提出基于Swin-UNet的混合架构，融合并行CNN编码器与XSkip连接等，在Synapse数据集上实现SOTA分割性能，为临床部署提供可行方案。

Comments 14 pages, 3 figures. The demo predictor and trained weights are available at: this https URL (https://github.com/ciphoBD/CiUNet)

GET: Generative Embedding Translation for Medical Image Segmentation

GET：用于医学图像分割的生成式嵌入翻译

Md Maklachur Rahman, Md Hasan Al Banna, Saraf Anjum, Mahmudul Hasan, Tracy Hammond

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

AI总结 该研究提出GET框架，基于Stable Diffusion VAE的冻结潜在空间实现医学图像分割，在多数据集上优于各类基线，参数更少且域偏移下性能提升显著。

Comments Accepted at ECCV 2026 - BioImage Computing Workshop

A Tensor Network Framework for Interpretable Graph Analysis of Brain Networks

用于脑网络可解释图分析的张量网络框架

Domenico Pomarico, Giuseppe Magnifico, Alessandro Grecucci, Loredana Bellantuono, Jesus M. Cortes, Marianna La Rocca, Alfonso Monaco, Marlis Ontivero-Ortega, Alessandro Scarano, Massimo Stella, Roberto Bellotti, Sebastiano Stramaglia, Nicola Amoroso

专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 q-bio

AI总结 该研究提出量子启发的张量网络框架，结合分类功能与可解释性，对脑结构MRI数据的两类脑疾病分类任务展开分析，识别出稳定的脑区特征并验证了方法的解释价值。

Image-Conditioned Diffusion Models for Quality Assurance of Organ-at-Risk Segmentations in Radiotherapy

用于放疗中危及器官分割质量保证的图像条件扩散模型

Clea Dronne, Catharine H Clark, Xavier Loizeau, Elizabeth Miles, Peter Hoskin, Jamie R McClelland

机构 * UCL Hawkes Institute（UCL霍克斯研究所） ； University College London（伦敦大学学院） ； National Physical Laboratory（英国国家物理实验室） ； University College London Hospital（伦敦大学学院医院） ； National Radiotherapy Trials Quality Assurance Group（国家放射治疗试验质量保证组） ； Mount Vernon Hospital（芒特弗农医院） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 该研究针对放疗中危及器官分割审阅耗时主观的问题，对比VAE框架与图像条件分割扩散模型，发现后者能更一致地定位细微边界错误，为分割质量保证提供了有前景的框架。

Comments Submitted to the MICCAI 2026 UNSURE Workshop

A Simulator-Grounded Framework For Constructing Verifiable Muscle-Grounded QA From 3D Tongue Meshes

一种基于模拟器的框架，用于从3D舌网格构建可验证的肌肉驱动问答（QA）

Seungho Eum, Unsang Park

机构 * Sogang University（西江大学） 纠错

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

AI总结 该研究提出基于模拟器的3DTongueQA框架，从3D舌网格构建可验证肌肉驱动问答，验证其可移植性，表明构建的监督信号支持结构化预测与异构自然语言问答。

Comments 15 pages, 4 figures, 15 tables

Three-Phase Scribble-Adaptive Curriculum Learning for autoPETV Grand Challenge

用于autoPETV大赛的三阶段涂鸦自适应课程学习方法

Libo Zhang

机构 * University Hospital Tübingen（蒂宾根大学医院） ； LMU University Hospital Munich（慕尼黑大学医院） ； Peter MacCallum Cancer Centre（彼得·麦卡勒姆癌症中心） 纠错

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

AI总结 该研究针对autoPETV大赛的交互式病灶分割任务，提出三阶段涂鸦自适应课程学习方法，采用残差编码器U-Net，在1811项研究数据上训练后，经5折交叉验证取得AUC-Dice和AUC-DMM的提升。

EndoNav: Semantic-to-Geometric Grounding for Language-Guided Robotic Endoscopic Examination

EndoNav：面向语言引导的机器人内窥镜检查的语义到几何的 grounding（语义几何关联）

Jecia Z. Y. Mao, Hisashi Ishida, Kathryn Jung, Masaru Ishii, Russell H. Taylor, Manish Sahu

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究人员提出 EndoNav 框架，可将外科医生高级命令转换为患者特异性鼻窦解剖内的自主内窥镜可视化行为，其可视化效果接近住院外科医生水平，验证了该方法的可行性。

Tensor greedy double block extended Kaczmarz method for solving inconsistent tensor linear systems under t-product

