医学 AI

Attention-Based Segmentation of WMHs and Differentiation of Vascular vs. Demyelinating Lesions

基于注意力的脑白质高信号分割以及血管性与脱髓鞘性病变的区分

Aina Tur-Serrano, Gabriel Moyà-Alcover, Francisco J. Perales López

机构 * UGiVIA Research Group, Dpt. of Mathematics and Computer Science, Universitat de les Illes Balears（UGiVIA研究小组，数学与计算机科学系，巴利阿里群岛大学） 纠错

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

AI总结 研究针对脑白质高信号在鉴别诊断上的挑战，提出结合基于注意力的分割与特征驱动分类方法，评估注意力机制、测试不同架构及训练策略，利用多数据集实验，结果显示该方法为区分血管性和脱髓鞘性白质病变提供了有前景的方向。

Journal ref Pattern Recognition Letters 202 (2026) 50-56

SMART: A Flexible, Interpretable, and Scalable Spatio-temporal Brain Atlas from High-Resolution Imaging Data

SMART：一种灵活、可解释且可扩展的高分辨率成像数据时空脑图谱

John Kalkhof, Boris Gutman, Emile d'Angremont, Daniel C. Alexander, Marco Lorenzi

机构 * Illinois Institute of Technology（伊利诺伊理工学院） ； Amsterdam University Medical Center（阿姆斯特丹大学医学中心） ； University College London（伦敦大学学院） 纠错

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

AI总结 提出SMART框架，通过解耦全局疾病动态与患者特定解剖表现，学习连续疾病时间图谱，实现高分辨率3D医学图像中时空变化的灵活、可解释和可扩展建模。

Transition-Based Digital Twin Modelling for Alzheimer's Disease under Sparse Longitudinal Data

基于转换的阿尔茨海默病数字孪生建模在稀疏纵向数据下的应用

Yinyu Huang, Yilin Zhang, Sofia Michopoulou, Christopher Kipps, Rahman Attar

机构 * University of Southampton（南安普顿大学） ； University Hospital Southampton NHS Foundation Trust（南安普顿大学医院NHS基金会信托） ； Faculty of Medicine, University of Southampton（南安普顿大学医学院） 纠错

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

AI总结 针对阿尔茨海默病进展异质性和数据稀疏问题，提出结合局部转换建模与序列建模的数字孪生框架，利用多模态纵向数据预测认知状态并量化不确定性，在ADNI数据上表现优异。

Comments 13 pages, 5 figures, 3 tables. Accepted as a full-length paper at the International Conference on AI in Healthcare (AIiH) 2026

Self-Supervised Vision Transformers for CBCT-Based Detection of Temporomandibular Joint Osteoarthritis

基于自监督视觉Transformer的CBCT颞下颌关节骨关节炎检测

Shradhdha Trivedi, Vrundan Sojitra, Mariela Padilla

机构 * Herman Ostrow School of Dentistry, University of Southern California（南加州大学赫尔曼·奥斯特罗牙科学院） ； Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院） 纠错

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

AI总结 研究DINO系列自监督ViT在CBCT颞下颌关节骨关节炎检测中的迁移性能，发现部分解冻最后两个Transformer块可将AUC从0.671提升至0.902，表明适应策略比骨干选择更重要。

MedicalRec: Medical recommender system for image classification without retraining

MedicalRec：无需重新训练的图像分类医疗推荐系统

Roghayeh Taghavi, Aysa Hasanazde Bashkandi, Amir Ali Bengari, Mohammad Amin Raji, Mohammad Salahi Ardekani, Parisa Mardukhian, Parvaneh Rezaei, Ramin Mousa

机构 * University of Tehran（塔里班大学） 纠错

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

AI总结 提出基于Transformer的医疗推荐系统MedicalRec，利用从3000篇论文中构建的MedicalRec-Bench数据集（含5000+记录），无需重新训练即可为医疗图像分类任务推荐最优模型，最高HitRate@100达75.5%。

