医学 AI

Efficient Search of Implantable Adaptive Cells for Medical Image Segmentation

高效搜索可植入自适应细胞用于医学图像分割

Emil Benedykciuk, Marcin Denkowski, Grzegorz M. Wójcik

机构 * Institute of Computer Science and Mathematics, Maria Curie Sklodowska University（马里亚·科洛多夫斯卡大学计算机科学与数学研究所） 纠错

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

AI总结 本文提出IAC-LTH框架，通过追踪操作重要性分布，加速搜索过程，减少计算成本，提升分割性能。

Comments 20 pages, 7 figures

Co-distilled attention guided masked image modeling with noisy teacher for self-supervised learning on medical images

协同蒸馏引导的掩码图像建模与噪声教师用于医学图像的自监督学习

Jue Jiang, Aneesh Rangnekar, Harini Veeraraghavan

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特林癌症中心） 纠错

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

AI总结 本文提出DAGMaN框架，通过引导注意力的掩码机制和噪声教师提升医学图像自监督学习的效果，减少信息泄露并增强预训练难度，应用于肺结节分类、免疫治疗预测等任务。

Comments Accepted at MIDL 2025

Learning-Based Estimation of Spatially Resolved Scatter Radiation Fields in Interventional Radiology

基于学习的介入放射学中空间分辨散射辐射场估计

Felix Lehner, Pasquale Lombardo, Susana Castillo, Oliver Hupe, Marcus Magnor

机构 * Physikalisch-Technische Bundesanstalt (PTB)（物理技术联邦机构（PTB）） ； Belgian Nuclear Research Centre (SCK CEN)（比利时核研究中心（SCK CEN）） ； Institute for Computer Graphics, Technical University Braunschweig（计算机图形学研究所，技术大学布伦瑞克） ； Physics and Astronomy, University of New Mexico（物理与天文学，新墨西哥大学） ； Cluster of Excellence PhoenixD, Leibniz University Hannover（卓越中心PhoenixD，莱比锡大学汉诺威） 纠错

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

AI总结 本文提出三种轻量级全连接神经网络变体，用于交互式估计三维空间分辨散射辐射场，并评估其在医疗辐射防护中的应用。

Enhancing Reinforcement Learning for Radiology Report Generation with Evidence-aware Rewards and Self-correcting Preference Learning

通过证据感知奖励和自校正偏好学习增强放射科报告生成

Qin Zhou, Guoyan Liang, Qianyi Yang, Jingyuan Chen, Sai Wu, Chang Yao, Zhe Wang

机构 * Department of Computer Science and Engineering, ECUST（电子科技大学计算机科学与工程系） ； Key Laboratory of Smart Manufacturing in Energy Chemical Process, Ministry of Education, P. R. China（教育部能源化工过程智能制造重点实验室） ； Zhejiang University（浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） 纠错

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

AI总结 本文提出ESC-RL方法，结合证据感知对齐奖励和自校正偏好学习，提升放射科报告生成的临床准确性与持续改进能力，实验表明其在胸部X光数据集上表现优异。

Comments 13 pages,4 figures, ACL2026-main

DeferredSeg: A Multi-Expert Deferral Framework for Trustworthy Medical Image Segmentation

DeferredSeg: 一种多专家延迟框架用于可信的医学图像分割

Qiuyu Tian, Haoliang Sun, Yunshan Wang, Yinghuan Shi, Yilong Yin

机构 * School of Software, Shandong University（山东大学软件学院） ； Department of Clinical Laboratory, Shandong Provincial Hospital Affiliated to Shandong First Medical University（山东第一医科大学附属山东省人民医院临床检验科） ； School of Computer Science and Technology, Nanjing University（南京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,abstract)；分类 cs.CV

