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。
用于自回归MRI重建的下一步加速尺度预测
机构 * Johns Hopkins University（约翰霍普金斯大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出了一种基于离散多尺度潜在空间的自回归下一步加速尺度预测方法，通过引入特权信息蒸馏技术，提升了在极端欠采样下的MRI重建性能。
通过双深度先验和低秩加稀疏建模实现动态MRI重建
专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV、eess.SP
AI总结 本文提出了一种结构化的深度图像先验框架，用于动态MRI重建，通过低秩加稀疏分解显式建模时空相关性，结合深度图像先验的隐式正则化和经典低秩加稀疏正则化的可解释性，实现了在动态MRI重建中的优越性能。
SIREM: 语音引导的MRI重建与学习采样
机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg（埃森哲-埃尔朗根-纽伦堡大学模式识别实验室） ； Institute of Radiology, University Hospital Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根大学医院放射学研究所） ； Institut für Informationsverarbeitung, Leibniz Universität Hannover（汉诺威莱比锡大学信息处理研究所） ； Department of Radiology, Harvard Medical School and Massachusetts General Hospital（哈佛医学院放射科和麻省总医院）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 本文提出了一种语音引导的MRI重建框架SIREM，通过同步语音作为跨模态先验，利用语音与声音学之间的相关性预测图像内容，从而在更高的吞吐量下实现更合理的解剖结构重建。
SAMRI：分割任何MRI
机构 * School of Electrical Engineering and Computer Science, The University of Queensland, Australia（昆士兰大学电气工程与计算机科学学院，澳大利亚）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 SAMRI是针对MRI优化的Segment Anything Model，通过框和点提示实现更高效的全身体部MRI分割，特别是在小而临床重要的结构上。
无监督的实时临床低剂量肝CT去噪与感知注意力网络
机构 * Department of Computing（计算系） ； Harbin Institute of Technology（哈尔滨工业大学）
专题命中 医学影像 ：CT(title,title_cn)；medical image(abstract)；分类 cs.CV、eess.IV
AI总结 本文提出基于感知注意力网络的无监督低剂量肝CT去噪框架，结合U-Net、注意力机制和残差网络，通过感知损失提升医疗图像特征提取，利用真实临床数据集和医学评价标准验证方法有效性，满足临床需求。
Comments 8 pages, 10 figures, 5 tables
通过跨窗口知识蒸馏揭示肺部CT中的潜在病理特征
机构 * Institute of Health Informatics, University College London（伦敦大学学院健康信息学研究所） ； Department of Pulmonary and Critical Care Medicine, Shanghai East Hospital, School of Medicine, Tongji University（同济大学医学院 pulmonary and critical care medicine 部门，上海东方医院） ； Queen Mary University of London（伦敦女王玛丽大学） ； School of Health and Wellbeing, University of Glasgow（格拉斯哥大学健康与福祉学院）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出跨窗口知识蒸馏框架，通过教师模型学习最信息丰富的窗口，提升多窗口肺部CT分析的AUC，显著提高诊断性能。
基于集合的组间配准用于变长、变对比心脏MRI
机构 * Department of Imaging Physics, Delft University of Technology, The Netherlands（荷兰代尔夫特理工大学影像物理系）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出AnyTwoReg框架，通过集合化处理变长变对比心脏MRI序列，实现跨协议的鲁棒配准，并提升定量映射质量。
Comments MICCAI 2026. Submitted Version
多平面视觉变换器用于利用轴位和矢状位MRI数据的出血分类
机构 * Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字技术与创新部） ； Pattern Recognition Lab, Department of Computer Science, Friedrich-Alexander-Universität Erlangen-Nürnberg（弗赖堡-艾尔朗根-纽伦堡大学计算机科学系模式识别实验室）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出一种多平面视觉变换器，用于处理不同取向的MRI数据，通过轴位和矢状位对比的双变压器编码器整合信息，提升出血分类性能。
Comments 10 pages
MedFL-Stress: 一种系统性的联邦脑肿瘤分割在跨医院MRI外观偏移下的鲁棒性评估
机构 * University of Gujrat, Pakistan（瓜尔杰特大学，巴基斯坦）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG
AI总结 本文提出MedFL-Stress框架，通过模拟四个医院的MRI外观偏移，评估FedAvg、FedProx和FedBN在不同医院的鲁棒性，发现FedBN在提升最差医院性能方面表现更优。
基于神经场和张量积展开的模型动态3D MRI重建
机构 * Computational Imaging Group for MRI Therapy & Diagnostics, Department of Radiotherapy, University Medical Center Utrecht（MRI治疗与诊断计算成像组，放射治疗系，乌得勒支大学医学中心）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出一种无需离散化的高效MRI重建框架，利用张量积结构在高维时空场景中实现动态2D和3D图像的高精度重建，尤其在强欠采样条件下保持结构和运动信息。
HiFi-Mamba：双流W-拉普拉斯增强Mamba用于高保真MRI重建
机构 * AAAI Press（AAAI出版社） ； AAAI Publications Committee（AAAI出版委员会）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 HiFi-Mamba通过双流W-拉普拉斯模块与Mamba结构结合，提升MRI重建的高保真度，优于现有CNN、Transformer及Mamba模型，兼具高效性与准确性。
