医学 AI

A Portable Brain MRI Scanner for Underserved Settings and Point-Of-Care Imaging

面向资源匮乏环境和即时护理的可便携脑部MRI扫描仪

Clarissa Z. Cooley, Patrick C. McDaniel, Jason P. Stockmann, Sai Abitha Srinivas, Stephen Cauley, Monika Sliwiak, Charlotte R. Sappo, Christopher F. Vaughn, Bastien Guerin, Matthew S. Rosen, Michael H. Lev, Lawrence L. Wald

专题命中 医学影像 ：MRI(title,title_cn)；分类 eess.IV；biomedical(comments)

AI总结 提出一种基于紧凑轻量永磁体的低场便携脑部MRI扫描仪，通过Halbach磁体设计和内置读出梯度场降低成本和基础设施需求，实现资源受限环境下的神经影像诊断。

Comments under review at Nature Biomedical Engineering

Decentralized Direct Volume Rendering: A Browser-Native GPU Architecture for MRI Digital Twins in Resource-Constrained Settings

去中心化直接体渲染：一种浏览器原生的GPU架构，用于资源受限环境中的MRI数字孪生

Oserebameh Augustine Beckley

机构 * Lagos State University（拉各斯州大学） 纠错

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

AI总结 本研究提出了一种去中心化的浏览器原生GPU架构，用于在资源受限环境中实现高保真的MRI数字孪生，通过在低成本集成边缘GPU上执行确定性的单次通过射线投射和形态学梯度计算，实现了快速的像素生成和稳定的交互性能。

Comments 10 pages, 4 figures. Live interactive browser demo available at: https://webgpu-mri.vercel.app/ . Source code repository: https://github.com/Bahdmanbabzo/webgpu-mri

The autoPET3 Challenge: Automated Lesion Segmentation in Whole-Body PET/CT $\unicode{x2013}$ Multitracer Multicenter Generalization

autoPET3挑战：全身体 PET/CT 中病变分割的自动化分割——多示踪多中心泛化

Jakob Dexl, Katharina Jeblick, Andreas Mittermeier, Balthasar Schachtner, Anna Theresa Stüber, Johanna Topalis, Maximilian Rokuss, Fabian Isensee, Klaus H. Maier-Hein, Hamza Kalisch, Jens Kleesiek, Constantin M. Seibold, Hussain Alasmawi, Lap Yan Lennon Chan, Yixuan Yuan, Alexander Jaus, Rainer Stiefelhagen, Pauline Ornela Megne Choudja, Konstantin Nikolaou, Christian La Fougère, Sergios Gatidis, Matthias P. Fabritius, Maurice Heimer, Gizem Abaci, Lalith Kumar Shiyam Sundar, Rudolf A. Werner, Jens Ricke, Clemens C. Cyran, Thomas Küstner, Michael Ingrisch

机构 * Department of Radiology, LMU University Hospital, LMU Munich（莱比锡大学医院放射科，莱比锡大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University Hospital Tübingen, Department of Radiology（图宾根大学医院放射科） ； Department of Radiology, Stanford University（斯坦福大学放射科） ； German Cancer Research Center (DKFZ)（德国癌症研究中心（DKFZ）） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital（海德堡大学医院放射肿瘤学部模式分析与学习组） ； Faculty of Mathematics and Computer Science, Heidelberg University（海德堡大学数学与计算机科学学院） ； Institute for AI in Medicine (IKIM), University Hospital Essen (AöR)（医学人工智能研究所（IKIM），埃森大学医院（AöR）） ； Department of Nuclear Medicine, University Hospital Essen (AöR)（核医学部，埃森大学医院（AöR）） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Department of Electronic Engineering, The Chinese University of Hong Kong（香港中文大学电子工程系） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； HIDSS4Health - Helmholtz Information and Data Science School for Health（HIDSS4Health - 海德堡信息与数据科学健康学校） ； Department of Nuclear Medicine, LMU University Hospital, LMU Munich（莱比锡大学医院核医学部，莱比锡大学） ； Comprehensive Pneumology Center (CPC-M), Member of the German Center for Lung Research (DZL)（综合肺科中心（CPC-M），德国肺癌研究中心（DZL）成员） ； relAI – Konrad Zuse School of Excellence in Reliable AI（relAI - 卡诺德·祖斯可靠性人工智能卓越学校） ； Cluster of Excellence iFIT (EXC 2180) "Image Guided and Functionally Instructed Tumor Therapies", University of Tübingen（卓越中心iFIT（EXC 2180）"图像引导和功能指导肿瘤治疗"，图宾根大学） 纠错

