医学 AI

Adaptive Post-Processing Drives Instance-Level Detection in Stroke Lesion Segmentation

自适应后处理驱动卒中病灶分割中的实例级检测

Qinghui Liu, Jon André Ottesen, Atle Bjørnerud, Kyrre Eeg Emblem

机构 * Oslo University Hospital（奥斯陆大学医院） 纠错

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

AI总结 该研究针对卒中病灶分割的实例级检测问题，提出VCAP后处理方案，结合Viola2Plus架构，在ISLES'26数据集上显著提升了病灶F1得分，效果优于多数架构改进。

Comments 8 papges, 4 figs, 2 tables, MICCAI ISLES'26

Group ICA 2.0: Closing the Gap Between Subjects and Group Latent Decomposition with Copula-Linked Group ICA (CoLiG-ICA)

Group ICA 2.0：通过 Copula 链接组 ICA（CoLiG-ICA）缩小被试与组潜在分解之间的差距

Oktay Agcaoglu

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 该研究提出 Group ICA 2.0 框架下的 CoLiG-ICA 算法，用于分解 fMRI 数据，相比传统方法可更好捕捉个体变异性，在精神分裂症分析中能识别更多额外脑网络。

EA-LiteUNet: An Edge-Adaptive and Resource-Efficient U-Net for Boundary-Sensitive Dermoscopic Image Segmentation

EA-LiteUNet：用于边界敏感皮肤镜图像分割的边缘自适应且资源高效的U-Net

Wang Jiangtao, Nur Intan Raihana Ruhaiyem, Fu Panpan, Yang Yu, Huang Yan

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

AI总结 本文针对皮肤镜图像分割的边界描绘难题，提出边缘自适应且资源高效的EA-LiteUNet，通过三类核心机制实现高精度边界分割，在公开数据集上以超轻量配置取得优异性能。

Comments 29 Pages,13 figures, 8 tables

Beyond Natural-Image Foundation Models: Benchmarking Satellite Pretraining for Ophthalmic Image Analysis

超越自然图像基础模型：针对眼科图像分析的卫星图像预训练基准测试

Lovre Antonio Budimir, Mingya Alexa Gong, Alyssa Foong Quinney, Ivana Matovinović, Yukun Zhou, Pearse A. Keane, Sven Lončarić, Marinko V. Šarunić

机构 * Faculty of Electrical Engineering and Computing, University of Zagreb（萨格勒布大学电气工程与计算机学院） ； University College London（伦敦大学学院） ； Institute of Ophthalmology, University College London（伦敦大学学院眼科研究所） ； Department of Computer Science, University College London（伦敦大学学院计算机科学系） ； NIHR Moorfields Biomedical Research Centre（NIHR穆尔菲尔德生物医学研究中心） ； Hawkes Institute, University College London（伦敦大学学院霍克斯研究所） ； Moorfields Eye Hospital NHS Foundation Trust（穆尔菲尔德眼科医院NHS基金会信托） 纠错

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

AI总结 本文针对眼科图像分析，对比卫星图像与自然图像预训练的视觉基础模型，发现卫星图像预训练在眼科任务上表现优于自然图像，部分任务可媲美医学专家模型。

Comments Accepted at the ECCV 2026 Workshop on Medical Foundation Models and Benchmarks (MEDFMB)

CMCNet: Aligning Ultrasound Image Embeddings with Textual TI-RADS Representations for Fine-Grained Thyroid Classification

CMCNet：将超声图像嵌入与文本TI-RADS表示对齐以用于细粒度甲状腺分类

Bingxin Yu, Xueli Wang, Jerry Zhou, Wenyan Wang, Li Wen, Lan Huang, Xin Feng, Fengfeng Zhou, Kewei Li

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

AI总结 本研究构建含600个甲状腺结节的STN数据集，提出CMCNet模型，通过中心间隔对比损失对齐图像与文本嵌入，实现细粒度甲状腺分类，性能优于多类基线方法。

From Monolithic to Modular: Segment-level Automatic Prompt Optimization

从整体到模块：片段级自动提示优化

Nikita Kulin, Viktor Zhuravlev, Artur Khairullin, Sergey Muravyov, Ilya Makarov, Daniil Sukhorukov, Ekaterina Averkova

机构 * ITMO University（伊蒂莫大学） ； HSE（高等经济大学） 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对自动提示优化易顾此失彼的问题，提出片段级APO方法SAPO，将提示拆分后针对性优化，在多数据集和模型上取得优于基线的平均得分。