基于t-积求解不相容张量线性系统的张量贪心双块扩展Kaczmarz方法

Jérémie Mabiala, Lionel Tondji

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本文针对t-积下的三阶不相容张量线性系统，提出TGDBEK方法，通过贪心策略动态调整活动块大小，理论上线性收敛，数值实验显示其性能优于现有同类张量Kaczmarz求解器。

Roles of vortices and turbulent eddies in particle preferential concentration and deposition in the human respiratory tract

涡流与湍涡在人体呼吸道内药物气溶胶的优先聚集与沉积中的作用

Mengtao Li, Yawei Wang, Wentao Feng, Yubo Fan

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本研究通过构建高保真呼吸道模型，对比URANS与SBES框架，揭示涡流与湍涡对呼吸道内药物气溶胶优先聚集和沉积的影响，指出瞬态涡流与湍涡的数值解析是准确预测颗粒传输沉积的关键。

Volume-Surface-Wire Integral Equations for EEG Source Imaging

用于EEG源成像的体积-表面-导线积分方程

Paolo Ricci, Maxime Monin, Alessandro Mascherin, Adrien Merlini, Francesco P. Andriulli

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 该研究提出基于混合体积-表面-导线积分公式的EEG源成像框架，可实现白质各向异性贡献的神经束感知建模，与FEM参考解吻合度高，兼具鲁棒定位性能与交互式可视化能力。

Comments 15 pages, 7 figures

DNA Methylation Profiling in Melanoma: From Lesion Classification to Therapeutic Stratification

黑色素瘤中的DNA甲基化谱分析：从病变分类到治疗分层

Jana T. Winterstein, Lukas Heinlein, Günter Raddatz, Carina Nogueira Garcia, Sarah Haggenmüller, Christoph Wies, Lucas Schneider, Annemarie Hoffsommer, Tim J. Zeuner, Friedegund Meier, Sarah Hobelsberger, Frank F. Gellrich, Mildred Sergon, Axel Hauschild, Lucie Heinzerling, Justin G. Schlager, Kamran Ghoreschi, Max Schlaak, Franz J. Hilke, Carola Berking, Markus V. Heppt, Michael Erdmann, Sebastian Haferkamp, Konstantin Drexler, Dirk Schadendorf, Wiebke Sondermann, Matthias Goebeler, Bastian Schilling, Daniel B. Lipka, Stefan Fröhling, Felix Sahm, Jakob N. Kather, Yuri Tolkach, Jochen S. Utikal, Benjamin Izar, Yevgeniy R. Semenov, Titus J. Brinker

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

AI总结 本研究基于1001份组织样本，用Illumina Infinium MethylationEPIC芯片分析DNA甲基化，构建CpG分类器区分黑素细胞痣、非侵袭性与侵袭性黑色素瘤，还构建生物学导向特征模型预测治疗分组，证实甲基化可作为诊断和治疗分层的生物标志物。

Targeted Iterative Filtering

定向迭代滤波

Freddie Åström, Michael Felsberg, George Baravdish, Claes Lundström

机构 * Linköping University（林雪平大学） ； Center for Medical Image Science and Visualization（医学影像科学与可视化中心） ； Sectra AB（赛特拉公司） 纠错

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

AI总结 针对不同应用领域对图像去噪的差异化要求，提出源自应用确定值空间线性扩散的新型非线性扩散方案，其性能优于现有同类技术。

Retrieval-Augmented Visual Prompting: Guiding Foundation Models in Two-Photon Imaging

检索增强型视觉提示：引导基础模型用于双光子成像

Salvatore Calcagno, Marco Finocchiaro, Giovanni Bellitto, Daniela Giordano, Concetto Spampinato, Federica Proietto Salanitri

机构 * University of Catania（卡塔尼亚大学） 纠错

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

AI总结 该研究提出RAVP框架，通过在推理阶段注入外部视觉记忆引导基础模型，经Allen Brain Observatory实验验证，可提升零样本神经元检测与实例分割性能，单示例提示效果优于多示例。

Comments 14 pages, 4 figures, 6 tables. Supplementary material included

Orbital instability of solitary waves for the generalized BBM equation at the negative critical endpoint

Cui Ning

专题命中 医学影像 ：CT(abstract)

Comments 24 pages

When the Edit Changes the Patient: Measuring Identity Preservation in Counterfactual Retinal Images