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

AI总结 autoPET3挑战评估了全身体PET/CT中病变分割的自动化方法，通过多示踪多中心泛化设置测试，提出了一种基于nnU-Net的3D网络，改进了分割性能。

Comments Preprint submitted to Medical Image Analysis

Deep Learning-Based Segmentation of Peritoneal Cancer Index Regions from CT Imaging

基于深度学习的CT影像中腹膜癌指数区域分割

Pieter C. Gort, Lotte J. S. Ewals, Marion W. Tops-Welten, Cris H. B. Claessens, Joost Nederend, Fons van der Sommen

机构 * Catharina Hospital Eindhoven（埃因霍温卡塔琳娜医院） 纠错

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

AI总结 本文提出基于深度学习的自动分割方法，用于CT影像中腹膜癌指数区域的分割，评估nnU-Net和Swin UNETR在62例CT扫描中的性能，结果显示nnU-Net在Dice系数上表现更优，为非侵入性影像评估奠定了基础。

Comments Accepted for presentation at Computer Assisted Radiology and Surgery (CARS) 2026

Improve Cross-Modality Segmentation by Treating T1-Weighted MRI Images as Inverted CT Scans

Hartmut Häntze, Lina Xu, Maximilian Rattunde, Leonhard Donle, Felix J. Dorfner, Alessa Hering, Lisa C. Adams, Keno K. Bressem

机构 * Charité - Universitätsmedizin Berlin（柏林查理医院） ； Freie Universität Berlin（柏林自由大学） ； Humboldt Universität zu Berlin（柏林洪堡大学） ； Radboud University Medical Center（拉德伯德大学医学中心） ； Massachusetts General Hospital and Harvard Medical School（麻省总医院和哈佛医学院） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

Comments 6 pages, 3 figures, updated data and methodology, conclusion unchanged

Journal ref Eur Radiol Exp 9, 93 (2025)

Hybrid Deep Learning Framework for Classification of Kidney CT Images: Diagnosis of Stones, Cysts, and Tumors

Kiran Sharma, Ziya Uddin, Adarsh Wadal, Dhruv Gupta

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

Can Domain Experts Rely on AI Appropriately? A Case Study on AI-Assisted Prostate Cancer MRI Diagnosis

Chacha Chen, Han Liu, Jiamin Yang, Benjamin M. Mervak, Bora Kalaycioglu, Grace Lee, Emre Cakmakli, Matteo Bonatti, Sridhar Pudu, Osman Kahraman, Gul Gizem Pamuk, Aytekin Oto, Aritrick Chatterjee, Chenhao Tan

专题命中 医学影像 ：MRI(title,abstract)；diagnosis(title,abstract)；clinical AI(abstract)；分类 cs.CV、cs.LG、eess.IV

Tumor Location-weighted MRI-Report Contrastive Learning: A Framework for Improving the Explainability of Pediatric Brain Tumor Diagnosis

Sara Ketabi, Matthias W. Wagner, Cynthia Hawkins, Uri Tabori, Birgit Betina Ertl-Wagner, Farzad Khalvati

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

U-Mamba: Enhancing Long-range Dependency for Biomedical Image Segmentation

Jun Ma, Feifei Li, Bo Wang

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

Deep Learning Body Region Classification of MRI and CT examinations

Philippe Raffy, Jean-François Pambrun, Ashish Kumar, David Dubois, Jay Waldron Patti, Robyn Alexandra Cairns, Ryan Young

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

Comments 21 pages, 2 figures, 4 tables

Journal ref Journal of Digital Imaging (2023) 1-11

Meta-information-aware Dual-path Transformer for Differential Diagnosis of Multi-type Pancreatic Lesions in Multi-phase CT

Bo Zhou, Yingda Xia, Jiawen Yao, Le Lu, Jingren Zhou, Chi Liu, James S. Duncan, Ling Zhang

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

Comments Accepted at Information Processing in Medical Imaging (IPMI 2023)

Sinogram upsampling using Primal-Dual UNet for undersampled CT and radial MRI reconstruction

