医学 AI

Neural Implicit 3D Cardiac Shape Reconstruction from Sparse CT Angiography Slices Mimicking 2D Transthoracic Echocardiography Views

从稀疏CT血管造影切片重建神经隐式3D心脏形状：模拟2D胸骨超声心动图视图

Gino E. Jansen, Carolina Brás, R. Nils Planken, Mark J. Schuuring, Berto J. Bouma, Ivana Išgum

机构 * Department of Biomedical Engineering & Physics, Amsterdam UMC（阿姆斯特丹大学医学中心生物医学工程与物理系） ； qurAI group, Informatics Institute, University of Amsterdam（阿姆斯特丹大学信息研究所qurAI组） ； Department of Radiology, Mayo Clinic（梅奥诊所放射科） ； Department of Biomedical Signals and Systems, University of Twente（特温特大学生物医学信号与系统系） ； Department of Cardiology, Amsterdam UMC（阿姆斯特丹大学医学中心心脏病科） ； Department of Radiology & Nuclear Medicine, Amsterdam UMC（阿姆斯特丹大学医学中心放射与核医学科） 纠错

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

AI总结 本文提出利用稀疏CT血管造影切片重建3D心脏结构的方法，通过神经隐式函数和多层感知机学习形状先验，实现比临床标准更精确的3D心脏量化。

Journal ref Proc. SPIE 13925 (2026)

CardioSAM: Topology-Aware Decoder Design for High-Precision Cardiac MRI Segmentation

CardioSAM：面向高精度心脏MRI分割的拓扑感知解码器设计

Ujjwal Jain

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

AI总结 本文提出CardioSAM，结合冻结的SAM编码器与轻量可训练的心脏专用解码器，通过引入心脏特定注意力模块和边界细化模块，提升心脏MRI分割的精度与临床应用性。

NeuroSymb-MRG: Differentiable Abductive Reasoning with Active Uncertainty Minimization for Radiology Report Generation

NeuroSymb-MRG：基于主动不确定性最小化的可微推断推理用于放射科报告生成

Rong Fu, Yiqing Lyu, Chunlei Meng, Muge Qi, Yabin Jin, Qi Zhao, Li Bao, Juntao Gao, Fuqian Shi, Nilanjan Dey, Wei Luo, Simon Fong

机构 * University of Macau（澳门大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； The First People’s Hospital of Foshan（佛山市第一人民医院） ； Capital Medical University（首都医科大学） ； Rutgers Cancer Institute, NJ, USA（罗格斯癌症研究所（美国新泽西州）；纽约大学朗格尼健康中心（美国纽约州）） ； and NYU Langone Health, NY, USA（Techno国际新城（印度加尔各答）） ； Techno International New Town, Kolkata, India 纠错

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

AI总结 本文提出NeuroSymb-MRG框架，结合神经符号推断与主动不确定性最小化，生成结构化且临床可靠的报告。通过图像特征到概率临床概念的映射，构建可微推理链，并通过检索和约束语言模型编辑优化文本输出。

Comments 12 pages, 1 figure

Automated Prostate Gland Segmentation in MRI Using nnU-Net

使用nnU-Net进行MRI中前列腺的自动分割

Pablo Rodriguez-Belenguer, Gloria Ribas, Javier Aquerreta Escribano, Rafael Moreno-Calatayud, Leonor Cerda-Alberich, Luis Marti-Bonmati

机构 * Biomedical Imaging Research Group (GIBI230), Instituto de Investigación Sanitaria La Fe, Valencia, Spain（生物医学影像研究组（GIBI230），拉菲健康研究所，巴伦西亚，西班牙） 纠错

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

AI总结 本文提出基于nnU-Net的深度学习方法，利用多模态MRI数据实现前列腺自动分割，通过交叉验证和外部验证显示其高精度和泛化能力，优于通用工具。

Comments 9 pages, 2 tables, 1 figure

FaCT-GS: Fast and Scalable CT Reconstruction with Gaussian Splatting

FaCT-GS：基于高斯点撒的快速可扩展CT重建

Pawel Tomasz Pieta, Rasmus Juul Pedersen, Sina Borgi, Jakob Sauer Jørgensen, Jens Wenzel Andreasen, Vedrana Andersen Dahl