当编辑改变患者时：在反事实视网膜图像中测量身份保留情况

Andrea Posada, Wenke Karbole, Bach Ngoc Doan, Alexander Weers, Solmaz Abdolrahimzadeh, Maria Patsiamanidi, Kahkashan Haider, Vaishali Khare, Daniel Rueckert, Andrew Lotery, Sobha Sivaprasad, Martin J. Menten

机构 * Technical University of Munich（慕尼黑工业大学） ； TUM University Hospital（慕尼黑工业大学医院） ； Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； Sapienza University of Rome（罗马第一大学） ； Faculty of Medicine, University of Southampton（南安普顿大学医学院） ； Moorfields Eye Hospital NHS Foundation Trust（摩尔菲尔兹眼科医院NHS信托基金） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 临床大模型 ：medical image(abstract)；分类 cs.CV

AI总结 本研究针对视网膜OCT图像，用裁判分类器等方法对比三类文本条件编辑方法的身份保留效果，发现配对训练法身份保留最佳，建议未来医学反事实生成需明确报告身份保留情况。

Role-Specialized Mixture-of-Agents with Open-Weight LLMs for Clinical Prediction

采用开源权重大语言模型的角色专业化智能体混合架构用于临床预测

Jun Hou, Yi Fang, Xuan Wang

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)；分类 cs.LG

AI总结 该研究提出角色专业化的开源权重智能体混合架构，结合医学知识检索与相似患者推理，在死亡率预测上媲美闭源模型且标记更多高危患者，为隐私约束下的临床LLM预测提供关键角色设计思路。

Comments COLM 2026 DAIH Workshop

MediSkill-Evo: Process-Constrained Self-Evolution for Evidence-Grounded Clinical Interaction

MediSkill-Evo：面向证据依据的临床交互的过程约束自进化

Ruoyu Wu, Shenfu Xie, Yinqian Sun, Haibo Tong, Feifei Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Institute of AI Safety and Governance（北京人工智能安全与治理研究院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 MediSkill-Evo是无需主干微调的临床智能体，通过四类经验存储库与过程约束偏好工具优化，在多维度评估中提升了诊断准确率等指标，验证了其临床交互性能。

Teaching LLMs How ICU Physicians Approach Clinical Reasoning Through OMOP-Aligned Retrieval Improves Reasoning Across Clinical Domains

通过OMOP对齐检索教导大型语言模型（LLM）采用ICU医师的临床推理方式可提升跨临床领域的推理能力

Miguel Contreras, Scott Siegel, Subhash Nerella, Jessica Sena, Jiaqing Zhang, Heng Sun, Hruday Tej Akkaladevi, Peiyu Lu, Jordan Rosen, Sumit Kapoor, Sasank Desaraju, Grace R. Thompson, Jacob Purcell, Michael Petrauskis, Philip KW. Hong, Meghan Brennan, Sarah Chrabaszcz, Tierra Smith, Ronnie Ren, Michel S. Kabbash, Ceyhun Haziroglu, Rushi Patel, Gabriel Gomez, Charlotte Chaiklin, Randy Leung, Kenneth N. John, Whitman Wiggins, Philip Kayser, Vincent Bird, Maria Bruzzone, Tyler J. Loftus, Azra Bihorac, Parisa Rashidi

机构 * University of Florida（佛罗里达大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本研究开发ICU-REACT推理数据集并微调Clin-REACT模型，使其学习ICU医师的临床推理方式，该模型在五个临床推理基准中表现优于多款模型，可提升跨领域临床推理能力。

Extending the Horizon of Early Diagnosis: Lung Cancer Prediction with Vision Transformers

拓展早期诊断的视野：利用视觉Transformer进行肺癌预测

Olivera Kotevska, Ian Goethert, Michael McGee, Maria Mahbub, Sean R. Wilkinson, Rowena Yip, Myvizhi Esai Selvan, Zeynep H. Gumus, Claudia Henschke, Robert J. Klein, Providencia Morales, Samuel M Aguayo, Ioana Danciu, Mayanka Chandrashekar

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） ； Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院） ； Phoenix VA Medical Center（凤凰城退伍军人事务医疗中心） ； Vanderbilt University Medical Center（范德堡大学医学中心） 纠错

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

AI总结 该研究利用视觉Transformer（ViTs）分析259361张胸部X光片，通过解决类别不平衡优化模型，实现临床诊断前1-2年的肺癌预测，预训练ViTs性能优于从头训练模型，为早期肺癌风险预测提供了潜力。