CRC-SAM：基于SAM的多模态结直肠癌在CT、结肠镜和组织学图像中的分割与量化
机构 * Independent researcher（独立研究者）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出CRC-SAM框架，实现跨结肠镜、CT和病理图像的结直肠癌分割，通过LoRA层实现高效领域迁移，实验显示在多个数据集上优于现有方法。
Comments 4 pages, 3 figures, ISBI 2026 oral presentation
基于CT的局部变化正则化用于全身体积PET变形注册
机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； Ren Ji Hospital, Shanghai Jiao Tong University（上海交通大学仁济医院） ； University of Oxford（牛津大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出基于CT的局部变化正则化方法，用于全身体积PET变形注册，通过CT体积构建voxel级正则化图，提高全身体积注册精度和器官对齐性能。
可泛化无CT的PET衰减和散射校正方法用于儿科患者
机构 * School of Computing and Artificial Intelligence, Southwestern University of Finance and Economics（西南财经大学计算机学院） ； Department of Nuclear Medicine, Beijing Friendship Hospital, Capital Medical University（首都医科大学北京友谊医院核医学科） ； Department of Radiology, Beijing Children’s Hospital, Capital Medical University, National Center for Children’s Health（首都医科大学北京儿童医院放射科）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出GPCN网络，通过多带上下文细化模块和频率感知频谱解耦模块，实现无CT的PET衰减和散射校正，提升儿科影像的定量精度与鲁棒性。
Comments 13 pages, 15 figures, 7 tables. Source code available at https://github.com/wujm7/GPCN-PET
双域多路径自监督扩散模型用于加速MRI重建
机构 * Department of Radiology, Northwestern University（放射科，西北大学） ； Department of Biomedical Engineering, Huazhong University of Science and Technology（生物医学工程系，华中科技大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出双域多路径自监督扩散模型，通过自监督训练方案、轻量混合注意力网络和多路径推理策略，提升MRI重建的准确性、效率和可解释性，克服传统模型依赖全采样数据的局限。
Comments Accepted at IEEE-TNNLS, 13 pages
跨分布扩散先验驱动的稀疏视图CT迭代重建
机构 * Department of Electrical and Computer Engineering, University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校电子与计算机工程系） ； School of Biomedical Engineering, Sun Yat-Sen University（中山大学生物医学工程学院）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出CDPIR框架，通过整合跨分布扩散先验与模型驱动迭代重建方法，解决稀疏视图CT在分布外场景下的重建问题，提升图像质量与泛化能力。
Comments 17 pages, 15 figures, accepted by IEEE Transactions on Medical Imaging
Journal ref IEEE Transactions on Medical Imaging, 2026 (early access)
双层优化隐式神经表示用于特定扫描的加速MRI重建
专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV、eess.SP
AI总结 本文提出了一种双层优化隐式神经表示方法，用于特定扫描的MRI加速重建，通过自动优化超参数实现定制化重建，无需训练数据，提升图像质量。
Comments 10 pages, 8 figures
Journal ref IEEE Trans. Med. Imag., early access, 2026
一种用于全生命周期脑年龄预测的双阶段多模态MRI框架
机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Department of Biomedical Informatics, Emory University（埃默里大学生物医学信息学系）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出双阶段多模态MRI框架，通过独立处理模态并融合评估，实现对全生命周期脑成熟度的统一评估。
高效提取带有轻度至中度神经病变的MRI扫描
机构 * Faculty of Electrical and Computer Engineering, University of Iceland（电气与计算机工程学院，冰岛大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 本文提出了一种高效且鲁棒的MRI脑部提取方法，通过改进的U-Net和新的损失函数实现脑外表面的一致分割，适用于存在神经病变的图像。
Comments Accepted for publication in the Proceedings of SPIE Medical Imaging 2026
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；pathology(abstract)
专题命中 医学影像 ：medical image(title,abstract)；CT(title,abstract)；diagnosis(abstract)；biomedical(comments,journal_ref)
Comments 7 pages 4 figures peer reviewed and published in IEEE EMBS Regional Conference on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI 2021)
Journal ref IEEE EMBS Regional Conference on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI 2021)
基于参考和记忆引导的心脏MRI平面内超分辨率
机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； New York University Grossman School of Medicine（纽约大学格罗斯曼医学院）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV；medical image(comments)
