医学 AI

Full-Wave Modeling of Transcranial Ultrasound using Volume-Surface Integral Equations and CT-Derived Heterogeneous Skull Data

利用体积-表面积分方程和CT衍生的异质颅骨数据对颅穿超声进行全波建模

Alberto Almuna-Morales, Danilo Aballay, Pierre Gélat, Reza Haqshenas, Elwin van 't Wout

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

AI总结 本文提出基于体积-表面积分方程的高效方法，用于建模颅穿超声通过异质颅骨的全波传播，验证了颅骨异质性对超声束形变的影响。

Self-Supervised Masked Autoencoders with Dense-Unet for Coronary Calcium Removal in limited CT Data

具有密集-UNet的自监督掩码自动编码器用于有限CT数据中的冠状动脉钙化去除

Mo Chen

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

AI总结 本文提出Dense-MAE，一种基于自监督学习的框架，用于在有限CT数据中有效去除冠状动脉钙化伪影，提升血管狭窄诊断准确性。

Comments 6 pages, in Chinese language, 2 figures

SAM-aware Test-time Adaptation for Universal Medical Image Segmentation

基于SAM的测试时适应的通用医学图像分割

Jianghao Wu, Yicheng Wu, Yutong Xie, Wenjia Bai, You Zhang, Feilong Tang, Yulong Li, Imran Razzak, Daniel F Schmidt, Yasmeen George

机构 * Department of Data Science & AI, Faculty of Information Technology, Monash University（数据科学与人工智能系，信息科技学院，莫纳什大学） ； Department of Computing and Department of Brain Sciences, Imperial College London（计算系和脑科学系，伦敦帝国学院） ； Mohamed bin Zayed University of Artificial Intelligence（莫卧儿·本·扎耶德人工智能大学） ； Department of Radiation Oncology, UT Southwestern Medical Center（放射肿瘤科，德克萨斯西南医学中心） 纠错

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

AI总结 SAM-TTA通过自适应贝塞尔曲线变换和IoU引导的多尺度适应，提升医学图像分割的通用性和精度。

Comments 10 pages, 5 figures

FALCON: Few-Shot Adversarial Learning for Cross-Domain Medical Image Segmentation

FALCON：跨域少样本对抗学习用于医学图像分割

Abdur R. Fayjie, Pankhi Kashyap, Jutika Borah, Patrick Vandewalle

机构 * KU Leuven（卢森堡大学） ； IIT-Bombay（印度理工学院-孟买） ； Tezpur University（泰浦大学） 纠错

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

AI总结 FALCON通过跨域少样本对抗学习实现高精度医学图像分割，以更少的数据和计算开销获得更优的边界精度和分割性能。

Comments 20 pages, 6 figures, 7 tables

Simulations of MRI Guided and Powered Ferric Applicators for Tetherless Delivery of Therapeutic Interventions

用于无绳递送治疗干预的MRI引导和供电铁磁装置的模拟

Wenhui Chu, Khang Tran, Nikolaos V. Tsekos

机构 * MRI Lab, University of Houston（MRI实验室，休斯顿大学） 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MRI供电装置的计算平台，用于术前规划和建模，通过虚拟走廊和磁场梯度波形实现无绳血管内治疗干预的精准操控。

Comments 9 pages, 8 figures, published in ICBBB 2022

Journal ref 2022 12th International Conference on Bioscience, Biochemistry and Bioinformatics (ICBBB '22), January 7-10, 2022, Tokyo, Japan

Four-Stage Alzheimer's Disease Classification from MRI Using Topological Feature Extraction, Feature Selection, and Ensemble Learning

基于MRI的四阶段阿尔茨海默病分类：利用拓扑特征提取、特征选择和集成学习

Faisal Ahmed

机构 * Department of Data Science and Mathematics（数据科学与数学系） 纠错

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

AI总结 TDA-Alz通过拓扑特征提取、特征选择和集成学习，实现高效且可解释的MRI阿尔茨海默病四阶段分类。

Comments 15 pages, 7 figures

Physics-Guided Dual-Domain Plug-and-Play ADMM for Low-Dose CT Reconstruction

物理引导的双域插件式ADMM用于低剂量CT重建

Sayantan Dutta, Sudhanya Chatterjee, Ashwini Galande, K. S. Shriram, Bipul Das

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

AI总结 本研究提出了一种物理引导的双域插件式ADMM方法，用于低剂量CT重建，通过两阶段自监督训练和高剂量微调，实现高质量图像重建并保持诊断保真度。

Comments 19 pages, 5 figures

Towards Generalisable Foundation Models for Brain MRI

面向脑部MRI的通用基础模型

Moona Mazher, Geoff J. M. Parker, Daniel C. Alexander

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

AI总结 BrainFound是一种针对脑部MRI设计的通用基础模型，通过扩展DINO-v2实现3D脑解剖建模，支持多模态输入并提升诊断准确性，适用于多种临床场景和研究应用。

