医学 AI

Keep the Core: Adversarial Priors for Significance-Preserving Brain MRI Segmentation

保持核心：用于保持显著性的对抗性先验脑部MRI分割

Feifei Zhang, Zhenhong Jia, Sensen Song, Fei Shi, Aoxue Chen, Dayong Ren

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

AI总结 本文提出

Automated Motion Artifact Check for MRI (AutoMAC-MRI): An Interpretable Framework for Motion Artifact Detection and Severity Assessment

自动MRI运动伪影检查（AutoMAC-MRI）：一种可解释的运动伪影检测和严重程度评估框架

Antony Jerald, Dattesh Shanbhag, Sudhanya Chatterjee

机构 * GE HealthCare（通用电气医疗） 纠错

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

AI总结 AutoMAC-MRI通过监督对比学习实现运动伪影的可解释性分级，提升MRI质量控制效率

Model Agnostic Preference Optimization for Medical Image Segmentation

无模型偏好优化用于医学图像分割

Yunseong Nam, Jiwon Jang, Dongkyu Won, Sang Hyun Park, Soopil Kim

机构 * DGIST, School of Undergrad Studies（DGIST研究生院） ； DGIST, Department of Robotics and Mechatronics Engineering（DGIST机器人与机电工程系） ； DGIST, Division of Intelligent Robot（DGIST智能机器人系） 纠错

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

AI总结 MAPO通过Dropout驱动的随机分割假设实现无模型偏好优化，提升医学图像分割的边界遵循性和稳定性。

TPG-INR: Target Prior-Guided Implicit 3D CT Reconstruction for Enhanced Sparse-view Imaging

TPG-INR：目标先验引导的隐式3D CT重建用于增强稀疏视图成像

Qinglei Cao, Ziyao Tang, Xiaoqin Tang

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

AI总结 TPG-INR通过目标先验引导隐式学习，提升稀疏视图CT重建的效率和质量。

Comments We are withdrawing to restructure and refine the research plan to enhance its systematic rigor, completeness, and overall depth

DarkSPARC: Dark-Blood Spectral Self-Calibrated Reconstruction of 3D Left Atrial LGE MRI for Post-Ablation Scar Imaging

DarkSPARC: 3D 左心房 LGE MRI 的暗血谱自校准重建用于术后瘢痕成像

Mohammed S. M. Elbaz

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

AI总结 DarkSPARC 通过自校准谱重建技术，将亮血 3D 左心房 LGE MRI 转换为暗血图像，提升瘢痕池 CNR/SNR/eCNR 并提高瘢痕量化准确性。

PanDx: AI-assisted Early Detection of Pancreatic Ductal Adenocarcinoma on Contrast-enhanced CT

PanDx：基于增强CT的胰腺导管腺癌早期检测的AI辅助方法

Han Liu, Riqiang Gao, Eileen Krieg, Sasa Grbic

机构 * Digital Technology and Innovation, Siemens Healthineers（数字技术与创新，西门子医疗） 纠错

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

AI总结 PanDx通过整合分布感知集成和峰值缩放技术，实现对胰腺导管腺癌的早期检测，取得官方测试集第一名的优异成绩。

Comments 1st place in the PANORAMA Challenge (Team DTI)

A deep learning model to reduce agent dose for contrast-enhanced MRI of the cerebellopontine angle cistern

一种深度学习模型用于降低对比增强MRI的脑干桥小脑角蛛网膜下隙剂剂量

Yunjie Chen, Rianne A. Weber, Olaf M. Neve, Stephan R. Romeijn, Erik F. Hensen, Jelmer M. Wolterink, Qian Tao, Marius Staring, Berit M. Verbist

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

AI总结 本研究提出一种深度学习模型，通过降低对比剂剂量提升脑干桥小脑角蛛网膜下隙MRI图像质量，实现低剂量下的病变检测与诊断。

Semantic Data Augmentation Enhanced Invariant Risk Minimization for Medical Image Domain Generalization

语义数据增强增强不变风险最小化用于医学图像领域泛化

Yaoyao Zhu, Xiuding Cai, Yingkai Wang, Yu Yao, Xu Luo, Zhongliang Fu

机构 * Chengdu Institute of Computer Application, Chinese Academy of Sciences（中国科学院成都计算机应用研究所） ； 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 本文提出一种基于语义数据增强的不变风险最小化方法，通过领域导向的增强方向选择器提升医学图像领域泛化性能。

