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 22709 信号源:cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 医学影像 22709 篇

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
2512.12887 2026-05-28 cs.CV 79%

Revisiting 2D Foundation Models for Scalable 3D Medical Image Classification

重新审视用于可扩展3D医学图像分类的2D基础模型

Han Liu, Bogdan Georgescu, Yanbo Zhang, Youngjin Yoo, Michael Baumgartner, Riqiang Gao, Jianing Wang, Gengyan Zhao, Eli Gibson, Dorin Comaniciu, Sasa Grbic

机构 * Digital Technology and Innovation, Siemens Healthineers, Princeton NJ, USA(西门子医疗数字技术与创新,普林斯顿新泽西州,美国) Digital Technology and Innovation, Siemens Healthineers, Erlangen, Germany(西门子医疗数字技术与创新,埃尔兰根,德国)

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

AI总结 本文针对当前3D医学图像分类基础模型的数据偏差、适应不足和任务覆盖不全问题,提出AnyMC3D框架,通过冻结2D基础模型并添加轻量插件实现高效多任务扩展,并在12项任务上达到领先性能。

Comments 1st Place in VLM3D Challenge

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.27146 2026-05-27 cs.CV 79%

Chaos-SSL: An Attention-Based Self-Supervised Learning Framework with Chaotic Transformation for Medical Image Classification

Chaos-SSL:基于混沌变换的注意力自监督学习框架用于医学图像分类

Joao Batista Florindo

机构 * Institute of Mathematics, Statistics and Scientific Computing, University of Campinas(数学、统计与科学计算研究所,坎皮纳斯大学)

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

AI总结 提出Chaos-SSL框架,利用一维混沌映射作为非线性数据增强进行自监督预训练,并结合注意力融合模型,在皮肤病变和糖尿病视网膜病变分类上达到与最先进方法竞争的性能。

Journal ref In Proceedings of VISAPP 2026 - Volume 1, pages 574-581

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.25518 2026-05-26 cs.CV cs.AI 79%

Cross-Stage Attention Multi-Expert Network for Radiologist-Inspired Breast Ultrasound Diagnosis

受放射科医生启发的乳腺超声诊断的跨阶段注意力多专家网络

Xinyang Zhai, Chong Yang, Ruizhi Zhang

机构 * International Agency for Research on Cancer (IARC)(国际癌症研究机构) World Health Organization(世界卫生组织)

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

AI总结 提出跨阶段注意力混合专家网络(CSA-MoE-Net),通过跨阶段注意力模块增强多级特征、三分支MoE块从全肿瘤图像、肿瘤核心和边界学习互补特征,并在平衡数据集上实现96.33%准确率,显著优于基线ResNet-18。

详情

展开后加载摘要…

URL PDF HTML 收藏
2409.00346 2026-05-26 cs.CV 79%

SMAFormer: Synergistic Multi-Attention Transformer for Medical Image Segmentation

SMAFormer: 协同多注意力Transformer用于医学图像分割

Fuchen Zheng, Xuhang Chen, Weihuang Liu, Haolun Li, Yingtie Lei, Jiahui He, Chi-Man Pun, Shounjun Zhou

机构 * University of Macau(澳门大学)

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

AI总结 提出SMAFormer,一种融合像素注意力、通道注意力和空间注意力的Transformer架构,通过协同多注意力块和特征融合调制器提升小肿瘤和器官的分割性能。

Comments Accepted by IEEE BIBM 2024

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.23992 2026-05-26 cs.CV cs.AI 79%

A World Model of Radiologist Reading for Medical Image Representation Learning

放射科医生阅读的世界模型用于医学图像表示学习

Yiwei Li, Zihao Wu, Huaqin Zhao, Yifan Zhou, Chao Cao, Dajiang Zhu, Tianming Liu, Lin Zhao

机构 * University of Georgia(佐治亚大学) University of Texas at Arlington(德克萨斯大学阿灵顿分校) New Jersey Institute of Technology(新泽西理工学院)

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

AI总结 提出GazeWorld,一种将图像视为世界、放射科医生注视序列视为轨迹的医学成像世界模型,通过自回归预测注视补丁表示和空间补全未访问区域,在多个基准上实现最先进的诊断准确率和零样本性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.17904 2026-05-19 cs.CV 79%

Beyond Euclidean Prototypes: Spectral Disentanglement and Geodesic Matching for Few-Shot Medical Image Segmentation

超越欧几里得原型:基于谱分解和测地匹配的少样本医学图像分割

Penghao Jia, Zhiyong Huang, Mingyang Hou, Zhi Yu, Shuai Miao, Jiahong Wang, Yan Yan

机构 * School of Microelectronics and Communication Engineering, Chongqing University(重庆大学微电子与通信工程学院) Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院)

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

AI总结 本文提出Spectral-Geodesic Prototype Network (SGP-Net),通过谱原型银行和测地匹配器解决少样本医学图像分割中的原型纠缠和拓扑盲匹配问题,实现对形状、纹理和边界线索的解耦编码。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.17719 2026-05-19 cs.CV 79%

