医学 AI

A Computer Vision Hybrid Approach: CNN and Transformer Models for Accurate Alzheimer's Detection from Brain MRI Scans

一种计算机视觉混合方法：CNN和Transformer模型用于从脑部MRI扫描中准确检测阿尔茨海默病

Md Mahmudul Hoque, Shuvo Karmaker, Md. Hadi Al-Amin, Md Modabberul Islam, Jisun Junayed, Farha Ulfat Mahi

机构 * Dept. of Computer Science \& Engineering, CCN University of Science 纠错

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

AI总结 本文提出了一种结合CNN和Transformer的混合模型Evan_V2，通过特征融合在脑MRI扫描中实现高准确率的阿尔茨海默病检测。

Three-dimensional visualization of X-ray micro-CT with large-scale datasets: Efficiency and accuracy for real-time interaction

基于大规模数据集的X射线微CT三维可视化：实时交互中的效率与精度

Yipeng Yin, Rao Yao, Qingying Li, Dazhong Wang, Hong Zhou, Zhijun Fang, Jianing Chen, Longjie Qian, Mingyue Wu

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

AI总结 本文探讨了基于大规模数据集的X射线微CT三维可视化方法，分析了精度与效率的平衡，旨在提升实时交互中材料缺陷的检测精度和效率。

Comments Page1-37

PAS-Mamba: Phase-Amplitude-Spatial State Space Model for MRI Reconstruction

PAS-Mamba：用于MRI重建的相-幅-空间状态空间模型

Xiaoyan Kui, Zijie Fan, Zexin Ji, Qinsong Li, Hao Xu, Weixin Si, Haodong Xu, Beiji Zou

机构 * School of Computer Science and Engineering, Central South University（计算机科学与工程学院，中南大学） ； Big Data Institute, Central South University（大数据研究院，中南大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Science（深圳先进技术研究所，中国科学院） ； Department of Orthopaedics, The Second Xiangya Hospital of Central South University（中南大学湘雅医院骨科部） 纠错

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

AI总结 PAS-Mamba通过解耦相位和幅度建模，结合图像域特征，提升MRI重建性能。

Trustworthy Longitudinal Brain MRI Completion: A Deformation-Based Approach with KAN-Enhanced Diffusion Model

可信的纵向脑部MRI补全：基于变形的KAN增强扩散模型

Tianli Tao, Ziyang Wang, Delong Yang, Han Zhang, Le Zhang

机构 * School of Biomedical Engineering and Imaging Science, King's College London, London, UK（生物医学工程与成像科学学院，伦敦国王学院） ； School of Biomedical Engineering, ShanghaiTech University, Shanghai, China（生物医学工程学院，上海科技大学） ； School of Computer Science and Digital Technologies, Aston University, Birmingham, UK（计算机科学与数字技术学院，阿斯顿大学） ； Kunming Medical University, Kunming, China（昆明医学院） 纠错

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

AI总结 本文提出DF-DiffCom模型，通过KAN增强扩散模型结合变形场，实现纵向脑部MRI补全，提升图像保真度和应用灵活性。

Extendable Generalization Self-Supervised Diffusion for Low-Dose CT Reconstruction

可扩展泛化自监督扩散用于低剂量CT重建

Guoquan Wei, Liu Shi, Zekun Zhou, Mohan Li, Cunfeng Wei, Wenzhe Shan, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； School of Mathematics and Computer Sciences, Nanchang University（南昌大学数学与计算机科学学院） ； Jinan Laboratory of Applied Nuclear Science（济南应用核科学实验室） ； Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所） 纠错

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

AI总结 本文提出EGenDiff方法，通过自增强相似性策略和像素级自校正融合技术，实现仅用单剂量数据训练的低剂量CT重建，显著提升多剂量泛化能力。

Decoder-Free Supervoxel GNN for Accurate Brain-Tumor Localization in Multi-Modal MRI

无解码器的监督超像素图神经网络用于多模态MRI中脑肿瘤的准确定位

Andrea Protani, Marc Molina Van Den Bosch, Lorenzo Giusti, Heloisa Barbosa Da Silva, Paolo Cacace, Albert Sund Aillet, Miguel Angel Gonzalez Ballester, Friedhelm Hummel, Luigi Serio

