arXivDaily arXiv每日学术速递 周一至周五更新

科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

共收录 43404 信号源:cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 医学影像 22656 篇

2607.02571 2026-07-07 cs.CV 新提交 79%

Dual-Adaptive SAM3: Hierarchical Routing over Low-Rank Expert Layers for Parameter-Efficient Medical Image Segmentation

双自适应SAM3:基于低秩专家层的分层路由用于参数高效的医学图像分割

Ying Chen, Jinyue Li, Kun Wang, Qiankun Li, Yang Liu

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong(香港中文大学深圳研究院) University of Science and Technology of China(中国科学技术大学) Nanyang Technological University(南洋理工大学) Imperial Global Singapore (IGS), Imperial College London(伦敦帝国理工学院新加坡帝国全球(IGS))

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

AI总结 提出双自适应SAM3框架,通过任务感知的动态专家路由器和参数感知的分解参数化专家设计,兼顾分割精度与参数效率,在医学图像分割上有高表现。

Comments Accepted by MICCAI 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2412.13533 2026-07-07 cs.CV 版本更新 79%

Language-guided Medical Image Segmentation with Target-informed Multi-level Contrastive Alignments

基于目标感知多级对比对齐的语言引导医学图像分割

Mingjian Li, Mingyuan Meng, Shuchang Ye, Mingye Zou, Michael Fulham, Lei Bi, Jinman Kim

机构 * School of Computer Science, The University of Sydney(悉尼大学计算机科学学院) Institute of Translational Medicine, Shanghai Jiao Tong University(上海交通大学转化医学研究院) Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China(北京中关村学院及中关村人工智能研究院) Department of Molecular Imaging, Royal Prince Alfred Hospital(皇家珀斯阿尔弗雷德医院分子成像部)

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

AI总结 研究针对医学图像分割,提出目标感知多级对比对齐框架,通过引入目标敏感语义距离模块、多级对比对齐策略和语言引导目标增强模块,弥合图文模态差距,实现细粒度文本引导,实验证明性能优于现有方法。

Comments Published in Expert Systems with Applications (ESWA)

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.02185 2026-07-03 cs.CV cs.AI 新提交 79%

RadiomicNet: A Hybrid Radiomics-Guided Lightweight Architecture for Interpretable Medical Image Segmentation

RadiomicNet: 一种混合放射组学引导的轻量级可解释医学图像分割架构

Mohammad Amanour Rahman

机构 * Department of Computer Science and Engineering(计算机科学与工程系) Ahsanullah University of Science and Technology (AUST)(阿萨努拉科学与技术大学)

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

AI总结 提出RadiomicNet,通过放射组学注意力门(RAG)将手工放射组学特征集成到轻量级编码器-解码器中,实现可解释分割,在BUSI和Kvasir-SEG数据集上分别达到0.763和0.854的Dice系数,参数仅3.27M。

Comments Accepted at the IEEE ICIP 2026 LBDL 2 Workshop

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.02024 2026-07-03 cs.CV 新提交 79%

Spatio-Temporal and Clinical Conditioning for Fine-Grained Radiology Report Retrieval

细粒度放射学报告检索的时空与临床条件化

P. Sloan, E. Simpson, M. Mirmehdi

机构 * Department of Computer Science University of Bristol(计算机科学系 布里斯托大学)

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

AI总结 提出STAR3框架,通过区域级解剖信息与临床指征及纵向变化对齐,实现基于检索的放射学报告生成,在MIMIC-CXR上优于现有方法。

Comments 14 pages, 2 figures, 6 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.21447 2026-07-03 cs.CL cs.CV 新提交 79%

Precision Recall Controllable Radiology Report Generation via Hybrid Natural Language and Clinical Reward Learning

通过混合自然语言和临床奖励学习实现精确召回可控的放射学报告生成

Ling Chen, Ruinan Jin, Jun Luo, Hanliang Chen, Quirin Strotzer, Rongkai Yan, Yuan Xue, Luciano Prevedello, Dufan Wu

机构 * The Ohio State University(俄亥俄州立大学) University Medical Center Regensburg(雷根斯堡大学医学中心)

