医学 AI

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

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