Diffusion Model Regularized Implicit Neural Representation for CT Metal Artifact Reduction

扩散模型正则化的隐式神经表示用于CT金属伪影抑制

Jie Wen, Chenhe Du, Xiao Wang, Yuyao Zhang

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

AI总结 本文提出一种结合扩散模型和隐式神经表示的框架，用于改进CT图像中金属伪影的抑制效果。

RefLSM: Linearized Structural-Prior Reflectance Model for Medical Image Segmentation and Bias-Field Correction

RefLSM：用于医学图像分割和偏场校正的线性化结构先验反射模型

Wenqi Zhao, Jiacheng Sang, Fenghua Cheng, Yonglu Shu, Dong Li, Xiaofeng Yang

机构 * College of Mathematics and Statistics, Chongqing University（重庆大学数学与统计学院） ； Deparment of Computer Science, Duke University（杜克大学计算机科学系） ； The University of Queensland Brisbane（昆士兰大学布里斯班分校） ； Department of Radiation Oncology and Winship Cancer Institute, Emory University（埃默里大学放射肿瘤科和Winship癌症研究所） 纠错

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

AI总结 RefLSM通过整合反射率分解和线性结构先验，提升医学图像分割的精度和鲁棒性。

Integrating Multi-scale and Multi-filtration Topological Features for Medical Image Classification

融合多尺度和多过滤拓扑特征的医学图像分类

Pengfei Gu, Huimin Li, Haoteng Tang, Dongkuan, Xu, Erik Enriquez, DongChul Kim, Bin Fu, Danny Z. Chen

机构 * The University of Texas Rio Grande Valley（德克萨斯大学里奥格兰德谷分校） ； North Carolina State University（北卡罗来纳州立大学） ； University of Notre Dame（圣母大学） 纠错

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

AI总结 本文提出融合多尺度和多过滤拓扑特征的医学图像分类框架，通过拓扑引导方法提升模型对复杂解剖结构的识别能力。

Decoding with Structured Awareness: Integrating Directional, Frequency-Spatial, and Structural Attention for Medical Image Segmentation

基于结构意识的解码：整合方向、频率-空间和结构注意力用于医学图像分割

Fan Zhang, Zhiwei Gu, Hua Wang

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

AI总结 本文提出基于结构意识的解码框架，整合方向、频率-空间和结构注意力，提升医学图像分割的精度和泛化能力。

Comments Accepted to AAAI 2026

Structure-Aware Adaptive Kernel MPPCA Denoising for Diffusion MRI

结构感知自适应核MPPCA去噪用于扩散磁共振成像

Ananya Singhal, Dattesh Dayanand Shanbhag, Sudhanya Chatterjee

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

AI总结 本文提出结构感知自适应核MPPCA方法，通过自适应补丁大小提升扩散磁共振成像的去噪效果。

Boundary-Aware Test-Time Adaptation for Zero-Shot Medical Image Segmentation

面向边界的测试时适应用于零样本医学图像分割

Chenlin Xu, Lei Zhang, Lituan Wang, Xinyu Pu, Pengfei Ma, Guangwu Qian, Zizhou Wang, Yan Wang

机构 * School of Computer Science, Sichuan University（四川大学计算机学院） ； Pittsburgh Institute, Sichuan University（四川大学匹兹堡学院） ； Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR)（科技研究局高性能计算研究所） 纠错

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

AI总结 BA-TTA-SAM通过测试时适应提升SAM在医学图像零样本分割中的性能，采用高斯提示注入和边界感知注意力对齐机制，实现12.4%的Dice分数提升。

Robust Physics-based Deep MRI Reconstruction Via Diffusion Purification

通过扩散净化实现鲁棒的基于物理的深度MRI重建

Ismail Alkhouri, Shijun Liang, Rongrong Wang, Qing Qu, Saiprasad Ravishankar

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

AI总结 本文提出通过扩散模型净化提升MRI重建的鲁棒性，避免对抗训练的minimax优化，仅需微调即可提高模型稳定性。

MasHeNe: A Benchmark for Head and Neck CT Mass Segmentation using Window-Enhanced Mamba with Frequency-Domain Integration