AI总结 DeferredSeg通过引入延迟感知分割框架，在医学图像分割中实现人机协作，通过动态路由和损失函数提升分割可靠性，优于基线方法。

Comments 27 pages,6 figures

Progressively Texture-Aware Diffusion for Contrast-Enhanced Sparse-View CT

逐步纹理感知扩散用于对比增强稀疏视图CT

Tianqi Wang, Wenchao Du, Hongyu Yang

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

AI总结 本文提出逐步纹理感知扩散模型，通过粗到细框架提升稀疏视图CT重建的结构相似性和视觉效果，仅需少量采样步即可实现高质量与高保真度的平衡。

Comments ICASSP2026

From Redaction to Restoration: Deep Learning for Medical Image Anonymization and Reconstruction

从遮蔽到重建：深度学习在医学图像匿名化与重建中的应用

Adrienne Kline, Abhijit Gaonkar, Daniel Pittman, Chris Kuehn, Nils Forkert

机构 * Center for Artificial Intelligence, BCVI, Northwestern Medicine（西北医学BCVI人工智能中心） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） ； Department of Surgery, Northwestern University（西北大学外科学系） ； Xtasis Inc.（Xtasis公司） ； Medtronic（美敦力公司） ； Departments of Radiology and Clinical Neurosciences, University of Calgary（卡尔加里大学放射学与临床神经科学系） 纠错

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

AI总结 本文提出一种端到端的深度学习框架，用于将原始临床图像转换为去标识、适合分析的数据集，同时减少患者重新识别的风险。

RADA: Region-Aware Dual-encoder Auxiliary learning for Barely-supervised Medical Image Segmentation

RADA：区域感知双编码辅助学习用于微监督医学图像分割

Shuang Zeng, Boxu Xie, Lei Zhu, Xinliang Zhang, Jiakui Hu, Zhengjian Yao, Yuanwei Li, Yuxing Lu, Yanye Lu

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

AI总结 RADA提出一种区域感知双编码辅助学习框架，通过预训练Alpha-CLIP提取细粒度区域特征，结合图像和文本语义指导，实现高精度微监督医学图像分割。

Equivariance2Inverse: A Practical Self-Supervised CT Reconstruction Method Benchmarked on Real, Limited-Angle, and Blurred Data

Equivariance2Inverse：一种实用的自监督CT重建方法，经真实、有限角度和模糊数据测试

Dirk Elias Schut, Adriaan Graas, Robert van Liere, Tristan van Leeuwen

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

AI总结 本文提出Equivariance2Inverse方法，结合鲁棒等价成像与Sparse2Inverse，提升对模糊和有限角度数据的鲁棒性，并在真实数据和合成数据上验证其有效性。

Comments 13 pages, 4 figures

TAMISeg: Text-Aligned Multi-scale Medical Image Segmentation with Semantic Encoder Distillation

TAMISeg: 基于文本的多尺度医学图像分割与语义编码蒸馏

Qiang Gao, Yi Wang, Yong Zhang, Yong Li, Yongbing Deng, Lan Du, Cunjian Chen

机构 * Department of Data Science and AI, Monash University（蒙纳士大学数据科学与人工智能系） ； College of Computer Science, Chongqing University（重庆大学计算机学院） ； Chongqing University Central Hospital, School of Medicine（重庆大学附属中心医院医学院） 纠错

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

AI总结 TAMISeg通过整合临床语言提示和语义蒸馏增强视觉理解，减少对像素级标注的依赖，优于现有单模态和多模态方法。

Comments Accepted by IEEE International Conference on Multimedia and Expo (ICME), 2026

Evaluating the Impact of Medical Image Reconstruction on Downstream AI Fairness and Performance

评估医学图像重建对下游AI公平性和性能的影响

Matteo Wohlrapp, Niklas Bubeck, Daniel Rueckert, William Lotter

机构 * Department of Data Science, Dana-Farber Cancer Institute（丹娜-法伯癌症研究所数据科学系） ； AI in Medicine, Technical University of Munich（慕尼黑工业大学医学人工智能） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 研究通过结合重建与诊断AI模型，评估不同重建方法对下游任务性能和公平性的影响，发现传统指标无法准确反映任务表现，且重建可能放大性别偏见，但整体偏移量较小。

