医学 AI

Tracking Cancer Through Text: Longitudinal Extraction From Radiology Reports Using Open-Source Large Language Models

通过文本追踪癌症：使用开源大语言模型进行放射学报告的纵向提取

Luc Builtjes, Alessa Hering

机构 * Department of Medical Imaging, Radboudumc（放射医学部，拉德堡德大学医学中心） 纠错

专题命中 医学影像 ：radiology(title,abstract)；CT(abstract)

AI总结 本文提出基于开源大语言模型的放射学报告纵向信息提取方法，实现高准确率的肿瘤病变数据提取，适用于隐私敏感的医疗环境。

Comments 6 pages, 2 figures

Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors

求解带标签MRI的非线性盲逆问题：结合物理和深度生成先验

Zhangxing Bian, Shuwen Wei, Samuel W. Remedios, Junyu Chen, Aaron Carass, Blake E. Dewey, Jerry L. Prince

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院） 纠错

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

AI总结 本文提出了一种结合物理和深度生成先验的非线性盲逆框架，用于带标签MRI，实现了解剖恢复、高分辨率 cine 图像合成和运动估计的统一处理。

Comments Accepted at CVPR 2026

Radiologist Copilot: An Agentic Framework Orchestrating Specialized Tools for Reliable Radiology Reporting

放射科助手：一种协调专用工具的代理框架以实现可靠的放射学报告

Yongrui Yu, Zhongzhen Huang, Linjie Mu, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； SenseTime Research, Shanghai, China（商汤研究） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） 纠错

专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)

AI总结 放射科助手通过协调专用工具实现全面的放射学报告流程，提升报告准确性和临床标准符合度。

Few-Shot Continual Learning for 3D Brain MRI with Frozen Foundation Models

小样本持续学习用于3D脑部MRI

Chi-Sheng Chen, Xinyu Zhang, Guan-Ying Chen, Qiuzhe Xie, Fan Zhang, En-Jui Kuo

机构 * Independent Researcher, USA（美国独立研究者） ； Indiana University at Bloomington, United States（印第安纳大学布卢明顿分校） ； Independent Researcher, Taiwan（台湾独立研究者） ； National Taiwan University, Taiwan（台湾国立大学） ； Boise State University, United States（博伊西州立大学） ； National Yang Ming Chiao Tung University, Taiwan（台湾阳明交通大学） 纠错

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

AI总结 本文提出基于冻结基础模型与任务特定LoRA模块的小样本持续学习方法，有效解决3D脑部MRI肿瘤分割与脑年龄估计任务中的灾难性遗忘问题。

Automated Extraction of Unstructured Post-SBRT Toxicity Data from Radiology Reports Using Large Language Models

利用大型语言模型自动提取放射治疗后无结构影像报告中的毒性数据

Justin Pijanowski, Yakout Mezgueldi, Alan Lee, Drew Moghanaki, Ricky R. Savjani, James Lamb

专题命中 医学影像 ：radiology(title,abstract)；CT(abstract)

AI总结 本研究利用大型语言模型自动提取放射治疗后影像报告中的毒性数据和进展信息，通过设计提示和多审者共识定义标签，实现了高准确率的提取效果。

SALIENT: Frequency-Aware Paired Diffusion for Controllable Long-Tail CT Detection

SALIENT: 用于可控长尾CT检测的频率感知配对扩散

Yifan Li, Mehrdad Salimitari, Taiyu Zhang, Guang Li, David Dreizin

机构 * Trauma Radiology AI Laboratory (TRAIL)（创伤放射AI实验室） ； Department of Radiology and Nuclear Medicine（放射科与核医学科） ； University of Maryland School of Medicine（马里兰大学医学院） 纠错

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

AI总结 SALIENT通过频率感知的配对扩散方法，在长尾CT检测中实现可控且高效的增强，提升生成真实性并改善检测性能。

Comments 5 figures

TopoGate: Quality-Aware Topology-Stabilized Gated Fusion for Longitudinal Low-Dose CT New-Lesion Prediction

