医学 AI

High-fidelity 3D multi-slab diffusion MRI using Slab-shifting for Harmonized 3D Acquisition and Reconstruction with Profile Encoding Networks (SHARPEN)

高保真3D多层扩散磁共振成像使用Slab-shifting进行谐化3D采集与重建及轮廓编码网络（SHARPEN）

Ziyu Li, Karla L. Miller, Wenchuan Wu

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

AI总结 SHARPEN通过层位移和轮廓编码网络实现高保真3D多层扩散MRI，提升成像质量和效率，适用于高分辨率在体研究。

Comments 26 pages, 11 figures + supplementary info

Transformer-based Parameter Fitting of Models derived from Bloch-McConnell Equations for CEST MRI Analysis

基于变换器的Bloch-McConnell方程导出模型参数拟合方法用于CEST MRI分析

Christof Duhme, Chris Lippe, Verena Hoerr, Xiaoyi Jiang

机构 * University of Münster, Germany（德国穆斯堡大学） 纠错

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

AI总结 本文提出基于变换器的神经网络方法，用于拟合由Bloch-McConnell方程导出的物理模型参数，以提高CEST MRI数据量化精度。

Journal ref Lecture Notes in Computer Science, vol 15242 (2025) 108-116

Multi-Scale Global-Instance Prompt Tuning for Continual Test-time Adaptation in Medical Image Segmentation

多尺度全局-实例提示微调用于医学图像分割中的持续测试时适应

Lingrui Li, Yanfeng Zhou, Nan Pu, Xin Chen, Zhun Zhong

机构 * School of Computer Science, University of Nottingham, UK（诺丁汉大学计算机科学学院） ； School of Artificial Intelligence, Shenzhen University, China（深圳大学人工智能学院） ； Department of Information Engineering and Computer Science, University of Trento, Italy（特伦托大学信息工程与计算机科学系） ； School of Computer Science and Information Engineering, Hefei University of Technology, China（合肥工业大学计算机科学与信息工程学院） 纠错

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

AI总结 本文提出多尺度全局-实例提示微调方法，通过增强提示多样性并结合全局和实例级知识，提升医学图像分割中的持续测试时适应性能。

Comments 8 pages, BIBM2025

Noisy MRI Reconstruction via MAP Estimation with an Implicit Deep-Denoiser Prior

通过隐式深度去噪先验进行噪声MRI重建

Nikola Janjušević, Amirhossein Khalilian-Gourtani, Yao Wang, Li Feng

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

AI总结 本文提出ImMAP框架，通过整合噪声模型到MAP中，提升MRI在现实噪声下的重建可靠性与可解释性。

Comments 6 pages, 5 figures, conference paper

Adaptive Knowledge Transferring with Switching Dual-Student Framework for Semi-Supervised Medical Image Segmentation

具有切换双学生框架的自适应知识转移用于半监督医学图像分割

Hoang-Thien Nguyen, Thanh-Huy Nguyen, Ba-Thinh Lam, Vi Vu, Bach X. Nguyen, Jianhua Xing, Tianyang Wang, Xingjian Li, Min Xu

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

AI总结 本文提出了一种切换双学生框架，通过动态选择可靠学生和损失感知移动平均策略，提升半监督医学图像分割的性能。

Comments The paper is published at Pattern Recognition Journal

From Pre- to Intra-operative MRI: Predicting Brain Shift in Temporal Lobe Resection for Epilepsy Surgery

从术前到术中MRI：预测颞叶切除术中的脑移位

Jingjing Peng, Giorgio Fiore, Yang Liu, Ksenia Ellum, Debayan Daspupta, Keyoumars Ashkan, Andrew McEvoy, Anna Miserocchi, Sebastien Ourselin, John Duncan, Alejandro Granados