机构 * European Organization for Nuclear Research, Geneva, Switzerland（欧洲核子研究中心） ； Dept. of Neuroscience, École Polytechnique Fédérale de Lausanne, Lausanne, Switzerland（瑞士洛桑联邦理工学院神经科学系） ； BCN Medtech, Dept. of Engineering, Universitat Pompeu Fabra, Barcelona, Spain（巴塞罗那大学工程系） ； Universidade de Coimbra, Coimbra, Portugal（科英布拉大学） ； Sapienza Università di Roma, Rome, Italy（罗马萨皮恩扎大学） ； ICREA, Barcelona, Spain（巴塞罗那高等科研机构） 纠错

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

AI总结 本文提出SVGFormer，一种无解码器的监督超像素图神经网络，用于多模态MRI中脑肿瘤的准确定位，通过层次编码器结合Transformer和图注意力网络，实现高精度和可解释的医学图像分析。

Comments 10 pages, 3 figures,

Generalizing Abstention for Noise-Robust Learning in Medical Image Segmentation

在医学图像分割中为噪声鲁棒学习推广回避机制

Wesam Moustafa, Hossam Elsafty, Helen Schneider, Lorenz Sparrenberg, Rafet Sifa

机构 * Institute of Computer Science, University of Bonn（博恩大学计算机科学研究所） ； Fraunhofer Institute for Intelligent Analysis and Information Systems IAIS（弗劳恩霍夫智能分析与信息系统研究所） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔人工智能与机器学习研究所） 纠错

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

AI总结 本文提出了一种通用的回避框架，通过改进损失函数的噪声鲁棒性，提升医学图像分割的可靠性。

Likelihood-Separable Diffusion Inference for Multi-Image MRI Super-Resolution

基于似然分离的扩散推理用于多图像MRI超分辨率

Samuel W. Remedios, Zhangxing Bian, Shuwen Wei, Aaron Carass, Jerry L. Prince, Blake E. Dewey

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文提出了一种基于扩散模型的多图像MRI超分辨率方法，通过分离似然校正实现高效推理，显著提升了各向异性退化下的超分辨率性能。

VAST: Vascular Flow Analysis and Segmentation for Intracranial 4D Flow MRI

VAST：颅内4D血流MRI的血流分析与分割

Abhishek Singh, Vitaliy L. Rayz, Pavlos P. Vlachos

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

AI总结 VAST通过自动化处理和物理约束，提高了颅内4D血流MRI的精度和实用性，实现了更一致的血流场分析。

Organ-Aware Attention Improves CT Triage and Classification

器官感知注意力提升CT分诊与分类

Lavsen Dahal, Yubraj Bhandari, Geoffrey D. Rubin, Joseph Y. Lo

机构 * Duke University（杜克大学） ； University of Arizona（亚利桑那大学） 纠错

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

AI总结 ORACLE-CT通过器官感知注意力和标量融合方法，在胸部和腹部CT分诊中实现最先进的分类性能。

Neural Fields for Highly Accelerated 2D Cine Phase Contrast MRI

神经场用于高加速二维 cine 相位对比 MRI

Pablo Arratia, Martin J. Graves, Mary McLean, Carolin Pirkl, Carola-Bibiane Schönlieb, Timo Schirmer, Florian Wiesinger, Matthias J. Ehrhardt

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

AI总结 本文提出神经场用于高加速二维 cine 相位对比 MRI，通过联合建模幅度和相位实现速度估计，并通过后处理步骤提升重建精度。

Spatiotemporal Maps for Dynamic MRI Reconstruction

时空映射用于动态MRI重建

Rodrigo A. Lobos, Xiaokai Wang, Rex T. L. Fung, Yongli He, David Frey, Dinank Gupta, Zhongming Liu, Jeffrey A. Fessler, Douglas C. Noll

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

AI总结 本文提出时空映射模型，用于改进动态MRI重建，通过结合空间和时间函数提升重建效率与准确性。

Comments 13 pages, 8 figures

Synthetic Volumetric Data Generation Enables Zero-Shot Generalization of Foundation Models in 3D Medical Image Segmentation

合成体积数据生成使基础模型在3D医学图像分割中的零样本泛化能力提升

Satrajit Chakrabarty, Sourya Sengupta, Gopal Avinash, Ravi Soni

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

AI总结 SynthFM-3D通过生成合成体积数据提升基础模型在3D医学图像分割中的零样本泛化能力，实现跨模态的高效分割性能。

Structural Graph Neural Networks with Anatomical Priors for Explainable Chest X-ray Diagnosis