Dual-Domain Cross-Modal Decoding for Clinical Text-Guided Medical Image Segmentation

用于临床文本引导的医学图像分割的双域跨模态解码

Md Maklachur Rahman, Tracy Hammond

机构 * Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 本文针对临床文本引导医学图像分割忽略频率内容的问题，提出双域跨模态解码（DD-CMD）方法，在两个公开数据集上均优于现有最强基线。

Comments Accepted at MICCAI 2026 (Main). Final version to appear in the MICCAI 2026 proceedings

How Many Labels Are Enough? ALDA: Active Learning Deployment Advisor for Medical Image Classification

需要多少标签才足够？ALDA：面向医学图像分类的主动学习部署顾问

Julia Machnio, Mads Nielsen, Mostafa Mehdipour Ghazi

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

AI总结 针对医学图像分类的主动学习部署问题，提出ALDA框架，利用15%-30%试点数据预测最优策略，可降低最多82%标注成本，解决了部署时需选采样策略的关键问题。

Comments Accepted at EMA4MICCAI Workshop 2026

When Does Consensus Beat Voting? A Critical Analysis of Statistical Label Fusion in Medical Image Segmentation

在医学图像分割中，何时一致性优于投票？统计标签融合的批判性分析

Renjie He

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

AI总结 研究医学图像分割中一致性分割，通过推导数学基础并实验验证，发现常见条件下STAPLE存在问题，多数投票是强基线，深度一致性模型结合图像标签可处理问题，共形预测能保证不确定性，为评估方法提供基础。

Local Label-Informed Feature Transfer for Generating Ground-Truth Medical Images: A Comparison of GAN- and Diffusion-Based Approaches

用于生成真实医学图像的局部标签信息特征转移：基于GAN和扩散方法的比较

Rick Wilming, Irem Ozseker, Luca Matteo Cornils, Ahcène Boubekki, Benedict Clark, Danny Panknin, Stefan Haufe

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

AI总结 研究针对医学成像中验证XAI方法缺少真实数据的问题，提出LLIFT框架，用GAN和扩散两种范式实现，能生成含真实病变的半合成脑磁共振图像，为评估XAI方法提供了可控真实数据，且评估效果良好。

Comments 6 pages, submitted to IEEE MetroXRAINE 2026

Quantification of Uncertainty with Adversarial Models in Medical Image Segmentation

医学图像分割中对抗模型的不确定性量化

Hana Jebril, Thomas Pinetz, Günter Klambauer, Hrvoje Bogunović

机构 * Institute of Artificial Intelligence, Center for Medical Data Science, Medical University of Vienna, Austria（人工智能研究所、医学数据科学中心、维也纳医学大学，奥地利） ； Comprehensive Center for AI in Medicine, Medical University of Vienna, Austria（医学人工智能综合中心、维也纳医学大学，奥地利） ； ELLIS Unit Linz, LIT AI Lab and Institute for Machine Learning, Johannes Kepler University Linz, Austria（林茨ELLIS单位、LIT人工智能实验室和机器学习研究所、林茨约瑟夫·冯·克拉夫特大学，奥地利） ； Institute for Machine Learning, Johannes Kepler University Linz, Austria（机器学习研究所、林茨约瑟夫·冯·克拉夫特大学，奥地利） ； Clinical Research Center for Medical AI, Johannes Kepler University Linz, Austria（医学人工智能临床研究中心、林茨约瑟夫·冯·克拉夫特大学，奥地利） 纠错

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

AI总结 提出QUAM-SM后处理框架，通过针对性对抗搜索识别脆弱像素，量化不确定性并分离认知与偶然不确定性，在公开数据集上优于现有方法。

Comments Accepted at MICCAI 2026

To forget is to preserve: Machine Unlearning for 3D medical image segmentation

遗忘即保留：面向3D医学图像分割的机器遗忘

Nitesh Kumar Singh, Akhilesh Singh, Arjun Arora

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 针对数据隐私法规，研究基于四种机制的近似遗忘策略在3D医学图像分割中的应用，通过Dice系数和MAE评估，发现噪声标签策略在遗忘集和保留集间取得最佳平衡。

