医学 AI

Stroke outcome and evolution prediction from CT brain using a spatiotemporal diffusion autoencoder

基于CT脑部扫描的中风结果与演变预测：时空扩散自编码器

Adam Marcus, Paul Bentley, Daniel Rueckert

机构 * Imperial College London（帝国理工学院伦敦分校） ； Technische Universität München（慕尼黑技术大学） 纠错

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

AI总结 本文提出一种基于CT图像的时空扩散自编码器，用于预测中风结果与演变，通过自监督学习生成语义表示并结合纵向数据提升预测性能。

Comments Accepted in The 6th International Workshop on Machine Learning in Clinical Neuroimaging (MLCN 2023)

RAFM: Retrieval-Augmented Flow Matching for Unpaired CBCT-to-CT Translation

RAFM：用于无配对CBCT到CT翻译的检索增强流匹配

Xianhao Zhou, Jianghao Wu, Lanfeng Zhong, Ku Zhao, Jinlong He, Shaoting Zhang, Guotai Wang

机构 * Faculty of Information Technology, Monash University, Melbourne, VIC 3800, Australia（信息科技学院，墨尔本大学，澳大利亚墨尔本） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，中国上海） 纠错

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

AI总结 RAFM通过检索增强的流匹配方法，提升无配对CBCT到CT翻译的性能，优于现有方法。

Explainable Continuous-Time Mask Refinement with Local Self-Similarity Priors for Medical Image Segmentation

具有局部自相似先验的可解释连续时间掩码细化用于医学图像分割

Rajdeep Chatterjee, Sudip Chakrabarty, Trishaani Acharjee

机构 * School of Computer Engineering, Kalinga Institute of Industrial Technology, Bhubaneswar, India（计算机工程学院，印度克里希纳加尔工业技术学院，布巴内斯瓦尔，印度） ； AmygdalaAI-India Lab, Bhubaneswar, India（AmygdalaAI-印度实验室，布巴内斯瓦尔，印度） 纠错

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

AI总结 LSS-LTCNet通过局部自相似先验和连续时间动态机制，提升医学图像分割的边界精度与效率，实现高Dice分数和低Hausdorff距离，适用于移动医疗场景。

An Interpretable Local Editing Model for Counterfactual Medical Image Generation

可解释的局部编辑模型用于反事实医学图像生成

Hyungi Min, Taeseung You, Hangyeul Lee, Yeongjae Cho, Sungzoon Cho

机构 * Seoul National University（首尔国立大学） 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InstructX2X模型，通过区域特定编辑实现反事实医学图像生成，提供可解释的编辑过程和高质量图像生成。

Leveraging Causal Reasoning Method for Explaining Medical Image Segmentation Models

利用因果推理方法解释医学图像分割模型

Limai Jiang, Ruitao Xie, Bokai Yang, Huazhen Huang, Juan He, Yufu Huo, Zikai Wang, Yang Wei, Yunpeng Cai

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Shenzhen Polytechnic University（深圳职业技术大学） ； University of Macau（澳门大学） ； Southern University of Science and Technology（南方科技大学） 纠错

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

AI总结 本文提出利用因果推理框架解释医学图像分割模型，通过量化输入区域和网络组件对分割区域的影响，提升模型可解释性与优化潜力。

Comments Preprint

M-Gaussian: An Magnetic Gaussian Framework for Efficient Multi-Stack MRI Reconstruction

M-Gaussian：一种用于高效多堆栈MRI重建的磁性高斯框架

Kangyuan Zheng, Xuan Cai, Jiangqi Wang, Guixing Fu, Zhuoshuo Li, Yazhou Chen, Xinting Ge, Liangqiong Qu, Mengting Liu

机构 * School of Biomedical Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学生物医学工程学院） 纠错

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

AI总结 M-Gaussian通过磁性高斯框架实现了高效多堆栈MRI重建，结合物理一致渲染与多分辨率训练，在FeTA数据集上达到40.31 dB PSNR并提升14倍速度。

Comments 15 pages, 9 figures

BiSe-Unet: A Lightweight Dual-path U-Net with Attention-refined Context for Real-time Medical Image Segmentation

BiSe-Unet: 一种轻量级双路径U-Net，结合注意力细化上下文用于实时医学图像分割

M Iffat Hossain, Laura Brattain

机构 * Electrical and Computer Engineering, University of Central Florida（佛罗里达中央大学电气与计算机工程系） ； Department of Medicine, University of Central Florida College of Medicine（佛罗里达中央大学医学院医学系） 纠错