AI总结 研究针对临床心脏MRI平面间分辨率粗糙的问题，提出STRMSR框架，利用参考视图和中间结果重建高分辨率心脏容积，通过粗到细匹配、动态特征聚合等方法，在WHS数据集实验中，相比基线在不同上采样因子下有一致改进。
Comments 8 pages, 3 figures 2 tables (accepted In International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) Workshop STACOM, 2026 (oral))
用于乳腺MRI中背景实质增强高效可靠量化的全自动深度学习型纤维腺体组织分割验证
专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV；diagnosis(journal_ref)
AI总结 本研究验证了一种开源全自动深度学习型纤维腺体组织分割方法，其在乳腺MRI背景实质增强量化中，较半自动模糊C均值方法相关性更强、质量更高，可提升效率并助力标准化乳腺癌风险评估。
Journal ref Proc. SPIE 13926, Medical Imaging 2026: Computer-Aided Diagnosis, 139262F (2026)
脑部MRI变形登记中的旋转等变卷积
机构 * University of California, Irvine（加州大学尔湾分校）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV；biomedical(comments)
AI总结 本文提出在脑部MRI变形登记网络中集成旋转等变卷积，通过实验验证其在提升登记精度、增强鲁棒性和提高样本效率方面的优势。
Comments Accepted at the 2026 International Symposium on Biomedical Imaging (ISBI) Poster 4-page paper presentation
FlowLet: 基于小波流匹配的条件性3D脑MRI合成
机构 * Politecnico di Bari（巴里理工学院） ； Sapienza University of Rome（罗马萨皮恩扎大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV；medical image(comments)
AI总结 提出FlowLet框架，利用可逆3D小波域中的流匹配生成年龄条件化的3D脑MRI，避免重建伪影并降低计算需求，实验证明其生成高保真体积且提升脑年龄预测模型对低代表性年龄组的性能。
Comments Accepted at Medical Image Analysis (Elsevier)
MMRINet: 基于Mamba的高效双路径细化分割网络用于低资源MRI分析
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； New York University（纽约大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV；medical image(comments)
AI总结 提出MMRINet，一种基于Mamba的轻量级分割网络，通过双路径特征细化和渐进特征聚合，在低资源MRI分析中以2.5M参数实现高效分割，在SSA数据集上优于UNETR等基线。
Comments Accepted at The Medical Image Understanding and Analysis Conference (MIUA 2026)
双域等变生成对抗网络用于多模态CT-PET合成
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV；biomedical(comments)
AI总结 提出双域等变生成对抗网络（DDE-GAN），联合空间与频域学习并融入旋转等变性，实现高保真多模态CT-PET图像合成。
Comments 4 pages, 3 figures, 1 table, 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI)
SpineReport: MRI上腰椎退变的自动化3D量化与报告
机构 * NeuroPoly, Institute of Biomedical Engineering, Polytechnique Montreal（NeuroPoly，生物医学工程研究所，蒙特利尔大学） ； Mila, Quebec AI Institute, Montreal（Mila，魁北克人工智能研究所，蒙特利尔） ； Department of Radiology, Balgrist University Hospital, Zurich（放射科，巴尔格里斯大学医院，苏黎世） ； Faculty of Medicine, University of Zurich（医学学院，苏黎世大学） ； Department of Neurosurgery, Brain & Spine, University of South Florida（神经外科，脑与脊柱，佛罗里达大学） ； Center for Neuromusculoskeletal Research, University of South Florida（神经肌肉研究中心，佛罗里达大学） ； Department of Medical Engineering, University of South Florida（医学工程系，佛罗里达大学） ； Stanford School of Medicine, Stanford（斯坦福医学院，斯坦福） ； Functional Neuroimaging Unit, CRIUGM, Université de Montréal（功能神经影像单元，CRIUGM，蒙特利尔大学） ； Centre de recherche du CHU Sainte-Justine, Université de Montréal（圣若泽中心研究，蒙特利尔大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV；medical image(comments)
AI总结 提出SpineReport开源框架，利用鲁棒解剖分割从腰椎MRI中提取3D形态和信号特征，生成个体化报告，在中央管狭窄评估中AUC达0.95。
Comments Submitted to Medical Image Analysis
可学习总变分与Lambda映射用于低剂量CT去噪
机构 * University of Michigan（密歇根大学）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV；biomedical(journal_ref)
AI总结 本文提出可学习总变分框架，通过结合展开的总变分求解器与LambdaNet预测像素级正则化图，实现空间自适应平滑，实验显示在低剂量CT去噪中优于传统TV和FBP+U-Net。
Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI)
CT-OT Flow：从离散时间快照估计连续时间动态
机构 * Toyota Central R&D Labs., Inc.（丰田中央研发实验室）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.LG
AI总结 提出CT-OT Flow框架，通过部分最优对齐和核平滑从离散快照重建连续时间动态，在合成和真实数据上降低分布与轨迹误差。
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