TopoGate: 用于纵向低剂量CT新病变预测的质量感知拓扑稳定门控融合

Seungik Cho

机构 * Department of Physics \& Astronomy, Rice University, USA 纠错

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

AI总结 TopoGate通过质量感知门控融合外观和减影视图，提升纵向低剂量CT新病变预测的准确性和可靠性。

RefineFormer3D: Efficient 3D Medical Image Segmentation via Adaptive Multi-Scale Transformer with Cross Attention Fusion

RefineFormer3D：通过自适应多尺度Transformer与交叉注意力融合实现高效的3D医学图像分割

Kavyansh Tyagi, Vishwas Rathi, Puneet Goyal

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

AI总结 RefineFormer3D通过自适应多尺度Transformer与交叉注意力融合，实现高效且准确的3D医学图像分割。

Comments 13 pages, 5 figures, 7 tables

Filter2Noise: A Framework for Interpretable and Zero-Shot Low-Dose CT Image Denoising

Filter2Noise：一种用于可解释性和零样本低剂量CT图像去噪的框架

Yipeng Sun, Linda-Sophie Schneider, Siyuan Mei, Jinhua Wang, Ge Hu, Mingxuan Gu, Chengze Ye, Fabian Wagner, Lan Song, Siming Bayer, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-University Erlangen-Nuremberg（模式识别实验室，弗里德里希-亚历山大大学埃尔朗根-纽伦堡） ； Siemens Healthineers AG（西门子医疗影像有限公司） ； Department of Radiology, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（放射科，复杂严重罕见疾病国家重点实验室，北京协和医院，中国医学科学院及北京协和医学院） ； Theranostics and Translational Research Center, National Infrastructures for Translational Medicine, Institute of Clinical Medicine, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（诊疗与转化研究中心，国家转化医学基础设施，临床医学研究院，北京协和医院，中国医学科学院及北京协和医学院） 纠错

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

AI总结 Filter2Noise通过透明的双边滤波器和自监督学习实现高效低剂量CT去噪，兼具高性能、可解释性和参数效率。

Comments preprint

Controlling spatial correlation in k-space interpolation networks for MRI reconstruction: denoising versus apparent blurring

在MRI重建中控制k空间插值网络的空间相关性：去噪与显性模糊

Istvan Homolya, Jannik Stebani, Felix Breuer, Grit Hein, Matthias Gamer, Florian Knoll, Martin Blaimer

专题命中 医学影像 ：MRI(title,abstract)；medical image(abstract)

AI总结 本研究提出GIF-RAKI架构，通过整合方差图提升MRI重建的去噪与显性模糊平衡，解决了传统方法对全采样参考的依赖问题。

Multi-Scale Texture Loss for CT denoising with GANs

多尺度纹理损失用于GANs的CT去噪

Francesco Di Feola, Lorenzo Tronchin, Valerio Guarrasi, Paolo Soda

机构 * Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering, Umeå University, Sweden（诊断与介入部门、辐射物理、生物医学工程、乌梅大学，瑞典） ； Bioinformatics, Department of Engineering, University Campus Bio-Medico of Rome, Italy（生物信息学、工程部门、罗马生物医学大学，意大利） 纠错

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

AI总结 本文提出多尺度纹理损失方法，通过自注意力层动态聚合图像信息，提升GANs在低剂量CT去噪中的性能。

Reproducible Benchmarking for Lung Nodule Detection and Malignancy Classification Across Multiple Low-Dose CT Datasets

多低剂量CT数据集上的肺结节检测与恶性分类可重复基准测试

Fakrul Islam Tushar, Avivah Wang, Lavsen Dahal, Ehsan Samei, Michael R. Harowicz, Jayashree Kalpathy-Cramer, Kyle J. Lafata, Tina D. Tailor, Cynthia Rudin, Joseph Y. Lo