MasHeNe：基于窗口增强Mamba与频域整合的头颈CT质量分割基准

Thao Thi Phuong Dao, Tan-Cong Nguyen, Nguyen Chi Thanh, Truong Hoang Viet, Trong-Le Do, Mai-Khiem Tran, Minh-Khoi Pham, Trung-Nghia Le, Minh-Triet Tran, Thanh Dinh Le

机构 * University of Science, VNU-HCM, Ho Chi Minh City, Vietnam（越南胡志明市VNU-HCM大学科学学院） ； Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学） ； Thong Nhat Hospital, Ho Chi Minh City, Vietnam（胡志明市通那特医院） ； University of Social Sciences and Humanities, VNU-HCM, Ho Chi Minh City, Vietnam（越南胡志明市VNU-HCM大学社会科学与人文学院） ； Dublin City University, Dublin, Ireland（都柏林城市大学） ； University of Health Sciences, VNU-HCM, Ho Chi Minh City, Vietnam（越南胡志明市VNU-HCM大学健康科学学院） ； John von Neumann Institute, VNU-HCM, Ho Chi Minh City, Vietnam（约翰·冯·诺依曼研究所） 纠错

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

AI总结 MasHeNe提出了一种基于窗口增强Mamba与频域整合的模型，用于头颈CT肿块分割，实现了高精度分割性能。

Comments The 14th International Symposium on Information and Communication Technology Conference SoICT 2025

Self-Supervised Noise Adaptive MRI Denoising via Repetition to Repetition (Rep2Rep) Learning

通过重复到重复学习实现自监督噪声自适应MRI去噪

Nikola Janjušević, Jingjia Chen, Luke Ginocchio, Mary Bruno, Yuhui Huang, Yao Wang, Hersh Chandarana, Li Feng

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

AI总结 Rep2Rep学习通过重复到重复的方法实现自监督噪声自适应MRI去噪，优于MC-SURE并在不同噪声水平下表现稳健。

Comments 13 pages, 9 figures, 1 table, supplementary information at end of document

Diffusion-Based Synthesis of 3D T1w MPRAGE Images from Multi-Echo GRE with Multi-Parametric MRI Integration

基于扩散模型的多echo GRE数据生成3D T1w MPRAGE图像：多参数MRI整合

Sizhe Fang, Deqiang Qiu

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

AI总结 本文提出基于扩散模型的深度学习框架，利用多参数MRI先验生成生物合理的3D T1w MPRAGE图像，提升神经影像学分析效率。

TAP-CT: 3D Task-Agnostic Pretraining of Computed Tomography Foundation Models

TAP-CT: 3D 任务无关的计算机断层扫描基础模型预训练

Tim Veenboer, George Yiasemis, Eric Marcus, Vivien Van Veldhuizen, Cees G. M. Snoek, Jonas Teuwen, Kevin B. W. Groot Lipman

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

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

AI总结 TAP-CT提出了一种基于ViT和DINOv2的3D CT基础模型预训练方法，通过任务无关的自监督学习实现高效的医学影像处理。

Comments 22 pages, 4 figures, 8 tables

HQCNN: A Hybrid Quantum-Classical Neural Network for Medical Image Classification

HQCNN：一种用于医学图像分类的混合量子-经典神经网络

Shahjalal, Jahid Karim Fahim, Pintu Chandra Paul, Md Robin Hossain, Md. Tofael Ahmed, Dulal Chakraborty

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

AI总结 HQCNN通过融合量子与经典机制，实现了在医学图像分类中的高准确率和鲁棒性，适用于数据稀缺场景。

Comments A methodological error was identified in the Quantum Attention-Fourier Layer (Section 4.3), and an additional alignment error affecting parts of the results and figures was also detected. These issues lead to incorrect experimental reporting, and substantial corrections are required. Therefore, the current version is being withdrawn to prevent dissemination of inaccurate results

Speech Audio Generation from dynamic MRI via a Knowledge Enhanced Conditional Variational Autoencoder

