医学 AI

Error Detection for PET/CT Radiology Reports: Domain-Specific vs Large Language Models

PET/CT放射报告的错误检测：领域特定模型与大语言模型

Hermione Warr, Harry Anthony, Lilli J Freischem, Yasin Ibrahim, Daniel R McGowan, Konstantinos Kamnitsas

机构 * University of Oxford（牛津大学） ； Oxford University Hospitals NHS（牛津大学医院NHS） ； Imperial College London（伦敦帝国理工学院） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 本研究针对PET/CT报告错误检测，对比了领域特定模型与大语言模型，发现15M参数的领域特定BERT模型性能优于最强提示式LLM，任务适配的Llama-3.3-70B可缩小差距但计算需求更高，证明领域特定训练更关键。

Medical Foundation Model Features as Perceptual Loss for Brain MRI Contrast Dose Simulation

医学基础模型特征作为感知损失用于脑部MRI对比度剂量模拟

Changsheng Fang, Dayang Wang, T. Campbell Arnold, Enhao Gong, Srivathsa Pasumarthi

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

AI总结 该研究提出用医学基础模型RadImageNet的特征替代自然图像骨干网络，作为感知损失用于脑部MRI对比度剂量模拟，相关指标略有提升，视觉效果更优。

Whole-Body MRI Classification via Prompt-Based Clinical Conditioning

基于提示的临床条件下的全身MRI分类

Laura Daza, Marta Hasny, Cristina González, Julia A. Schnabel

机构 * Helmholtz Munich（亥姆霍兹慕尼黑） ； Technical University of Munich（慕尼黑工业大学） ； King’s College London（伦敦国王学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 本研究提出基于提示的多模态框架TACTIC，整合全身MRI与结构化临床数据，可处理缺失临床数据，在五项WB-MRI分类任务中优于仅图像方法，提升诊断性能。

On the Role of MRI Sequences in Cross-Dataset Generalization for Brain Tumor Segmentation

MRI序列在脑肿瘤分割跨数据集泛化中的作用

Henrique Zan Grande, João G. Pitol, Lucas B. Schuck, Rafael V. Serenato, Rayson Laroca, Andre Gustavo Hochuli

机构 * Pontifical Catholic University of Paraná（巴拉那州天主教大学） 纠错

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

AI总结 本研究评估MRI序列对脑肿瘤分割跨数据集泛化的影响，采用ResUNet框架，发现T2f/FLAIR序列跨数据集性能最优，多序列训练可进一步提升效果，有限目标域适应能减少标注需求。

Comments Accepted for presentation at the 2026 Conference on Graphics, Patterns and Images (SIBGRAPI)

Beyond Representation Learning: A Systematic Study of Joint-Embedding Predictive Generation for 3D Brain MRI

超越表示学习：针对3D脑部MRI的联合嵌入预测生成的系统研究

Meng Zhou, Wenhao You, Yuxing Chen, Yueying Tian

机构 * University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学） ； University of Alberta（阿尔伯塔大学） ； University of Sussex（萨塞克斯大学） 纠错

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

AI总结 本研究提出适配3D脑部MRI的Med-D-JEPA模型，在生成质量、分类与分割任务上均优于或相当基线，证明联合嵌入预测生成可用于3D医学图像合成。

Comments Preprint, code will be released after review

Evaluating the Safety of Deep Learning-Based Brain MRI Reconstruction

基于深度学习的脑部MRI重建安全性评估

Dat Tat Mai, Thai Viet Pham, Thu Nguyen Thi Dang, James Jin Kang

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

AI总结 本文针对深度学习脑部MRI重建的安全性问题，系统综述263项相关研究，发现现有评估无法捕捉病灶消除等故障，推导了安全评估需满足的5项要求。

Coronary Mask Guided Registration for Continuous Time 4D Cardiac CT Dataset Construction

冠脉掩码引导配准用于连续时间四维心脏CT数据集构建

Yuang Wang, Shuo Wang, Changyu Chen, Dufan Wu, Pengfei Jin, Yunqiang An, Yang Gao, Bin Lu, Dongrui Dai, Muge Du, Yan Yan, Dong Li, Liang Li, Li Zhang, Zhiqiang Chen

