医学 AI

Subspace based low rank and joint sparse matrix recovery

基于子空间的低秩和联合稀疏矩阵恢复

Sampurna Biswas, Sunrita Poddar, Soura Dasgupta, Raghuraman Mudumbai, Mathews Jacob

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

AI总结 本文研究从欠采样测量中恢复低秩和联合稀疏矩阵的问题，提出在不同测量矩阵下进行测量以减少总测量数，适用于动态MRI图像恢复。

Comments 5 pages, 5 figures, Asilomar 2014 conference submission

Regularized joint reconstruction and slab combination for accelerated three-dimensional multi-slab diffusion-weighted imaging using multi-scale energy models

使用多尺度能量模型进行加速三维多板块扩散加权成像的正则化联合重建与板块组合

Reza Ghorbani, Jyothi Rikhab Chand, Chu-Yu Lee, Mathews Jacob, Merry Mani

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

AI总结 提出基于能量的轮廓编码（EPEN）联合重建框架，通过双线性前向模型和深度能量先验，从欠采样多板块k空间数据中重建高分辨率扩散加权MRI，有效抑制板块边界伪影并保留精细解剖结构。

A unified deeplearning framework for contrast-phase-specific virtual monochromatic imaging

一种用于对比相位特异性虚拟单色成像的统一深度学习框架

Antony Jerald, Hemant K Aggarwal, Brian Nett, Avinash Gopal, Phaneendra K Yalavarthy, Bipul Das, Rajesh Langoju

机构 * Science and Technology Organization, GE HealthCare（科技组织，GE医疗） 纠错

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

AI总结 提出一种统一深度学习框架，利用对比相位先验信息从单能CT数据合成对比相位特异性虚拟单色50 keV图像，通过新型先验条件架构实现能量转换，并在四个对比相位上验证了其对比增强和泛化能力。

Journal ref SPIE Medical Imaging 2026

A Unified Fractional Regularization Framework for Sparse Recovery

用于稀疏恢复的统一分数阶正则化框架

Yinhao Zhao, Haoyu He, Chuanqi Ma, Hao Wang

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） 纠错

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

AI总结 提出基于 ℓ1/ℓp^q 模型的统一分数阶正则化框架，通过参数 p 和 q 泛化多种稀疏正则化器，理论刻画了与 ℓ1-αℓp 模型的一阶驻点等价性，并建立了基于 RIP 的充分恢复条件，开发了 MM 算法并证明收敛性，实验表明在稀疏恢复和 MRI 重建中优于现有方法。

Generative MR Multitasking with complex-harmonic cardiac encoding: Bridging the gap between gated imaging and real-time imaging

基于复谐波心脏编码的生成式MR多任务成像：弥合门控成像与实时成像的鸿沟

Xinguo Fang, Anthony G. Christodoulou

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

AI总结 提出生成式多任务框架，利用条件变分自编码器（CVAE）和复谐波心脏坐标统一门控与实时心脏MRI，实现柔性心脏运动表示、抑制伪影并提高定量T1/T2映射质量。

Comments Submitted to Magnetic Resonance in Medicine; 21 pages, 7 figures

Receiver-Centric TDOA Localization Framework for DAB Signals under Synchronization Impairments

面向同步损伤下DAB信号的接收端中心TDOA定位框架

Mustafa Furkan Beker, Abdullah Tan, Khaled Walid Elgammal, Mehmet Kemal Ozdemir

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

AI总结 针对GNSS拒止环境中的同步损伤问题，提出基于DAB信号的接收端中心多通道TDOA定位框架，利用空符号和相位参考符号实现同步，通过双差分、峰值旁瓣比加权和偏差校正提高鲁棒性，并采用CT-EKF滤波提升精度。

Comments Accepted for presentation at SIU 2026. 4 pages, 4 figures

Beyond Transfer Accuracy: Faithful Circuits for Controlled Low-Resource Adaptation

超越迁移准确率：用于受控低资源适应的忠实电路

Khumaisa Nur'aini, Ayu Purwarianti, Alham Fikri Aji, Derry Wijaya

机构 * Monash University Indonesia（印度尼西亚墨尔本大学） ； Institute Teknologi Bandung（Bandung理工大学） ； MBZUAI（MBZUAI研究所） ； Boston University（波士顿大学） 纠错

