医学 AI

Parameter-Efficient pretrained-CT-to-MRI Transfer for Rectal Cancer Segmentation: Performance-Calibration Trade-offs

用于直肠癌分割的参数高效型预训练CT到MRI迁移：性能-校准权衡

Aneesh Rangnekar, Jorge Tapias Gomez, Joseph O Deasy, Harini Veeraraghavan

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆-凯特琳癌症中心） 纠错

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

AI总结 本研究提出参数高效的SWIFT系列模型，通过四种配置实现直肠癌分割，在247例测试集上验证性能，明确检测-边界一致性、效率-校准等权衡，为临床部署提供方案。

Comments Accepted to the Medical Image AI in Radiation Therapy (MIART) Workshop at MICCAI 2026

Pixel Wised Lesion Prediction on COVID-19 CT Imagery: A Comparative Analysis of Automated Image Segmentation Architectures

基于像素的新冠CT影像病变预测：自动图像分割架构的比较分析

Sarmad Khan, Basim Azam, Arslan Shaukat

机构 * Department of Computer \& Software Engineering National University of Sciences \& Technology Islamabad, Pakistan ； School of Computing \& Information Systems University of Melbourne Melbourne, Australia 纠错

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

AI总结 本文通过比较四种深度学习架构与六种预训练编码器，评估了在新冠CT影像中预测病变的性能，发现深度学习在分割任务中具有高精度和效率，其中二分类分割达到98%的F1分数，多分类分割在不同数据集上分别达到75%和77%的F1分数。

Comments 7 pages, 6 figures, 4 tables

A Comprehensive Comparison of Deep Learning Architectures for COVID-19 Classification on CT & X-ray Imagery

对用于CT和X光影像中新冠分类的深度学习架构的全面比较

Sarmad Khan, Basim Azam, Arslan Shaukat

机构 * Department of Computer \& Software Engineering National University of Sciences \& Technology Islamabad, Pakistan ； School of Computing \& Information Systems University of Melbourne Melbourne, Australia 纠错

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

AI总结 本文通过比较多种深度学习架构，提出基于卷积神经网络的计算机辅助诊断系统，以区分新冠和正常肺部影像，并在X光和CT数据集上取得了95至98%的平均准确率。

Comments 6 pages, 2 figures, 5 tables

Quantitative mapping from conventional MRI using self-supervised physics-guided deep learning: applications to a large-scale, clinically heterogeneous dataset

利用自监督物理引导深度学习进行传统MRI的定量映射：应用于大规模、临床异质数据集的应用

Jelmer van Lune, Stefano Mandija, Oscar van der Heide, Matteo Maspero, Martin B. Schilder, Jan Willem Dankbaar, Cornelis A.T. van den Berg, Alessandro Sbrizzi

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

AI总结 本研究提出一种自监督物理引导深度学习框架，通过传统MRI直接生成定量T1、T2和PD图，实现了在大规模临床数据集中的高精度和稳定性。

Comments 36 pages, 17 figures, full paper

Tissue-Mixture Entropy-Weighted Reconstruction for Partial-Volume-Aware Brain MRI Super-Resolution

组织混合熵加权重建用于部分容积感知的脑部MRI超分辨率

Xiao Tong, Wenyun Yang, Ziheng Zhang, Jingzhi Han, Zhaochu Luo, Jinbo Yang

机构 * Peking University（北京大学） ； Weihai Institute of Oceanology, Peking University（北京大学威海海洋研究院） ； Beijing MagnVue Medix Co., Ltd.（北京迈格威医疗科技有限公司） 纠错

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

AI总结 本研究提出AGW-PBR方法，通过组织混合熵加权优化脑部MRI超分辨率，提升了IXI数据集的重建效果，无PVE监督的骨干网络在fastMRI上也表现出色。

Comments 15 pages, 6 figures, 8 tables

DALE-CT: Depth-Aware 2D Slice Encoders Learn an Anatomical World Model of Chest CT

DALE-CT: 用于计算机断层扫描的深度感知基础模型

Evan W. Damron, Mahmut S. Gokmen, Mitchell A. Klusty, Caroline N. Leach, Emily B. Collier, V. K. Cody Bumgardner

