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。

Tumor-aware augmentation with task-guided attention analysis improves rectal cancer segmentation from magnetic resonance images

肿瘤感知增强与任务引导注意力分析提高磁共振图像直肠癌分割

Aneesh Rangnekar, Joao Miranda, Natally Horvat, Stephanie Chahwan, Samir Alrayess, Aditya Apte, Aditi Iyer, Eve LoCastro, Revathi Ravella, Marc J Gollub, Iva Petkovska, Jesse Joshua Smith, Paul Romesser, Julio Garcia-Aguilar, Harini Veeraraghavan, Joseph O Deasy

机构 * Department of Medical Physics, Memorial Sloan Kettering Cancer Center（医学物理系，纪念斯隆凯特琳癌症中心） ； Department of Radiology, Memorial Sloan Kettering Cancer Center（放射学系，纪念斯隆凯特琳癌症中心） ； Department of Radiation Oncology, Memorial Sloan Kettering Cancer Center（放射肿瘤学系，纪念斯隆凯特琳癌症中心） ； Department of Surgery, Memorial Sloan Kettering Cancer Center（外科系，纪念斯隆凯特琳癌症中心） ； Department of Medicine, Memorial Sloan Kettering Cancer Center（医学系，纪念斯隆凯特琳癌症中心） 纠错

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

AI总结 本文通过肿瘤感知增强和任务引导注意力分析，改进CT到MRI的直肠癌分割，验证了预训练模型在跨模态转移中的局限性，并提出了缓解策略以提升鲁棒性。

Comments Accepted to Biomedical Signal Processing & Control 2026

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。

FaCT-GS: Fast and Scalable CT Reconstruction with Gaussian Splatting

FaCT-GS：基于高斯点撒的快速可扩展CT重建

Pawel Tomasz Pieta, Rasmus Juul Pedersen, Sina Borgi, Jakob Sauer Jørgensen, Jens Wenzel Andreasen, Vedrana Andersen Dahl

机构 * Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 本文提出FaCT-GS框架，通过优化体素化和光栅化流程，实现快速且可扩展的CT重建，比现有方法快4-13倍，适用于不同投影尺寸。

Comments Accepted at the European Conference on Computer Vision (ECCV) 2026

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

TCSA-UDA: Text-Driven Cross-Semantic Alignment for Unsupervised Domain Adaptation in Medical Image Segmentation

TCSA-UDA：基于文本的跨语义对齐用于医学图像分割中的无监督域适应

Lalit Maurya, Honghai Liu, Reyer Zwiggelaar

机构 * School of Computing, University of Portsmouth（朴茨茅斯大学计算学院） ； Department of Computer Science, Aberystwyth University（阿伯里斯特威斯大学计算机科学系） 纠错

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

AI总结 本文提出TCSA-UDA框架，通过文本驱动的跨语义对齐方法，在医学图像分割中减少域偏移并提升跨模态一致性。

Comments Published in Neurocomputing

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

MRSeqStudio: MRI Sequence Design and Simulation as a Service in a Free and Open-Source Web Platform

MRSeqStudio：一个基于自由开源网页平台的MRI序列设计与模拟即服务工具

Pablo Villacorta-Aylagas, Manuel Rodríguez-Cayetano, Carlos Castillo-Passi, Pablo Irarrazaval, Federico Simmross-Wattenberg, Carlos Alberola-López

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 MRSeqStudio是一款集序列设计与模拟于一体的网页工具，结合物理模拟器KomaMRI和自研序列设计界面，提供无需本地安装的即服务功能，支持教育与研究。

Comments Supplementary videos can be accessed at: this https URL (https://github.com/pvillacorta/MRSeqStudio/tree/master/docs/videos)

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

GRC-ProbNet: Uncertainty-aware Feature Extraction for Cardiovascular Disease Classification

GRC-ProbNet：用于心血管疾病分类的不确定性感知特征提取

Yash Shah, Omar Todd, Philipp Seeböck, Georg Langs, Ben Glocker, Raghav Mehta

机构 * Imperial College London（伦敦帝国学院） ； Medical University of Vienna（维也纳医科大学） 纠错

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 Accepted at STACOM 2026 workshop in conjunction with MICCAI 2026