具有解剖先验的结构图神经网络用于可解释的胸部X光诊断

Khaled Berkani

机构 * Berkani Khaled（伯克尼卡德） 纠错

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

AI总结 本文提出一种结合解剖先验的结构图神经网络，用于可解释的胸部X光诊断，通过结构传播机制提升模型的可解释性和诊断准确性。

Comments 15 pages, 3 figures, 3 tables

Highly Undersampled MRI Reconstruction via a Single Posterior Sampling of Diffusion Models

通过扩散模型单步后采样实现高 undersampling 的 MRI 重建

Jin Liu, Qing Lin, Zhuang Xiong, Shanshan Shan, Chunyi Liu, Min Li, Feng Liu, G. Bruce Pike, Hongfu Sun, Yang Gao

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

AI总结 本文提出SSDM-MRI方法，通过单步扩散模型和迭代选择性蒸馏算法实现高效MRI重建，具有快速重建时间和优异的图像质量。

Journal ref 2026

Medical SAM3: A Foundation Model for Universal Prompt-Driven Medical Image Segmentation

医学SAM3：一种通用提示驱动的医学图像分割基础模型

Chongcong Jiang, Tianxingjian Ding, Chuhan Song, Jiachen Tu, Ziyang Yan, Yihua Shao, Zhenyi Wang, Yuzhang Shang, Tianyu Han, Yu Tian

机构 * University of Central Florida, Orlando, USA（佛罗里达大学） ； University College London, London, UK（伦敦大学学院） ； University of Illinois Urbana-Champaign, Champaign, USA（伊利诺伊大学厄巴纳-香槟分校） ； University of Trento, Trento, Italy（特伦托大学） ； The Hong Kong Polytechnic University, China（香港理工大学） ； University of Pennsylvania, Philadelphia, USA（宾夕法尼亚大学） 纠错

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

AI总结 Medical SAM3通过微调SAM3模型，提升医学图像分割的通用提示驱动能力，解决领域偏移和复杂结构推理问题。

Res-MoCoDiff: Residual-guided diffusion models for motion artifact correction in brain MRI

Res-MoCoDiff: 基于残差引导的扩散模型用于脑部MRI运动伪影校正

Mojtaba Safari, Shansong Wang, Qiang Li, Zach Eidex, Richard L. J. Qiu, Chih-Wei Chang, Hui Mao, Xiaofeng Yang

机构 * Department of Radiation Oncology and Winship Cancer Institute, Emory University（放射肿瘤学系和Winship癌症研究所，埃默里大学） ； Department of Radiology and Image Science and Winship Cancer Institute, Emory University（放射学系和影像科学以及Winship癌症研究所，埃默里大学） 纠错

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

AI总结 Res-MoCoDiff通过残差引导的扩散模型有效校正脑部MRI运动伪影，提升图像质量并减少处理时间。

MRI super-resolution reconstruction using efficient diffusion probabilistic model with residual shifting

利用高效扩散概率模型的MRI超分辨率重建

Mojtaba Safari, Shansong Wang, Zach Eidex, Qiang Li, Erik H. Middlebrooks, David S. Yu, Xiaofeng Yang

机构 * Department of Radiation Oncology and Winship Cancer Institute, Emory University（放射肿瘤科和Winship癌症研究所，埃默里大学） ； Department of Radiology, Mayo Clinic（放射科，梅奥诊所） 纠错

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

AI总结 Res-SRDiff通过残差误差位移机制提升MRI超分辨率重建效率与质量

A Physics-Informed Deep Learning Model for MRI Brain Motion Correction

一种融合物理的深度学习模型用于MRI脑部运动校正

Mojtaba Safari, Shansong Wang, Zach Eidex, Richard Qiu, Chih-Wei Chang, David S. Yu, Xiaofeng Yang

机构 * Department of Radiation Oncology and Winship Cancer Institute, Emory University（放射肿瘤学系和Winship癌症研究所，埃默里大学） 纠错

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

AI总结 本文提出PI-MoCoNet，通过融合空间和k空间信息，有效去除MRI脑部运动伪影，提升图像质量与诊断可靠性。

BARL: Bilateral Alignment in Representation and Label Spaces for Semi-Supervised Volumetric Medical Image Segmentation