OFL-SAM2: Prompt SAM2 with Online Few-shot Learner for Efficient Medical Image Segmentation

OFL-SAM2：基于在线少样本学习的提示SAM2用于高效的医学图像分割

Meng Lan, Lefei Zhang, Xiaomeng Li

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

AI总结 OFL-SAM2通过在线少样本学习和自适应融合模块，实现高效的医学图像分割，无需人工提示，提升模型泛化能力。

An Adaptive, Disentangled Representation for Multidimensional MRI Reconstruction

一种自适应的、解耦的表示方法用于多维MRI重建

Ruiyang Zhao, Fan Lam

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出了一种自适应解耦的多维MRI重建方法，通过学习特征表示和潜在扩散模型，实现无需任务特定训练的高效重建。

Multi-step retrieval and reasoning improves radiology question answering with large language models

多步检索与推理提升大型语言模型在放射学问答中的表现

Sebastian Wind, Jeta Sopa, Daniel Truhn, Mahshad Lotfinia, Tri-Thien Nguyen, Keno Bressem, Lisa Adams, Mirabela Rusu, Harald Köstler, Gerhard Wellein, Andreas Maier, Soroosh Tayebi Arasteh

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

AI总结 RaR通过多步检索与推理提升放射学问答中大型语言模型的诊断准确性和事实一致性。

Comments Published in npj Digital Medicine

Journal ref npj Digit. Med. 8, 790 (2025)

Spatial-aware Symmetric Alignment for Text-guided Medical Image Segmentation

具有空间意识的对称对齐用于文本引导的医学图像分割

Linglin Liao, Qichuan Geng, Yu Liu

机构 * School of Information Engineering, Capital Normal University Beijing, China（信息工程学院，首都师范大学北京，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SSA框架，通过空间感知对称对齐机制和复合方向引导策略，提升文本引导的医学图像分割性能，尤其在准确分割具有空间约束的病变方面表现优异。

SwinTF3D: A Lightweight Multimodal Fusion Approach for Text-Guided 3D Medical Image Segmentation

SwinTF3D: 一种轻量级多模态融合方法用于文本引导的3D医学图像分割

Hasan Faraz Khan, Noor Fatima, Muzammil Behzad

机构 * King Fahd University of Petroleum（国王法赫德石油大学） ； 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 SwinTF3D通过统一视觉和语言表示，实现文本引导的3D医学图像分割，具备高效且适应性强的性能。

Timepoint-Specific Benchmarking of Deep Learning Models for Glioblastoma Follow-Up MRI

针对胶母瘤随访MRI的深度学习模型时间点特异性评估

Wenhao Guo, Golrokh Mirzaei

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

AI总结 本研究首次评估了不同时间点深度学习模型在胶母瘤随访MRI中的表现，发现第二随访时鉴别能力提升，Mamba+CNN混合模型在准确率与效率间表现最佳。

Comments 15 pages, 4 figures

Journal ref Cancers, 2026, 18(1), 36

Class Incremental Medical Image Segmentation via Prototype-Guided Calibration and Dual-Aligned Distillation

通过原型引导校准和双对齐蒸馏实现的类增量医学图像分割

Shengqian Zhu, Chengrong Yu, Qiang Wang, Ying Song, Guangjun Li, Jiafei Wu, Xiaogang Xu, Zhang Yi, Junjie Hu

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

AI总结 本文提出PGCD和DAPD方法，通过原型引导校准和双对齐蒸馏提升类增量医学图像分割的性能与鲁棒性。

Imitating Radiological Scrolling: A Global-Local Attention Model for 3D Chest CT Volumes Multi-Label Anomaly Classification

模仿放射学滚动：一种用于3D胸部CT体数据多标签异常分类的全局-局部注意力模型

Theo Di Piazza, Carole Lazarus, Olivier Nempont, Loic Boussel

机构 * UCBL1, INSA Lyon, CNRS, INSERM, CREATIS UMR 5220, U1294（UCBL1，里昂INSA，CNRS，INSERM，CREATIS UMR 5220，U1294） ； Department of Radiology, Croix-Rousse Hospital, Hospices Civils de Lyon（里昂克鲁瓦索医院放射科，里昂民事医院） ； Philips Clinical Informatics, Innovation Paris（飞利浦临床信息学，巴黎创新） 纠错