机构 * Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 本文提出FaCT-GS框架，通过优化体素化和光栅化流程，实现快速且可扩展的CT重建，比现有方法快4-13倍，适用于不同投影尺寸。

PHASOR: Anatomy- and Phase-Consistent Volumetric Diffusion for CT Virtual Contrast Enhancement

PHASOR：基于解剖和相位一致的体积扩散用于CT虚拟对比增强

Zilong Li, Dongyang Li, Chenglong Ma, Zhan Feng, Dakai Jin, Junping Zhang, Hao Luo, Fan Wang, Hongming Shan

机构 * Shanghai Key Lab of Intelligent Information Processing, School of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院上海市智能信息处理重点实验室） ； Institute of Science and Technology for Brain-inspired Intelligence and MOE Frontiers Center for Brain Science, Fudan University（复旦大学类脑智能科学与技术研究院及教育部脑科学前沿中心） ； Shanghai Center for Brain Science and Brain-inspired Technology（上海脑科学与类脑研究中心） ； Department of Radiology, First Affiliated Hospital of College of Medical Science, Zhejiang University（浙江大学医学院附属第一医院放射科） ； Alibaba DAMO Academy（阿里巴巴达摩院） 纠错

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

AI总结 本文提出PHASOR框架，通过体积扩散模型提升CT虚拟对比增强质量，引入解剖路由混合专家和强度-相位意识表示对齐模块，解决解剖异质性和空间偏移问题。

Neuropsychiatric Deviations From Normative Profiles: An MRI-Derived Marker for Early Alzheimer's Disease Detection

神经心理症状偏离规范轮廓：一种基于MRI的早期阿尔茨海默病检测标志物

Synne Hjertager Osenbroch, Lisa Ramona Rosvold, Yao Lu, Alvaro Fernandez-Quilez

机构 * University of Stavanger（斯塔万格大学） ； University of Putra Malaysia（马来西亚博特拉大学） ； Stavanger University Hospital（斯塔万格大学医院） 纠错

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

AI总结 本文提出基于深度学习的规范模型，利用结构MRI识别神经心理症状偏离，通过DNPI指标预测阿尔茨海默病转化，其预测准确度与脑脊液AB42相当。

Comments Accepted and to be presented (ORAL) in ISBI 2026

SANA I2I: A Text Free Flow Matching Framework for Paired Image to Image Translation with a Case Study in Fetal MRI Artifact Reduction

SANA I2I：一种无需文本的流匹配框架用于配对图像到图像转换：以胎儿MRI伪影减少为例

Italo Felix Santos, Gilson Antonio Giraldi, Heron Werner Junior

机构 * National Laboratory for Scientific Computing - LNCC（国家科学计算实验室） ； Biodesign Laboratory Dasa（Dasa生物设计实验室） 纠错

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

AI总结 本文提出SANA-I2I框架，通过去除文本条件实现高分辨率图像到图像生成，用于胎儿MRI伪影减少任务，展示了其在医学图像中的高效性。

PRISM: Differentiable Analysis-by-Synthesis for Fixel Recovery in Diffusion MRI

PRISM：基于微结构拟合的固定点恢复分析-合成可微方法

Mohamed Abouagour, Atharva Shah, Eleftherios Garyfallidis

机构 * Indiana University, Bloomington, IN, USA（印第安纳大学布卢明顿分校） 纠错

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

AI总结 PRISM通过端到端的空间块拟合显式多室模型，结合CSF、灰质和白质纤维方向，利用排斥和稀疏先验实现纤维恢复，优于现有方法。

Comments 10 pages, 1 figure, 2 tables

Unsupervised 4D Flow MRI Velocity Enhancement and Unwrapping Using Divergence-Free Neural Networks