机构 * Surgical and Interventional Engineering（外科与介入工程） ； King’s College London（伦敦国王学院） ； National Hospital for Neurology and Neurosurgery（神经外科医院） ； NHS（国家健康服务） ； Neurosurgery, King’s College Hospital（神经外科，伦敦国王学院医院） ； Fondazione IRCCS Ca’ Granda（IRCCS Ca’ Granda基金会） ； Ospedale Maggiore di Milano（米兰大医院） 纠错

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

AI总结 NeuralShift模型利用术前MRI预测颞叶切除术中的脑移位，通过高精度的DICE和TRE指标提升神经导航精度和手术效果。

SLIM-Diff: Shared Latent Image-Mask Diffusion with Lp loss for Data-Scarce Epilepsy FLAIR MRI

SLIM-Diff：共享潜在图像-掩码扩散模型与Lp损失用于数据稀缺的癫痫FLAIR MRI

Mario Pascual-González, Ariadna Jiménez-Partinen, R. M. Luque-Baena, Fátima Nagib-Raya, Ezequiel López-Rubio

机构 * ITIS Software, University of M\'alaga, Spain Department of Computer Languages ； Computer Science, University of M\'alaga, Spain IBIMA Plataforma BIONAND, Instituto de Investigaci\'on Biom\'edica de M\'alaga, Spain Department of Radiology, Hospital Regional Universitario de M\'alaga, Spain 纠错

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

AI总结 SLIM-Diff通过共享瓶颈U-Net和L_p损失提升癫痫FLAIR MRI中稀少病变的联合生成效果。

Comments 6 pages, 2 figures, 1 table, conference paper

MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning

MedSAM-Agent: 通过多轮代理强化学习赋能交互式医学图像分割

Shengyuan Liu, Liuxin Bao, Qi Yang, Wanting Geng, Boyun Zheng, Chenxin Li, Wenting Chen, Houwen Peng, Yixuan Yuan

机构 * Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Hunyuan Group, Tencent（腾讯洪音集团） ； Institute of Automation, the Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； Dalian University of Technology, Dalian, China（大连理工大学） ； Stanford University, Stanford, USA（斯坦福大学） 纠错

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

AI总结 MedSAM-Agent通过多轮代理强化学习提升医学图像分割的交互效率与准确性

Comments 23 Pages, 4 Figures

Multiparameter Uncertainty Mapping in Quantitative Molecular MRI using a Physics-Structured Variational Autoencoder (PS-VAE)

在定量分子MRI中使用物理结构变分自编码器（PS-VAE）进行多参数不确定性映射

Alex Finkelstein, Ron Moneta, Or Zohar, Michal Rivlin, Moritz Zaiss, Dinora Friedmann Morvinski, Or Perlman

机构 * School of Biomedical Engineering, Tel-Aviv University（生物医学工程学院，特拉维夫大学） ； School of Biochemistry, Neurobiology, and Biophysics, Tel-Aviv University（生物化学、神经生物学与生物物理学学院，特拉维夫大学） ； Institute of Neuroradiology, University Hospital Erlangen（神经放射学研究所，埃朗根大学医院） ； Department of Artificial Intelligence in Biomedical Engineering, Friedrich-Alexander Universität Erlangen-Nürnberg (FAU)（生物医学工程人工智能系，弗赖堡-艾尔朗根-纽伦堡大学（FAU）） ； Sagol School of Neuroscience, Tel-Aviv University（萨戈尔神经科学学院，特拉维夫大学） 纠错

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

AI总结 本文提出了一种物理结构变分自编码器，用于快速提取MRI中多参数后验分布，提高定量分子MRI的不确定性和透明度。

Comments Submitted to IEEE Transactions on Medical Imaging. This project was funded by the European Union (ERC, BabyMagnet, project no. 101115639). Views and opinions expressed are, however, those of the authors only and do not necessarily reflect those of the European Union or the European Research Council. Neither the European Union nor the granting authority can be held responsible for them

TRACE: Temporal Radiology with Anatomical Change Explanation for Grounded X-ray Report Generation