Comments 9 pages, 5 figures

Data-driven discovery and rapid, direct synthesis of MXenes

数据驱动的MXenes发现及其快速直接合成

Ali Saffar Shamshirgar, Guilherme Ribeiro Portugal, Soheil Ershadrad, Roman Ivanov, Martin Dahlqvist, Florian Chabanais, Sanjay Chakraborty, Rainer Traksmaa, Irina Hussainova, Fredrik Heintz, Per O. Å. Persson, Johanna Rosen

专题命中 医学影像 ：CT(summary_cn,abstract_cn)

AI总结 本研究结合机器学习数据库挖掘与实验，发现38种未被识别的ml-MXene，用快速自蔓延高温合成法重新发现5种MXenes，还制备11种稀土基M₂CT₂ MXenes，扩展了MXene家族并提供数据驱动的可持续材料发现策略。

From Manuals to Maintenance: Fine-Tuning MedGemma for Multi-Modal Imaging System Support in Low-Resource Settings

从手册到维护：在低资源场景中微调MedGemma以提供多模态成像系统支持

Bernes Lorier Atabonfack, Zion Kongbi Nfo, Ahmed Tahiru Issah, Tolulope Olusuyi, Clemence Ingabire, Mohammed Hardi Abdul Baaki, Mawuli Deku, Abdulrazaq Zubair, Alyasaa Anas, Raymond Confidence, Maruf Adewole, Udunna C. Anazodo

机构 * Carnegie Mellon University Africa（非洲卡内基梅隆大学） ； IngenziAI（因根齐人工智能公司） ； Federal University of Health Sciences Azare（阿扎雷联邦健康科学大学） ； University of Maiduguri Teaching Hospital（迈杜古里大学教学医院） ； Lawson Health Research Institute（劳森健康研究所） ； University of Pennsylvania（宾夕法尼亚大学） ； McGill University（麦吉尔大学） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)；biomedical(abstract)

AI总结 针对中低收入国家医疗设备维护难题，研究人员构建INGENZI_DatasetV1数据集，用QLoRA微调MedGemma-4b-it模型，使维修问答指标大幅提升，为低资源场景AI辅助医疗维护奠定基础。

Comments Accepted at the AFRICAI 2026 Workshop, a satellite event at MICCAI 2026. To appear in Springer Lecture Notes in Computer Science (LNCS)

Transformer is All You Need: Attention-Based Anomaly Detection and Classification in Inverter-Rich Power Systems

你只需要Transformer：基于注意力机制的逆变器密集型电力系统异常检测与分类

Emad Abukhousa, Saman Zonouz, A. P. Sakis Meliopoulos

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

AI总结 研究逆变器密集型电力系统新保护挑战下的异常检测与分类，核心方法是用DL-Xformer与DSE-EBP对比，贡献为给出二者在多类故障和攻击诊断中的表现，推动了智能电网分层保护架构发展。

Physics-Informed Dynamic State Estimation for Current Transformers Using Graph Neural Networks

基于图神经网络的电流互感器物理信息动态状态估计

Michael A. Boateng, Gabriel Gauderman, Nathalie Uwamahoro

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究电流互感器动态状态估计问题，用COMTRADE测量值，通过构建结构化基准对比不同方案，用图神经网络改进初始化，提升估计器性能，增强CT饱和校正鲁棒性。

A Proximal Point Semismooth Newton Algorithm for Structural Composite Cardinality Optimization