Patch-MoE Mamba: A Patch-Ordered Mixture-of-Experts State Space Architecture for Medical Image Segmentation

Patch-MoE Mamba: 一种用于医学图像分割的基于补丁顺序的专家混合状态空间架构

Diego Adame, Fabian Vazquez, Jose A. Nunez, Huimin Li, Jinghao Yang, Erik Enriquez, DongChul Kim, Haoteng Tang, Bin Fu, Pengfei Gu

机构 * University of Texas Rio Grande Valley(德克萨斯理工大学里奥格兰德谷分校)

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

AI总结 本文提出了一种基于补丁顺序的专家混合状态空间架构Patch-MoE Mamba,以解决现有Mamba分割模型在像素级方向扫描破坏局部二维空间结构以及简单求和融合方向无法适应多样物体大小、形状和边界的问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.16769 2026-05-19 cs.CV 79%

GLT-PEFT: Gated Lie-Tucker Parameter-Efficient Fine-Tuning for Alzheimer's Disease Diagnosis with Hippocampal Segmentation Pretraining

GLT-PEFT: 基于门控李-塔克参数高效微调的阿尔茨海默病诊断方法(结合海马体分割预训练)

Guanghua He, Hancan Zhu, Gaohang Yu, An Zhang

机构 * Department of Mathematics, Hangzhou Dianzi University(杭州电子科技大学数学系) School of Mathematics, Physics and Information, Shaoxing University(绍兴大学数学与物理学院) Department of Mathematics, Zhejiang University of Science and Technology(浙江科技学院数学系)

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

AI总结 本文提出GLT-PEFT方法,通过门控李-塔克分解实现高效参数微调,用于阿尔茨海默病诊断,结合海马体分割预训练,提升医学影像模型的适应性与鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.14566 2026-05-15 cs.CV 79%

SpectraFlow: Unifying Structural Pretraining and Frequency Adaptation for Medical Image Segmentation

SpectraFlow:统一结构预训练与频率适应用于医学图像分割

Zhiquan Chen, Haitao Wang, Guowei Zou, Hejun Wu

机构 * School of Computer Science(计算机科学学院) Engineering, Sun Yat-sen University(工程,中山大学) Guangdong Key Laboratory of Big Data Analysis(大数据分析与处理重点实验室)

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

AI总结 本文提出SpectraFlow框架,结合结构感知编码器预训练与边界导向解码,解决低数据下医学图像分割的挑战,提升鲁棒性和边界精度。

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.05008 2026-05-15 cs.CV 79%

Multimodal Causal-Driven Representation Learning for Generalizable Medical Image Segmentation

多模态因果驱动表示学习用于通用化医学图像分割

Xusheng Liang, Lihua Zhou, Nianxin Li, Miao Xu, Ziyang Song, Dong Yi, Jinlin Wu, Jiawei Ma, Hongbin Liu, Zhen Lei, Jiebo Luo

机构 * City University of Hong Kong(香港城市大学) Shenzhen Loop Area Institute(深圳河套学院) CAIR, HKISI, Chinese Academy of Sciences(中国科学院计算智能研究所) UESTC(电子科技大学) MAIS, Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所) School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院)

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

AI总结 本文提出MCDRL框架,结合因果推理与VLM解决医学图像分割的领域泛化问题,通过文本提示识别病变区域并消除领域特定影响,提升分割准确性与泛化能力。

Comments Accepted by CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.12650 2026-05-14 cs.CV 79%

CRAFT: Clinical Reward-Aligned Finetuning for Medical Image Synthesis

CRAFT:面向医学图像合成的临床对齐微调

Yunsung Chung, Alex El Darzi, Carlo El Khoury, Han Feng, Nassir Marrouche, Jihun Hamm

机构 * Department of Computer Science, Tulane University(路易斯安那大学计算机科学系) School of Medicine, Tulane University(路易斯安那大学医学院)

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

AI总结 本文提出CRAFT框架,通过临床对齐评分和奖励优化提升医学图像生成质量,减少幻觉生成,提升分类性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.09587 2026-05-13 cs.CV cs.AI 79%

MieDB-100k: A Comprehensive Dataset for Medical Image Editing

MieDB-100k:用于医学图像编辑的综合数据集

Yongfan Lai, Wen Qian, Bo Liu, Hongyan Li, Hao Luo, Fan Wang, Bohan Zhuang, Shenda Hong

机构 * State Key Laboratory of General Artificial Intelligence, Beijing, China(1 国家一般人工智能重点实验室,北京,中国) School of Intelligence Science and Technology, Peking University, Beijing, China(2 智能科学与技术学院,北京大学,北京,中国) National Institute of Health Data Science, Peking University, Beijing, China(3 国家健康数据科学研究院,北京大学,北京,中国) DAMO Academy, Alibaba Group, Zhejiang, China(4 阿里巴巴集团 DAMO 院,浙江,中国) hupan lab, zhejiang province(5 鹏元实验室,浙江省) Zhejiang University, Zhejiang, China(6 浙江大学,浙江,中国)