Philipp Ernst, Soumick Chatterjee, Georg Rose, Oliver Speck, Andreas Nürnberger

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

Human-level COVID-19 Diagnosis from Low-dose CT Scans Using a Two-stage Time-distributed Capsule Network

Parnian Afshar, Moezedin Javad Rafiee, Farnoosh Naderkhani, Shahin Heidarian, Nastaran Enshaei, Anastasia Oikonomou, Faranak Babaki Fard, Reut Anconina, Keyvan Farahani, Konstantinos N. Plataniotis, Arash Mohammadi

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

Deep Learning in Detection and Diagnosis of Covid-19 using Radiology Modalities: A Systematic Review

Mustafa Ghaderzadeh, Farkhondeh Asadi

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

Comments 12 pages,4 figure

Soft Tissue Sarcoma Co-Segmentation in Combined MRI and PET/CT Data

Theresa Neubauer, Maria Wimmer, Astrid Berg, David Major, Dimitrios Lenis, Thomas Beyer, Jelena Saponjski, Katja Bühler

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

Comments Accepted for publication at Multimodal Learning for Clinical Decision Support Workshop at MICCAI 2020 (edit: corrected typos and model name in Fig. 3, added missing circles in Table 1)

Pathology-Guided AI System for Accurate Segmentation and Diagnosis of Cervical Spondylosis

Qi Zhang, Xiuyuan Chen, Ziyi He, Lianming Wu, Kun Wang, Jianqi Sun, Hongxing Shen

机构 * School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； National Engineering Research Center of Advanced Magnetic Resonance Technologies for Diagnosis and Therapy (NERC-AMRT)（先进磁共振诊断与治疗技术国家工程研究中心） ； Med-X Research Institute, Shanghai Jiao Tong University（Med-X研究院，上海交通大学） ； Department of Spine Surgery, Renji Hospital, School of Medicine, Shanghai Jiao Tong University（上海交通大学医学院附属仁济医院脊柱外科部） ； Department of Radiology, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院放射科） ； Department of Radiology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University（上海交通大学医学院附属仁济医院放射科） 纠错

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

Journal ref IEEE Journal of Biomedical and Health Informatics, 2025

Slice-Consistent 3D Volumetric Brain CT-to-MRI Translation with 2D Brownian Bridge Diffusion Model

Kyobin Choo, Youngjun Jun, Mijin Yun, Seong Jae Hwang

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

Comments 13 pages, 7 figures, Early accepted at Medical Image Computing and Computer Assisted Intervention (MICCAI) 2024

A Modular Agent for Reliable and Auditable Spatial Relation Verification in CT Scans

用于CT扫描中可靠且可审计的空间关系验证的模块化智能体

Simon Vincent Abel, Heiko Hillenhagen, Michael Götz, Timo Ropinski, Ayhan Can Erdur, Daniel Santak Wolf

机构 * Ulm University（乌尔姆大学） ； Ulm University Hospital（乌尔姆大学医院） ； Technical University of Munich (TUM)（慕尼黑工业大学（TUM）） ； TUM University Hospital（慕尼黑工业大学医院） ； Department of Radiation Oncology, TUM University Hospital（慕尼黑工业大学医院放射肿瘤科） 纠错

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

AI总结 针对医学视觉-语言模型空间推理薄弱的问题，提出模块化医学影像智能体，通过分阶段处理实现CT扫描空间关系验证，性能优于端到端基线，可作为未来医学影像智能体的构建块。

A Dual-domain Refinement Network with FBP-based Jacobian Learning for Sparse-view Dual-Energy CT Material Decomposition

基于FBP雅可比学习的双域精炼网络用于稀疏视角双能CT材料分解

Qian Liu, Xiaohong Fan, Ke Chen, Chong Chen, Shuaikang Wang, Jianping Zhang

机构 * School of Mathematics and Computational Science, Xiangtan University, National Center for Applied Mathematics in Hunan, Key Laboratory for Intelligent Computing and Information Processing of the Ministry of Education（湘潭大学数学与计算机科学学院，湖南应用数学研究中心，教育部智能计算与信息处理重点实验室） ； College of Mathematical Medicine, Zhejiang Normal University（浙江师范大学数学医学学院） ； Department of Mathematics and Statistics, University of Strathclyde（斯特拉斯克莱德大学数学与统计学系） ； State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学科学国家重点实验室，数学与系统科学研究院） 纠错