通过动态MRI生成语音音频的增强知识条件变分自编码器

Yaxuan Li, Han Jiang, Yifei Ma, Shihua Qin, Jonghye Woo, Fangxu Xing

机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； School of Software Engineering, Xi'an Jiaotong University（西安交通大学软件工程学院） ； Wake Forest University School of Medicine（威克森林大学医学学院） ； Department of Radiology, Harvard Medical School（哈佛医学院放射科） 纠错

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

AI总结 本文提出KE-CVAE方法，通过动态MRI生成语音音频，解决MRI数据损坏和噪声问题，提升语音合成质量。

Simultaneous Image Quality Improvement and Artefacts Correction in Accelerated MRI

加速MRI中同时提高图像质量与伪影校正

Georgia Kanli, Daniele Perlo, Selma Boudissa, Radovan Jirik, Olivier Keunen

机构 * Translational Radiomics, Luxembourg Institute of Health, Luxembourg（转化放射组学，卢森堡健康研究所，卢森堡） ； In-Vivo Imaging Platform, Luxembourg Institute of Health, Luxembourg（活体成像平台，卢森堡健康研究所，卢森堡） ； Faculty of Electrical Engineering and Communication, Brno University of Technology, Czech Republic（电气工程与通信学院，布拉格技术大学，捷克共和国） ； Institute of Scientific Instruments of the Czech Academy of Sciences, Czech Republic（捷克科学院科学仪器研究所，捷克共和国） 纠错

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

AI总结 USArt模型通过双子模型方法，同时提高加速MRI图像质量并校正噪声和运动伪影，实现5倍加速和伪影校正。

MIMM-X: Disentangling Spurious Correlations for Medical Image Analysis

MIMM-X：解构医学图像分析中的虚假相关性

Louisa Fay, Hajer Reguigui, Bin Yang, Sergios Gatidis, Thomas Küstner

机构 * Medical Image and Data Analysis, University Hospital of Tübingen, Germany（医学图像与数据分析，图宾根大学医院，德国） ； Institute for Signal Processing and System Theory, University of Stuttgart, Germany（信号处理与系统理论研究所，斯图加特大学，德国） ； Stanford University, Department of Radiology, Stanford, USA（斯坦福大学放射科，斯坦福，美国） 纠错

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

AI总结 MIMM-X通过最小化多重虚假相关性的互信息，解构医学图像分析中的因果特征，提升模型在新环境下的泛化能力。

Journal ref FAIMI 2025. Lecture Notes in Computer Science, vol 15976. Springer, Cham

PPBoost: Progressive Prompt Boosting for Text-Driven Medical Image Segmentation

PPBoost: 逐步提示增强用于文本驱动的医学图像分割

Xuchen Li, Hengrui Gu, Mohan Zhang, Qin Liu, Zhen Tan, Xinyuan Zhu, Huixue Zhou, Tianlong Chen, Kaixiong Zhou

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

AI总结 PPBoost通过逐步增强弱文本提示为强空间指导，提升医学图像分割的精度与鲁棒性。

Are Large Vision Language Models Truly Grounded in Medical Images? Evidence from Italian Clinical Visual Question Answering

大视觉语言模型真的在医学图像上具有基础性吗？来自意大利临床视觉问答的证据

Federico Felizzi, Olivia Riccomi, Michele Ferramola, Francesco Andrea Causio, Manuel Del Medico, Vittorio De Vita, Lorenzo De Mori, Alessandra Piscitelli, Pietro Eric Risuleo, Bianca Destro Castaniti, Antonio Cristiano, Alessia Longo, Luigi De Angelis, Mariapia Vassalli, Marcello Di Pumpo

机构 * SIIAM ； NSBProject ； Dept. of Life Sciences & Public Health, UCSC（生命科学与公共卫生系，UCSC） ； ASL RM 4 ； UCSC ； Univ. Paris Cité（巴黎Cité大学） ； Univ. of Pisa（比萨大学） 纠错

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

AI总结 研究通过测试四种先进模型在意大利医学问题上的表现，揭示了大视觉语言模型在视觉基础上的差异，强调了临床部署前的严格评估需求。

Comments Accepted at the Workshop on Multimodal Representation Learning for Healthcare (MMRL4H), EurIPS 2025