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

AI总结 该研究提出冠脉掩码引导配准（CMGR）方法，用于构建无伪影、运动保留的连续时间四维心脏CT数据集，其在RCA运动捕获等方面优于现有方法，可支撑心脏CT成像相关研究。

Comments 12 pages, 7 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

Enhancing MRI Brain Tumor Edge Detection: A Hybrid Preprocessing Approach Utilizing CLAHE

增强MRI脑肿瘤边缘检测：一种利用CLAHE的混合预处理方法

Shahid-E-Kaiser Md. Tashrif, Munshi Md Arafat Hussain, Sheikh Nahian, Sumaiya Islam

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

AI总结 针对MRI脑肿瘤边界检测难题，提出集成优化CLAHE的混合预处理流程，自动化阈值选择，在Kaggle基准库上提升了召回率、F1分数与SSIM，高效可用于临床诊断。

Comments 14 pages, 3 figures. In review at IntSym 2026, South Eastern University of Sri Lanka

Is Deformable Image Registration Ready for Brain Metastasis Reirradiation Dose Accumulation? A Longitudinal MRI Benchmark of Registration Accuracy

可变形图像配准是否适用于脑转移瘤再照射剂量累积？一项关于配准准确性的纵向MRI基准研究

Hengjie Liu, Manju Sharma, Xinyi Fu, Di Xu, Ke Sheng

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

AI总结 该研究通过87例脑转移瘤纵向MRI数据基准测试DIR方法，发现基于优化的DIR方法表现最佳，但现有DIR方法仍无法满足脑转移瘤再照射剂量累积的临床无人监督使用需求，需病例级质量控制。

CARD: Calibration via Agreement in Reverse Diffusion for Out-of-Domain MRI Segmentation

CARD：基于反向扩散一致性的域外MRI分割校准方法

Jiaheng Dai, Weidong Guo, Qingbiao Li, Jie Xu, Yi Guo, Yuanyuan Wang, Zeju Li

机构 * College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院） ； Faculty of Information Science and Computing, University of Macau（澳门大学信息科学与计算学院） 纠错

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

AI总结 该研究针对域外MRI分割的域偏移导致概率校准失效的问题，提出基于反向扩散一致性的CARD方法，利用生成式形状先验的分歧实现像素级校准，显著降低了多器官MRI域偏移下的校准误差。

Comments 10 pages, 5 figures

Extending TotalSegmentator: Predicting Patient and Acquisition Characteristics from CT and MR Images

扩展TotalSegmentator：从CT和MR图像预测患者与采集特征

Jakob Wasserthal, Joshy Cyriac, Michael Bach, Kimia Mozahheb Yousefi, Minh-Son To, Máté Sik, Cédric Hémon, Thomas Weikert, Martin Segeroth

机构 * University Hospital Basel（巴塞尔大学医院） ； Iran University of Medical Sciences（伊朗医科大学） ； Flinders University（弗林德斯大学） ； University of Debrecen（德布勒森大学） ； Univ. Rennes（雷恩大学） ； CLCC Eugène Marquis（欧仁·马基斯癌症中心） ； INSERM（法国国家健康与医学研究院） ； Bilddiagnostik Basel（巴塞尔影像诊断中心） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 该研究扩展TotalSegmentator，训练CT和MR专用3D ResNet-10集成模型，可快速预测患者与采集特征，性能优于基线模型，模型已开源集成至TotalSegmentator。

ImageCAS-X: a dataset and benchmark for coronary artery segmentation and centerline extraction in coronary CT angiography

ImageCAS-X：用于冠状动脉CT血管造影中冠状动脉分割与中心线提取的数据集和基准

Kit M. Bransby, Esther Øksnebjerg, Kristoffer Kjær, Jacob Kirkeby, Yasmin El Youssef, Aïda Jiménez, Philip R. Pedersson, Martina C. de Knegt, Klaus F. Kofoed, Rasmus R. Paulsen

机构 * DTU Compute, Technical University of Denmark（丹麦技术大学DTU计算学院） ； Cardiovascular Research Unit, Copenhagen University Hospital – Rigshospitalet（哥本哈根大学医院——国立医院心血管研究科） 纠错