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

AI总结 BiSe-UNet通过结合注意力细化上下文路径和深度可分离解码器，实现了轻量级双路径U-Net，用于实时医学图像分割。

Comments Submitted to IEEE EMBC 2026. This work has been submitted to the IEEE for possible publication

SpectralMamba-UNet: Frequency-Disentangled State Space Modeling for Texture-Structure Consistent Medical Image Segmentation

SpectralMamba-UNet: 频率解耦的状态空间建模用于纹理-结构一致的医学图像分割

Fuhao Zhang, Lei Liu, Jialin Zhang, Ya-Nan Zhang, Nan Mu

机构 * College of Computer Science（计算机科学学院） ； Sichuan Normal University（四川师范大学） ； Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； State Key Laboratory of Public Big Data（公共大数据国家重点实验室） ； Guizhou University（贵州大学） 纠错

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

AI总结 SpectralMamba-UNet通过频域解耦结构与纹理信息，提升医学图像分割的精度和泛化能力。

Optimizing Neural Network Architecture for Medical Image Segmentation Using Monte Carlo Tree Search

利用蒙特卡洛树搜索优化医疗图像分割的神经网络架构

Liping Meng, Fan Nie, Yunyun Zhang, Chao Han

机构 * Xi'an Kedagaoxin University, Faculty of Science（西安科大新大学科学学院） ； Xi'an Kedagaoxin University, School of International Education（西安科大新大学国际教育学院） ； Saint Petersburg State University（圣彼得堡国立大学） 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MNAS-Unet框架，结合MCTS和NAS优化医疗图像分割架构，提升搜索效率并实现轻量模型。

Modeling of Human Body-coupled Electric Field Interference in Unshielded Ultra-Low Field MRI

未屏蔽超低场MRI中人体耦合电场干扰的建模

Jiali He, Yamei Dai, Sheng Shen, Jiamin Wu, Zheng Xu

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

AI总结 本文提出了一种用于分析和抑制便携式超低场MRI中人体耦合电场干扰的集中参数电路模型，并通过电容低阻抗旁路实现3.5倍信噪比提升。

Patient-Adaptive and Learned MRI Data Undersampling Using Neighborhood Clustering

基于邻域聚类的患者自适应和学习MRI数据欠采样

Siddhant Gautam, Angqi Li, Saiprasad Ravishankar

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

AI总结 本文提出基于邻域聚类的患者自适应MRI欠采样算法，通过优化扫描自适应采样模式与重建网络，提升MRI数据重建性能。

Journal ref ICASSP 2024 - IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 2081-2085 (2024)

Pareto-Guided Optimization for Uncertainty-Aware Medical Image Segmentation

基于帕累托优化的不确定性感知医学图像分割

Jinming Zhang, Youpeng Yang, Xi Yang, Haosen Shi, Yuyao Yan, Qiufeng Wang, Guangliang Cheng, Kaizhu Huang

机构 * Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Duke Kunshan University（杜克大学昆山分校） 纠错

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

AI总结 本文提出基于帕累托优化的医学图像分割方法，通过区域级课程策略和帕累托一致损失，解决边界区域的不确定性问题，提升分割精度。

MedCLIPSeg: Probabilistic Vision-Language Adaptation for Data-Efficient and Generalizable Medical Image Segmentation

MedCLIPSeg: 基于概率视觉语言适应的数据高效且可泛化的医学图像分割

Taha Koleilat, Hojat Asgariandehkordi, Omid Nejati Manzari, Berardino Barile, Yiming Xiao, Hassan Rivaz

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

AI总结 MedCLIPSeg通过概率视觉语言适应方法，提升医学图像分割的数据效率和泛化能力，提供可解释的不确定性图。

Comments CVPR 2026; Project Page: https://tahakoleilat.github.io/MedCLIPSeg

IPv2: An Improved Image Purification Strategy for Real-World Ultra-Low-Dose Lung CT Denoising

IPv2: 一种改进的图像净化策略用于真实世界超低剂量肺CT去噪

Guoliang Gong, Man Yu

机构 * Tianjin University of Science and Technology（天津科技大学） ； Department of Radiology, Tianjin Hospital（天津医院放射科） 纠错