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

AI总结 本文提出MieDB-100k数据集,通过数据筛选流程结合专家模型与规则生成方法,解决医学图像编辑中数据质量、多样性与可扩展性不足的问题,实验表明其在医学图像编辑任务中表现优异。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.11438 2026-05-13 cs.CV 79%

Beyond Masks: The Case for Medical Image Parsing

超越遮罩:医疗图像解析的必要性

Siddharth Gupta, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University(约翰霍普金斯大学) Northwestern University(西北大学) Johns Hopkins Medicine(约翰霍普金斯医学)

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

AI总结 医疗影像研究应转向医疗图像解析作为核心输出,通过结构化表示实体、属性与关系,实现一致且完整的描述,以提升诊断、重建和预测能力。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.11131 2026-05-13 cs.CV 79%

USEMA: a Scalable Efficient Mamba Like Attention for Medical Image Segmentation

USEMA: 一种可扩展且高效的Mamba类注意力机制用于医学图像分割

Elisha Dayag, Nhat Thanh Tran, Jack Xin

机构 * University of California Irvine(加州大学 Irvine 分校)

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

AI总结 USEMA结合了CNN的局部特征提取能力与SEMA注意力机制,通过局部窗口注意力和理论一致的算术平均,提升医学图像分割的计算效率和性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10984 2026-05-13 cs.CV 79%

Principle-Guided Supervision for Interpretable Uncertainty in Medical Image Segmentation

基于原则的可解释不确定性监督在医学图像分割中

An Sui, Yuzhu Li, Gunter Schumann, Fuping Wu, Xiahai Zhuang

机构 * School of Data Science, Fudan University(复旦大学数据科学学院) Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University(复旦大学脑启发智能科学研究院) National Heart and Lung Institute, Imperial College London(伦敦帝国理工学院国家心脏和肺研究所)

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

AI总结 本文提出PriUS框架,通过原则指导提升医学图像分割中不确定性的可解释性,实验表明其在保持分割性能的同时提升了不确定性估计的一致性。

Comments 14 pages, 8 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10885 2026-05-12 cs.CV 79%

Geometry-aware Prototype Learning for Cross-domain Few-shot Medical Image Segmentation

跨域少样本医学图像分割的几何感知原型学习

Feifan Song, Yuntian Bo, Haofeng Zhang

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology(南京理工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 本文提出GeoProto框架,通过引入几何结构先验提升跨域少样本医学图像分割性能,实验显示其在多个数据集上达到最优效果。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.10521 2026-05-12 cs.CV cs.AI 79%

DuetFair: Coupling Inter- and Intra-Subgroup Robustness for Fair Medical Image Segmentation

DuetFair: 联合跨组和内组鲁棒性以实现公平的医学图像分割

Yiqi Tian, Sangjoon Park, Bo Zeng, Pengfei Jin, Yujin Oh, Quanzheng Li

机构 * Center for Advanced Medical Computing and Analysis, Massachusetts General Hospital and Harvard Medical School(先进医学计算与分析中心,麻省总医院和哈佛医学院) Department of Industrial Engineering, University of Pittsburgh(工业工程系,匹兹堡大学) Department of Radiation Oncology, College of Medicine, Yonsei University(放射肿瘤学系,延世大学医学院) Institute for Innovation in Digital Healthcare, Yonsei University(数字医疗创新研究所,延世大学) Department of Biomedical Systems Informatics, College of Medicine, Yonsei University(生物医学系统信息学系,延世大学医学院)

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

AI总结 本文提出DuetFair机制,通过联合考虑跨组适应和内组鲁棒性,解决医学图像分割中内组隐藏失败问题,并在三个医学图像分割基准上验证了FairDRO的有效性。

Comments 16 pages, 2 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.01285 2026-05-11 cs.CV 79%

S2M-Net: Spectral-Spatial Mixing for Medical Image Segmentation with Morphology-Aware Adaptive Loss

S2M-Net:基于光谱-空间混合的医学图像分割方法:具有形态感知自适应损失

Md. Sanaullah Chowdhury Lameya Sabrin

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

AI总结 S2M-Net通过光谱选择性令牌混合和形态感知自适应分割损失,在保持全局上下文的同时实现局部精度与计算效率的平衡,取得医学图像分割的最新成果。

Comments I would like to withdraw the paper from arXiv because the current version contains issues that need to be carefully revised before public dissemination

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.06160 2026-05-08 cs.CV 79%

Beyond Forgetting in Continual Medical Image Segmentation: A Comprehensive Benchmark Study

超越持续学习中的遗忘:持续医学图像分割的全面基准研究

Bomin Wang, Hangqi Zhou, Yibo Gao, Xiahai Zhuang

机构 * School of Data Science, Fudan University(复旦大学数据科学学院)

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

AI总结 本文针对持续医学图像分割中的三大挑战,提出全面的基准研究,评估了不同方法在泛化性、遗忘抑制、可塑性等方面的表现,发现基于重放的方法在稳定性和可塑性之间取得最佳平衡。

Comments Submitted to a journal

详情

展开后加载摘要…

URL PDF HTML 收藏