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

AI总结 提出基于上下文分解的电路发现方法（CD-T），通过标签平衡激活均值和任务方向相关性评分实现无反事实电路发现，并利用电路目标监督微调（CT-SFT）在低资源跨语言情感迁移中最小化灾难性遗忘，优于全局微调。

RAG4Outcome: A Retrieval-Augmented Multimodal Framework for Prognostic Prediction in Chronic Osteomyelitis

RAG4Outcome：用于慢性骨髓炎预后预测的检索增强多模态框架

Daqian Shi, Pei Han, Jishizhan Chen, Yang Wang, Xiaolei Diao, Xianyou Zheng, Pengfei Cheng

机构 * Queen Mary University of London（女王玛丽大学） ； Shanghai Sixth People’s Hospital Affiliated to SJTU School of Medicine（上海第六人民医院附属复旦大学医学院） ； University College London（大学学院伦敦） 纠错

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

AI总结 提出RAG4Outcome框架，通过检索增强生成技术融合PET-CT影像报告、结构化手术诊断记录和非结构化随访笔记等多模态临床数据，实现慢性骨髓炎的预后预测，提高可解释性和临床可靠性。

Warm-Started Reinforcement Learning for Iterative 3D/2D Liver Registration

基于迭代3D/2D肝脏配准的预热启动强化学习

Hanyuan Zhang, Lucas He, Zijie Cheng, Abdolrahim Kadkhodamohammadi, Danail Stoyanov, Brian R. Davidson, Evangelos B. Mazomenos, Matthew. J Clarkson

机构 * UCL Hawkes Institute, University College London（伦敦大学学院UCL霍克斯研究所） ； Medtronic plc.（美敦力公司） 纠错

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

AI总结 本文提出了一种基于离散动作强化学习的框架，用于将术前CT与术中腹腔镜视频进行配准，通过预热启动的监督姿态估计网络提供稳定的几何特征和更快的收敛速度，从而实现更高效的配准。

Comments Laparoscopic Liver Surgery, Augmented Reality, Image Registration, Reinforcement Learning

Multi-needle Localization for Pelvic Seed Implant Brachytherapy based on Tip-handle Detection and Matching

基于尖端-柄检测与匹配的盆腔种子植入近距离放射治疗多针定位

Zhuo Xiao, Fugen Zhou, Jingjing Wang, Chongyu He, Bo Liu, Haitao Sun, Zhe Ji, Yuliang Jiang, Junjie Wang, Qiuwen Wu

机构 * Image Processing Center, Beihang University（北航图像处理中心） ； Department of Radiation Oncology, Peking University Third Hospital（北京大学第三医院放疗科） ； Department of Radiation Oncology, Duke University Medical Center（达勒姆大学医学中心放疗科） 纠错

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

AI总结 本文提出了一种基于尖端-柄检测与匹配的新方法，用于解决术中CT图像中多针定位的难题，通过锚点自由网络和贪心匹配与合并方法，在100名患者的数据集上实现了更高的精度和F1分数，为复杂临床场景下的针定位提供了更鲁棒和准确的解决方案。

SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound

SAMe：一种用于机器人超声的语义解剖映射引擎

Jing Zhang, Duojie Chen, Wentao Jiang, Zihan Lou, Jianxin Liu, Xinwu Cui, Qinghong Zhao, Bo Du, Christoph F. Dietrich, Dacheng Tao

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Hubei Center for Applied Mathematics, Wuhan University（湖北应用数学中心，武汉大学） ； Department of Ultrasound, The Central Hospital of Wuhan（武汉市中心医院超声科） ； Department of Medical Ultrasound, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology（同济医院，同济医学院，华中科技大学医学影像科） ； Department of Ultrasound in Medicine, Renmin Hospital of Wuhan University（武汉大学仁医医院医学超声科） ； University Hospital, Johann-Wolfgang-Goethe University Frankfurt am Main（法兰克福歌德大学医学院大学医院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 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 该研究提出SAMe，一种语义解剖映射引擎，通过提供显式的解剖先验层，解决机器人超声扫描初始化问题，实现了基于临床症状的解剖目标识别和控制指令生成，提高了自动扫描的准确性和效率。