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

AI总结 本文提出多数据集基准测试，评估不同数据集上肺结节检测和恶性分类模型的性能，发现数据集特性显著影响AI性能。

Comments 3 tables, 2 supplement tables, 5 figures

LEAD: Layer-wise Expert-aligned Decoding for Faithful Radiology Report Generation

LEAD：逐层专家对齐解码以生成准确的放射学报告

Ruixiao Yang, Yuanhe Tian, Xu Yang, Huiqi Li, Yan Song

专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)

AI总结 LEAD通过逐层专家对齐解码方法，提升放射学报告生成的准确性并减少幻觉。

HypCBC: Domain-Invariant Hyperbolic Cross-Branch Consistency for Generalizable Medical Image Analysis

HypCBC: 领域不变的双分支一致性用于通用化医学图像分析

Francesco Di Salvo, Sebastian Doerrich, Jonas Alle, Christian Ledig

机构 * Bamberg University of Bamberg（巴马克伯格大学） ； xAILab（xAIL实验室） 纠错

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

AI总结 HypCBC通过双曲流形建模提升医学图像分析的领域不变性，实现跨不同数据集和模态的泛化性能提升。

Comments Accepted to Transactions on Machine Learning Research (TMLR)

Large-scale modality-invariant foundation models for brain MRI analysis: Application to lesion segmentation

大规模模态不变基础模型用于脑MRI分析：应用于病变分割

Petros Koutsouvelis, Matej Gazda, Leroy Volmer, Sina Amirrajab, Kamil Barbierik, Branislav Setlak, Jakub Gazda, Peter Drotar

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

AI总结 本文提出了一种大规模模态不变基础模型，用于提升脑MRI中病变分割的性能，通过自监督学习预训练并保留细粒度模态特定特征。

Comments Submitted to IEEE ISBI 2026

Deep Learning Approach for the Diagnosis of Pediatric Pneumonia Using Chest X-ray Imaging

基于深度学习的儿童肺炎胸片影像诊断方法

Fatemeh Hosseinabadi, Mohammad Mojtaba Rohani

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

AI总结 本研究采用深度学习方法，利用ResNetRS、RegNet和EfficientNetV2模型对儿童肺炎进行胸片影像自动分类，RegNet在准确率和灵敏度上表现最佳。

Comments 9 pages, 3 figures

MOIS-SAM2: Exemplar-based Segment Anything Model 2 for multilesion interactive segmentation of neurofibromas in whole-body MRI

MOIS-SAM2：基于示例的Segment Anything Model 2用于全身体部MRI中神经纤维瘤多病灶交互分割

Georgii Kolokolnikov, Marie-Lena Schmalhofer, Sophie Goetz, Lennart Well, Said Farschtschi, Victor-Felix Mautner, Inka Ristow, Rene Werner

机构 * Institute for Applied Medical Informatics, Institute of Computational Neuroscience, and Center for Biomedical Artificial Intelligence (bAIome), University Medical Center Hamburg-Eppendorf（应用医学信息学研究所、计算神经科学研究所和生物医学人工智能中心（bAIome）、汉堡医学院中心） ； Department of Diagnostic and Interventional Radiology and Nuclear Medicine, University Medical Center Hamburg-Eppendorf（诊断与介入放射学及核医学系、汉堡医学院中心） ； Department of Neurology, University Medical Center Hamburg-Eppendorf（神经病学系、汉堡医学院中心） 纠错

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

AI总结 MOIS-SAM2是一种基于示例的Segment Anything Model 2，用于全身体部MRI中神经纤维瘤多病灶交互分割，实现了高精度和可扩展性，支持临床应用。

Journal ref Computers in Biology and Medicine 2026; 201:111422

NLCG-Net: A Model-Based Zero-Shot Learning Framework for Undersampled Quantitative MRI Reconstruction

