科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
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
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）
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%。
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
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）
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：基于隐函数的公式驱动监督学习用于3D医学图像分割
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）
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：利用稳定扩散适应少样本医学图像分割
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）
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
平衡效率与恢复：基于Mamba的轻量模型用于CT金属伪影减少
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）
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：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
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）
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)
无监督源无关的生物医学分割模型排名
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）
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
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
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）
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。
弥合MRI与PET生理学：通过正交表示解构互补性
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）
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
通过流匹配进行医疗图像分割的算法不确定性估计
机构 * Institute for Artificial Intelligence, University of Engineering
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: 一种通用的以感兴趣区域为中心的医学图像压缩方法
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）
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。
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
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）
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：面向高精度心脏MRI分割的拓扑感知解码器设计
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：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
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
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
使用nnU-Net进行MRI中前列腺的自动分割
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）
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
PHASOR：基于解剖和相位一致的体积扩散用于CT虚拟对比增强
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）
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。
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
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）
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：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
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）
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：基于微结构拟合的固定点恢复分析-合成可微方法
机构 * Indiana University, Bloomington, IN, USA（印第安纳大学布卢明顿分校）
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
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
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）
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
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
机构 * Munster Technological University（芒斯特理工大学）
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
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
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: 一种用于生成医学图像分割的潜在流匹配方法
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：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
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）
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：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
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：检索、适应与提示拟合用于无训练少样本医学图像分割
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：基于点击的病理图像分割交互式局部细化
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）
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：双向相关图域适应用于混合域半监督医学图像分割
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）
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
基于条件扩散的3DCT体积重建从2DX光
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）
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。
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
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）
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
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