一种用于结构复合基数优化的近端点半光滑牛顿算法

Penghe Zhang, Naihua Xiu, Houduo Qi

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 针对复合基数优化问题，考虑其平稳对偶形式，用近端点算法求解。利用半光滑牛顿算法在低维子空间最小化光滑凸函数，并给出不精确准则，该算法有全局和局部收敛性，还用于信号恢复与CT图像恢复，效果良好。

RespGeomLib: A Reproducible Parametric Engine for Generating Analysis-Ready Human Airway Lumen Geometry

RespGeomLib：一个可复现的参数化引擎，用于生成分析就绪的人类气道管腔几何结构

Nichula Wasalathilaka, Parakrama Ekanayake, Roshan Godaliyadda

专题命中 医学影像 ：CT(abstract,abstract_cn)；biomedical(abstract)

AI总结 提出RespGeomLib，一个基于YAML规范的可复现参数化引擎，通过端口组装与隐式平滑混合生成无缝气道管腔表面，避免全局体素化，在定量上产生更清洁的分叉且更高效，支持形态测量引导生成和CFD仿真。

Comments Accepted to Publication at 2026 IEEE Mercon

MERMAID-v1 PET Scanner Prototype: Initial Characterization and First Zebrafish Scans

MERMAID-v1 PET扫描仪原型：初步表征与首次斑马鱼扫描

Steven Seeger, Hong Phuc Vo, Rebecca Kantorek, Magdalena Kołodziej, Ezzat Elmoujarkach, Caroline Florack, Jorge Roser, Christian Schmidt, Magdalena Rafecas

专题命中 医学影像 ：CT(abstract,abstract_cn)；biomedical(abstract)

AI总结 本文介绍MERMAID-v1原型PET扫描仪，通过表征实验和斑马鱼扫描验证其性能，空间分辨率约0.7-0.8mm，成功实现活体小水生脊椎动物成像。

Comments This work has been submitted to the IEEE for possible publication

Navigating Speech Enhancement for Real-Time MRI: A Systematic Assessment of Signal Quality, Source Preservation, and Downstream Tasks

实时磁共振成像（rtMRI）场景下的语音增强方法研究：信号质量、源保留及下游任务的系统评估

Huang-Cheng Chou, Sean Foley, Haley Hsu, Kevin Huang, Szu-Jui Chen, Rong Chao, Louis Goldstein, Khalil Iskarous, Dani Byrd, Yu Tsao, Sudarsana Reddy Kadiri, John H. L. Hansen, Shrikanth Narayanan

专题命中 医学影像 ：MRI(title)；分类 eess.SP

AI总结 本研究评估3种现成语音增强系统对rtMRI音频的效果，发现其增强效果与任务终点相关，无通用最优系统，增强音频为特定任务衍生物而非通用改进替代。

Comments Submitted to the Journal of the Acoustical Society of America (JASA). 18 pages, 3 figures, 11 tabels

CARE-X: Towards Clinically Useful Radiology VLMs with Auxiliary Supervision, Reward-Aligned Learning, and Tool-Augmented Measurement

CARE-X：借助辅助监督、奖励对齐学习与工具增强测量实现临床可用的放射学视觉语言模型

Mercy Prasanna Ranjit, Anirban Porya, Sathvik Joel, Niharika Vadlamudi, Nikhilesh Chowdary Eathamukkala, Prasanth V, Abhyuday Kumara Swamy, Pranay Narhari Umredkar, Pradeep Narayan, Vivek Rajagopal, Tanuja Ganu

专题命中 医学影像 ：radiology(title)；分类 cs.CV

AI总结 CARE-X是一款胸部X射线视觉语言模型，通过辅助监督、奖励对齐学习及工具增强测量，在多个医学影像任务上实现了优于基线的性能，缩小了放射科医生需求与现有生成模型间的差距。

LLM-Guided Initialization for Accelerated Hybrid Quantum-Classical Medical Image Classification