Comments Supplementary information included. Code will be released at https://github.com/MiliLab/Echo-SAMe

Benchmarking transferability of SSL pretraining to same and different modality segmentation tasks

对SSL预训练在相同和不同模态分割任务中转移性的基准测试

Jue Jiang, Harini Veeraraghavan

机构 * Department of Medical Physics, Memorial Sloan Kettering Cancer Center（医学物理系，纪念斯隆凯特勒癌症中心） 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 本文通过九种SSL方法在相同和不同模态的分割任务中进行基准测试，评估了预训练模型的迁移能力和效率，发现自蒸馏masked image transformer在分割精度、收敛速度和少量样本到大量样本的性能差距方面表现最佳。

Comments Paper submitted to Medical Physics for review

JDCNet: Confidence-Gated Privileged-Modality Distillation for Cost-Preserving X-ray Inference

JDCNet：基于置信度门控的特权模态蒸馏用于成本保持的X射线推断

Bo Ma, Jinsong Wu, Weiqi Yan, Hongjiang Wei, Kun Liu

机构 * Auckland University of Technology（奥克兰技术大学） ； Guilin University of Electronic Technology（桂林电子科技大学） ； Hikvision Technology Co., Ltd（海康威视技术有限公司） ； Hebei University of Technology（河北工业大学） 纠错

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

AI总结 JDCNet通过置信度门控的CT到X射线蒸馏框架，在保持固定成本的单模态部署路径下，利用特权模态进行训练。在510名患者配对的BIMCV队列中，两种配置在固定转移门下优于ResNet-18基线，证明置信度门控辅助目标比均匀软化的CT日志更可转移。

Accelerated Gradient Descent for Faster Convergence with Minimal Overhead

加速梯度下降法用于更快收敛并最小化开销

Manuel Graca, L. Miguel Silveira, Arlindo Oliveira, Frank Liu

机构 * IST, ULisboa（里斯本大学理工学院） ； Old Dominion University（老 Dominion 大学） 纠错

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

AI总结 本文提出CT-AGD算法，通过捕捉局部曲率加速一阶方法，减少训练周期，与Adam等自适应方法具有相似的存储和计算开销。

Comments 17 pages

Region-Grounded Report Generation for 3D Medical Imaging: A Fine-Grained Dataset and Graph-Enhanced Framework

基于3D医学影像的区域 grounded 报告生成：一个细粒度数据集和图增强框架

Cong Huy Nguyen, Son Dinh Nguyen, Guanlin Li, Tuan Dung Nguyen, Aditya Narayan Sankaran, Mai Huy Thong, Thanh Trung Nguyen, Mai Hong Son, Reza Farahbakhsh, Phi Le Nguyen, Noel Crespi

机构 * AI4LIFE, Hanoi University of Science and Technology, Vietnam（AI4LIFE，河内科学技术大学，越南） ； SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris, France（SAMOVAR，Telecom SudParis，巴黎理工学院，法国） ； Military Central Hospital, Vietnam（108军区中央医院，越南） 纠错

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

AI总结 本文提出VietPET-RoI数据集和HiRRA框架，通过图增强模块捕捉RoI属性依赖，提升3D PET/CT报告生成的临床可靠性，实验表明其在BLEU、ROUGE-L和临床指标上均优于现有方法。

Comments 16 pages; Accepted to appear in ACL 2026

IHF-Harmony: Multi-Modality Magnetic Resonance Images Harmonization using Invertible Hierarchy Flow Model

IHF-Harmony：基于可逆分层流模型的多模态磁共振图像统一化

Pengli Zhu, Yitao Zhu, Haowen Pang, Anqi Qiu

机构 * Department of Health Technology and Informatics, The Hong Kong Polytechnic University, Hong Kong（健康科技与信息技术系，香港理工大学，香港） ； School of Integrated Circuits and Electronics, Beijing Institute of Technology, China（集成电路与电子学院，北京理工大学，中国） ； Mental Health Research Center, The Hong Kong Polytechnic University, Hong Kong（心理健康研究中心，香港理工大学，香港） ； Department of Biomedical Engineering, Johns Hopkins University, USA（生物医学工程系，约翰霍普金斯大学，美国） 纠错