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

AI总结 IPv2通过改进的图像净化策略，解决了超低剂量肺CT去噪中背景和肺实质处理不足的问题，提升了去噪效果。

MRI Contrast Enhancement Kinetics World Model

MRI对比增强动力学世界模型

Jindi Kong, Yuting He, Cong Xia, Rongjun Ge, Shuo Li

机构 * Case Western Reserve University（凯斯西储大学） ； Jiangsu Cancer Hospital（江苏癌症医院） ； Southeast University（东南大学） 纠错

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

AI总结 本文提出MRI CEKWorld模型，通过时空一致性学习解决MRI对比增强动力学建模中的时间连续性和内容一致性问题。

Comments Accepted by CVPR 2026

Scan-Adaptive Dynamic MRI Undersampling Using a Dictionary of Efficiently Learned Patterns

基于高效学习模式的扫描自适应动态MRI欠采样

Siddhant Gautam, Angqi Li, Prachi P. Agarwal, Anil K. Attili, Jeffrey A. Fessler, Nicole Seiberlich, Saiprasad Ravishankar

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

AI总结 本文提出一种基于高效学习模式的扫描自适应动态MRI欠采样方法，通过优化k空间采样提升重建质量与诊断准确性。

G-LoG Bi-filtration for Medical Image Classification

G-LoG双过滤用于医学图像分类

Qingsong Wang, Jiaxing He, Bingzhe Hou, Tieru Wu, Yang Cao, Cailing Yao

机构 * School of Mathematics, Jilin University（吉林大学数学学院） 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G-LoG双过滤用于医学图像分类，通过增强图像边界生成适合多参数持续模块的特征，实验表明其在MedMNIST数据集上优于单参数过滤和传统深度学习模型。

PyRadiomics-cuda: 3D features extraction from medical images for HPC using GPU acceleration

PyRadiomics-cuda：利用GPU加速从医学图像中提取三维特征

Jakub Lisowski, Piotr Tyrakowski, Szymon Zyguła, Krzysztof Kaczmarski

机构 * Warsaw University of Technology, Faculty of Mathematics and Information Science（华沙技术大学，数学与信息科学学院） 纠错

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

AI总结 PyRadiomics-cuda通过GPU加速实现医学图像三维特征提取，提升高通量AI流程的处理效率。

Scalable Residual Feature Aggregation Framework with Hybrid Metaheuristic Optimization for Robust Early Pancreatic Neoplasm Detection in Multimodal CT Imaging

可扩展的残差特征聚合框架与混合元启发式优化用于多模CT影像中胰腺肿瘤的稳健早期检测

Janani Annur Thiruvengadam, Kiran Mayee Nabigaru, Anusha Kovi

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

AI总结 本文提出了一种结合残差特征聚合与混合元启发式优化的框架，用于多模CT影像中胰腺肿瘤的稳健早期检测，实现了高准确率和泛化能力。

Comments Accepted at 11th International Conference on Big Data Analytics (ICBDA)

Multiple Teachers-Meticulous Student: A Domain Adaptive Meta-Knowledge Distillation Model for Medical Image Classification

多教师-细致学生：一种用于医学图像分类的域自适应元知识蒸馏模型

Shahabedin Nabavi, Kian Anvari Hamedani, Mohsen Ebrahimi Moghaddam, Ahmad Ali Abin, Alejandro F. Frangi

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

AI总结 本文提出一种多教师-细致学生模型，用于解决医学图像分类中的域移问题和标注数据不足问题，通过知识蒸馏实现高效且隐私保护的模型训练。

Journal ref Medical Physics. 2026;53:e70350

A Mixed Precision FFT with applications in MRI

混合精度FFT及其在MRI中的应用

Nikhil Deveshwar, Abhejit Rajagopal, Peder E. Z. Larson

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

AI总结 本文提出了一种混合精度FFT算法，通过优化块大小和精度，提升MRI图像处理的数值性能。

Comments Accepted to ICASSP 2026

Distributional Deep Learning for Super-Resolution of 4D Flow MRI under Domain Shift

分布式深度学习在4D流体MRI超分辨率中的应用：域移位下的超分辨率提升

Xiaoyi Wen, Fei Jiang

机构 * Department of Epidemiology and Biostatistics, University of California, San Francisco（流行病学与生物统计学系，加州大学旧金山分校） 纠错