Comments Proceedings of the Medical Imaging with Deep Learning (MIDL) Conference 2026

Human Gaze-based Dual Teacher Guidance Learning for Semi-Supervised Medical Image Segmentation

基于人类 gaze 的双教师引导学习用于半监督医学图像分割

Rongjun Ge, Chong Wang, Yuxin Liu, Chunqiang Lu, Cong Xia, Yehui Jiang, Fangyi Xu, Yinsu Zhu, Daoqiang Zhang, Chengyu Liu, Yang Chen, Shuo Li, Yuting He

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

AI总结 本文提出HG-DTGL模型，结合gaze数据解决半监督医学图像分割中数据集规模有限和网络感知能力不足的问题，通过GazeMix和MGP模块提升模型性能。

Camyla: Scaling Autonomous Research in Medical Image Segmentation

Camyla：在医学图像分割领域实现自主研究的系统

Yifan Gao, Haoyue Li, Feng Yuan, Xin Gao, Weiran Huang, Xiaosong Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 Camyla通过自主实验生成研究提案、可执行实验和完整论文，解决了长期自主研究中的搜索漂移、知识退化和故障恢复问题，展示了医学图像分割领域大规模自主研究的可行性。

Comments Project page: https://yifangao112.github.io/camyla-page/

AC-MIL: Weakly Supervised Atrial LGE-MRI Quality Assessment via Adversarial Concept Disentanglement

AC-MIL：通过对抗性概念解缠实现弱监督心房LGE-MRI质量评估

K M Arefeen Sultan, Kaysen Hansen, Benjamin Orkild, Alan Morris, Eugene Kholmovski, Erik Bieging, Eugene Kwan, Ravi Ranjan, Ed DiBella, Shireen Elhabian

机构 * Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与成像研究所） ； Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院） ； Department of Biomedical Engineering, University of Utah（犹他大学生物医学工程系） ； Nora Eccles Harrison Cardiovascular Research and Training Institute, University of Utah（犹他大学诺拉·埃克尔斯·哈里森心血管研究与培训研究所） ； Department of Radiology and Imaging Sciences, University of Utah（犹他大学放射学与影像科学系） ； Department of Biomedical Engineering, Johns Hopkins（约翰霍普金斯大学生物医学工程系） ； Division of Cardiology, University of Utah（犹他大学心脏病学系） 纠错

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

AI总结 本文提出AC-MIL框架，通过仅使用体积级监督将全局图像质量分解为临床定义的放射学概念，利用对抗性擦除机制防止信息泄露，并引入空间多样性约束，实现高质量的心房LGE-MRI质量评估。

Radiology Report Generation for Low-Quality X-Ray Images

低质量X光图像的放射科报告生成

Hongze Zhu, Chen Hu, Jiaxuan Jiang, Hong Liu, Yawen Huang, Ming Hu, Tianyu Wang, Zhijian Wu, Yefeng Zheng

机构 * Westlake University（西湖大学） ； Tencent Jarvis Lab（腾讯贾维斯实验室） 纠错

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

AI总结 本文提出针对低质量图像的稳健报告生成框架，通过双循环训练策略提升模型在不同图像质量下的诊断能力。

A Dual Cross-Attention Graph Learning Framework For Multimodal MRI-Based Major Depressive Disorder Detection

一种双交叉注意力图学习框架用于多模态MRI基于重大抑郁障碍检测

Nojod M. Alotaibi, Areej M. Alhothali

机构 * King Abdulaziz University（阿卜杜勒阿齐兹国王大学） 纠错

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

AI总结 本文提出双交叉注意力融合框架，通过建模结构性MRI与功能型MRI的双向交互，提升多模态MRI在重大抑郁障碍检测中的性能，实验显示其在多种脑图谱类型中表现优异。

Comments 19 pages, 1 figure

Memory-efficient optimization of implicit neural representations for CT reconstruction