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

AI总结 针对稀疏视角双能CT材料分解的非线性病态问题，提出迭代双域精炼网络DECT-DRNet，通过FBP集成U-Net近似雅可比算子，并引入可学习稀疏双域正则化项（含傅里叶卷积残差块），实现全局噪声抑制与结构保持。

Comments Accepted to IEEE Transactions on Computational Imaging, 16 pages

MUST-PET: MUltimodal Self-supervised learning across Tracers for whole-body PET/CT-based lesion segmentation

MUST-PET：用于基于全身PET/CT的病灶分割的跨示踪剂多模态自监督学习

Bashirul Azam Biswas, Amartya Bhattacharya, Biratal Raj Wagle, Matthew E. Maeder, James B. Yu, Indrani Bhattacharya

机构 * Geisel School of Medicine at Dartmouth（达特茅斯盖泽尔医学院） ； Dartmouth Hitchcock Medical Center（达特茅斯-希区柯克医疗中心） 纠错

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

AI总结 本研究提出MUST-PET多模态自监督学习框架，通过跨示踪剂的上下文感知掩码重建，实现全身PET-CT病灶的标注高效、可泛化分割，性能优于从头训练模型。

Comments Submitted to SPIE CAD 2027

When Two Tracers Disagree: An Investigation of Multimodal Fusion for Clinical PET/CT Segmentation

当两种示踪剂意见不合时：临床PET/CT分割的多模态融合研究

Jack A. Johnson, Bartłomiej W. Papież

机构 * University of Oxford（牛津大学） ； Nuffield Department of Medicine（纳菲尔德医学系） ； Department of Oncology（肿瘤学系） ； Big Data Institute（大数据研究所） ； Nuffield Department of Population Health（纳菲尔德人口健康系） 纠错

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

AI总结 该研究针对前列腺癌PSMA与FDG PET/CT的多模态融合分割，训练示踪剂特异性3D nnU-Net基线并对比多种融合策略，发现融合未始终优于单示踪剂模型，需更优架构保留示踪剂特异性表征

Comments 10 pages (8 pages main content and 2 pages of references), 2 figures, 2 tables, accepted to MICCAI 2026 Cancer Prevention, Detection, and IntervenTion (CaPTion) Workshop

SPARC: Slice-to-volume Pipeline for Automated Reconstruction of gated 3D+time fetal Cardiac MRI

SPARC：用于门控3D+时间胎儿心脏MRI自动重建的切片到体积流水线

Arnaud Boutillon, Naomi Clarke, Tomas Woodgate, Daniel West, Alina Schneider, Rachael Franklin, Anthony Price, Jo Hajnal, Kuberan Pushparajah, David Lloyd, Maria Deprez

机构 * King’s College London（伦敦国王学院） ； Guys and St Thomas’ NHS Foundation Trust（盖伊和圣托马斯国民保健信托基金会） 纠错

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

AI总结 该研究提出SPARC流水线，结合物理信息SVR与DL模型辅助，实现胎儿心脏MRI自动重建，缩短时间、提升质量，适配临床部署且公开可用。

Cross-Modal MRI Ovary Segmentation in Endometriosis Using Unpaired TVUS Prototype Priors

基于未配对经阴道超声（TVUS）原型先验的子宫内膜异位症跨模态MRI卵巢分割

Xingjian Kang, Lina Felsner, Dominik Perrin, Daiqi Liu, Jasmin Arjomandi, Franziska Mathis-Ullrich, Alexandra Stoll, Katharina Breininger

机构 * Center for AI and Data Science (CAIDAS), Julius-Maximilians-Universität Würzburg（维尔茨堡大学人工智能与数据科学中心） ； Institute for Computational Imaging and AI in Medicine (CompAI), Technical University of Munich（慕尼黑工业大学计算成像与医学人工智能研究所） ； Pattern Recognition Lab, Friedrich-Alexander Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学模式识别实验室） ； Department Artificial Intelligence in Biomedical Engineering (AIBE), Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学生物医学工程人工智能系） 纠错

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

AI总结 针对子宫内膜异位症MRI卵巢分割难题，本研究提出结合TVUS原型库的双分支框架，适配MedSAM3对齐跨模态特征，在相关数据集上较SOTA方法提升超5个百分点，验证了原型库与热身预训练的作用。