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

AI总结 CT-Scroll是一种用于3D胸部CT多标签异常分类的全局-局部注意力模型，通过模拟放射科医生的滚动行为提升分类性能。

Comments 13 pages, 4 figures. Accepted for publication at MIDL 2025

Contrastive Graph Modeling for Cross-Domain Few-Shot Medical Image Segmentation

对比图模型用于跨域少样本医学图像分割

Yuntian Bo, Tao Zhou, Zechao Li, Haofeng Zhang, Ling Shao

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出对比图模型，通过结构一致性先验和子图匹配解码机制，在跨域少样本医学图像分割中实现高精度与强源域准确性。

Comments Accepted to IEEE Transactions on Medical Imaging (T-MI), 2026

AnyAD: Unified Any-Modality Anomaly Detection in Incomplete Multi-Sequence MRI

AnyAD：统一的多序列MRI任意模态异常检测

Changwei Wu, Yifei Chen, Yuxin Du, Mingxuan Liu, Jinying Zong, Beining Wu, Jie Dong, Feiwei Qin, Yunkang Cao, Qiyuan Tian

机构 * School of Computer Science and Technology, Hangzhou Dianzi University（计算机科学与技术学院，杭州电子科技大学） ； School of Biomedical Engineering, Tsinghua University（生物医学工程学院，清华大学） ； HDU-ITMO Joint Institute, Hangzhou Dianzi University（杭州电子科技大学-ITMO联合研究所） ； School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） 纠错

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

AI总结 AnyAD提出了一种统一的多模态MRI异常检测框架，通过双路径编码器和特征对齐机制实现任意模态下的稳健检测，实验表明其在多种模态组合中优于现有基线方法。

Comments 15 pages, 8 figures

Equivariant Multiscale Learned Invertible Reconstruction for Cone Beam CT: From Simulated to Real Data

等价多尺度学习可逆重建用于锥束CT：从模拟到真实数据

Nikita Moriakov, Efstratios Gavves, Jonathan H. Mason, Carmen Seller-Oria, Jonas Teuwen, Jan-Jakob Sonke

机构 * Netherlands Cancer Institute（荷兰癌症研究所） ； University of Amsterdam（阿姆斯特丹大学） ； Elekta Limited（Elekta有限公司） 纠错

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

AI总结 本文提出LIRE++，一种旋转等价多尺度学习可逆重建方法，用于提升锥束CT的重建效率与图像质量。

Comments 29 pages. arXiv admin note: substantial text overlap with arXiv:2401.11256

TGC-Net: A Structure-Aware and Semantically-Aligned Framework for Text-Guided Medical Image Segmentation

TGC-Net：一种结构感知且语义对齐的文本引导医学图像分割框架

Gaoren Lin, Huangxuan Zhao, Yuan Xiong, Lefei Zhang, Bo Du, Wentao Zhu

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Department of Orthopedics, Tongji Hospital, Tongji Medical College, Huazhong University of Science（同济大学同济医学学院骨科部，华中科技大学） 纠错

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

AI总结 TGC-Net通过引入语义-结构协同编码器、域增强文本编码器和视觉-语言校准模块，提升文本引导的医学图像分割性能。

AGENet: Adaptive Edge-aware Geodesic Distance Learning for Few-Shot Medical Image Segmentation

AGENet: 适应性边缘感知测地距离学习用于少样本医学图像分割

Ziyuan Gao

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 AGENet通过边缘感知测地距离学习，提升少样本医学图像分割的边界精度与计算效率。

Comments Accepted for publication in WACV 2026 (Round 2)

Non-Intrusive Parametrized-Background Data-Weak Reconstruction of Cardiac Displacement Fields from Sparse MRI-like Observations

非侵入式参数化背景数据弱重建：从稀疏MRI样观测中重构心脏位移场

Francesco C. Mantegazza, Federica Caforio, Christoph Augustin, Matthias A. F. Gsell, Gundolf Haase, Elias Karabelas

机构 * BioTechMed-Graz（BioTechMed-格拉茨） 纠错

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

AI总结 本文提出非侵入式参数化背景数据弱方法，实现从稀疏MRI样观测中高效重建心脏位移场，提升临床心脏建模效率。

Comments 42 pages, 12 figures, 6 tables

Systematic Review and Meta-analysis of AI-driven MRI Motion Artifact Detection and Correction

AI驱动的MRI运动伪影检测与校正的系统综述和元分析

Mojtaba Safari, Zach Eidex, Richard L. J. Qiu, Matthew Goette, Tonghe Wang, Xiaofeng Yang

机构 * Department of Radiation Oncology and Winship Cancer Institute（放射肿瘤科和Winship癌症研究所） ； Department of Medical Physics（医学物理科） 纠错