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

AI总结 提出一种强化学习框架,通过控制参数在推理时调整临床精确率与召回率的权衡,并引入临床奖励和组相对训练策略,在MIMIC-CXR数据集上优于现有方法。

Comments Accepted by MICCAI 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.00409 2026-07-02 cs.CV 新提交 79%

MedCAGD: Context-Aware Gated Decoder for Efficient Medical Image Segmentation

MedCAGD:用于高效医学图像分割的上下文感知门控解码器

Saad Wazir, Patrick Dominique Vibild, Dinh Phu Tran, Seongah Kim, Daeyoung Kim

机构 * School of Computing, Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院计算学院) Department of Energy, Aalborg University(奥尔堡大学能源系)

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

AI总结 提出一种上下文感知门控解码器,通过轻量多尺度通道重校准、门控跳跃融合和全局上下文聚合机制,有效利用预训练编码器特征,在11个基准上优于强基线。

Comments Accepted at the European Conference on Computer Vision (ECCV 2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.22963 2026-07-02 cs.CV 新提交 79%

Concept Alignment Contrast and Long-Short Prompt Memory for Test-Time Adaptation of SAM3 in Medical Image Segmentation

概念对齐对比与长短提示记忆用于SAM3在医学图像分割中的测试时自适应

Yubo Zhou, Jianghao Wu, Ping Ye, Shaoting Zhang, Guotai Wang

机构 * University of Electronic Science and Technology of China(电子科技大学) Faculty of Information Technology, Monash University(莫纳什大学信息技术学院) Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)

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

AI总结 提出CM-TTA框架,通过概念对齐对比(CAC)度量选择最佳增强视图作为监督,并设计长短提示记忆(LSPM)模块平衡快速与稳定自适应,显著提升SAM3在医学图像分割中的测试时性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19570 2026-07-02 cs.CV 版本更新 79%

RF-HiT: Rectified Flow Hierarchical Transformer for General Medical Image Segmentation

RF-HiT:校正流分层变换器用于通用医学图像分割

Ahmed Marouane Djouamaa, Abir Belaala, Abdellah Zakaria Sellam, Salah Eddine Bekhouche, Cosimo Distante, Abdenour Hadid

机构 * Computer Science department Mohamed Khider University Biskra, Algeria ISASI, CNR \& University of Salento 73100 Lecce, Italy AI University of the Basque Country (UPV/EHU), Spain Sorbonne Center for Artificial Intelligence, Sorbonne University Abu Dhabi, UAE

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

AI总结 RF-HiT通过整合hourglass变换器骨干和多尺度分层编码器,实现高效的医学图像分割,在保持精度的同时提升效率,达到91.27%的Dice系数。

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.12110 2026-07-02 cs.CV cs.AI 版本更新 79%

MediRound: Multi-Round Entity-Level Reasoning Segmentation in Medical Images

MediRound:医学图像中的多轮实体级推理分割

Qinyue Tong, Ziqian Lu, Jun Liu, Rui Zuo, Zheming Lu, Yueming Jin

机构 * Zhejiang University(浙江大学) Zhejiang Sci-Tech University(浙江理工大学) National University of Singapore(新加坡国立大学)

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

AI总结 提出多轮实体级医学推理分割任务MEMR-Seg,构建大规模数据集MR-MedSeg,并设计基线模型MediRound,通过判断与纠正机制缓解错误传播,在医学教育场景中优于传统方法。

Comments In this version, we have improved some suboptimal expressions in the manuscript and completed the authors' information, such as ORCID IDs

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.30577 2026-07-01 cs.CV 版本更新 79%

APRIL-MedSeg: A Modular Medical Image Segmentation Toolbox Embracing Modern Paradigms

APRIL-MedSeg: 一个拥抱现代范式的模块化医学图像分割工具箱

Juntao Jiang, Jinsheng Bai, Linxuan Fan, Yali Bi, Jiangning Zhang, Yong Liu

机构 * Zhejiang University, APRIL Lab(浙江大学APRIL实验室) Vanderbilt University(范德比尔特大学) University of Science and Technology of China(中国科学技术大学)

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

AI总结 提出YAML驱动的模块化框架APRIL-MedSeg,将分割网络分解为可复用组件,集成半监督、域适应、知识蒸馏、弱监督、文本引导分割及基础模型支持,通过注册配置系统实现灵活可复现的实验管理。