Comments Accepted at the IJCAI-ECAI 2026 Workshop on Robustifying Generative AI for Reliable, Safe, and Human-Centric Systems (RobustifAI)

MedPixel: A Unified Pixel-Language Model for Medical Reasoning and Segmentation

MedPixel：用于医学推理与分割的统一像素-语言模型

Haoyu Yang, Meixing Shi, Zengjie Chen, Haoran Sun, Haitao Leng, Xiaoming Shi, Yuxiang Cai, Yankai Jiang

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

AI总结 该研究提出统一医学像素-语言模型MedPixel，引入44万样本的MedPLG-440K数据集，通过联合多任务微调与像素级偏好优化训练，支持多类医学任务，性能优异且具备零样本迁移与鲁棒性。

Multimodal Skin Lesion Classification with Swin Transformer and Clinical Metadata Fusion

基于Swin Transformer与临床元数据融合的多模态皮肤病变分类

Nethmi Pathirana, Isuru Munasinghe, Dileeka Alwis

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

AI总结 该研究针对皮肤病变分类的自动化挑战，提出结合Swin Transformer图像特征与临床元数据的多模态框架，在公开数据集上实现92.55%测试准确率，兼具强少数类性能与预测可信度。

A foundation-model approach to pediatric headache classification from rs-fMRI

基于rs-fMRI的儿童头痛分类的基础模型方法

Guilherme S. Imai Aldeia, Clara Moon, Julie Shulman, Navil Sethna, Allison Smith, Alyssa Lebel, William G. La Cava, Scott Holmes

机构 * Boston Children’s Hospital（波士顿儿童医院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 本研究采用基础模型NeuroSTORM对rs-fMRI数据编码微调，在189次扫描的儿童数据中，其头痛分类性能优于FC矩阵模型，可区分慢性偏头痛，为儿童头痛预测提供了概念验证。

Comments 22 pages, 6 figures. In Proceedings of Machine Learning Research, Volume 340, 2026 (Machine Learning for Healthcare Conference)

Does FLAIR super-resolution erase or hallucinate small white-matter lesions?

FLAIR超分辨率是清除还是幻觉了小白质病变？

Zahra Khodakarami, Yue Li, Pulkit Khandelwal, John Detre, Sandhitsu Das, Christopher Brown, David Wolk, Paul Yushkevich

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 医学影像 ：pathology(abstract)；分类 cs.CV

AI总结 该研究针对FLAIR超分辨率是否影响白质病变的问题，采用ADNI数据对比多种上采样方法，发现超分辨率主要清除小病灶，ECLARE的小病灶信号恢复效果最优。

Comments 10 pages, 2 figures, 3 tables. Accepted at the 11th International Workshop on Simulation and Synthesis in Medical Imaging (SASHIMI 2026), held in conjunction with MICCAI 2026. This is the version submitted for review; the final authenticated version will appear in the Springer LNCS proceedings

STAIL: Semantic Text-Anchored Incremental Learning for Medical Imaging via Large Language Models

STAIL：基于大语言模型的医学影像语义文本锚定增量学习

Songpan Gao, Yajie Zhang, Guanxing Chen, Jiayu Qian, Zhenzhen Liu, Shijun Li, Xiaowei Zhu, Yao Hu, Kay Chen Tan, Yu-An Huang, Shiqi Wang, Zhi-An Huang

机构 * City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 针对医学影像分析深度学习模型的灾难性遗忘问题，提出STAIL框架，通过SCB和LSAM方法，在三个异构医学数据集上提升基线性能，即插即用且效果显著。

A Unified 2D Framework for DeepLesion Detection, Segmentation and Short Report Generation

用于DeepLesion检测、分割及简短报告生成的统一二维框架

Ruida Cheng, Tejas S. Mathai, Benjamin Hou, Qingqing Zhu, Zhiyong Lu, Matthew McAuliffe, Ronald M. Summers

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

AI总结 本研究开发了一个整合LLM推理、病变检测、分割及报告生成的统一二维框架，在DeepLesion数据集上取得了各项指标提升，解决了其分割难题并开源了相关资源。

Comments 18 pages, 8 figures

DualDiT: A Conditional Dual-Output Diffusion Transformer for Joint OCT Image and Segmentation Mask Generation

DualDiT：用于联合生成OCT图像与分割掩码的条件双输出扩散Transformer

Fernando García-Torres, Rocío del Amor, Sandra Morales, Álvaro Barroso, Peter Heiduschka, Björn Kemper, Valery Naranjo