Ambiguity-aware Truncated Flow Matching for Ambiguous Medical Image Segmentation

具有模糊性的截断流匹配用于模糊的医学图像分割

Fanding Li, Xiangyu Li, Xianghe Su, Xingyu Qiu, Suyu Dong, Wei Wang, Kuanquan Wang, Gongning Luo, Shuo Li

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

AI总结 本文提出了一种具有模糊性的截断流匹配方法，通过数据分层推理和高斯截断表示提升医学图像分割的准确性和多样性。

Comments 13 pages, 10 figures, extended version of AAAI-26 paper

Automated segmentation of pediatric neuroblastoma on multi-modal MRI: Results of the SPPIN challenge at MICCAI 2023

多模态MRI上儿科神经母细胞瘤自动分割：2023年MICCAI SPPIN挑战赛结果

M. A. D. Buser, D. C. Simons, M. Fitski, M. H. W. A. Wijnen, A. S. Littooij, A. H. ter Brugge, I. N. Vos, M. H. A. Janse, M. de Boer, R. ter Maat, J. Sato, S. Kido, S. Kondo, S. Kasai, M. Wodzinski, H. Muller, J. Ye, J. He, Y. Kirchhoff, M. R. Rokkus, G. Haokai, S. Zitong, M. Fernández Patón, D. Veiga-Canuto, D. G. Ellis, M. R. Aizenberg, B. H. M. van der Velden, H. Kuijf, A. De Luca, A. F. W. van der Steeg

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

AI总结 SPPIN挑战赛通过多模态MRI自动分割神经母细胞瘤，展示了预训练网络在小数据集中的有效性，但小肿瘤分割仍需改进。

Comments 23 pages, 6 figures

Journal ref Bioengineering, 12(11), 1157 (2025)

AMLP: Adjustable Masking Lesion Patches for Self-Supervised Medical Image Segmentation

AMLP：可调掩码病变块用于自监督医学图像分割

Xiangtao Wang, Ruizhi Wang, Thomas Lukasiewicz, Zhenghua Xu

机构 * State Key Laboratory of Reliability and Intelligence of Electrical Equipment, School of Health Sciences and Biomedical Engineering, Hebei University of Technology, Tianjin, China（河北工业大学可靠性与智能电气设备国家重点实验室，健康科学与生物医学工程学院，中国天津） ； Department of Computer Science, University of Oxford, Oxford, United Kingdom（英国牛津大学计算机科学系） ； institute of Logic and Computation, Vienna University of Technology, Vienna, Austria（奥地利技术大学逻辑与计算研究所） 纠错

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

AI总结 AMLP通过可调掩码策略和改进的损失函数，提升医学图像分割的自监督建模性能。

Comments © 2025 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Robust 3D Brain MRI Inpainting with Random Masking Augmentation

鲁棒的3D脑部MRI修补与随机掩码增强

Juexin Zhang, Ying Weng, Ke Chen

机构 * University of Nottingham Ningbo（诺丁汉大学宁波分校） 纠错

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

AI总结 本文提出了一种基于U-Net和随机掩码增强的3D脑部MRI修补方法，在BraTS-Inpainting 2025挑战赛中取得第一名。

Comments Accepted by the International Brain Tumor Segmentation (BraTS) challenge organized at MICCAI 2025 conference

Prompt Guiding Multi-Scale Adaptive Sparse Representation-driven Network for Low-Dose CT MAR

提示引导多尺度自适应稀疏表示驱动网络用于低剂量CT金属伪影抑制

Baoshun Shi, Bing Chen, Shaolei Zhang, Huazhu Fu, Zhanli Hu

机构 * School of Information Science and Engineering, Yanshan University（信息科学与工程学院，燕山大学） ； School of Electronics and Information Technology, Sun Yat-sen University（电子与信息学院，中山大学） ； School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research（高性能计算研究所，科技研究局） ； Institute of Lauterbur Research Center for Biomedical Imaging, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（生物医学成像研究所以及深圳先进技术研究所，中国科学院） 纠错

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

AI总结 本文提出PMSRNet网络，通过多尺度自适应稀疏表示和提示引导策略，实现低剂量CT中金属伪影抑制与重建的高效融合。