Comments 31 pages, 1 figure, and 8 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.31099 2026-07-01 cs.CV cs.AI 新提交 79%

Seeing Through Multiple Views: Parameter-Efficient Fine-Tuning via Selective Neurons for Consistent Radiology Report Generation

透视多视图:通过选择性神经元进行参数高效微调以实现一致的放射学报告生成

Yucheng Chen, Jinjing Zhu, Yang Yu, Yufei Shi, Hane Naghshbandi, Jinhua Liu, Angela S. Koh, Fang Fen, Kian Eng Ong, Si Yong Yeo

机构 * MedVisAI Lab(MedVisAI实验室) Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore(新加坡南洋理工大学李光前医学院) Centre of AI in Medicine, Singapore(新加坡人工智能医学中心) The Chinese University of Hong Kong, Sha Tin, New Territories, Hong Kong(香港中文大学) National Heart Centre Singapore (NHCS), Singapore(新加坡国家心脏中心)

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

AI总结 提出View-PNDF框架,通过检测和微调视图特定神经元,从神经元层面实现多视图X光报告的一致性生成,仅更新少量参数即可提升视图特定报告质量并保持通用性能。

Comments Accepted by MICCAI2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.19191 2026-06-30 cs.CV cs.AI 79%

Towards Modality-Agnostic Medical Image Anomaly Detection: A Training-Free Manifold Refinement Approach

通过均值移位密度增强改进医疗图像中的异常检测

Pritam Kar, Gouri Lakshmi S, Saptarshi Bej

机构 * School of Data Science, Indian Institute of Science Education and Research(数据科学学院,印度科学教育与研究学院)

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

AI总结 本文提出一种结合自监督表征学习与基于流形的密度估计的混合异常检测框架,通过均值移位密度增强提升医疗图像异常检测性能,实验表明其在多个数据集上取得最佳AUC和平均精度。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.27794 2026-06-29 cs.CV 新提交 79%

Text as Illumination: Spatial Contrastive Retinex Learning for Language-guided Medical Image Segmentation

文本作为照明:面向语言引导医学图像分割的空间对比度Retinex学习

Jian Shi, Cheng Zhen, Pingping Zhang, Rui Xu, Yanan Lv, Yili Ma, Huan Bi, Haojie Li, Huchuan Lu

机构 * School of Software Technology & DUT-RU International School of Information Science and Engineering, Dalian University of Technology(大连理工大学软件学院 & 大连理工大学-俄罗斯国际信息科学与工程学院) School of Future Technology, Dalian University of Technology(大连理工大学未来技术学院) Central Hospital of Dalian University of Technology(大连理工大学中心医院) Cancer Hospital of Dalian University of Technology(大连理工大学肿瘤医院) College of Computer Science and Engineering, Shandong University of Science and Technology(山东科技大学计算机科学与工程学院)

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

AI总结 提出TIRNet框架,将文本嵌入作为语义照明调制特征,通过Retinex启发模块和对比损失实现语言与分割的精确对齐,在MosMedData+和QaTa-COV19数据集上取得最优性能。

Comments Aceepted by MICCAI2026. More modifications may be performed

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.16325 2026-06-26 cs.CV 新提交 79%

Attention-Based Prototype Calibration for Multi-Rater Few-Shot Medical Image Segmentation

基于注意力机制的原型校准用于多评估者少样本医学图像分割

Truong Vu, Minh Khoi Ho, Yutong Xie

机构 * Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)

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

AI总结 提出一种注意力原型校准框架,通过建模评估者特异性偏差,在不修改骨干网络的情况下实现个性化分割,有效提升多评估者少样本分割性能。

Comments Accepted to MICCAI 2026. This is the pre-review submitted version, not the camera-ready version. The final authenticated version will be available in the MICCAI 2026 proceedings

详情

展开后加载摘要…

URL PDF HTML 收藏
2512.04890 2026-06-26 cs.CV 79%

Equivariant symmetry-aware head pose estimation for fetal MRI

等价对称性感知的胎儿MRI头部姿态估计

Ramya Muthukrishnan, Borjan Gagoski, Aryn Lee, P. Ellen Grant, Elfar Adalsteinsson, Benjamin Billot, Polina Golland

