医学 AI

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

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。

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)