无监督4D流体磁共振成像速度增强与解缠绕使用无散度神经网络

Javier Bisbal, Julio Sotelo, Hernán Mella, Oliver Welin Odeback, Joaquín Mura, David Marlevi, Junya Matsuda, Kotomi Iwata, Tetsuro Sekine, Cristian Tejos, Sergio Uribe

机构 * Biomedical Imaging Center, Pontificia Universidad Católica de Chile (PUC)（智利天主教大学生物医学成像中心） ； Department of Electrical Engineering, PUC（智利天主教大学电气工程系） ； Millennium Institute for Intelligent Healthcare Engineering, iHEALTH（千年智能医疗工程研究所） ； Departamento de Informática, Universidad Técnica Federico Santa Maria（费德里科·圣玛丽亚技术大学计算机科学系） ； School of Electrical Engineering, Pontificia Universidad Católica de Valparaiso (PUCV)（智利瓦尔帕莱索天主教大学电气工程学院） ； Center for Interdisciplinary Research in Biomedicine, Biotechnology and Well-Being (CID3B), PUCV（智利瓦尔帕莱索天主教大学生物医学、生物技术与福祉跨学科研究中心） ； Departamento de Ingeniería Mecánica, Universidad Técnica Federico Santa Maria（费德里科·圣玛丽亚技术大学机械工程系） ； Karolinska Institute, Department of Molecular Medicine and Surgery（卡罗林斯卡学院分子医学与外科学系） 纠错

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

AI总结 本文提出了一种无监督的无散度和混叠自由神经网络（DAF-FlowNet），用于4D流体磁共振成像，同时增强噪声速度场并纠正相位缠绕伪影。

Comments 11 pages, 5 figures, 7 tables

Trimodal Deep Learning for Glioma Survival Prediction: A Feasibility Study Integrating Histopathology, Gene Expression, and MRI

三模态深度学习在胶质瘤生存预测中的应用：整合组织病理学、基因表达和MRI的可行性研究

Iain Swift, JingHua Ye

机构 * Munster Technological University（芒斯特理工大学） 纠错

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

AI总结 本文探讨了三模态深度学习在胶质瘤生存预测中的可行性，通过整合组织病理学、基因表达和MRI数据，评估了不同融合策略的效果，发现三模态早期融合在小样本下有初步的预测价值。

Comments 6 pages, 1 figure, submitted to the IEEE CBMS 2026 conference, still waiting for notification

Time-resolved aortic 3D shape reconstruction from a limited number of cine 2D MRI slices

从有限数量的动态2D MRI切片中实现时间分辨的三维主动脉形状重建

Gloria Wolkerstorfer, Stefano Buoso, Rabea Schlenker, Jochen von Spiczak, Robert Manka, Sebastian Kozerke

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

AI总结 本文提出利用统计形状模型与可微体积网格优化算法，从有限数量的动态2D MRI切片中重建时间分辨的主动脉三维几何，验证了其准确性和可行性。

LatentFM: A Latent Flow Matching Approach for Generative Medical Image Segmentation

LatentFM: 一种用于生成医学图像分割的潜在流匹配方法

Huynh Trinh Ngoc, Hoang Anh Nguyen Kim, Toan Nguyen Hai, Long Tran Quoc

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

AI总结 本文提出LatentFM，通过在潜在空间中使用流匹配方法，实现高精度且具有不确定性的医学图像分割，通过生成置信图和多样化的分割输出提升预测可靠性。

NeoNet: An End-to-End 3D MRI-Based Deep Learning Framework for Non-Invasive Prediction of Perineural Invasion via Generation-Driven Classification

NeoNet：一种端到端的3D MRI基于深度学习框架，用于通过生成驱动分类非侵袭性预测神经浸润

Youngung Han, Minkyung Cha, Kyeonghun Kim, Induk Um, Myeongbin Sho, Joo Young Bae, Jaewon Jung, Jung Hyeok Park, Seojun Lee, Nam-Joon Kim, Woo Kyoung Jeong, Won Jae Lee, Pa Hong, Ken Ying-Kai Liao, Hyuk-Jae Lee