NLCG-Net：一种用于欠采样定量磁共振成像重建的基于模型的零样本学习框架

Xinrui Jiang, Yohan Jun, Jaejin Cho, Mengze Gao, Xingwang Yong, Berkin Bilgic

机构 * Fudan University（复旦大学） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） ； Stanford University（斯坦福大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 NLCG-Net通过结合U-Net正则化器和单指数信号建模，实现了基于模型的零样本学习，用于高加速因子下的T2/T1定量磁共振成像重建。

Comments 5 pages, 5 figures, accepted by International Society for Magnetic Resonance in Medicine 2024

An Exploration of Parallel Imaging System for Very-low Field (50mT) MRI Scanner

非常低场（50mT）MRI扫描仪并行成像系统的探索

Lei Yang, Wei He, Sheng Shen, Yucheng He, Jiamin Wu, Zheng Xu

专题命中 医学影像 ：MRI(title,abstract)；diagnosis(abstract)

AI总结 本文提出了一种针对非常低场MRI扫描仪的并行成像技术，通过改进的算法和线圈设计，实现了更高质量的图像重建和更高的信噪比。

Comments Submitted to IEEE Transactions on Instrumentation and Measurement

Breast Cancer Neoadjuvant Chemotherapy Treatment Response Prediction Using Aligned Longitudinal MRI and Clinical Data

利用对齐的纵向MRI和临床数据预测乳腺癌新辅助化疗治疗反应

Rahul Ravi, Ruizhe Li, Tarek Abdelfatah, Stephen Chan, Xin Chen

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

AI总结 本研究利用对齐的纵向MRI和临床数据，通过放射组学特征提取和逻辑回归模型预测乳腺癌新辅助化疗的治疗反应和复发风险。

A Biophysically-Conditioned Generative Framework for 3D Brain Tumor MRI Synthesis

一种基于生物物理条件的生成框架用于3D脑肿瘤MRI合成

Valentin Biller, Lucas Zimmer, Ayhan Can Erdur, Sandeep Nagar, Daniel Rückert, Niklas Bubeck, Jonas Weidner

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 本文提出了一种基于生物物理条件的生成框架，用于生成高保真的3D脑肿瘤MRI，通过条件生成模型实现肿瘤合成和健康组织修复，实验结果显示在PSNR指标上取得良好效果。

MRI Reconstruction with Regularized 3D Diffusion Model (R3DM)

利用正则化的3D扩散模型（R3DM）进行MRI重建

Arya Bangun, Zhuo Cao, Alessio Quercia, Hanno Scharr, Elisabeth Pfaehler

机构 * IAS-8 ； INM-4 Forschungszentrum Jülich（INM-4 研究中心） ； RWTH Aachen University（亚琛工业大学） 纠错

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

AI总结 本文提出了一种基于正则化3D扩散模型的MRI重建方法，通过结合优化方法提升图像质量与保真度，实验表明其在欠采样数据下的重建性能优于现有方法。

Comments Accepted to WACV 2025,17 pages, 8 figures

MRI Super-Resolution with Deep Learning: A Comprehensive Survey

利用深度学习的MRI超分辨率：全面综述

Mohammad Khateri, Serge Vasylechko, Morteza Ghahremani, Liam Timms, Deniz Kocanaogullari, Simon K. Warfield, Camilo Jaimes, Davood Karimi, Alejandra Sierra, Jussi Tohka, Sila Kurugol, Onur Afacan

机构 * A. I. Virtanen Institute for Molecular Sciences, Faculty of Health Sciences, University of Eastern Finland（A.I.维塔内恩分子科学研究所，健康科学学院，东芬兰大学） ； Harvard Medical School and Boston Children’s Hospital（哈佛医学院和波士顿儿童医院） ； Department of Radiology, Technical University of Munich（医学影像学系，慕尼黑技术大学） ； Department of Radiology, Massachusetts General Hospital（医学影像学系，麻省总医院） 纠错