机构 * MIT Computer Science and Artificial Intelligence Laboratory(麻省理工学院计算机科学与人工智能实验室) Boston Children's Hospital and Harvard Medical School(波士顿儿童医院和哈佛医学院) Inria, Université Côte d'Azur(法国国家科学研究中心(Inria)、蔚蓝海岸大学)

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

AI总结 本文提出E(3)-Pose方法,通过联合建模旋转等价性和物体对称性,解决胎儿MRI中头部运动的自动适应性处方问题,实现6自由度头部姿态估计。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.23373 2026-06-23 cs.CV 新提交 79%

Polynomial Dice Loss for Medical Image Segmentation

多项式Dice损失用于医学图像分割

Hiroaki Aizawa

机构 * Graduate School of Advanced Science Engineering Hiroshima University Higashi-Hiroshima, Japan

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

AI总结 提出多项式Dice损失,通过泰勒展开将Dice损失表示为多项式形式,调整高阶分量贡献,以应对数据不平衡和小病灶检测挑战,在多个分割任务中取得竞争性能。

Comments Accepted to ICANN2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.23177 2026-06-23 cs.CV cs.AI 新提交 79%

Interpretable Probabilistic Medical Image Segmentation via Gaussian Process with Explicit Modelling of Annotation Bias and Variability

通过显式建模标注偏差和变异性的高斯过程可解释概率医学图像分割

Qi Li, Yuliang Huang, Shaheer U. Saeed, Qianye Yang, Vasilis Stavrinides, Zachary M. C. Baum, Dean C. Barratt, J. Alison Noble, Tom Vercauteren, Yipeng Hu

机构 * University College London(伦敦大学学院) Queen Mary University of London(伦敦玛丽女王大学) University of Oxford(牛津大学) University College London Hospitals NHS Trust(伦敦大学学院医院NHS信托基金会) Imperial College Healthcare(帝国理工学院医疗保健)

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

AI总结 提出基于随机变分高斯过程的logit空间概率分割框架,显式分解为图像相关参考分布和标注者特定扰动,提高不确定性校准并保持分割精度。

Comments Accepted at MICCAI 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.21763 2026-06-23 cs.CV cs.CR 新提交 79%

From Gradient Clipping to Structural Refinement: Improving DPSGD for Medical Image Segmentation

从梯度裁剪到结构细化:改进用于医学图像分割的DPSGD

Shiva Parsarad, Parth Shandilya, Isabel Wagner

机构 * University of Basel(巴塞尔大学)

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

AI总结 针对医学图像分割中差分隐私带来的效用下降问题,评估了多种DPSGD变体,并提出结合形态学细化的自适应DP-Morph方法,提升多类分割性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.19838 2026-06-19 cs.CV 新提交 79%

OTCHA: Optimal Transport-driven Confidence-aware Latent Hub Alignment for Multi-View Medical Image Classification

OTCHA: 基于最优传输的置信度感知潜在中心对齐用于多视图医学图像分类

Jiwoong Yang, Haejun Chung, Ikbeom Jang

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

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

AI总结 提出OTCHA模块,通过最优传输对齐多视图补丁令牌与共享潜在中心令牌,结合置信度门控和部分匹配,消除无关特征,提升多视图医学图像分类鲁棒性。

Comments Accepted at MICCAI 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.16362 2026-06-16 eess.IV cs.AI cs.IT math.IT 新提交 79%

Input-Dependent Fisher Information for Local Sensitivity Analysis of Medical Image Classifiers

输入依赖的Fisher信息矩阵用于医学图像分类器的局部敏感性分析

Sourya Sengupta. Mark A. Anastasio

机构 * Department of Electrical and Computer Engineering, University of Illinois Urbana–Champaign(伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系) Mallinckrodt Institute of Radiology and Department of Electrical & Systems Engineering, Washington University in St. Louis(华盛顿大学圣路易斯分校马林克罗德特放射医学研究所及电气与系统工程系)

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

AI总结 提出基于输入依赖Fisher信息矩阵(iFIM)的局部敏感性分析框架,通过Gram矩阵恢复iFIM非零谱,将图像分解为高/低敏感性分量,实验证明高敏感性分量与预测置信度和分类性能变化强相关。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.16153 2026-06-16 cs.CV cs.AI 新提交 79%