TRACE: 基于解剖变化解释的时序放射学用于 grounded X-ray 报告生成

OFM Riaz Rahman Aranya, Kevin Desai

机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

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

AI总结 TRACE 是首个结合时序比较、变化分类和空间定位的模型，通过边界框坐标实现对胸片变化的自然语言描述，提升放射学报告生成的准确性与可靠性。

SRA-Seg: Synthetic to Real Alignment for Semi-Supervised Medical Image Segmentation

SRA-Seg：合成到现实对齐用于半监督医学图像分割

OFM Riaz Rahman Aranya, Kevin Desai

机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

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

AI总结 SRA-Seg通过合成到现实的特征对齐，利用SA损失和软边缘融合技术，在仅用10%真实标注数据和90%合成数据的情况下，显著提升了医学图像分割性能。

Fetpype: An Open-Source Pipeline for Reproducible Fetal Brain MRI Analysis

Fetpype：一种用于可重复胎儿脑MRI分析的开源流水线

Thomas Sanchez, Gerard Martí-Juan, David Meunier, Miguel Angel Gonzalez Ballester, Oscar Camara, Elisenda Eixarch, Gemma Piella, Meritxell Bach Cuadra, Guillaume Auzias

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

AI总结 Fetpype提供了一种标准化的开源流水线，用于可重复的胎儿脑MRI分析，整合了运动校正、超分辨率重建等多步骤处理，以提高研究和临床应用中的神经影像分析效率。

Comments 6 pages, 1 figure; submitted to the Journal of Open Source Software (JOSS)

DDTracking: A Deep Generative Framework for Diffusion MRI Tractography with Streamline Local-Global Spatiotemporal Modeling

DDTracking: 一种用于扩散磁共振成像束追踪的深度生成框架，结合流线局部-全局时空建模

Yijie Li, Wei Zhang, Xi Zhu, Ye Wu, Yogesh Rathi, Lauren J. O'Donnell, Fan Zhang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Nanjing University of Science and Technology（南京理工大学） ； Brigham and Women’s Hospital（布里奇沃特医院） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 DDTracking通过深度生成框架结合局部-全局时空建模，实现更精确的扩散磁共振成像束追踪。

Comments Preprint version. The content may be updated in the future

Eliminating Registration Bias in Synthetic CT Generation: A Physics-Based Simulation Framework

消除合成CT生成中的注册偏差：一种基于物理的模拟框架

Lukas Zimmermann, Michael Rauter, Maximilian Schmid, Dietmar Georg, Barbara Knäusl

机构 * organization= Medical University of Vienna, Department of Radiation Oncology , city= Vienna , country= Austria ； organization= Christian Doppler Laboratory for Image ； Knowledge Driven Precision Radiation Oncology, Medical University of Vienna , city= Vienna , country= Austria ； organization= University of Applied Sciences Wiener Neustadt, Competence Center for Preclinical Imaging \& Biomedical Engineering , city= Wiener Neustadt , country= Austria 纠错

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

AI总结 本文提出基于物理的CBCT模拟框架，通过构造几何对齐的训练对，解决合成CT生成中的注册偏差问题，证明几何保真度优于传统强度评分。

Uncertainty Estimation for Pretrained Medical Image Registration Models via Transformation Equivariance

通过变换等价性估计预训练医学图像配准模型的不确定性

Lin Tian, Xiaoling Hu, Juan Eugenio Iglesias

机构 * Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院） ； The Hawkes Institute, University College London（霍克斯研究所，伦敦大学学院） ； AI Laboratory, Massachusetts Institute of Technology（人工智能实验室，麻省理工学院） 纠错

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

AI总结 通过变换等价性属性，提出一种无需修改预训练配准模型的不确定性估计方法，提升医学图像配准的安全性和可靠性。

Unrolled Networks are Conditional Probability Flows in MRI Reconstruction

展开网络是MRI重建中的条件概率流

Kehan Qi, Saumya Gupta, Xiaoling Hu, Qingqiao Hu, Weimin Lyu, Chao Chen

机构 * Stony Brook University（石溪大学） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 本文提出FLAT方法，通过流匹配离散化和轨迹对齐提升MRI重建的稳定性与质量。