机构 * Seoul National University（首尔大学） ； OUTTA ； Chung-Ang University（中央大学） ； Sookmyung Women's University（淑明女子大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，成均馆大学医学院） ； Samsung Changwon Hospital, Sungkyunkwan University School of Medicine（三星昌原医院，成均馆大学医学院） ； NVIDIA AI Technology Center（英伟达人工智能技术中心） 纠错

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

AI总结 本文提出NeoNet框架，通过生成驱动分类方法预测胆管癌神经浸润，解决缺乏明确影像学标准的问题，实现最高AUC 0.7903的性能。

Comments 15 pages, 5 figures. Accepted for oral presentation at W3PHIAI Workshop, AAAI 2026

Rich-U-Net: A medical image segmentation model for fusing spatial depth features and capturing minute structural details

Rich-U-Net：一种用于融合空间深度特征和捕捉细微结构细节的医学图像分割模型

Zhuoyi Fang, Kexuan Shi, Jiajia Liu, Qiang Han

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

AI总结 本文提出Rich-U-Net模型，通过多级多维特征融合与优化策略，提升医学图像中细结构定位与分割精度，实验表明其在Dice、IoU和HD95指标上优于现有方法。

RAP: Retrieve, Adapt, and Prompt-Fit for Training-Free Few-Shot Medical Image Segmentation

RAP：检索、适应与提示拟合用于无训练少样本医学图像分割

Zhihao Mao, Bangpu Chen

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

AI总结 RAP通过检索、适应和提示拟合Segment Anything Model 2，实现无训练少样本医学图像分割，通过结构拟合和检索增强提示方法提升鲁棒性。

Comments This paper has been accepted by IJCNN 2026

Clore: Interactive Pathology Image Segmentation with Click-based Local Refinement

Clore：基于点击的病理图像分割交互式局部细化

Tiantong Wang, Minfan Zhao, Jun Shi, Hannan Wang, Yue Dai

机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） 纠错

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

AI总结 本文提出Clore方法，通过分层交互范式提升病理图像分割精度，减少交互次数，实现高效准确的局部细化。

BCMDA: Bidirectional Correlation Maps Domain Adaptation for Mixed Domain Semi-Supervised Medical Image Segmentation

BCMDA：双向相关图域适应用于混合域半监督医学图像分割

Bentao Song, Jun Huang, Qingfeng Wang

机构 * School of Computer Science and Technology, Southwest University of Science and Technology（西南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,abstract)；分类 cs.CV

AI总结 本文提出BCMDA框架，通过虚拟域桥接和原型对齐缓解域移位和标注不足问题，提升多域半监督医学图像分割性能。

Comments Accepted at Neural Networks

Conditional Diffusion for 3D CT Volume Reconstruction from 2D X-rays

基于条件扩散的3DCT体积重建从2DX光

Martin Rath, Morteza Ghahremani, Yitong Li, Ashkan Taghipour, Marcus Makowski, Christian Wachinger

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Western Australia (UWA)（西澳大利亚大学） 纠错

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

AI总结 本文提出AXON框架，通过多阶段扩散模型直接从真实X光重建高保真3DCT体积，采用粗到细策略和ControlNet优化，支持双平面X光输入并提升诊断分辨率。

Progressive Learning with Anatomical Priors for Reliable Left Atrial Scar Segmentation from Late Gadolinium Enhancement MRI

基于解剖先验的渐进学习用于从晚期钆增强MRI中可靠分割左心房瘢痕

Jing Zhang, Bastien Bergere, Emilie Bollache, Jonas Leite, Mikaël Laredo, Alban Redheuil, Nadjia Kachenoura