A Comprehensive Survey of Medical Image Segmentation: Challenges, Benchmarks, and Beyond

医学图像分割综述:挑战、基准与未来展望

Pengyu Zhu, Xiaojing Zhang, Kunbo Zhang, Chunyan Zhang, Zhenyu Wang

机构 * School of Control and Computer Engineering, North China Electric Power University(华北电力大学控制与计算机工程学院) SPIC Digital Technology Co., Ltd(国家电投数字科技有限公司) Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所) Department 6 of Health Care, Second Medical Center, People’s Liberation Army General Hospital(中国人民解放军总医院第二医学中心健康医学科六病区)

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

AI总结 本文系统综述了基于U-Net、Transformer和SAM架构的医学图像分割方法,分析主要挑战,旨在指导未来研究并推动临床转化。

Comments 12 pages,3 figures,1 table. All related resources are available at https://github.com/andrew-pengyu/Awsome_MedSeg/tree/main

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.14731 2026-06-16 cs.CV 新提交 79%

BBR-Net: Boundary-Balanced Replay for Continual Medical Image Segmentation

BBR-Net:用于连续医学图像分割的边界平衡重放

Zahid Ullah, Sieun Choi, Jihie Kim

机构 * Department of Computer Science and Artificial Intelligence, Dongguk University(东国大学计算机科学与人工智能系)

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

AI总结 提出边界平衡重放网络(BBR-Net),通过边界感知优先级和类别平衡选择重放样本,在连续心脏超声分割中减少灾难性遗忘并保持目标域适应能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.08215 2026-06-16 eess.IV 版本更新 79%

Skill-Evolving Grounded Reasoning for Free-Text Promptable 3D Medical Image Segmentation

技能演进的基于推理的自由文本提示3D医学图像分割

Tongrui Zhang, Chenhui Wang, Yongming Li, Zhihao Chen, Xufeng Zhan, Hongming Shan

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

AI总结 提出SEER框架,通过推理驱动的视觉-语言对齐和技能演进策略,解决自由文本提示3D医学图像分割中对语言变异的鲁棒性问题。

Comments MICCAI'26 Early Accept

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.28095 2026-06-10 cs.CV 版本更新 79%

UHR-Net: An Uncertainty-Aware Hypergraph Refinement Network for Medical Image Segmentation

UHR-Net:一种用于医学图像分割的不确定性感知超图精炼网络

Shuokun Cheng, Jinghao Shi, Kun Sun

机构 * School of Computer Sciences, China University of Geosciences (Wuhan)(中国地质大学(武汉)计算机科学学院)

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

AI总结 针对病灶边界模糊和小病灶分割困难,提出UHR-Net,采用不确定性导向实例对比预训练和不确定性引导超图精炼模块,在五个公开数据集上取得一致提升。

Comments 12 pages, 4 figures, 4 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.26991 2026-06-10 cs.LG cs.AI 版本更新 79%

People-Centred Medical Image Analysis via Fairness-Aware Human-AI Cooperation

以人为本的医学图像分析:通过公平感知的人机协作

Zheng Zhang, Milad Masroor, Cuong Nguyen, Tahir Hassan, Yuanhong Chen, David Rosewarne, Kevin Wells, Thanh-Toan Do, Gustavo Carneiro

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

AI总结 提出PecMan框架,联合建模子群依赖可靠性、决策分配和协作预测,通过门控与整合机制动态分配病例给自动模型或人类专家,无需测试时敏感属性,实现公平感知的人机协作分类。

Comments Submitted to Medical Image Analysis

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.08749 2026-06-09 eess.IV 新提交 79%

Active Source-free Domain Adaptation in Open-set Medical Image Segmentation via Decomposed Uncertainty and Prototype Discrepancy

基于分解不确定性和原型差异的开放集医学图像分割中的主动源自由域适应

Jin Yang, Yichi Zhang, Peijie Qiu, Xiaobing Yu

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

AI总结 提出一种主动源自由开放集域适应方法,通过类感知分解不确定性和类无关原型差异选择目标样本,结合目标精炼自训练策略,实现无源数据下的开放集医学图像分割。

Comments Early accepted by MICCAI 2026. This version is not the Version of Record and does not reflect post-acceptance improvements, or any corrections