高效内存优化隐式神经表示用于CT重建

Mahrokh Najaf, Gregory Ongie

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

AI总结 本文提出一种基于梯度分解的随机梯度近似方法，以减少CT重建中隐式神经表示的GPU内存消耗，同时保持重建质量。

RobustMedSAM: Degradation-Resilient Medical Image Segmentation via Robust Foundation Model Adaptation

RobustMedSAM: 通过鲁棒基础模型适应实现抗退化的医学图像分割

Jieru Li, Matthew Chen, Micky C. Nnamdi, J. Ben Tamo, Benoit L. Marteau, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出RobustMedSAM，通过模块级检查点融合和参数高效变体，提升医学图像分割在退化数据下的鲁棒性，实验表明其在降质图像Dice系数上优于SAM。

Comments 14 pages, 9 figures

I Can't Believe TTA Is Not Better: When Test-Time Augmentation Hurts Medical Image Classification

我无法相信TTA并不更好：当测试时间增强伤害医学图像分类

Daniel Nobrega Medeiros

机构 * University of Colorado at Boulder（科罗拉多大学博尔德分校） 纠错

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

AI总结 本文通过三个MedMNIST v2基准和四种架构研究了测试时间增强（TTA）对医学图像分类的影响，发现TTA在多数情况下会降低准确率，尤其在病理图像上降幅达31.6个百分点，但皮肤科图像中ResNet-18略有提升。

Comments 9 pages, 7 figures, 2 tables

CT-1: Vision-Language-Camera Models Transfer Spatial Reasoning Knowledge to Camera-Controllable Video Generation

CT-1：视觉-语言-相机模型将空间推理知识转移到相机可控的视频生成

Haoyu Zhao, Zihao Zhang, Jiaxi Gu, Haoran Chen, Qingping Zheng, Pin Tang, Yeyin Jin, Yuang Zhang, Junqi Cheng, Zenghui Lu, Peng Shu, Zuxuan Wu, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Tencent（腾讯） ； Xiamen University（厦门大学） ； 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

AI总结 本文提出CT-1模型，通过准确估计相机轨迹将空间推理知识转移到视频生成中，利用小波正则化损失和视频扩散模型提升相机控制精度，实验显示其生成的视频质量高且控制准确率提升25.7%。

Vision Transformers for Preoperative CT-Based Prediction of Histopathologic Chemotherapy Response Score in High-Grade Serous Ovarian Carcinoma

用于高阶浆液性卵巢癌术前CT基预测组织病理学化疗反应评分的视觉变换器

Francesca Fati, Felipe Coutinho, Marika Reinius, Marina Rosanu, Gabriel Funingana, Luigi De Vitis, Gabriella Schivardi, Hannah Clayton, Alice Traversa, Zeyu Gao, Guilherme Penteado, Shangqi Gao, Francesco Pastori, Ramona Woitek, Maria Cristina Ghioni, Giovanni Damiano Aletti, Mercedes Jimenez-Linan, Sarah Burge, Nicoletta Colombo, Evis Sala, Maria Francesca Spadea, Timothy L. Kline, James D. Brenton, Jaime Cardoso, Francesco Multinu, Elena De Momi, Mireia Crispin-Ortuzar, Ines P. Machado

机构 * European Institute of Oncology, IEO, IRCCS（欧洲肿瘤研究所） ； Politecnico di Milano（米兰理工大学） ； INESC TEC, Faculty of Engineering, University of Porto（波尔图大学工程学院INESC TEC） ； University of Cambridge（剑桥大学） ； Cancer Research UK Cambridge Centre（英国癌症研究中心剑桥中心） ； Cancer Research UK Cambridge Institute（英国癌症研究中心剑桥研究所） ； Cambridge University Hospitals NHS Foundation Trust（剑桥大学医院NHS基金会信托） ； Mayo Clinic（梅奥诊所） ； Early Cancer Institute, University of Cambridge（剑桥大学早期癌症研究所） ； Danube Private University（多瑙私立大学） ； University of Milan（米兰大学） ； Università Cattolica del Sacro Cuore（圣心天主教大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本研究利用视觉变换器构建多模态模型，通过术前CT影像与临床数据预测高阶浆液性卵巢癌的化疗反应评分，初步验证了深度学习在术前预测治疗反应中的可行性。