BARL：表示空间和标签空间的双侧对齐用于半监督体积医学图像分割

Shujian Gao, Yuan Wang, Zekuan Yu

机构 * College of Biomedical and Engineering, Fudan University（复旦大学生物医学与工程学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学浙大-UIUC研究院） 纠错

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

AI总结 BARL通过双侧对齐表示空间和标签空间，提升半监督体积医学图像分割的性能。

Comments 14 pages, 5 figures

Frequency Error-Guided Under-sampling Optimization for Multi-Contrast MRI Reconstruction

频率误差引导的多对比MRI重建下采样优化

Xinming Fang, Chaoyan Huang, Juncheng Li, Jun Wang, Jun Shi, Guixu Zhang

机构 * School of Communication and Information Engineering, Shanghai University, Shanghai, 200444, China（通信与信息工程学院，上海大学，上海，200444，中国） ； School of Computational Mathematics Science and Engineering, Michigan State University, Ann Arbor, USA（计算数学科学与工程学院，密歇根州立大学，安阿伯，美国） ； School of Computer Science and Technology, East China Normal University, Shanghai, 200062, China（计算机科学与技术学院，华东师范大学，上海，200062，中国） 纠错

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

AI总结 本文提出一种频率误差引导的MRI重建方法，通过联合优化下采样模式和重建网络，提升多对比MRI重建的效率和可解释性。

Comments 44 pages, 12 figures, 7 tables

BrainSegNet: A Novel Framework for Whole-Brain MRI Parcellation Enhanced by Large Models

BrainSegNet: 一种通过大模型增强的全脑MRI分区新框架

Yucheng Li, Xiaofan Wang, Junyi Wang, Yijie Li, Xi Zhu, Mubai Du, Dian Sheng, Wei Zhang, Fan Zhang

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 BrainSegNet通过整合U-Net和SAM的特性，实现了高精度的全脑MRI分区，优于现有方法。

Distributed Deep Learning for Medical Image Denoising with Data Obfuscation

用于医疗图像去噪的分布式深度学习与数据混淆

Sulaimon Oyeniyi Adebayo, Ayaz H. Khan

机构 * Computer Engineering Department, King Fahd University of Petroleum and Minerals（国王法赫德石油与矿物大学计算机工程系） ； King Fahd University of Petroleum and Minerals（国王法赫德石油与矿物大学） ； SDAIA-KFUPM Joint Research Center for Artificial Intelligence（SDAIA-KFUPM人工智能联合研究中心） 纠错

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

AI总结 本研究通过分布式深度学习和轻量级混淆技术提升医疗图像去噪性能，优化训练流程显著减少训练时间，U-Net++在去噪效果和速度上均表现优异。

Journal ref 2025 IEEE 25th International Conference on Bioinformatics and Bioengineering (BIBE), Athens, Greece, 2025, pp. 76-80

Robust Multicentre Detection and Classification of Colorectal Liver Metastases on CT: Application of Foundation Models

鲁棒多中心结直肠肝转移的CT检测与分类：基础模型的应用

Shruti Atul Mali, Zohaib Salahuddin, Yumeng Zhang, Andre Aichert, Xian Zhong, Henry C. Woodruff, Maciej Bobowicz, Katrine Riklund, Juozas Kupčinskas, Lorenzo Faggioni, Roberto Francischello, Razvan L Miclea, Philippe Lambin

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

AI总结 本研究提出基于基础模型的AI流程，用于多中心CT中结直肠肝转移的稳健检测与分类，通过整合不确定性量化和可解释性，提升了分类准确率和病变检测效率。

MEDVISTAGYM: A Scalable Training Environment for Thinking with Medical Images via Tool-Integrated Reinforcement Learning

MEDVISTAGYM：一种通过工具集成强化学习进行医学图像思考的可扩展训练环境

Meng Lu, Yuxing Lu, Yuchen Zhuang, Megan Mullins, Yang Xie, Guanghua Xiao, Charles Fleming, Wenqi Shi, Xuan Wang

机构 * Virginia Tech（弗吉尼亚理工大学） ； UT Southwestern Medical Center（德克萨斯大学西南医学中心） ； Georgia Institute of Technology（佐治亚理工学院） ； Cisco（思科公司） 纠错