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

AI总结 本研究构建了含800例扫描标注的ImageCAS-X数据集，对冠状动脉CT血管造影的管腔分割方法开展多维度基准测试，为相关医学影像分析方法的开发验证提供支撑。

Comments Pre-print (under review)

LISynSeg: Data-Centric Label-to-Image Synthesis for Cross-Modality Whole-Heart Segmentation

LISynSeg：以数据为中心的标签到图像合成用于跨模态全心分割

Jiacheng Wang, Ivana Isgum, Ipek Oguz

机构 * Vanderbilt University（范德堡大学） ； Mayo Clinic（梅奥诊所） 纠错

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

AI总结 该研究提出以数据为中心的LISynSeg方法，通过标签到图像合成结合真实图像训练，在不改变nnU-Net架构的情况下改善跨模态全心分割，对MRI的提升更显著。

Comments 12 pages, 4 figures

SGRNet: Spatially Guided Radiology Network for Structured Radiological Reporting of Head and Neck Cancer

SGRNet：用于头颈部癌症结构化放射学报告的空间引导放射学网络

Ayush Gupta, Vinkle Srivastav, Prateek Upadhya, Amit Gupta, Krithika Rangarajan, Nicolas Padoy

机构 * University of Strasbourg（斯特拉斯堡大学） ； IHU Strasbourg（斯特拉斯堡大学医院研究所） ； Indian Institute of Technology (IIT) Madras（印度马德拉斯理工学院） ； All India Institute of Medical Sciences（全印度医学科学院） 纠错

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

AI总结 SGRNet是用于头颈部癌症结构化放射学报告的网络，通过整合自动器官分割等空间先验，在184例多中心数据上较基线提升8.8个百分点，实现0.60的mAP。

Evaluating the Effects of Inter-Observer and Model Variability on Radiological Peritoneal Cancer Index Assessment

评估观察者间变异性与模型变异性对放射学腹膜癌指数评估的影响

Savvas Saragiotis, Pieter C. Gort, Lotte J. S. Fleurkens-Ewals, Anna F. van Herwijnen, Marion Tops-Welten, L. D. Kampmeijer, Joost Nederend, Fons van der Sommen

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

AI总结 本研究以对比增强CT影像的rPCI分割为对象，量化观察者间与nnU-Net模型的变异性，发现rPCI评分对典型分割变异性具鲁棒性，仅临界病例需专家审查。

Comments Accepted as a CaPTion workshop paper at MICCAI 2026

Multimodal Deep Learning for Uncertainty-Aware Radiation Pneumonitis Risk Prediction

用于不确定性感知放射性肺炎风险预测的多模态深度学习

Jin Yang, Tian Liu, Jing Wang, Robert Samstein, Kenneth Rosenzweig, Julie Bloom, Ming Chao

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

AI总结 本研究提出MM-DiT框架，通过多模态预训练整合CT图像与放射剂量分布，可联合估计RP风险并量化三类不确定性，在独立队列中验证了其预测准确性与不确定性量化能力。

Comments 30 pages, 7 figures, 4 tables

MCSeg: Pre-training and Fine-tuning Volumetric Pyramid Transformer for Multi-modal Cardiac Image Segmentation

MCSeg：用于多模态心脏图像分割的体积金字塔Transformer的预训练与微调

Zhiyu Ye, Hairong Zheng, Tong Zhang

机构 * Shenzhen Institute of Advanced Technology（深圳先进技术研究院） ； Pengcheng Laboratory（鹏城实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本研究提出MCSeg网络，通过新型SFP连接ViT编码器与CNN解码器，结合自监督预训练与RMI损失，在多模态心脏图像分割任务中优于11种SOTA方法，小样本场景也表现出色

Sense Once, Serve Many: Common-Trace Factorized Constrained PPO for Online Sensing-Session Consolidation in Multi-Tenant ISAC Networks