机构 * University of Kentucky（肯塔基大学） 纠错

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

AI总结 提出DALE-CT，一种基于LeJEPA的2D切片模型，通过3D深度感知预训练（利用解剖掩膜和异常标注）提升表示质量，在CT多异常检测中达到与3D视觉语言模型近似的性能。

Comments 18 pages, 5 figures, 13 tables

FLAT: FLow-Aligned Training of Unrolled Networks for MRI Reconstruction

展开网络是MRI重建中的条件概率流

Kehan Qi, Saumya Gupta, Xiaoling Hu, Qingqiao Hu, Weimin Lyu, Yicun Wang, Chao Chen

机构 * Stony Brook University（石溪大学） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 本文提出FLAT方法，通过流匹配离散化和轨迹对齐提升MRI重建的稳定性与质量。

High-resolution in situ analysis of biomass pyrolysis by combining quantitative synchrotron $μ$CT and 3D particle-resolved simulations

结合定量同步辐射显微计算机断层扫描（μCT）与三维颗粒分辨模拟的生物质热解高分辨率原位分析

Emeric Boigné, Mohamed M. Ahmed, Collin Foster, Edna R. Toro, Dilworth Y. Parkinson, Alastair A. MacDowell, Harold S. Barnard, Francesco Panerai, Chiara Saggese, Matthias Ihme

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本研究结合定量同步辐射μCT与三维颗粒分辨模拟，实现生物质热解的高分辨率原位分析，揭示热解过程中质量与体积损失捕捉的不足，为固体燃料燃烧耦合机制研究提供支撑。

Comments Supplementary material included as an ancillary file. Experimental and simulation data available at this https URL (https://doi.org/10.25740/tf116vx1269)

Differentiable Jitter Correction using Deep Learning-based Image Quality Metric for Phase-Contrast Micro-CT

基于深度学习图像质量度量的相衬显微CT可微分抖动校正方法

Junan Chen, Yiting Jia, Joscha Maier, Dominik John, Sami Wirtensohn, Imke Greving, Silja Flenner, Matthias Wieczorek, Julia Herzen

机构 * ImFusion GmbH（ImFusion公司） ； Technical University of Munich（慕尼黑工业大学） ； Deutsches Elektronen-Synchrotron (DESY)（德国电子同步加速器研究所） ； Helmholtz-Zentrum Hereon（亥姆霍兹重离子研究中心（赫雷翁）） 纠错

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

AI总结 该研究提出一种无需预扫描无运动参考的可微分相衬显微CT抖动校正方法，采用深度学习图像质量度量与3D卷积神经网络，可恢复抖动丢失的精细结构，在不同样本上具备泛化能力。

Unsupervised Adaptation of 3D CT Foundation Models for 3D CBCT Segmentation

用于3D CBCT分割的3D CT基础模型的无监督适配

Gauthier Miralles, Loic Le Folgoc, Vincent Jugnon, Pietro Gori

机构 * LTCI, Télécom Paris, Institut Polytechnique de Paris（巴黎综合理工学院电信学院LTCI研究所） ； GE HealthCare（GE医疗） 纠错

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

AI总结 该研究针对3D CBCT分割面临的标注数据稀缺与跨模态域偏移问题，提出基于降冗余特征对齐的无监督域适应框架，适配CNN及ViT基础模型，在肝脏分割基准上表现优于现有策略，且公开了相关资源。

Comments Accepted at the EMA4MICCAI workshop at MICCAI 2026. 11 pages, 4 figures, 1 table. Code, trained models, weights, and liver annotations are available at this https URL (https://github.com/mirabll/FARR3D/)

Constrained estimation of rotational invariants of the cumulant expansion (RICE) for rapid tensor-valued diffusion MRI

用于快速张量值扩散MRI的累积量展开旋转不变量（RICE）的约束估计

Jinyang Yu, Oliver Gödicke, Frederik B. Laun, Obada T. Alhalabi, Iris A. Kohler, Jürgen Hesser, Sandro M. Krieg, Bogdana Suchorska, Heinz-Peter Schlemmer, Mark E. Ladd, David Bonekamp, Johann M. E. Jende, Tristan A. Kuder