Region-Normalized DPO for Medical Image Segmentation under Noisy Judges

区域归一化的DPO用于在噪声裁判下的医学图像分割

Hamza Kalisch, Constantin Seibold, Jens Kleesiek, Ken Herrmann, Frederic Jonske

机构 * Institute for AI in Medicine (IKIM), University Hospital Essen (AöR), Essen, Germany（人工智能医学研究所（IKIM）、埃森大学医院（AöR）） ； Department of Nuclear Medicine, University Hospital Essen (AöR), Essen, Germany（核医学系、埃森大学医院（AöR）） ； Department of Physics, TU Dortmund, Dortmund, Germany（物理系、多特蒙德技术大学） ； Heidelberg University Hospital, Heidelberg, Germany（海德堡大学医院） 纠错

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

AI总结 本文提出区域归一化的DPO方法，用于在噪声裁判下提升医学图像分割的性能和稳定性。

OREHAS: A fully automated deep-learning pipeline for volumetric endolymphatic hydrops quantification in MRI

OREHAS：一种用于MRI中体积性内淋巴液积聚定量的全自动深度学习流程

Caterina Fuster-Barceló, Claudia Castrillón, Laura Rodrigo-Muñoz, Victor Manuel Suárez-Vega, Nicolás Pérez-Fernández, Gorka Bastarrika, Arrate Muñoz-Barrutia

机构 * Bioengineering Department, Universidad Carlos III de Madrid（卡洛斯三世大学生物工程系） ； Radiology Department, Clínica Universidad de Navarra（纳瓦拉大学医院放射科） ； Otorhinolaryngology Department, Clínica Universidad de Navarra（纳瓦拉大学医院耳鼻喉科） 纠错

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

AI总结 OREHAS是一种基于深度学习的全自动MRI流程，用于准确量化内淋巴液积聚，其通过高效分割和临床对齐的工作流实现了高精度和可重复性。

DSVM-UNet : Enhancing VM-UNet with Dual Self-distillation for Medical Image Segmentation

DSVM-UNet : 通过双自我蒸馏增强VM-UNet用于医学图像分割

Renrong Shao, Dongyang Li, Dong Xia, Lin Shao, Jiangdong Lu, Fen Zheng, Lulu Zhang

机构 * Faculty of Military Health Service, Naval Medical University, China（海军医学院军事卫生服务学院） ； School of Computer Science and Technology, Shanghai University of Electric Power, China（上海电力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 DSVM-UNet通过双自我蒸馏改进VM-UNet，提升医学图像分割的性能与效率。

Comments 5 pages, 1 figures

Journal ref IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2026)

Efficient Complex-Valued Vision Transformers for MRI Classification Directly from k-Space

高效复数值视觉变换器用于MRI分类：直接从k空间进行分类

Moritz Rempe, Lukas T. Rotkopf, Marco Schlimbach, Helmut Becker, Fabian Hörst, Johannes Haubold, Philipp Dammann, Kevin Kröninger, Jens Kleesiek

机构 * Institute for AI in Medicine (IKIM), University Hospital Essen（人工智能医学研究所（IKIM）、埃森大学医院） ； Cancer Research Center Cologne Essen (CCCE), University Medicine Essen（科隆埃森癌症研究中心（CCCE）、埃森大学医学中心） ； RACOON Study Group, Site Essen（RACOON研究组、埃森站点） ； Department of Physics, Technical University Dortmund（物理系、多特蒙德技术大学） ； German Cancer Consortium (DKTK), Partner Site Essen（德国癌症联合会（DKTK）、埃森合作站点） ； Medical Faculty and Faculty of Computer Science, University of Duisburg-Essen（医学系和计算机科学系、杜伊斯堡-埃森大学） ； German Cancer Research Center (DKFZ), 69120 Heidelberg（德国癌症研究中心（DKFZ）、海德堡） ； Department of Radiology, University Hospital Essen（放射学系、埃森大学医院） ； Department of Neurosurgery and Spine Surgery, University Hospital Essen（神经外科和脊柱外科系、埃森大学医院） 纠错