机构 * Instituto Universitario de Investigación en Tecnología Centrada en el Ser Humano (HUMAN-tech), Universitat Politècnica de València（瓦伦西亚理工大学以人类为中心技术大学研究所） ； Artikode Intelligence S.L（Artikode智能公司） ； Biomedical Technology Center of the Medical Faculty, University of Muenster（明斯特大学医学院生物医学技术中心） ； Department of Ophthalmology, University of Muenster Medical Centre（明斯特大学医学中心眼科） 纠错

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

AI总结 该研究提出DualDiT模型，联合生成小鼠OCT图像与分割掩码，在生成质量、下游分割性能上优于DDPM、LDM，可用于医学图像数据增强

OsteoCAD: A Human-in-the-Loop Cloud-Edge Framework for Bone Tumor Segmentation

OsteoCAD：一种用于骨肿瘤分割的人在回路云边协同框架

Maximo Rodriguez-Herrero, Dante D. Sanchez-Gallegos, Heriberto Aguirre-Meneses, Marco Antonio Núñez-Gaona, J. L. Gonzalez-Compean, Jesus Carretero

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

AI总结 针对医疗机构采用AI/DL医学影像分析的资源与专业壁垒，提出OsteoCAD云边协同框架，经墨西哥骨肿瘤分割案例验证，可低门槛实现端到端DL医疗应用。

MedXplore: Towards Reliable and Unbiased Generalized Category Discovery in Medical Imaging

MedXplore：面向医学成像中可靠且无偏的广义类别发现

Jianwei He, Kailin Lyu, Junhao Dong, Long Xiao, Wenjie Hou, Jingze Lu, Di Wu, Lin Shu, Jie Hao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 针对医学成像中广义类别发现存在的旧类偏差问题，提出MedXplore框架，通过FAAC与ACAM模块优化表征学习，在多基准上实现准确率提升且旧类误报率显著降低。

Comments accepted by ACM MM 26

Beyond Static Costs: Learning-Dynamics Aware Loss Functions for Long-Tailed Classification

超越静态成本：用于长尾分类的学习动态感知损失函数

Varad Shinde, Nikhil Kumar Shrey, Magesh Rajasekaran, Md Saiful Islam Sajol, Harshil Bhargava, Subhajit Sidanta, Supratik Mukhopadhyay, Yimin Zhu

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

AI总结 针对长尾分类中现有方法依赖静态频率忽略学习动态的问题，提出学习动态感知损失函数LDAL，利用特征表示强度、类学习难度及预测变化调整权重，实验证明该方法显著超越现有方法，平衡了准确性和泛化性。

Efficient Ultrasound Image Segmentation with Token-Conditioned Neural Cellular Automata

基于令牌条件神经细胞自动机的高效超声图像分割

Fangyijie Wang, Tanya Akumu, Zi Ye, Guénolé Silvestre, Karim Lekadir, Kathleen M. Curran

专题命中 医学影像 ：diagnosis(abstract)；分类 eess.IV

AI总结 研究针对床旁超声图像分割计算成本高的问题，提出轻量级框架LANCANet，结合令牌条件神经细胞自动机适配器进行迭代特征细化，实验表明该方法在多数据集上性能优异，能提高分割精度与边界定位，保持计算效率。

Comments 13 pages

KANEx: Translating Kolmogorov-Arnold Networks' Interpretability to Medical Explainability

KANEx：将柯尔莫哥洛夫-阿诺德网络的可解释性转化为医学可解释性

Krithi Shailya, Ananya Lakshmi Ravi, Venkatanathan K. V., Sowmya S. Sundaram, Gokul S. Krishnan, Aditi Anand, Balaraman Ravindran

机构 * Indian Institute of Technology Madras（印度理工学院马德拉斯分校） ； Vanderbilt University School of Medicine（范德堡大学医学院） 纠错

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

AI总结 研究针对医学应用中视觉模型黑箱问题，提出KANEx框架，利用柯尔莫哥洛夫-阿诺德网络的符号透明度为VLM推理奠基，设计KAN-Map热图生成方法，经实验验证该方法能提升语义相似度、视觉定位及推理质量，为可信医学人工智能发展助力。

Comments MICCAI 2026

A Smooth Phase-Separation Model for Weak-Boundary Segmentation of Homogeneous Structures

用于均匀结构弱边界分割的平滑相分离模型

Zihan Li, Jiebao Sun, Fanghui Song, Zhichang Guo

机构 * School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院） 纠错

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

AI总结 针对相邻结构弱边界分割难题，提出基于Cahn-Hilliard方程的平滑相分离变分模型，结合区域拟合与相场正则化，引入梯度流并开发SAV方案，实验表明该方法能有效分割弱边界相邻均匀结构，提升分割精度与边界定位。