大语言模型引导的初始化用于加速混合量子-经典医学图像分类

Riza Alaudin Syah, Irwan Alnarus Kautsar, Haza Nuzly Bin Abdull Hamed

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

AI总结 该研究提出大语言模型引导的AdaInit初始化方法，结合GPU加速量子模拟，在乳腺X线摄影分类任务中，相比随机初始化大幅提升梯度方差与收敛速度，保持相同分类准确率，验证了方法的有效性与兼容性。

Comments Presented at IAICT 2026, Bali, Indonesia

EPRA U-Net: An Efficient Pyramid Residual Attention Framework for Accurate Infarct Segmentation in Diffusion-Weighted MRI

EPRA U-Net：一种用于扩散加权磁共振成像中准确梗死分割的高效金字塔残差注意力框架

Hasan Ulutas, Muhammet Emin Sahin, Mustafa Fatih Erkoc, Esra Yuce, Turker Tuncer, Sengul Dogan, Serkan Kiranyaz

机构 * Yozgat Bozok University（亚兹加特博兹克大学） ； Izmir Bakircay University（伊兹米尔巴克伊大学） ； Queen Mary’s Digital Environment Research Institute (DERI)（皇后玛丽数字环境研究 institute (DERI)） ； Firat University（费拉特大学） ； Qatar University（卡塔尔大学） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 研究提出EPRA U-Net用于DWI图像梗死分割，用基于EfficientNet的编码器提取特征，集成多种模块并采用双注意力机制，用Tversky损失函数，实验表明其性能优于其他模型。

Comments 25 pages, 13 figures, 10 tables

SNR-Adaptive Unified Diffusion for Multi-Task Medical Image Segmentation

用于多任务医学图像分割的信噪比自适应统一扩散

Jiahao Liu, Hang Wei, Shuai Wu

机构 * School of Telecommunications Engineering, Xidian University（西安电子科技大学通信工程学院） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） 纠错

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

AI总结 研究解决临床心脏成像模型冗余及知识共享问题，提出统一扩散分割框架UniT-Diff，通过特定机制化解冲突，在多基准测试中超越独立训练的特定任务基线。

Comments Accepted to IEEE SMC 2026. 6 pages, 15 figures

EnTrust: Modeling Inter-Modal Conflict for Trustworthy Multimodal Medical Image Analysis

EnTrust: 建模模态间冲突以实现可信的多模态医学图像分析

Dwarikanath Mahapatra, Abhijit Das, Behzad Bozorgtabar, Zongyuan Ge, Sudipta Roy, Deepak Nayak, Mauricio Reyes, Imran Razzak

机构 * Khalifa University（哈利法大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Aarhus University（奥胡斯大学） ； Monash University（莫纳什大学） ； Jio University（Jio大学） ； NIT Jaipur（斋浦尔国立理工学院） ； University of Bern（伯尔尼大学） ； MedOS 纠错

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

AI总结 提出EnTrust框架，通过解耦模态特征中的共享共识、特定线索和冲突信号，利用扩散模型生成假设并校准像素级不确定性，在多个医学图像分割基准上达到SOTA，校准误差降低40%。

Trustworthy MRI Reconstruction via Bayesian Uncertainty Quantification with Sparsity Prior Models

贝叶斯磁共振联合图像重建与不确定性量化：基于稀疏先验模型和马尔可夫链蒙特卡洛采样

Ahmed Karam Eldaly, Matteo Figini, Daniel C. Alexander

机构 * Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） ； UCL Hawkes Institute, Department of Computer Science, University College London（伦敦大学学院计算机科学系霍克斯研究所） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV

AI总结 提出一种基于压缩感知磁共振图像重建的不确定性量化框架，采用贝叶斯线性逆问题建模，利用稀疏先验（总变分或小波变换）和分裂增广吉布斯采样器进行MCMC采样，在单线圈和多线圈数据集上验证了优于优化方法和深度学习方法的图像重建与不确定性量化性能。