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

AI总结 本文提出复数值视觉变换器kViT，直接在MRI的k空间数据上进行分类，实现高效且鲁棒的MRI分类性能。

A Master Class on Reproducibility: A Student Hackathon on Advanced MRI Reconstruction Methods

可重现性大师课：关于高级MRI重建方法的学生黑客松

Lina Felsner, Sevgi G. Kafali, Hannah Eichhorn, Agnes A. J. Leth, Aidas Batvinskas, Andre Datchev, Fabian Klemm, Jan Aulich, Puntika Leepagorn, Ruben Klinger, Daniel Rueckert, Julia A. Schnabel

机构 * Technical University of Munich (TUM)（技术大学慕尼黑） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich（生物医学成像机器学习研究所，海德堡慕尼黑） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Medicine and Health, TUM University Hospital Rechts der Isar（医学与健康学院，技术大学慕尼黑医院Rechts der Isar） ； Department of Computing, Imperial College London（计算学院，伦敦帝国理工学院） 纠错

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

AI总结 本文通过学生黑客松重现三个先进的MRI重建方法，探讨了可重现性代码库的构建实践和实验结果。

DTC: A Deformable Transposed Convolution Module for Medical Image Segmentation

DTC: 一种用于医学图像分割的可变形转置卷积模块

Chengkun Sun, Jinqian Pan, Renjie Liang, Zhengkang Fan, Xin Miao, Jiang Bian, Jie Xu

机构 * Department of Health Outcomes and Biomedical Informatics, University of Florida（健康结果与生物医学信息学系，佛罗里达大学） ； Regenstrief Institue, Indiana University, IU Health（Regenstrief研究所，印第安纳大学，IU健康） 纠错

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

AI总结 DTC是一种用于医学图像分割的可变形转置卷积模块，通过学习动态坐标来提升特征重建和细节恢复能力。

Domain Generalization with Quantum Enhancement for Medical Image Classification: A Lightweight Approach for Cross-Center Deployment

域泛化与量子增强在医学图像分类中的应用：一种轻量级跨中心部署方法

Jingsong Xia, Siqi Wang

机构 * The Second Clinical College, Nanjing Medical University（南京医科大学第二临床学院） 纠错

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

AI总结 本文提出一种轻量级量子增强域泛化框架，通过模拟多域偏移、域对抗训练和量子特征增强，提升医学图像跨中心部署的泛化能力。

UCAD: Uncertainty-guided Contour-aware Displacement for semi-supervised medical image segmentation

UCAD: 基于不确定性的轮廓感知位移用于半监督医学图像分割

Chengbo Ding, Fenghe Tang, Shaohua Kevin Zhou

机构 * University of Science and Technology of China（科学技术大学） ； Suzhou Institute for Advanced Research（苏州先进研究院） ； State Key Laboratory of Precision and Intelligent Chemistry（精密与智能化学国家重点实验室） 纠错

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

AI总结 UCAD通过基于不确定性的轮廓感知位移框架，提升半监督医学图像分割的准确性和一致性学习效果。

Comments Accepted by ISBI 2026

Structural Complexity of Brain MRI reveals age-associated patterns

脑部MRI的结构复杂性揭示年龄相关模式

Anzhe Cheng, Italo Ivo Lima Dias Pinto, Paul Bogdan

机构 * University of Southern California, Los Angeles, CA, USA（美国南加州大学） ； Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, Brazil（巴西圣保罗大学数学与统计研究所） 纠错