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

AI总结 本文综述了利用深度学习的MRI超分辨率技术，探讨了其理论基础、方法分类及应用挑战。

Comments 41 pages

Comparing Baseline and Day-1 Diffusion MRI Using Multimodal Deep Embeddings for Stroke Outcome Prediction

比较基线和第1天扩散磁共振成像用于中风预后预测的多模态深度嵌入

Sina Raeisadigh, Myles Joshua Toledo Tan, Henning Müller, Abderrahmane Hedjoudje

机构 * 1 Department of Computer Science, University of Geneva, Switzerland 2 Department of Electrical \& Computer Engineering, University of Florida, FL, USA 3 Service of Medical Informatics, University Hospital of Geneva, Switzerland 4 Department of Imaging ； Medical Informatics, University of Geneva, Switzerland 纠错

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

AI总结 本研究通过多模态深度嵌入方法，利用基线和治疗后1天的扩散MRI数据，结合临床特征和病变体积，预测急性缺血性中风患者3个月的功能预后。

Comments 5 pages, 5 figures, 2 tables

GuideGen: A Text-Guided Framework for Paired Full-torso Anatomy and CT Volume Generation

GuideGen: 一种基于文本引导的完整躯干解剖和CT体积生成框架

Linrui Dai, Rongzhao Zhang, Yongrui Yu, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 GuideGen通过文本引导生成完整躯干解剖和CT体积，提升医学影像数据合成效率与质量。

Comments accepted as AAAI 2026 poster

MedCondDiff: Lightweight, Robust, Semantically Guided Diffusion for Medical Image Segmentation

MedCondDiff: 轻量、稳健、语义引导的扩散模型用于医学图像分割

Ruirui Huang, Jiacheng Li

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

AI总结 MedCondDiff通过语义引导的扩散模型实现高效、稳健的多器官医学图像分割，适用于多种成像模态和解剖区域。

Improving the Performance of Radiology Report De-identification with Large-Scale Training and Benchmarking Against Cloud Vendor Methods

通过大规模训练和与云服务提供商方法的基准测试来改进放射学报告去标识化性能

Eva Prakash, Maayane Attias, Pierre Chambon, Justin Xu, Steven Truong, Jean-Benoit Delbrouck, Tessa Cook, Curtis Langlotz

机构 * Stanford University（斯坦福大学） ； JP Morgan Chase & Co（摩根大通公司） ； Sorbonne University（索邦大学） ； University of Oxford（牛津大学） ； NVIDIA（英伟达） ； HOPPR ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 医学影像 ：radiology(title,abstract)；CT(abstract)

AI总结 本文提出了一种基于变压器的去标识化模型，通过大规模训练和与商业系统的基准测试，实现了在放射学报告中更高效的PHI检测性能。

Comments In submission to JAMIA

Enabling Real-Time Volumetric Imaging in Interventional Radiology Suits via a Deep Learning Framework Robust to C-arm Tilt

Fawazilla Utomo, Tess Reynolds, Nicholas Hindley

专题命中 医学影像 ：radiology(title,abstract)；CT(abstract)

Mathematical and numerical methods for accurate aorta segmentation from non-enhanced CT Data yielding reliable identification and evaluation of large vessel vasculitis

Konan A. Allaly, Jozef Urban, Karol Mikula

专题命中 医学影像 ：CT(title,abstract)；diagnosis(abstract)

Comments 36 pages, 13 figures

Shape Deformation Networks for Automated Aortic Valve Finite Element Meshing from 3D CT Images

Linchen Qian, Jiasong Chen, Ruonan Gong, Wei Sun, Minliang Liu, Liang Liang

机构 * Department of Computer Science, University of Miami（计算机科学系，迈阿密大学） ； Sutra Medical Inc（Sutra医疗公司） ； Department of Mechanical Engineering, Texas Tech University（机械工程系，德克萨斯技术大学） 纠错

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