CSWinUNETR: Segmentation of Thin Anatomical Structures in Medical Images

CSWinUNETR: 医学图像中薄解剖结构的分割

Junho Moon, Haejun Chung, Ikbeom Jang

机构 * Hanyang University（汉阳大学） ； Hankuk University of Foreign Studies（韩国外国语大学） 纠错

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

AI总结 提出CSWinUNETR通用骨干网络，通过交叉形条带自注意力、循环移位、细节增强多尺度自注意力和稀疏控制动态蛇形卷积，解决薄结构分割中的低对比度、断裂和类不平衡问题，在眼科、神经血管和皮肤科基准上超越现有方法。

Comments Accepted at MICCAI 2026

An Open-Source Monitoring Framework for Data Exploration and Progress Tracking in Multi-Center Radiology Studies

一个用于多中心放射学研究中数据探索与进度跟踪的开源监控框架

Markus Bujotzek, Jonas Scherer, Stefan Denner, Peter Neher, Benjamin Hamm, Lorenz Feineis, Uenal Akuenal, Andreas Bucher, Tobias Penzkofer, Klaus Maier-Hein

机构 * Germany Cancer Research Center（德国癌症研究中心） ； University of Heidelberg（海德堡大学） ； University Hospital Frankfurt（法兰克福大学医院） ； Charite Universitätsmedizin Berlin（柏林夏里特医学院） ； Berlin Institute of Health（柏林健康研究所） 纠错

专题命中 医学影像 ：radiology(title)；分类 cs.CV

AI总结 提出基于Grafana-Prometheus的轻量级开源监控架构，通过聚合分布式站点指标并可视化，实现隐私保护的数据探索和进度监控，已在德国RACOON联盟38家大学医院部署验证。

AsymFeX: A Symmetry-Driven Framework for Ischemic Stroke Segmentation Across Imaging Modalities and Stroke Stages

AsymFeX：一种用于跨成像模态和卒中阶段的缺血性卒中分割的对称性驱动框架

Maunil Shah, Vaanathi Sundaresan

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

AI总结 该研究提出与nnU-Net兼容的两阶段3D分割方法AsymFeX，通过对称性驱动设计跨模态跨卒中阶段实现缺血性卒中分割，在AISD等数据集上性能优于现有方法，具备临床应用潜力。

Beyond Boundary Noise: Aggregated Aleatoric Uncertainty Fails to Capture Presence Ambiguity in 3D Lung Nodule Segmentation

超越边界噪声：聚合偶然不确定性无法捕捉3D肺结节分割中的存在歧义

Simon Baur, Arne Schernich, Ekin Böke, Wojciech Samek, Jackie Ma

机构 * Fraunhofer Heinrich-Hertz-Institut（弗劳恩霍夫海因里希·赫兹研究所） ； Technische Universität Berlin（柏林工业大学） ； The Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所（BIFOLD）） 纠错

专题命中 医学影像 ：medical image(abstract)；pathology(abstract)；分类 cs.CV、cs.LG

AI总结 该研究针对3D肺结节分割，发现基于熵的聚合偶然不确定性无法捕捉病理存在的病例级歧义，提出轻量级监督歧义头可更有效建模该歧义，为医疗图像分割的不确定性估计提供了改进方向。

VLM- and LLM-Driven Multi-Agent System for PET Image Denoising

基于视觉语言模型（VLM）与大语言模型（LLM）驱动的多智能体正电子发射断层扫描（PET）图像去噪系统

Boxiao Yu, Savas Ozdemir, Yang Xing, Fumio Hashimoto, Jiong Wu, Yizhou Chen, Axel Rominger, Ruogu Fang, Kuangyu Shi, Tinsu Pan, Kuang Gong

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

AI总结 针对PET图像分辨率低、信噪比差及深度学习去噪部署需多模型与专家干预的问题，本文提出VLM与LLM驱动的多智能体闭环PET去噪框架，自主选最优模型参数，在低剂量数据上优于UNet等基线方法。