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

AI总结 本研究通过分析脑部MRI数据，揭示了结构复杂性随年龄变化的规律，并展示了其在预测生物年龄方面的应用价值。

Comments accepted by icassp2026

Domain-invariant Mixed-domain Semi-supervised Medical Image Segmentation with Clustered Maximum Mean Discrepancy Alignment

领域不变的混合域半监督医学图像分割与聚类最大均值差异对齐

Ba-Thinh Lam, Thanh-Huy Nguyen, Hoang-Thien Nguyen, Quang-Khai Bui-Tran, Nguyen Lan Vi Vu, Phat K. Huynh, Ulas Bagci, Min Xu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Ho Chi Minh University of Science（胡志明科学大学） ； Northwestern University（西北大学） ； University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学） 纠错

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

AI总结 本文提出一种领域不变的混合域半监督分割框架，通过Copy-Paste机制和聚类最大均值差异对齐，提升数据多样性并缓解域偏移，实现高精度分割。

Comments accepted in ICASSP 2026

Scribble-Supervised Medical Image Segmentation with Dynamic Teacher Switching and Hierarchical Consistency

带有动态教师切换和层次一致性的人工书写监督医学图像分割

Thanh-Huy Nguyen, Hoang-Loc Cao, Dat T. Chung, Mai-Anh Vu, Thanh-Minh Nguyen, Minh Le, Phat K. Huynh, Ulas Bagci

机构 * 1 Carnegie Mellon University, PA 15213, United States 2 PASSIO Lab, North Carolina A\&T State University, NC 27401, United States 3 University of Houston, TX 77004, United States 4 Northwestern University, IL 60611, United States 纠错

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

AI总结 SDT-Net通过动态教师切换和层次一致性机制，提升人工书写监督下医学图像分割的准确性和解剖合理性。

DSFedMed: Dual-Scale Federated Medical Image Segmentation via Mutual Distillation Between Foundation and Lightweight Models

DSFedMed: 通过基础模型与轻量模型之间的相互蒸馏实现双尺度联邦医疗图像分割

Hanwen Zhang, Qiaojin Shen, Yuxi Liu, Yuesheng Zhu, Guibo Luo

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

AI总结 DSFedMed通过基础模型与轻量模型之间的相互蒸馏，在医疗图像分割中实现双尺度联邦学习，提升效率与可扩展性。

VHU-Net: Variational Hadamard U-Net for Body MRI Bias Field Correction

VHU-Net：变分哈达玛U-Net用于人体MRI偏场校正

Xin Zhu, Ahmet Enis Cetin, Gorkem Durak, Batuhan Gundogdu, Ziliang Hong, Hongyi Pan, Ertugrul Aktas, Elif Keles, Hatice Savas, Aytekin Oto, Hiten Patel, Adam B. Murphy, Ashley Ross, Frank Miller, Baris Turkbey, Ulas Bagci

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

AI总结 VHU-Net通过变分哈达玛U-Net有效校正人体MRI偏场，提升图像质量与分割准确性。

CT-PatchTST: Channel-Time Patch Time-Series Transformer for Long-Term Renewable Energy Forecasting

CT-PatchTST：用于长周期可再生能源预测的通道-时间补丁时间序列变压器

Kuan Lu, Menghao Huo, Yuxiao Li, Qiang Zhu, Zhenrui Chen

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学） ； Fu Foundation School of Engineering and Applied Science（富兰克林基金会工程与应用科学学院） ； Columbia University in the City of New York（纽约市哥伦比亚大学） ； School of Engineering（工程学院） ； Santa Clara University（圣克拉拉大学） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） 纠错

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

AI总结 CT-PatchTST通过捕捉时间依赖性和跨通道相关性，提升风能和太阳能的长周期预测精度，优化能源存储调度，增强电网稳定性与响应性。

Comments Published in: 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT)

Journal ref 2025 10th International Conference on Computer and Information Processing Technology (ISCIPT), pp. 86-95