Difference-Driven Gating: Adaptive Feature Fusion for U-Net Decoder

差异驱动门控：U-Net 解码器的自适应特征融合

Kai Li, Xuechao Zou, Jiashen Fu, Zijun Yan, Xintong Wang, Xiaolin Hu

机构 * Department of Computer Science and Technology, Institute for Artificial Intelligence, BNRist, IDG/McGovern Institute for Brain Research, Tsinghua University（清华大学计算机科学与技术系、人工智能研究院、北京信息科学与技术国家研究中心、IDG/麦戈文脑科学研究院） ； Chinese Institute for Brain Research (CIBR)（中国脑科学研究院） ； School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机与信息技术学院） 纠错

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

AI总结 研究 U-Net 风格模型中多尺度特征融合问题，提出基于特征差异和熵差异的门控方法，通过从两特征流差异导出注意力权重生成耦合门控映射，实验表明该方法优于现有方法，为特征融合提供新范式。

Comments 15 pages, 13 figures

RED-Sphere: Hyperspherical Residual Edge Debiasing for Cross-Population Fundus Disease Domain Generalization

RED-Sphere：用于跨人群眼底疾病领域泛化的超球面残差边缘去偏

Yan Lin, Ziheng Wang, Shuang Chen, Amir Atapour-Abarghouei, Stephen McGough

机构 * Newcastle University（纽卡斯尔大学） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Durham University（杜伦大学） 纠错

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

AI总结 研究跨人群眼底疾病领域泛化问题，提出RED-Sphere框架，通过估计干扰响应、残差软门控、正则化损失及用球面原型预测标签来提升鲁棒性，在相关分类任务中取得更好效果，验证了该框架的有效性。

Comments 21 pages, 6 figures, 3 tables. Preprint

Pitfalls of Administrative Censoring in Survival Models with Time-Indexed Inputs

具有时间索引输入的生存模型中行政审查的陷阱

Yanqi Xu, Hui Dai, Carlos Fernandez-Granda, Krzysztof J. Geras, Yiqiu Shen

机构 * Center for Data Science, New York University（纽约大学数据科学中心） ； University of Chicago（芝加哥大学） ； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院） ； Ataraxis AI（Ataraxis人工智能公司） 纠错

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

AI总结 研究生存模型中行政审查的陷阱，通过刻画行政截断泄漏发生的情况，将其与其他情况区分，提出检测方法，经模拟和真实队列验证，为生存预测提出数据集应提供足够潜在随访的设计原则。

Decoupling Language Guidance from Backbones for Text-Guided Medical Segmentation

用于文本引导医学分割的骨干网络与语言引导解耦

Yungeng Liu, Xuanzi Fang, Haijin Zeng, Qi Dai, Yongyong Chen

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； NingBo No.2 Hospital（宁波第二医院） 纠错

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

AI总结 研究针对文本引导医学分割中模型组件紧密耦合问题，提出可转移骨干层次适配器框架BTHA，通过稳定特征级接口、分层监督策略和自适应门控语义引导适配器，有效提升分割效果且计算开销适度。

Automatic Echocardiography Segmentation via Transition Probability Correlation for Stable Semantic Extraction

基于过渡概率相关性的自动超声心动图分割用于稳定语义提取

Xinran Chen, Xiyuan Wang, Guangquan Zhou, Chuan Chen

机构 * School of Biological Science and Medical Engineering, Southeast University（东南大学生物科学与医学工程学院） 纠错

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

AI总结 针对超声心动图分割中因噪声等导致的问题，设计STLSF模块并结合频率感知去噪预训练方法，构建卷积网络，有效缓解纹理不稳定和语义模糊问题，在相关数据集上取得优异分割性能。

An Edge-aware Prompt-enhanced SAM for Ultrasound Image Segmentation

用于超声图像分割的边缘感知提示增强型 SAM

Wenhao Li, Fangyi Liu, Bo Du

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（航空信息安全与可信计算重点实验室，教育部，武汉大学计算机科学与工程学院） ； National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, School of Computer Science and Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（多媒體軟體國家工程研究中心，人工智能研究院，武漢大學計算機科學學院，湖北省多媒體與網絡通信工程重點實驗室） 纠错

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

AI总结 针对超声图像分割中 SAM 边界描绘不佳问题，提出 EP-SAM，通过图像编码器多块特征提取和边缘感知监督，生成高质量提示引导模型，在多个基准测试中表现优于现有基于 SAM 的方法。