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.18676 2026-06-09 cs.CV cs.AI 版本更新 79%

MedVision: Benchmarking Quantitative Medical Image Analysis

MedVision:定量医学图像分析的基准测试

Yongcheng Yao, Yongshuo Zong, Raman Dutt, Yongxin Yang, Sotirios A Tsaftaris, Timothy Hospedales

机构 * University of Edinburgh(爱丁堡大学) Queen Mary University of London(伦敦大学玛丽女王学院)

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

AI总结 针对当前医学视觉语言模型缺乏定量推理能力的问题,提出MedVision数据集和基准,涵盖22个公共数据集、3080万图像-标注对,通过监督和强化微调显著提升检测、肿瘤/病变大小估计和角度/距离测量性能。

Comments 22 pages, 13 figures, 14 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.06103 2026-06-05 cs.CV 79%

MS-DKC: A Dataset Knowledge Card Framework for Designing and Adapting Medical Image Segmentation Models

MS-DKC:用于设计和适配医学图像分割模型的数据集知识卡片框架

Tariq M. Khan, Syed Saud Naqvi, Thantrira Porntaveetus, Hamid Alinejad-Rokny, Shahzaib Iqbal, Imran Razzak, Mohammad AU Khan

机构 * Center of Excellence in Precision Medicine and Digital Health, Faculty of Dentistry, Chulalongkorn University, Bangkok, Thailand(精准医学与数字健康中心,朱拉隆功大学牙科学院,泰国曼谷) Department of Computer Engineering, COMSATS University Islamabad, Islamabad, Pakistan(计算机工程系,COMSATS伊斯兰堡大学,巴基斯坦伊斯兰堡) School of Biomedical Engineering, UNSW, Sydney, NSW, Australia(生物医学工程学院,新南威尔士大学,澳大利亚悉尼,新南威尔士) Visiting Scholar (Collaborative Projects), Center of Excellence in Precision Medicine and Digital Health, Chulalongkorn University, Bangkok, Thailand(访问学者(合作项目),精准医学与数字健康中心,朱拉隆功大学,泰国曼谷) Department of Computing, Abasyn University Islamabad Campus (AUIC), Islamabad, Pakistan(计算系,阿巴斯扬大学伊斯兰堡校区(AUIC),巴基斯坦伊斯兰堡) Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, United Arab Emirates(Mohamed bin Zayed人工智能大学,阿布扎比,阿拉伯联合酋长国) College of Computer and Information Sciences, prince Sultan University, Riyadh, SAudi Arabia(计算机与信息科学学院,苏丹王子大学,沙特阿拉伯利雅得)

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

AI总结 提出MS-DKC框架,通过显式记录数据集特征(如前景占有率、形态、边界模糊性等)并映射到失败模式、设计先验和风险对齐标准,指导医学图像分割模型的设计与适配,在DRIVE、ISIC2018和ACDC数据集上验证了数据集条件化设计的有效性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.01753 2026-06-02 cs.CV 79%

Quality-Guided Semi-Supervised Learning for Medical Image Segmentation

质量引导的半监督学习用于医学图像分割

Kumar Abhishek, Ghassan Hamarneh

机构 * School of Computing Science, Simon Fraser University, Canada(Simon Fraser大学计算机科学学院)

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

AI总结 提出一种质量引导的半监督学习框架,通过专用网络估计分割质量,并利用质量感知正则化和伪标签重加权提升医学图像分割性能。

Comments Early Accept at MICCAI 2026, 13 pages, 2 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.19394 2026-06-01 cs.CV 79%

BackSplit: The Importance of Sub-dividing the Background in Biomedical Lesion Segmentation

BackSplit:在生物医学病灶分割中细分背景的重要性

Rachit Saluja, Asli Cihangir, Ruining Deng, Johannes C. Paetzold, Fengbei Liu, Mert R. Sabuncu

机构 * Cornell University(康奈尔大学) Cornell Tech(康奈尔科技) Weill Cornell Medicine(韦尔医学院)

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

AI总结 提出BackSplit方法,通过将背景细分为多个子类(如组织、器官)进行训练,在不增加推理成本的情况下显著提升小病灶分割性能,并从信息论角度证明其有效性。

Comments Accepted to CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