机构 * Laboratoire d’Imagerie Biomédicale (LIB), Sorbonne Université, INSERM, CNRS（生物医学影像实验室（LIB），索邦大学，法国国家健康与医学研究院，法国国家科学研究中心） ； APHP, Institut de Cardiologie, Hôpital Pitié-Salpêtrière（巴黎公立医院集团，心脏病学研究所，皮提耶-萨勒佩特里医院） ； APHP, Imagerie Cardiovasculaire et thoracique, Institut de Cardiologie, Hôpital Pitié Salpêtrière（巴黎公立医院集团，心血管与胸部影像科，心脏病学研究所，皮提耶-萨勒佩特里医院） 纠错

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

AI总结 本文提出基于解剖先验的渐进学习方法，通过三阶段框架提升左心房瘢痕分割的准确性和可靠性，实验结果显示优于单一阶段分割方法。

Comments 16 pages, 3 figures, 3 tables

Clinical Metadata Guided Limited-Angle CT Image Reconstruction

临床元数据引导的限角CT图像重建

Yu Shi, Shuyi Fan, Changsheng Fang, Shuo Han, Haodong Li, Li Zhou, Bahareh Morovati, Dayang Wang, Hengyong Yu

机构 * University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） 纠错

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

AI总结 本文提出基于结构化临床元数据的两阶段扩散框架，用于改进限角CT重建，通过整合元数据提升图像质量与效率。

Comments IEEE Transactions on Medical Imaging, 2026

VolDiT: Controllable Volumetric Medical Image Synthesis with Diffusion Transformers

VolDiT：基于扩散变换器的可控体积医学图像合成

Marvin Seyfarth, Salman Ul Hassan Dar, Yannik Frisch, Philipp Wild, Norbert Frey, Florian André, Sandy Engelhardt

机构 * Institute for Artificial Intelligence in Cardiovascular Medicine, Medical Faculty of Heidelberg University, Heidelberg University（海德堡大学医学院心血管医学人工智能研究所） ； Department of Cardiology, Angiology, Pneumology, Heidelberg University Hospital（海德堡大学医院心脏病学、血管学、肺病学系） ； DZHK (German Centre for Cardiovascular Research), Partner Site Heidelberg/Mannheim（德国心血管研究中心（DZHK）海德堡/曼海姆合作站点） ； University Medical Center of the Johannes Gutenberg-University Mainz（美因茨约翰内斯·古腾堡大学医学中心） 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VolDiT，首个纯变压器架构的3D扩散模型，通过体积块嵌入和全局自注意力实现3D数据处理，引入时间步门控控制适配器提升生成可控性，实验证明其在医学图像合成中具有更高的全局一致性与生成保真度。

Hyper-Connections for Adaptive Multi-Modal MRI Brain Tumor Segmentation

超连接用于自适应多模态MRI脑肿瘤分割

Lokendra Kumar, Shubham Aggarwal

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

AI总结 本文提出超连接用于体积多模态脑肿瘤分割，通过在五个架构中替代固定残差连接，提升BraTS 2021数据集上模型性能，尤其在增强肿瘤区域表现突出。

Comments 29 pages,6 tables,17 figures

CARE: Training-Free Controllable Restoration for Medical Images via Dual-Latent Steering

CARE：通过双潜在引导实现无需训练的医学图像可控修复

Xu Liu

机构 * University of Washington（华盛顿大学） 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CARE框架，通过双潜在策略在推理过程中平衡结构保持与先验引导，实现无需训练的可控医学图像修复，提升修复质量并减少不合理的重建风险。

Subject-Specific Low-Field MRI Synthesis via a Neural Operator

针对特定主体的低场MRI合成通过神经算子

Ziqi Gao, Nicha Dvornek, Xiaoran Zhang, Gigi Galiana, Hemant Tagare, Todd Constable

机构 * Departments of Biomedical Engineering, Yale University（耶鲁大学生物医学工程系） 纠错

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

AI总结 本文提出一种端到端的低场MRI合成框架，通过学习高场到低场的图像退化过程，提升低场MRI的模拟精度和诊断能力。

Comments 11 pages, 2 figures, 2 tables

Coronary artery calcification assessment in National Lung Screening Trial CT images (DeepCAC2)