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

AI总结 本文提出IHF-Harmony，通过可逆分层流模型实现多模态MRI图像统一化，利用无配对数据提升跨模态可扩展性，保留解剖结构并提升下游任务性能。

Modality-agnostic, patient-specific digital twins modeling temporally varying digestive motion

模态无关、患者特异性的数字双胞胎建模时变消化运动

Jorge Tapias Gomez, Nishant Nadkarni, Lando S. Bosma, Jue Jiang, Ergys D. Subashi, William P. Segars, James M. Balter, Mert R Sabuncu, Neelam Tyagi, Harini Veeraraghavan

机构 * Computer and Information Science, Cornell University（康奈尔大学计算机与信息科学系） ； Department of Medical Physics, Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心医学物理系） ； University Medical Center Utrecht（乌得勒支大学医学中心） ； Department of Radiation Physics, University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心放射物理系） ； Carl E. Ravin Advanced Imaging Laboratories and Center for Virtual Imaging Trials, Duke University Medical Center（杜克大学医学中心卡尔·E·拉文高级影像实验室和虚拟影像试验中心） ； Department of Radiation Oncology, University of Michigan（密歇根大学放射肿瘤学系） 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 本文提出一种模态无关的患者特异性数字双胞胎建模方法，用于评估变形图像配准方法的准确性，通过生成21个运动阶段的4D序列，评估DIR方法的性能。

Comments This work is still review, it contains 7 Pages, 6 figures, and 4 tables

Journal ref Phys. Med. Biol. 71 (2026) 015029

CHASM: Cross-frequency Harmonized Axis-Separable Mixing for Spectral Token Operators

CHASM：跨频率谐化轴分离混合用于频谱令牌运算

Pengcheng Fang, Hongli Chen, Yuxia Chen, Tengjiao Sun, Jiaxin Liu, Xiaohao Cai

机构 * University of Southampton（南安普顿大学） ； University of Queensland（昆士兰大学） ； Chengdu University of Technology（成都理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 CHASM通过跨频率谐化轴分离混合，实现频谱令牌运算的高效建模，提升MRI重建和图像恢复性能。

VoxCor: Training-Free Volumetric Features for Multimodal Voxel Correspondence

VoxCor：无需训练的体积分量用于多模态体素对应

Guney Tombak, Ertunc Erdil, Ender Konukoglu

机构 * Biomedical Image Computing Group, ETH Zurich（生物医学图像计算组，苏黎世联邦理工学院） ； The LOOP Zurich – Medical Research Center（苏黎世医疗研究中心） 纠错

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

AI总结 VoxCor通过冻结的2D Vision Transformer基础模型生成可重用的体积分量表示，无需训练即可实现跨模态和跨主体的体素对应，提升跨模态和跨主体的转换性能。

BrainAnytime: Anatomy-Aware Cross-Modal Pretraining for Brain Image Analysis with Arbitrary Modality Availability

BrainAnytime: 基于解剖结构的跨模态预训练用于脑图像分析，支持任意模态可用性

Guangqian Yang, Tong Ding, Wenlong Hou, Yue Xun, Ye Du, Qian Niu, Shujun Wang

机构 * Department of Biomedical Engineering, The Hong Kong Polytechnic University, Hong Kong SAR, China（生物医学工程系，香港理工大学，香港特别行政区，中国） ； Department of Technology Management for Innovation, The University of Tokyo, Japan（创新技术管理系，东京大学，日本） ； Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University, Hong Kong SAR, China（数据科学与人工智能系，香港理工大学，香港特别行政区，中国） 纠错

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

AI总结 BrainAnytime通过跨模态蒸馏和解剖引导课程掩码，在共享的3D掩码自动编码器中学习MRI与PET的结构-分子对应关系，实现对任意模态可用性的统一预训练，提升多任务性能。

