医学 AI

Simple Image Processing and Similarity Measures Can Link Data Samples across Databases through Brain MRI

简单图像处理和相似性度量可通过脑部MRI将数据样本跨数据库链接

Gaurang Sharma, Harri Polonen, Juha Pajula, Jutta Suksi, Jussi Tohka

机构 * VTT Technical Research Centre of Finland Ltd（芬兰技术研究公司） ； A.I. Virtanen Institute for Molecular Sciences, University of Eastern Finland（东部芬兰大学分子科学研究所） 纠错

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

AI总结 本文通过标准图像处理和相似性计算，展示了如何利用脑MRI跨数据库链接数据样本，揭示了潜在的隐私风险及对医疗数据共享政策的影响。

Semi-supervised Liver Segmentation and Patch-based Fibrosis Staging with Registration-aided Multi-parametric MRI

半监督肝脏分割与基于补丁的纤维化分期：基于注册的多参数MRI

Boya Wang, Ruizhe Li, Chao Chen, Xin Chen

机构 * 1 Intelligent Modelling \& Analysis Group (IMA), 2 Lab for Uncertainty in Data ； Decision Making (LUCID), \ of Computer Science, University of Nottingham, UK 3 Nottingham Biomedical Research Centre (BRC), \ of Medicine, University of Nottingham, UK ； Intelligent Modelling \& Analysis Group (IMA), School of Computer Science, University of Nottingham, UK Lab for Uncertainty in Data ； Decision Making (LUCID), School of Computer Science, University of Nottingham, UK Nottingham Biomedical Research Centre (BRC), School of Medicine, University of Nottingham, UK 纠错

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

AI总结 本研究提出基于注册的多参数MRI的半监督肝脏分割与纤维化分期方法，通过多任务深度学习框架解决有限标注和多模态数据问题。

Fully Differentiable Bidirectional Dual-Task Synergistic Learning for Semi-Supervised 3D Medical Image Segmentation

全微分双向双任务协同学习用于半监督3D医学图像分割

Jun Li

机构 * School of Electrical Engineering, Southwest Jiaotong University, Chengdu, 611756, China（电子工程学院，西南交通大学，成都，611756，中国） 纠错

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

AI总结 本文提出全微分双向双任务协同学习框架，通过整合四个关键SSL组件提升3D医学图像分割性能，实现双向任务协同学习，推动半监督学习框架发展。

Comments Accepted by ESWA 2026

Impact of domain adaptation in deep learning for medical image classifications

深度学习在医学图像分类中的领域适应影响

Yihang Wu, Ahmad Chaddad

机构 * Guilin University of Electronic Technology（桂林电子科技大学） ； École de Technologie Supérieure（蒙特利尔理工学院） 纠错

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

AI总结 本研究探讨了领域适应在医学图像分类中的影响，通过10种深度学习模型评估DA在多模态数据、噪声处理和联邦学习中的效果，发现DA能提升模型性能和可解释性。

Comments Accepted in IEEE SMC 2025

Any-to-All MRI Synthesis: A Unified Foundation Model for Nasopharyngeal Carcinoma and Its Downstream Applications

任意到全部MRI合成：鼻咽癌及其下游应用的统一基础模型

Yao Pu, Yiming Shi, Zhenxi Zhang, Peixin Yu, Yitao Zhuang, Xiang Wang, Hongzhao Chen, Jing Cai, Ge Ren

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

AI总结 本文提出统一基础模型实现任意到全部MRI合成，提升鼻咽癌放疗的准确性和临床实用性。

Zero-shot System for Automatic Body Region Detection for Volumetric CT and MR Images

零样本系统用于体积CT和MRI图像的自动身体区域检测

Farnaz Khun Jush, Grit Werner, Mark Klemens, Matthias Lenga

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

AI总结 本文提出零样本系统用于体积CT和MRI图像自动身体区域检测，通过预训练模型实现无监督分割，展示了基于规则和多模态语言模型的性能对比。

Comments 8 pages, 5 figures, 5 tables

Time-Resolved Reconstruction of Motion, Force, and Stiffness using Spectro-Dynamic MRI

基于光谱动态MRI的时间分辨运动、力和刚度重建

Max H. C. van Riel, Tristan van Leeuwen, Cornelis A. T. van den Berg, Alessandro Sbrizzi

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

AI总结 本文提出了一种扩展的光谱动态MRI框架，能够在11毫秒时间分辨率下重建运动、力和刚度，优于传统两步方法。

Comments 11 pages, 7 figures, 5 supplementary figures, 1 supplementary video. The video can be viewed by downloading the source file under "Other Formats"

Journal ref IEEE Transactions on Computational Imaging 9 (2023) 917-927

FSP-Diff: Full-Spectrum Prior-Enhanced DualDomain Latent Diffusion for Ultra-Low-Dose Spectral CT Reconstruction

FSP-Diff: 全谱先验增强双域潜在扩散用于超低剂量能谱CT重建

Peng Peng, Xinrui Zhang, Junlin Wang, Lei Li, Shaoyu Wang, Qiegen Liu

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

AI总结 FSP-Diff通过全谱先验增强双域潜在扩散框架，提升超低剂量能谱CT重建的图像质量和效率。

Back to Physics: Operator-Guided Generative Paths for SMS MRI Reconstruction

回归物理：基于操作符的生成路径用于SMS MRI重建

Zhibo Chen, Yu Guan, Yajuan Huang, Chaoqi Chen, XiangJi, Qiuyun Fan, Dong Liang, Qiegen Liu

机构 * School of Advanced Manufacturing, Nanchang University（先进制造学院，南昌大学） ； College of Computer Science and Software Engineering, Shenzhen University（计算机科学与软件工程学院，深圳大学） 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操作符的生成路径框架，用于改进SMS MRI重建，通过双流交互网络分离切片内容并预测结构化退化，从而提高重建保真度和减少切片泄漏。

Comments 10 pages, 6 figures

Influence of Geometry, Class Imbalance and Alignment on Reconstruction Accuracy -- A Micro-CT Phantom-Based Evaluation

几何形状、类别不平衡与对齐对重建精度的影响——基于微CT仿真的评估

Avinash Kumar K M, Samarth S. Raut

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

AI总结 本研究通过微CT仿真实验，探讨了几何形状、类别不平衡和对齐对3D重建精度的影响，发现Otsu方法在多数几何中表现最佳，而Jaccard指数更适合评估薄壁结构精度。

Comments 22 pages, 13 figures

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。