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

AI总结 MedVistaGym通过工具集成强化学习提升医学图像分析的代理训练效果。

A Convergent Generalized Krylov Subspace Method for Compressed Sensing MRI Reconstruction with Gradient-Driven Denoisers

一种收敛的广义Krylov子空间方法用于压缩感知MRI重建中的梯度驱动去噪器

Tao Hong, Umberto Villa, Jeffrey A. Fessler

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

AI总结 本文提出了一种广义Krylov子空间方法用于压缩感知MRI重建，解决了优化问题的计算挑战并建立了非凸情况下的收敛保证。

Comments 14 pages, 9 figures, 2 tables, to appear in IEEE Transactions on Computational Imaging

Consensus in the Parliament of AI: Harmonized Multi-Region CT-Radiomics and Foundation-Model Signatures for Multicentre NSCLC Risk Stratification

人工智能议会共识：协调多地区CT放射组学与基础模型签名用于多中心非小细胞肺癌风险分层

Shruti Atul Mali, Zohaib Salahuddin, Danial Khan, Yumeng Zhang, Henry C. Woodruff, Eduardo Ibor-Crespo, Ana Jimenez-Pastor, Luis Marti-Bonmati, Gloria Ribas, Silvia Flor-Arnal, Marta Zerunian, Damiano Caruso, Christophe Aube, Florence Longueville, Caroline Caramella, Philippe Lambin

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

AI总结 本研究通过协调多地区CT放射组学与基础模型签名，提升多中心非小细胞肺癌患者生存预测的准确性与可靠性。

From Preoperative CT to Postmastoidectomy Mesh Construction: Mastoidectomy Shape Prediction for Cochlear Implant Surgery

从术前CT到术后鼓室成形术网格构建：用于人工耳蜗手术的鼓室成形术形状预测

Yike Zhang, Eduardo Davalos, Dingjie Su, Ange Lou, Jack Noble

机构 * Trinity University（特里尼蒂大学） ； Vanderbilt University（范德比大学） ； Center for Advanced AI（高级人工智能中心） ； Accenture（埃森哲） 纠错

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

AI总结 本文提出了一种混合自监督和弱监督学习框架，用于从术前CT扫描预测鼓室成形术形状，提升人工耳蜗手术的预规划精度。

Comments arXiv admin note: substantial text overlap with arXiv:2505.18368

CRUNet-MR-Univ: A Foundation Model for Diverse Cardiac MRI Reconstruction

CRUNet-MR-Univ：一种用于多样化心脏MRI重建的通用模型

Donghang Lyu, Marius Staring, Hildo Lamb, Mariya Doneva

机构 * Department of Radiology, Leiden University Medical Center, Leiden, The Netherlands（莱顿大学医学中心放射科） ； Philips Innovative Technologies, Hamburg, Germany（飞利浦创新技术） 纠错

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

AI总结 CRUNet-MR-Univ是一种基于时空相关性和提示先验知识的通用模型，用于提高心脏MRI重建在多样化场景下的泛化能力与性能表现。

Comments STACOM 2025

Plasticine: A Traceable Diffusion Model for Medical Image Translation

Plasticine: 一种用于医学图像翻译的可追溯扩散模型

Tianyang Zhang, Xinxing Cheng, Jun Cheng, Shaoming Zheng, He Zhao, Huazhu Fu, Alejandro F Frangi, Jiang Liu, Jinming Duan

机构 * Department of Computer Science, University of Birmingham（计算机科学系，伯明翰大学） ； Institute for Infocomm Research, A*STAR（信息与通信研究所，A*STAR） ； Imperial College London（伦敦帝国学院） ； Department of Eye and Vision Science, University of Liverpool（眼科与视觉科学系，利物浦大学） ； Institute of High Performance Computing, A*STAR（高性能计算研究所，A*STAR） ； Department of Computer Science, and the Division of Informatics, Imaging and Data Sciences, School of Health Sciences, The University of Manchester（计算机科学系，信息、成像与数据科学分会，健康科学学院，曼彻斯特大学） ； Southern University of Science and Technology（南方科技大学） ； University of Birmingham（伯明翰大学） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 Plasticine是一种以可追溯性为核心目标的端到端医学图像翻译框架，通过结合强度翻译和空间变换，在去噪扩散框架中生成具有可解释性强度过渡和空间一致变形的合成图像。

Comments Accepted by IEEE Transactions on Artificial Intelligence