Comments Accepted to ICME2026

TRACE-Seg3D: Counterfactual Context Auditing For Robust 3D Glioma Segmentation Under Institutional Shift

TRACE-Seg3D：机构转移下用于稳健3D胶质瘤分割的反事实上下文审计

Nguyen Linh Dan Le, Nguyen Pham Hoang Le, Tran Dang Khoi

机构 * The University of Melbourne（墨尔本大学） ； University of Information Technology, Vietnam National University（越南国立大学信息技术大学） ； Industrial University of Ho Chi Minh City（胡志明市工业大学） 纠错

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

AI总结 研究针对医学图像分割模型对机构差异敏感问题，提出TRACE-Seg3D反事实上下文审计框架，通过保留病变证据、改变成像上下文评估预测稳定性，在胶质瘤分割基准实验中表现出色，揭示传统指标遗漏的问题，推动可靠3D医学图像分割。

Comments 16 pages, 5 figures

Seeing What Matters: Lesion-Aware High-Resolution Patch Discovery and Fusion for Chest X-ray Report Generation

看清关键所在：用于胸部X光报告生成的病灶感知高分辨率补丁发现与融合

Yingshu Li, Yunyi Liu, Zhenghao Chen, Tong Chen, Zailong Chen, Lingqiao Liu, Lei Wang, Luping Zhou

机构 * The University of Sydney（悉尼大学） ； The University of Newcastle（纽卡斯尔大学） ； University of Wollongong（卧龙岗大学） ； The University of Adelaide（阿德莱德大学） 纠错

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

AI总结 研究针对胸部X光报告生成中高分辨率感知难题，提出LePaX框架。该框架将高分辨率感知设为固定令牌预算下的空间分辨率分配问题，通过可学习空间分辨率分配和全局-区域融合两个组件，在不增令牌数时实现高分辨率CXR感知，提升了临床和语言指标。

OBBSeg: Irregular Lesion Segmentation under Oriented Bounding Box Annotations

OBBSeg：基于有向边界框标注的不规则病变分割

Jun Wei, Xinchang Liu, Yu Liu, Chuhua Yang, Shuhui Wang, Hui Huang

机构 * CSSE, Shenzhen University（深圳大学计算机科学与软件学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 针对医学图像分割像素级标注瓶颈，提出OBBSeg中间监督范式，由有向边界框引导，联合编码空间范围与方向，引入掩码到OBB损失减轻矩形偏差，通过PAFE和DBFE增强前景表示抑制背景干扰，实验表明其性能优异。

Comments 18 pages, 7 figures. ECCV 2026

RUFNet: Query-Guided Support Mask Refinement and Uncertainty Fusion based on Hybrid Mamba for Few-Shot Brain Tumor Segmentation

RUFNet：基于混合曼巴的查询引导支持掩码细化与不确定性融合用于少样本脑肿瘤分割

Dongyi He, Xiangkai Wang, Binbing Xu, Bin Jiang, Hongjie Yan, Weixiang Liu, Wai Ting Siok, Nizhuan Wang

机构 * Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； School of Artificial Intelligence, Chongqing University of Technology（重庆理工大学人工智能学院） ； Affiliated Lianyungang Hospital of Xuzhou Medical University（徐州医科大学附属连云港医院） ； College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院） 纠错

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

AI总结 研究针对少样本脑肿瘤分割挑战，提出基于混合曼巴的RUFNet框架，结合支持掩码细化与不确定性感知后融合，采用线性复杂度骨干等方法，在BraTS 2020数据集上表现出色。

UniSpine-GS: An Efficient Physics-Aware Gaussian Framework for Cross-Modality Multi-view Spine Image Synthesis

UniSpine-GS：一种用于跨模态多视图脊柱图像合成的高效物理感知高斯框架

Qiuhua Chen, Changning Yu, Na Huang, Chao Sun, Bo Du

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； The Department of Ultrasound of Renmin Hospital East Branch of Wuhan University（武汉大学人民医院东院区超声科） ； Institute of Artificial Intelligence, Wuhan University（武汉大学人工智能研究院） ； National Engineering Research Center for Multimedia Software, Wuhan University（武汉大学多媒体软件国家工程研究中心） ； Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（武汉大学多媒体网络通信工程湖北省重点实验室） 纠错

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

AI总结 为解决脊柱疾病诊断中3D成像成本高、模态差异挑战等问题，提出UniSpine-GS框架，通过3D感知表示用于多视图脊柱成像新视图投影渲染，引入策略提升边界保真度和局部细节，性能优于现有方法。