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究提出用约束加权线性最小二乘（CWLLS）稳定快速累积量展开旋转不变量（RICE）的拟合，其速度比约束q空间轨迹成像（QTI）快160倍，可生成高质量dMRI参数图谱，提升组织表征可靠性。

Comments 11 pages, 5 figures. Jinyang Yu and Oliver Gödicke contributed equally to this work. Submitted to Magnetic Resonance in Medicine

M-Net: Integrating Spectral Features and Physical Field Operators into Deep Learning for Medical Image Segmentation

M-Net：将谱特征与物理场算子融入深度学习用于医学图像分割

Jing Zhu, Ye Wang, Fumin Wang

机构 * University of Sydney（悉尼大学） 纠错

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

AI总结 该研究提出融入数学先验的M-Net，在LiTS、KiTS、BraTS数据集上提升U-Net分割性能，证实数学归纳偏置可增强医学图像分割效果。

A Unified Framework for the Mechanics of Information in Convolutional Neural Network Image Space

卷积神经网络图像空间中信息力学的统一框架

Aryan Shukla, Matthew Toews

机构 * École de technologie supérieure（蒙特魁北克大学工程学院（École de technologie supérieure）） 纠错

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

AI总结 本文提出CNN图像空间信息力学的统一数学框架，建立离散滤波器对称性与相对论能量-动量关系的对应，经3D图像验证可在多尺度图像中生成尺度不变莫尔斯临界点。

Methodological and Conceptual Framework for 5D Multi-Table Analysis: A Unified Approach for Complex Data Reuse

用于五维多表分析的方法与概念框架：复杂数据复用的统一方法

Edouard Lansiaux, Hugo Kazzi, Aurélien Loison, Slim Hammadi, Emmanuel Chazard

机构 * CHU de Lille（里尔大学中心医院） ； Lille Centrale Institute（里尔中央理工学院） ； Lille University（里尔大学） 纠错

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

AI总结 本文提出关系超图Transformer（RHT）架构，用于解决复杂关系数据的多表学习问题，在Synthea数据集上验证其生成语义连贯嵌入的能力，计划后续在MIMIC-IV上开展临床验证。

Domain-Specific Self-Supervised Representation Learning for Retinal Fundus Classification

面向视网膜眼底图像分类的领域特定自监督表示学习

Bekzat Nurlanbekova, Fung Fung Ting

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

AI总结 该研究针对医学标注数据稀缺问题，探究SimSiam与SimCLR在视网膜眼底图像分类中的应用，发现定制数据增强策略可提升性能，轻量级SSL框架能减少对大型标注数据的依赖并取得竞争力结果。

FU-Mamba: A Frequency-Enhanced Dynamic Scanning Framework for Oralscan Image Segmentation

FU-Mamba：用于口腔扫描图像分割的频率增强型动态扫描框架

Xinxin Zhao, Jinpeng Ye, Bo Wei, Liqin Wu, Mahmoud Hassaballah, Karen Egiazarian, Aura Conci, Victor Hugo C. de Albuquerque, Abdulkadir Sengur, Leszek Rutkowski, Yan Tian

机构 * School of Computer Science and Technology, Zhejiang Gongshang University（浙江工商大学计算机科学与技术学院） ； Tongxiang Hospital of Traditional Chinese Medicine（桐乡市中医院） ； Prince Sattam Bin Abdulaziz University（萨塔姆·本·阿卜杜勒阿齐兹王子大学） ； Qena University（奎纳大学） ； Tampere University（坦佩雷大学） ； Universidade Federal Fluminense（弗卢米嫩塞联邦大学） ； Federal University of Ceara（塞阿拉联邦大学） ； Firat University（菲拉特大学） ； Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所） ； AGH University of Krakow（克拉科夫AGH大学） 纠错

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

AI总结 针对口腔扫描图像分割中现有视觉SSMs破坏空间连续性、成像干扰影响边界定位的问题，提出融合动态扫描与频域增强的FU-Mamba，在牙科数据集上使mIoU提升1.1%。

Comments Accepted by Neurocomputing