FDIF: Formula-Driven supervised Learning with Implicit Functions for 3D Medical Image Segmentation

FDIF：基于隐函数的公式驱动监督学习用于3D医学图像分割

Yukinori Yamamoto, Kazuya Nishimura, Tsukasa Fukusato, Hirokazu Nosato, Tetsuya Ogata, Hirokatsu Kataoka

机构 * Waseda University（早稻田大学） ； The University of Osaka（大阪大学） ； National Institute of Advanced Industrial Science and Technology（国立研究开发法人产业技术综合研究所） ； University of Oxford（牛津大学） 纠错

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

AI总结 FDIF通过隐函数实现无需真实数据的3D医学图像分割预训练，提升几何表达能力与纹理合成效果，优于公式驱动方法并接近自监督方法。

SD-FSMIS: Adapting Stable Diffusion for Few-Shot Medical Image Segmentation

SD-FSMIS：利用稳定扩散适应少样本医学图像分割

Meihua Li, Yang Zhang, Weizhao He, Hu Qu, Yisong Li

机构 * Computer Vision Institute, College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院计算机视觉研究所） 纠错

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

AI总结 本文提出SD-FSMIS框架，通过引入支持-查询交互和视觉到文本条件翻译模块，利用预训练的稳定扩散模型提升少样本医学图像分割的效率与鲁棒性。

Comments CVPR2026

Balancing Efficiency and Restoration: Lightweight Mamba-Based Model for CT Metal Artifact Reduction

平衡效率与恢复：基于Mamba的轻量模型用于CT金属伪影减少

Weikai Qu, Sijun Liang, Xianfeng Li, Cheng Pan, An Yan, Ahmed Elazab, Shanzhou Niu, Dong Zeng, Xiang Wan, Changmiao Wang

机构 * New York University（纽约大学） ； BaiyunPort（白云港） ； University of Technology Sydney（悉尼科技大学） ； Sanda University（上海杉达学院） ； Shan Dong Xiehe College（山东协和学院） ； Tsinghua University（清华大学） ； Gannan Normal University（赣南师范大学） ； Southern Medical University（南方医科大学） ； Shenzhen Research Institute of Big Data（深圳市大数据研究院） 纠错

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

AI总结 本文提出MARMamba模型，通过多尺度Mamba模块有效减少CT图像中的金属伪影，同时优化计算资源与恢复效率的平衡，提升图像质量与诊断准确性。

Comments Accepted by IEEE Transactions on Radiation and Plasma Medical Sciences

RASALoRE: Region Aware Spatial Attention with Location-based Random Embeddings for Weakly Supervised Anomaly Detection in Brain MRI Scans

RASALoRE：基于位置随机嵌入的区域感知空间注意力用于脑部MRI扫描中的弱监督异常检测

Bheeshm Sharma, Karthikeyan Jaganathan, Balamurugan Palaniappan

机构 * Department of Industrial Engineering & Operations Research, IIT Bombay, India（印度理工学院孟买分校工业工程与运筹学系） ； Department of Energy Science and Engineering, IIT Bombay, India（印度理工学院孟买分校能源科学与工程系） 纠错

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

AI总结 本文提出RASALoRE框架，通过双阶段方法实现脑MRI弱监督异常检测，利用位置随机嵌入和区域感知空间注意力机制，在减少参数量的同时提升检测性能。

Comments Accepted at the 36th British Machine Vision Conference (BMVC-2025)

Unsupervised Source-Free Ranking of Biomedical Segmentation Models Under Distribution Shift

无监督源无关的生物医学分割模型排名

Joshua Talks, Kevin Marchesini, Luca Lumetti, Federico Bolelli, Anna Kreshuk

机构 * EMBL Heidelberg（欧洲分子生物学实验室海德堡分部） ； University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学） 纠错