Technically Plausible but Clinically Misleading? Expert Evaluation of Patient-Personalized Synthetic Prostate MRI

技术上可行但临床误导？患者个性化合成前列腺MRI的专家评估

Gabriel Paulo Maglalang Israel, Sol Gedde, Alvaro Fernandez-Quilez

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

AI总结 本研究用3D扩散模型合成患者个性化前列腺MRI，验证其技术可行性后开展专家研究，发现其虽技术可行但存在误导解读风险，提示需评估其临床应用安全性。

Comments To appear in SCAI 2026 proceedings

Learning Where and What to Lift for Bi-planar X-ray-to-CT Reconstruction

面向双平面X射线到CT重建的学习提升位置与内容

Yifei Wu, Yicheng Wu, Qiang Ma, Qi Chen, Renyang Gu, Xinyu Liu, Yongsheng Pan, Yong Xia

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

AI总结 提出LiftXR框架，通过双平面X射线生成解剖布局引导CT重建，在公开数据集上优于现有方法，提升了重建CT的解剖保真度。

Shared-Structure 4D Spectral Gaussian Representation for Sparse-View Spectral CT Reconstruction

用于稀疏视图光谱CT重建的共享结构4D光谱高斯表示

Jiancheng Fang, Shaoyu Wang, Wenjun Xia, Yang Chen, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） 纠错

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

AI总结 针对稀疏视图光谱CT重建的角欠采样与光谱耦合问题，提出共享结构4D光谱高斯表示（4D-SG）方法，在多类数据集上实验显示其相比基线方法提升了重建性能。

TR-GS: High-Fidelity Sparse-View CT Volumetric Rendering via t-Distribution Gaussian Splatting and Ray-Confidence Modeling

TR-GS：基于t分布高斯溅射和射线置信度建模的高保真稀疏视图CT体积渲染

Zedong Xiao, Yiren Wang, Zhou Liu, Xiaolin Liu, Zhangji Lu

机构 * Shenzhen University（深圳大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） 纠错

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

AI总结 TR-GS用学生t分布基元与射线置信度模型优化3D高斯溅射，实现高保真稀疏视图CT体积渲染，在多数场景优于基线，可支撑下游医学多媒体应用

Journal ref ACM Multimedia 2026

Anatomical and Physical Supervision for CT-less PET Attenuation Correction: BIC-MAC 2026 Challenge

用于无CT的PET衰减校正的解剖学与物理学监督：BIC-MAC 2026挑战赛

Petros Chatzitoulousis, George K. Matsopoulos

机构 * National Technical University of Athens（雅典国家技术大学） 纠错

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

AI总结 本研究针对BIC-MAC 2026挑战赛，基于nnU-Net架构结合解剖学与物理学监督，利用预训练权重优化流程，实现了无CT的PET衰减校正方案，验证了该方法的有效性。

Comments 6 pages, 1 table. Technical report for the BIC-MAC 2026 Challenge

Automated Fetal Brain MRI Biometry in Healthy and Pathological Cases

健康与病理案例的胎儿脑部MRI自动生物测量

Ema Masterl, Tina Vipotnik Vesnaver, Nejc Šubič, Žiga Špiclin

机构 * Faculty of Medicine, University of Ljubljana（卢布尔雅那大学医学院） ； University Medical Centre Ljubljana（卢布尔雅那大学医学中心） ； Faculty of Electrical Engineering, University of Ljubljana（卢布尔雅那大学电气工程学院） 纠错

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

AI总结 本研究构建了基于NeSVoR的胎儿脑部MRI自动生物测量流程，对比H3DE-Net与SCN模型，发现H3DE-Net定位精度更高、诊断效用更好，其脑室宽度阈值符合VM临床分级标准。

Comments Accepted at the PIPPI Workshop of MICCAI 2026

Feed-Forward Hierarchical Gaussian Diffusion for Extreme CT Reconstruction

用于极端CT重建的前馈分层高斯扩散

Yuezhe Yang, Li Cheng

机构 * University of Alberta（阿尔伯塔大学） ； University of Sydney（悉尼大学） 纠错

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

AI总结 针对极端CT重建的不适定问题，提出HiGDiff前馈分层高斯扩散框架，通过结构与细节两阶段扩散实现最先进性能，在LDCT-PD数据集上PSNR提升5.81dB、SSIM提升0.113。