一次感知，多场景服务：面向多租户ISAC网络在线感知会话整合的公共轨迹分解式约束PPO算法

Dang-Dung Vu

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

AI总结 针对多租户ISAC网络在线感知会话整合问题，提出CT-PPO算法，通过公共轨迹奖励信用等设计，提升回报、降低感知资源成本，在多负载场景下表现优于对比算法。

Comments 13 pages, 4 figures, 6 tables

Design of Experiment in Complex Systems based on Computational Taxonomy

基于计算分类学的复杂系统实验设计

Eric Goldman, Fushing Hsieh

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究基于计算分类学（CT），以混凝土抗压强度系统为例，将实验设计（DoE）重新定义为寻找兼具类别代表性随机性且规避其余类别非线性的协变量子空间，为复杂系统DoE提供新视角。

MR-JEPA: A General Purpose Video Foundation Model for Cardiac MRI

MR-JEPA：用于心脏磁共振成像的通用视频基础模型

Athira J. Jacob, Puneet Sharma, Dorin Comaniciu, Daniel Rueckert

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

AI总结 本文提出用于心脏磁共振成像的通用视频基础模型 MR-JEPA，其基于多中心多序列无标注数据预训练，在心脏量化与疾病检测任务中性能优于对比方法，展现出临床应用潜力。

Comments Accepted at STACOM 2026 (MICCAI 2026 peer-reviewed workshop)

The MYOSAIQ Challenge: Myocardial Segmentation with Automated Infarct Quantification

MYOSAIQ挑战赛：自动化梗死量化的心肌分割

Olivier Bernard, William A. Romero R., Cyprien Bouton, Celia Goujat, Hang Jung Ling, Pierre-Marc Jodoin, Fumin Guo, Calder Sheagren, Graham Wright, Abdul Qayyum, Moona Mazher, Steven A. Niederer, Hairui Wang, Xiaomei Wu, Franz Thaler, Gernot Plank, Martin Urschler, Ricardo M. Rosales, Esther Pueyo, Nicolas Duchateau, Frederic Cervenansky, Patrick Clarysse, Loic Belle, Thomas Bochaton, Nathan Mewton, Magalie Viallon, Pierre Croisille

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

AI总结 本文介绍MYOSAIQ挑战赛，整合439例多中心CMR数据，6支队伍参赛，对比发现基于UNet的技术在LGE MR分割上优于基础模型，但梗死区域分割仍需改进。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:032

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Generative Translation Priors: Bayesian Imaging with Cross-Modality Image Translation

生成式翻译先验：基于跨模态图像翻译的贝叶斯成像

Evan Bell, Jiaming Liu, Yifan Chen, Yu Sun

专题命中 医学影像 ：CT(summary_cn)；分类 cs.CV、cs.LG、eess.IV

AI总结 本研究提出生成式翻译先验（GTP）贝叶斯框架，将扩散式图像翻译模型转化为跨模态先验，推导两种离散化算法，在CT、PET重建任务中验证其可有效融入跨模态信息，欠采样下仍实现高保真重建。

Comments 51 pages, 12 figures. Code is available at https://github.com/Hopkins-CIG/GTP

MedSegBenchmarker: A Raw-Count-First Framework for Controlled 2D Medical Image Segmentation Benchmarks

MedSegBenchmarker：面向受控2D医学图像分割基准的优先原始计数框架

Vanessa Borst, Lukas Horn, Daniel Grillmeyer, Thomas Prantl, Samuel Kounev

机构 * University of Würzburg（维尔茨堡大学） 纠错

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

AI总结 本文提出MEDSEGBENCHMARKER框架，通过整合多类评估相关功能实现2D医学图像分割的受控基准，案例研究显示评估设置的微小选择会影响基准结论，该框架可提升基准的明确性与可复现性。

Comments 10 pages, 4 figures;

Coarse to Fine: Iterative Adversarial Neural Cellular Automata for Medical Image Synthesis

从粗到细：用于医学图像合成的迭代对抗神经细胞自动机

Anh Thi Luu, Nick Lemke, Anirban Mukhopadhyay

机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； ImFusion GmbH（ImFusion 有限公司） 纠错

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

AI总结 该研究提出首个基于NCA的轻量通用生成对抗网络StyleGANCA，在BloodMNIST和PathMNIST上以仅61.7万参数实现有竞争力的图像质量，支持多分类器训练，解决医学影像数据共享的隐私问题