在国家肺癌筛查试验CT图像中评估冠状动脉钙化（DeepCAC2）

Leonard Nürnberg, Simon Bernatz, Borek Foldyna, Michael T. Lu, Andrey Fedorov, Hugo JWL Aerts

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

AI总结 本文提出DeepCAC2数据集，利用深度学习自动处理NLST的CT扫描，生成标准化的冠状动脉钙化分割和风险评估，为心血管风险评估和影像生物标志物开发提供公开资源。

VocSegMRI: Multimodal Learning for Precise Vocal Tract Segmentation in Real-time MRI

VocSegMRI：多模态学习在实时MRI中的精确声带段分割

Daiqi Liu, Johannes Enk, Maureen Stone, Fangxu Xing, Tomás Arias-Vergara, Jerry L. Prince, Jana Hutter, Jonghye Woo, Andreas Maier, Paula Andrea Pérez-Toro

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃朗根-纽伦堡大学） ； University of Maryland School of Dentistry（马里兰大学牙科学院） ； Harvard Medical School/Massachusetts General Hospital（哈佛医学院/麻省总医院） ； Universidad de Antioquia UdeA（安蒂奥基亚大学 UdeA） ； Johns Hopkins University（约翰霍普金斯大学） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

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

AI总结 本文提出VocSegMRI，通过跨注意力融合和对比学习目标，整合视频、音频和语音学输入，实现实时MRI中声带结构的精确分割，实验表明其优于单模态和多模态基线方法。

Comments Preprint submitted to MIDL short paper 2026

From Noisy Labels to Intrinsic Structure: A Geometric-Structural Dual-Guided Framework for Noise-Robust Medical Image Segmentation

从噪声标签到内在结构：一种几何-结构双引导框架用于抗噪声医学图像分割

Tao Wang, Zhenxuan Zhang, Yuanbo Zhou, Xinlin Zhang, Yuanbin Chen, Tao Tan, Guang Yang, Tong Tong

机构 * College of physics ； information engineering, Fuzhou University, Xueyuan Road No.2, Fuzhou, 350108, China ； Bioengineering Department ； Imperial-X, Imperial College London, London W12 7SL, UK ； Lung Institute, Imperial College London, London SW7 2AZ, UK ； Cardiovascular Research Centre, Royal Brompton Hospital, London SW3 6NP, UK ； School of Biomedical Engineering \& Imaging Sciences, King's College London, London WC2R 2LS, UK ； Faculty of Applied Science, Macao Polytechnic University, Macao Special Administrative Region of China 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GSD-Net框架，通过整合几何和结构线索提升抗噪声能力，实验表明在噪声标注下性能优越，特别是在Kvasir、Shenzhen等数据集上提升显著。

Focus on Background: Exploring SAM's Potential in Few-shot Medical Image Segmentation with Background-centric Prompting

聚焦背景：探索SAM在少样本医学图像分割中的潜力：基于背景的提示生成

Yuntian Bo, Yazhou Zhu, Piotr Koniusz, Haofeng Zhang

机构 * Nanjing University of Science and Technology（南京理工大学） ； University of New South Wales（新南威尔士大学） ； Data61 CSIRO 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FoB，通过背景中心提示生成解决SAM在医学图像分割中的过度分割问题，实验表明其在少样本分割任务中表现优异，具有良好的跨领域泛化能力。

Comments Accepted by CVPR26

Joint Segmentation and Grading with Iterative Optimization for Multimodal Glaucoma Diagnosis

多模态青光眼诊断的联合分割与分级迭代优化方法

Zhiwei Wang, Yuxing Li, Meilu Zhu, Defeng He, Edmund Y. Lam

机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, China（香港大学电子与电气工程系） ； College of Information Engineering, Zhejiang University of Technology, Hangzhou, China（浙江工业大学信息工程学院） 纠错

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

AI总结 本文提出一种迭代多模态优化模型，通过中层融合策略整合眼底和OCT特征，并利用跨模态特征对齐模块减少模态差异，实现青光眼的精确分割与分级。