Comments Early accepted by MICCAI 2026

Leveraging Quantum-Based Architectures for Robust Diagnostics

利用量子架构实现稳健的诊断

Shabnam Sodagari, Tommy Long

机构 * Computer Engineering and Computer Science Department, California State University Long Beach（加州州立大学长滩分校计算机工程与计算机科学系） 纠错

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

AI总结 本文提出一种混合经典-量子诊断框架，结合数据集特定预处理、迁移学习和量子卷积神经网络，用于多类医学图像分类，实验结果显示在肾病、宫颈细胞和脑肿瘤分类中均取得高准确率。

Virtual-reality based patient-specific simulation of spine surgical procedures: A fast, highly automated and high-fidelity system for surgical education and planning

基于虚拟现实的患者特异性脊柱手术模拟：一种快速、高度自动化和高保真的系统，用于手术教育和规划

Raj Kumar Ranabhat, Tayler D Ross, Tony Jiao, Jeremie Larouche, Joel Finkelstein, Michael Hardisty

机构 * Holland Bone and Joint Program, Sunnybrook Research Institute（霍尔德骨科与关节程序，圣布鲁诺研究学院） ； Division of Spine Surgery, Sunnybrook Health Sciences Centre（脊柱外科部，圣布鲁诺健康科学中心） ； Division of Orthopaedic Surgery, Department of Surgery, University of Toronto（骨科部，外科部，多伦多大学） 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 本文提出利用AI和计算机视觉生成患者特异性脊柱减压模拟，通过多模态融合和分割技术提高建模精度，提升手术教育和规划效率。

Radiomics- and Clinical Feature-Driven Prediction of Volumetric Response in Skull-Base Meningioma after CyberKnife Radiosurgery

基于影像组学和临床特征的颅底脑膜瘤接受CyberKnife放射手术后体积反应预测

Yin Lin, Elena De Martin, Giacomo Conte, Domenico Aquino, Cristiana Pedone, Alberto Redaelli, Riccardo Barbieri, Laura Fariselli, Simona Ferrante

机构 * DEIB Polytechnic University of Milan（米兰理工学院DEIB部门） ； Health Department Fondazione IRCCS Istituto Neurologico Carlo Besta（卡尔罗·贝斯塔神经研究所健康部门） 纠错

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

AI总结 本文提出结合影像组学和临床特征的预测框架，用于预测颅底脑膜瘤接受CyberKnife放射手术后的体积反应，通过六种模型分析预治疗MRI图像和临床变量，验证了TabPFN在小样本高维数据中的有效性。

Journal ref 2026 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference

Deep learning based Non-Rigid Volume-to-Surface Registration for Brain Shift compensation Using Point Cloud

基于深度学习的非刚性体积分到表面注册用于脑移位补偿的点云方法

Eashrat Jahan Muniya, Gernot Kronreif, Ander Biguri, Wolfgang Birkfellner, Sepideh Hatamikia

机构 * Austrian Center for Medical Innovation and Technology（奥地利医学创新与技术中心） ； Medical University of Vienna（维也纳医学大学） ； University of Cambridge（剑桥大学） ； Danube Private University (DPU)（多瑙私人大学（DPU）） 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 本文提出基于深度学习的非刚性体积分到表面注册方法，利用稀疏手术表面观测进行密集位移场估计，实现有限视野下的脑移位补偿。

CLIMB: Controllable Longitudinal Brain Image Generation using Mamba-based Latent Diffusion Model and Gaussian-aligned Autoencoder

CLIMB：基于Mamba的潜在扩散模型和高斯对齐自编码器的可控纵向脑图像生成

Duy-Phuong Dao, Muhammad Taqiyuddin, Jahae Kim, Sang-Heon Lee, Hye-Won Jung, Jaehoo Choi, Hyung-Jeong Yang

机构 * Department of Artificial Intelligence Convergence, Chonnam National University（全南国立大学人工智能融合系） ； Department of Nuclear Medicine, Chonnam National University（全南国立大学核医学系） ； University of South Australia（南澳大利亚大学） ； AdelaideMRI（阿德莱德MRI） ； Electronics and Telecommunications Research Institute（电子电信研究所） 纠错