Subtraction-Based Tumor Segmentation and Lesion-Centered pCR Prediction for the MAMA-MIA Challenge

基于相减的肿瘤分割与以病灶为中心的pCR预测：MAMA-MIA挑战赛方案

Kai Geissler, Raphael Schäfer

机构 * Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学梅维斯研究所） 纠错

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

AI总结 FME团队针对MAMA-MIA挑战赛，提出基于相减输入的nnU-Net集成肿瘤分割方法与基于病灶裁剪块的3D视频分类器集成pCR预测方法，两项任务均获第二名，为跨站点肿瘤分割及pCR预测提供了参考

Imaging cellular-level brain microstructure with diffusion MRI

利用扩散磁共振成像（dMRI）对细胞级大脑微观结构进行成像

Xiaodong Li, Jing Zhao, Baolan Lu, Jinzhu Wang, Xinhua Wei, Qingxian Yang, Xuegang Xin

专题命中 医学影像 ：MRI(title)

AI总结 该研究针对深部组织无创活细胞成像的挑战，提出IDPD模型，通过多层分析工作流程实现细胞级大脑微观结构的无创成像，为评估体内活细胞功能提供新途径。

Pretrained, Curriculum-Tuned, and Ensembled: A Tracer-Aware Interactive Segmentation Pipeline for AutoPET V

预训练、课程调优与集成：面向AutoPET V的示踪剂感知交互式分割流程

Xinglong Liang, Chunyao Lu, Tianyu Zhang, Jiaju Huang, Tao Tan, Yunchao Yin, Lishan Cai

机构 * The Netherlands Cancer Institute（荷兰癌症研究所） ； Radboud University Medical Centre（拉德堡德大学医学中心） ； Macao Polytechnic University（澳门理工大学） ； Amsterdam University Medical Center（阿姆斯特丹大学医学中心） 纠错

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

AI总结 针对AutoPET V任务，提出TRIAGE示踪剂感知交互式分割流程，采用预训练、课程训练与集成策略，结合辅助器官分割模型及示踪剂分支，实现FDG与PSMA研究的病变分割。

Federated Multi-Task Learning for Bladder Tumor Segmentation and MIBC Classification Using a Hybrid CNN-Transformer Architecture

基于混合CNN-Transformer架构的联邦多任务学习用于膀胱肿瘤分割与MIBC分类

Malhar Udmale, Divyanshu Dwivedi, Aarohi Dhand, Sachin Dudda Nagaraju, Mayank Rai, Bagesh Kumar

机构 * Indian Institute of Information Technology Allahabad（印度阿拉巴德信息技术学院） ； Manipal University Jaipur（斋浦尔马尼帕尔大学） ； Norwegian University of Science and Technology（挪威科技大学） 纠错

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

AI总结 该研究提出联邦多任务学习框架，采用结合ResNet-34与Swin-Tiny Transformer的Swin Hybrid模型，在FedBCa数据集上实现跨机构膀胱肿瘤分割与MIBC分类，取得最优性能。

A Reconfigurable Pipelined-SAR ADC with Embedded Compression for Temporal Compressed-Sensing Ultrasound Imaging

用于时间压缩感知超声成像的可重构流水线SAR ADC（嵌入式压缩）

Reza Pakdaman Zangabad, Xitie Zhang, Levent Degertekin, Shaolan Li

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

AI总结 该研究提出嵌入式压缩的可重构流水线SAR ADC，用于超声成像的RF数据时间压缩，在保留点目标几何的同时降低数据速率，且可通过压缩比权衡性能。

Comments 15 pages, 11 figures, Journal

Intermediate Singular Values of Random Matrices under Second-Moment and Anti-Concentration Assumptions

二阶矩与反集中假设下随机矩阵的中间奇异值

Achintya Raya Polavarapu, Manuel Fernandez

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究在二阶矩与反集中假设下，证明了随机矩阵中间奇异值的最优上界及指数尾估计，结合下界得到其渐近阶，还推广到矩形随机矩阵的情形。

Comments 35 pages