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

AI总结 本文通过系统综述和元分析，探讨了AI驱动的深度学习方法在MRI运动伪影检测与校正中的应用，指出生成模型的潜力及标准化数据集和报告协议的重要性。

Dynamic Stream Network for Combinatorial Explosion Problem in Deformable Medical Image Registration

动态流网络用于变形医学图像配准中组合爆炸问题

Shaochen Bi, Yuting He, Weiming Wang, Hao Chen

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Case Western Reserve University（凯斯西储大学） ； Hong Kong Metropolitan University（香港理工大学） 纠错

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

AI总结 本文提出动态流网络DySNet，通过自适应流盆地和动态流注意力机制解决变形医学图像配准中的组合爆炸问题，实现更高效的特征建模与匹配。

Adaptive Frequency Domain Alignment Network for Medical image segmentation

自适应频域对齐网络用于医学图像分割

Zhanwei Li, Liang Li, Jiawan Zhang

机构 * College of Intelligence and Computing（智能与计算学院） ； Tianjin University（天津大学） 纠错

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

AI总结 AFDAN通过自适应频域对齐技术提升医学图像分割的准确性和鲁棒性，有效解决数据稀缺问题。

UPMRI: Unsupervised Parallel MRI Reconstruction via Projected Conditional Flow Matching

UPMRI：基于投影条件流匹配的无监督并行MRI重建

Xinzhe Luo, Yingzhen Li, Chen Qin

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

AI总结 UPMRI通过投影条件流匹配实现无监督并行MRI重建，在高加速率下优于现有方法，无需全采样数据。

Radiology Report Generation with Layer-Wise Anatomical Attention

基于层间解剖注意力的放射报告生成

Emmanuel D. Muñiz-De-León, Jorge A. Rosales-de-Golferichs, Ana S. Muñoz-Rodríguez, Alejandro I. Trejo-Castro, Eduardo de Avila-Armenta, Antonio Martínez-Torteya

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

AI总结 本文提出了一种基于层间解剖注意力的紧凑图像到文本模型，用于生成胸部X光报告的发现部分，通过整合解剖区域信息提升了报告的准确性和连贯性。

Comments 11 pages, 6 figures

Few-Shot Fingerprinting Subject Re-Identification in 3D-MRI and 2D-X-Ray

少样本指纹识别在3D-MRI和2D-X射线中的主体重识别

Gonçalo Gaspar Alves, Shekoufeh Gorgi Zadeh, Andreas Husch, Ben Bausch

机构 * University of Luxembourg（卢森堡大学） ； Former Association with University of Luxembourg（曾与卢森堡大学的关联） 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ResNet-50和三元组边距损失的少样本指纹识别方法，用于在3D-MRI和2D-X射线数据中实现主体重识别，实验结果显示在不同样本和类别设置下均取得高召回率。

Masked Registration and Autoencoding of CT Images for Predictive Tibia Reconstruction

遮蔽注册与CT图像自编码用于预测胫骨重建

Hongyou Zhou, Cederic Aßmann, Alaa Bejaoui, Heiko Tzschätzsch, Mark Heyland, Julian Zierke, Niklas Tuttle, Sebastian Hölzl, Timo Auer, David A. Back, Marc Toussaint

机构 * Technical University Berlin（技术大学柏林） ； Charité – Universitätsmedizin Berlin（柏林查理医院） ； Freie Universität Berlin（自由大学柏林） ； Humboldt-Universität zu Berlin（洪堡大学柏林） ； Institute of Medical Informatics（医学信息学研究所） ； Center for Musculoskeletal Surgery（骨科手术中心） ； Julius Wolff Institute（朱利叶斯·沃尔夫研究所） 纠错

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

AI总结 本文提出了一种结合神经注册和自编码器的方法，用于从骨折胫骨CT图像预测患者特异性健康骨结构。

Comments DGM4MICCAI

ResDynUNet++: A nested U-Net with residual dynamic convolution blocks for dual-spectral CT

ResDynUNet++: 一种带有残差动态卷积块的嵌套U-Net用于双能CT

Ze Yuan, Wenbin Li, Shusen Zhao

机构 * School of Science, Harbin Institute of Technology, Shenzhen, Shenzhen, 518055, China（哈尔滨工业大学深圳校区科学学院） ； National Center for Applied Mathematics Shenzhen, Southern University of Science（南方科技大学深圳应用数学中心） ； Detection Institute for Advanced Technology Longhua-Shenzhen, Shenzhen 518000, China（深圳龙华-深圳先进技术检测院） 纠错

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

AI总结 ResDynUNet++通过结合OPMT与深度学习模型，提升双能CT重建的精度和效率。