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

AI总结 本文提出分布式深度学习框架，用于提升4D流体MRI在域移位下的超分辨率性能，通过训练和微调提高模型鲁棒性与泛化能力。

Theoretical Bounds on Parallel Imaging Implicit Data Crimes in an MRI Reproducing Kernel Hilbert Space

关于在MRI再现核希尔伯特空间中并行成像隐式数据犯罪的理论界限

Evan Frenklak, Yamin Arefeen, Jonathan I Tamir

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

AI总结 本文提出了一种数学框架，用于在MRI再现核希尔伯特空间中分析并行成像隐式数据犯罪的理论界限，并通过实验验证了该框架的有效性。

Towards a Unified Theoretical Framework for Self-Supervised MRI Reconstruction

迈向自监督MRI重建的统一理论框架

Siying Xu, Kerstin Hammernik, Daniel Rueckert, Sergios Gatidis, Thomas Küstner

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

AI总结 UNITS提出了一种统一的自监督MRI重建理论框架，通过统一SSL策略并证明其与监督学习同等性能，提升模型泛化能力与训练稳定性。

Comments Under review at IEEE Transactions on Computational Imaging. Supplementary material is included

SynthRAR: Ring Artifacts Reduction in CT with Unrolled Network and Synthetic Data Training

SynthRAR: 通过展开网络和合成数据训练的CT环状伪影减少

Hongxu Yang, Levente Lippenszky, Edina Timko, Gopal Avinash

机构 * Science&Technology Organization, GE HealthCare（科学与技术组织，通用电气医疗） 纠错

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

AI总结 SynthRAR通过展开网络和合成数据训练，有效减少CT环状伪影，无需真实临床数据即可提升重建图像质量。

Comments Prepare for submission

Segmenting infant brains across magnetic fields: Domain randomization and annotation curation in ultra-low field MRI

在磁场中分割婴儿大脑：在超低场MRI中域随机化和标注整理

Vladyslav Zalevskyi, Dondu-Busra Bulut, Thomas Sanchez, Meritxell Bach Cuadra

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

AI总结 本文提出域随机化框架，通过提升标注质量与数据增强，实现超低场MRI中婴儿大脑分割的准确性和鲁棒性。

Comments 1st place (hippocampus) and 3rd place (basal ganglia) in the Low field pediatric brain magnetic resonance Image Segmentation and quality Assurance Challenge (LISA) 2025

Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI

利用磁共振成像的磁 susceptibility 对比度分析脑内 voxel 内血管尺寸分布

Natenael B. Semmineh, Indranil Guha, Deborah Healey, Anagha Chandrasekharan, Jerrold L. Boxerman, C. Chad Quarles

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

AI总结 本文提出一种基于磁 susceptibility 对比度的 MRI 方法，用于分析脑内 voxel 内血管尺寸分布，以更全面评估血管重塑。

PLOT-CT: Pre-log Voronoi Decomposition Assisted Generation for Low-dose CT Reconstruction

PLOT-CT：预对数 Voronoi 分解辅助低剂量 CT 重建

Bin Huang, Xun Yu, Yikun Zhang, Yi Zhang, Yang Chen, Qiegen Liu

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

AI总结 PLOT-CT 通过预对数 Voronoi 分解提升低剂量 CT 重建精度，实现 2.36dB 的 PSNR 改进。

Unsupervised Segmentation of Micro-CT Scans of Polyurethane Structures By Combining Hidden-Markov-Random Fields and a U-Net

通过结合隐马尔可夫随机场和U-Net实现聚氨酯结构微CT扫描的无监督分割

Julian Grolig, Lars Griem, Michael Selzer, Hans-Ulrich Kauczor, Simon M. F. Triphan, Britta Nestler, Arnd Koeppe

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

AI总结 本文提出结合隐马尔可夫随机场和U-Net的无监督分割方法，用于聚氨酯结构微CT图像的高精度分割，无需真实数据并减少对标记数据的依赖。

Analyzing Model Misspecification in Quantitative MRI: Application to Perfusion ASL

定量磁共振成像中模型不规范性的分析：应用于灌注ASL

Jiachen Wang, Jon Tamir, Adam Bush

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

AI总结 本文提出了一种评估定量磁共振成像中模型规范性的理论框架，通过两种测试验证ASL信号模型在不同组织中的规范性。

Comments Accepted at IEEE ISBI 2026. This version is a preprint