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

AI总结 本文提出一种无监督、源无关的生物医学分割模型排名框架，通过预测一致性在扰动下进行评估，适用于语义和实例分割任务，展示了在2D和3D影像中广泛任务的强相关性。

Comments 15 pages, 4 figures

Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling

通过临床验证的退化建模将光子计数CT转化为常规胸部CT

Junqi Liu, Xinze Zhou, Wenxuan Li, Scott Ye, Arkadiusz Sitek, Xiaofeng Yang, Yucheng Tang, Daguang Xu, Kai Ding, Kang Wang, Yang Yang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of California, San Francisco（加州大学旧金山分校） ； Harvard Medical School（哈佛医学院） ； Emory University（埃默里大学） ； Nvidia（英伟达） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

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

AI总结 本文提出SUMI方法，利用高质光子计数CT作为参考，通过建模真实退化过程，将低质常规CT提升至高质量图像，实现了在胸部CT中的显著性能提升。

Bridging MRI and PET physiology: Untangling complementarity through orthogonal representations

弥合MRI与PET生理学：通过正交表示解构互补性

Sonja Adomeit, Kartikay Tehlan, Lukas Förner, Katharina Weisser, Helen Scholtiseek, David Kaufmann, Julie Steinestel, Constantin Lapa, Thomas Kröncke, Thomas Wendler

机构 * Dept. of diagnostic and interventional Radiology and Neuroradiology, University Hospital Augsburg, Germany（德国奥格斯堡大学医院诊断与介入放射学及神经放射学系） ； Digital Medicine, University Hospital Augsburg, Germany（德国奥格斯堡大学医院数字医学） ； Chair for Computer Aided Medical Procedures and Augmented Reality, Technical University of Munich, Germany（德国慕尼黑工业大学计算机辅助医疗流程与增强现实教席） ； Bavarian Center for Cancer Research (BZKF) Augsburg, Germany（德国奥格斯堡巴伐利亚癌症研究中心） ； Dept. of Nuclear Medicine, University Hospital Augsburg, Germany（德国奥格斯堡大学医院核医学系） ； Dept. of Urology, University Hospital Augsburg, Germany（德国奥格斯堡大学医院泌尿外科） ； Center for Advanced Analytics and Predictive Sciences, University of Augsburg, Germany（德国奥格斯堡大学高级分析与预测科学中心） 纠错

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

AI总结 本文提出一种子空间分解框架，通过正交子空间分离重构多模态融合，区分共享信息与模态特有信息，揭示PSMA PET信号中不可由MRI生理描述恢复的部分。

Comments The code is available at https://github.com/SonjaA14/inrmri2pet

Aleatoric Uncertainty Medical Image Segmentation Estimation via Flow Matching

通过流匹配进行医疗图像分割的算法不确定性估计

Phi Van Nguyen, Ngoc Huynh Trinh, Duy Minh Lam Nguyen, Phu Loc Nguyen, Quoc Long Tran

机构 * Institute for Artificial Intelligence, University of Engineering 纠错

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

AI总结 本文提出基于条件流匹配的生成模型，通过模拟-free方法精确建模数据分布，提升分割结果的准确性并可靠量化不确定性，实验表明其在分割精度和不确定性映射方面表现优异。

Journal ref Uncertainty for Safe Utilization of Machine Learning in Medical Imaging. UNSURE 2025

MedROI: Codec-Agnostic Region of Interest-Centric Compression for Medical Images

MedROI: 一种通用的以感兴趣区域为中心的医学图像压缩方法

Jiwon Kim, Ikbeom Jang

机构 * Division of Computer Engineering, Hankuk University of Foreign Studies（韩国外国语大学计算机工程系） ； Department of Computer Science and Engineering, Hankuk University of Foreign Studies（韩国外国语大学计算机科学与工程系） 纠错

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

AI总结 MedROI提出了一种无需特定编码器的感兴趣区域中心压缩框架，通过轻量级强度阈值提取紧致组织边界，并利用固定元数据记录实现空间恢复，有效提升压缩比和效率。