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

AI总结 CLIMB通过基于状态空间的潜在扩散模型和高斯对齐自编码器，实现对脑结构时间演变的可控生成，利用基线MRI扫描及其获取年龄作为基础输入，并结合多种条件变量提升解剖变化的建模能力。

Comments 18 pages, 5 figures, 5 tables

Attention-Gated Convolutional Networks for Scanner-Agnostic Quality Assessment

注意力门控卷积网络用于无扫描仪质量评估

Chinmay Bakhale, Anil Sao

机构 * Indian Institute of Technology, Bhilai, India（印度比哈尔理工学院） 纠错

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

AI总结 本文提出一种混合CNN-注意力框架，用于鲁棒且跨站点的MRI质量评估，通过局部空间特征提取和多头交叉注意力机制，实现运动伪影的优先识别与噪声过滤，验证了在不同扫描仪环境下的泛化能力。

Med-CAM: Minimal Evidence for Explaining Medical Decision Making

Med-CAM：为解释医学决策制定提供最小证据

Pirzada Suhail, Aditya Anand, Amit Sethi

机构 * IIT Bombay（印度理工学院班加罗尔） 纠错

专题命中 医学影像 ：medical AI(abstract)；pathology(abstract)；diagnosis(abstract)；radiology(abstract)

AI总结 本文提出Med-CAM框架，通过分类器激活匹配生成最小且清晰的证据图，为医学决策提供解释性证据，优于现有方法。

ADP-DiT: Text-Guided Diffusion Transformer for Brain Image Generation in Alzheimer's Disease Progression

ADP-DiT：用于阿尔茨海默病进展的文本引导扩散变换器

Juneyong Lee, Geonwoo Baek, Ikbeom Jang

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Hankuk University of Foreign Studies（韩国民法大学） 纠错

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

AI总结 ADP-DiT通过整合临床信息和时间间隔，提升阿尔茨海默病纵向MRI生成的精度与可解释性，实现更精细的时间控制和解剖结构重建。

Comments 15 pages, 3 figures, accepted to ICPR 2026

Spinverse: Differentiable Physics for Permeability-Aware Microstructure Reconstruction from Diffusion MRI

Spinverse: 可微物理用于从扩散MRI中感知渗透性的微结构重建

Prathamesh Pradeep Khole, Mario M. Brenes, Zahra Kais Petiwala, Ehsan Mirafzali, Utkarsh Gupta, Jing-Rebecca Li, Andrada Ianus, Razvan Marinescu

机构 * University of California Santa Cruz（加州大学圣克鲁兹分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Inria-Saclay（Inria-萨克莱实验室） ； Kings College London（伦敦国王学院） 纠错

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

AI总结 Spinverse通过可微物理方法从扩散MRI中感知渗透性，重建微结构并优化渗透性参数以提高边界准确性和结构有效性。

Comments 10 Pages, 5 Figures, 2 Tables

Unsupervised Anomaly Detection in Brain MRI via Disentangled Anatomy Learning

通过解耦解剖学习在脑部MRI中进行无监督异常检测

Tao Yang, Xiuying Wang, Hao Liu, Guanzhong Gong, Lian-Ming Wu, Yu-Ping Wang, Lisheng Wang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China.（自动化与智能感知学院，上海交通大学，中国） ； School of Computer Science, The University of Sydney, Sydney, Australia.（计算机科学学院，悉尼大学，澳大利亚） ； Department of Radiology, Renji Hospital, School of Medicine, Shanghai Jiao Tong University, Shanghai, China.（放射科，仁济医院，医学院，上海交通大学，中国） ； Biomedical Engineering Department, Tulane University, New Orleans, USA.（生物医学工程系， Tulane 大学，美国新奥尔良） 纠错

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

AI总结 本文提出了解耦解剖学习框架，通过解耦MRI成像信息与解剖结构，提升多模态MRI的异常检测性能，实验表明在九个数据集上优于17种现有方法。

Comments Accepted by Medical Image Analysis (2025)

Journal ref Medical Image Analysis (2025)