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)

Asymptotic Linear Convergence of ADMM for Isotropic TV Norm Compressed Sensing

ADMM求解各向同性TV范数压缩感知的渐近线性收敛性

Emmanuel Gil Torres, Matt Jacobs, Xiangxiong Zhang

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 本文通过分析对偶问题等价的Douglas-Rachford分裂中的辅助变量，证明了ADMM在多维情况下求解各向同性TV范数压缩感知问题的局部线性收敛率，并通过大规模3D问题和真实MRI数据验证。

Comments 32 pages, 6 figures

Localization-Infused Vision-Language Semantic Fusion for Text-Guided Medical Image Segmentation

用于文本引导医学图像分割的定位注入视觉语言语义融合

Songyue Han, Mingye Zou, Shuchang Ye, Lei Bi, Mingyuan Meng

机构 * Air Force Engineering University（空军工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Sydney（悉尼大学） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

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

AI总结 研究针对文本引导医学图像分割，提出LoG框架，通过联合执行多尺度目标定位任务，实现三级定位注入语义融合，在三个基准数据集实验中表现出色，优于现有医学图像分割方法。

Comments 12 pages, 6 figures, 7 tables. v2: revised presentation with updated author affiliations; abstract condensed; Figure 1 redrawn; an average performance column added to Table I; one reference added and three removed; author biographies removed. All datasets, methods and experimental results are unchanged from v1

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。

VLM- and LLM-Driven Multi-Agent System for PET Image Denoising

基于视觉语言模型（VLM）与大语言模型（LLM）驱动的多智能体正电子发射断层扫描（PET）图像去噪系统

Boxiao Yu, Savas Ozdemir, Yang Xing, Fumio Hashimoto, Jiong Wu, Yizhou Chen, Axel Rominger, Ruogu Fang, Kuangyu Shi, Tinsu Pan, Kuang Gong

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

AI总结 针对PET图像分辨率低、信噪比差及深度学习去噪部署需多模型与专家干预的问题，本文提出VLM与LLM驱动的多智能体闭环PET去噪框架，自主选最优模型参数，在低剂量数据上优于UNet等基线方法。

SAS: Segment Anything Small for Ultrasound -- A Non-Generative Data Augmentation Technique for Robust Deep Learning in Ultrasound Imaging

SAS：用于超声的小尺寸分割模型——一种用于超声成像中鲁棒深度学习的非生成数据增强技术

Danielle L. Ferreira, Ahana Gangopadhyay, Hsi-Ming Chang, Ravi Soni, Gopal Avinash

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

AI总结 本研究提出SAS非生成数据增强技术，通过双变换策略提升深度学习模型对超声图像中小解剖结构的分割性能，经多数据集验证可显著提升Dice分数，且计算高效、适配资源受限场景。

Comments 25 pages, 8 figures

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。

Directed evolution algorithm drives neural prediction

定向进化算法驱动神经预测

Yanlin Wang, Nancy M Young, Patrick C M Wong

机构 * Brain and Mind institute, The Chinese University of Hong Kong（脑科学与智能技术研究所，香港中文大学） ； Department of Linguistics and Modern Languages, The Chinese University of Hong Kong（语言学与现代语言系，香港中文大学） ； Division of Otolaryngology, Ann & Robert H. Lurie Children's Hospital of Chicago（芝加哥安·罗伯特·H·卢里儿童医院耳鼻喉科） ； Department of Otolaryngology Head & Neck Surgery, Feinberg School of Medicine, Northwestern University（费因伯格医学院耳鼻喉科与头颈外科部，西北大学） ； Knowles Hearing Center, Department of Communication Sciences and Disorders, Northwestern University（诺里斯听力中心，西北大学沟通科学与障碍系） 纠错

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

AI总结 提出定向进化模型(DEM)，模拟生物定向进化试错过程，结合回放缓冲和连续反向传播，在跨域神经预测中提升泛化能力并解决标签稀缺问题。

Comments 16 pages, 5 figures

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。