医学 AI

Mr3D-VL: A generalist vision language foundation model for Multiparametric 3D Magnetic Resonance Imaging

Mr3D-VL：面向多参数3D磁共振成像的通用视觉语言基础模型

Zhi Qiao, Xintong Wu, Yichu He, Feng Shi

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV

AI总结 本文针对现有3D视觉语言模型无法满足多参数3D MRI跨模态协同推理需求的问题，提出Mr3D-VL模型，通过特定设计实现性能提升，在多项任务上优于同规模的领域及通用模型。

Inference-Time Orthogonal Seeding Enables Geometry-Aligned 3D Organ Segmentation for Slice-Propagation Methods

推理时正交种子初始化支持基于切片传播方法的几何对齐3D器官分割

Md Rakibul Haque, Tushar Kataria, Shireen Y. Elhabian

机构 * Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院） ； Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与成像研究所） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；MRI(abstract,abstract_cn)；medical image(abstract)；分类 cs.CV

AI总结 该研究针对单轴切片传播的3D器官分割误差问题，提出推理时使用轴向、冠状、矢状三个正交种子，融合其传播标签，在多器官CT数据集上较单轴基线显著提升了分割性能。

Comments 8 Pages Accepted at MLMI Workshop MICCAI 2026

Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography

面向3D计算机断层扫描的疾病中心视觉语言预训练与混合视觉编码

Bowen Shi, Weiwei Cao, Ruifeng Yuan, Wanxing Chang, Wenrui Dai, Hongkai Xiong, Ling Zhang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab, 310023, Hangzhou, China（虎扑实验室，杭州，中国） ； Shanghai Jiao Tong University, China（上海交通大学，中国） ； Zhejiang University, China（浙江大学，中国） ； Fudan University, China（复旦大学，中国） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；medical AI(abstract)；diagnosis(abstract)；radiology(abstract)

AI总结 提出一种结合CNN-ViT混合编码器、疾病级对比学习和诊断感知提示的视觉语言预训练框架，在CT-RATE和Rad-ChestCT上取得最优性能，并提升零样本诊断可靠性。

Comments ICML 2026

Learning Label-Efficient Interpretable Medical Image Diagnosis via Semi-supervised Hypergraph Concept Bottleneck Model

通过半监督超图概念瓶颈模型实现标签高效的医学图像可解释诊断

Yijun Yang, Ruiqiang Xiao, Lijie Hu, Angelica I Aviles-Rivero, Yunzhu Wu, Jing Qin, Lei Zhu

机构 * HKUST(GZ)（香港科技大学（广州）） ； Joy Future Academy（京东探索研究院） ； MBZUAI（穆罕默德·本·拉希德智能研究院） ； Tsinghua University（清华大学） ； Sichuan University（四川大学） ； PolyU 纠错

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

AI总结 提出一种半监督超图概念瓶颈模型，利用双层超图学习建模高阶概念依赖并生成领域自适应伪标签，在胎盘植入谱系等医学图像诊断中实现高可解释性和性能。

Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification

多视图协同学习与视觉-语言适应用于低资源生物医学图像分类

Xiaoliu Luo, Minxue Xiao, Ting Xie, Mengzhu Wang, Huiqing Qi, Joey Tianyi Zhou, Taiping Zhang, Xu Wang

机构 * Chongqing University of Technology（重庆理工大学） ； Collge of Computer Science, Sichuan University（四川大学计算机学院） ； Hebei University of Technology（河北工业大学） ； Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research, Agency for Science, Technology and Research, Singapore（新加坡科技研究局前沿人工智能研究中心） 纠错

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

AI总结 本文提出多视图协同学习框架，通过视觉-语言适应提升低资源下生物医学图像分类性能，采用多粒度对比学习和结构监督增强跨模态对齐与细粒度区分。

Agentic Large Language Models for Training-Free Neuro-Radiological Image Analysis

基于代理的大型语言模型用于无训练神经放射学图像分析

Ayhan Can Erdur, Daniel Scholz, Jiazhen Pan, Benedikt Wiestler, Daniel Rueckert, Jan C. Peeken

机构 * Department of Radiation Oncology, TUM University Hospital, Munich, Germany（放射肿瘤科，慕尼黑技术大学医院，德国） ； Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM)（人工智能在医疗和健康领域的主任，慕尼黑技术大学） ； Chair for AI for Image-Guided Diagnosis and Therapy, Technical University of Munich (TUM)（人工智能在影像引导诊断和治疗领域的主任，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), Munich, Germany（慕尼黑机器学习中心（MCML），德国慕尼黑） ； Department of Computing, Imperial College London, London, UK（计算系，伦敦帝国学院，英国伦敦） ； Deutsches Konsortium für Translationale Krebsforschung (DKTK), Partner Site Munich, Munich, Germany（德国转化癌症研究联盟（DKTK），慕尼黑分部，德国慕尼黑） 纠错

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(abstract,abstract_cn)；pathology(abstract)；分类 cs.CV

AI总结 本文提出一种无训练代理框架，利用外部工具实现脑MRI分析，涵盖预处理、病灶分割和体积分析，并通过公开BraTS数据集评估代理AI在神经放射学任务中的性能。

Mamba-driven MRI-to-CT Synthesis for MRI-only Radiotherapy Planning

基于Mamba的MRI到CT合成用于仅MRI的放疗计划

Konstantinos Barmpounakis, Theodoros P. Vagenas, Maria Vakalopoulou, George K. Matsopoulos

机构 * School of Electrical ； Computer Engineering, National Technical University of Athens Archimedes, Athena Research Center CentraleSup\'elec, University of Paris-Saclay 纠错

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

AI总结 本文提出基于Mamba架构的MRI到CT合成方法，以提高跨模态翻译的准确性与效率，通过3D Mamba架构捕捉复杂体积特征和长距离依赖，实现快速且精确的CT合成。

A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis

一种用于MRI到CT合成的GAN架构系统基准

Alessandro Pesci, Valerio Guarrasi, Marco Alì, Isabella Castiglioni, Paolo Soda

机构 * University of Milan-Bicocca, Milan, Italy（米兰-比科卡大学，米兰，意大利） 纠错

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

AI总结 本文系统评估了十种GAN架构在MRI到CT合成中的性能，发现监督配对模型表现最佳，多区域训练提升结构鲁棒性，单区域训练则最大化像素精度。

Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning

通过性别对抗注意力多实例学习实现公平的肺部疾病诊断

Aditya Parikh, Aasa Feragen

机构 * Technical University of Denmark (DTU)（丹麦技术大学（DTU）） 纠错

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

AI总结 本文提出一个公平意识框架，用于从胸部CT体积中多类肺部疾病诊断，通过性别对抗注意力多实例学习模型，解决稀疏病理信号和人口统计学不平衡问题，提升诊断公平性。

Semi-Supervised Biomedical Image Segmentation via Diffusion Models and Teacher-Student Co-Training

半监督生物医学图像分割：通过扩散模型和教师-学生协同训练

Luca Ciampi, Gabriele Lagani, Giuseppe Amato, Fabrizio Falchi

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

AI总结 本文提出了一种基于扩散模型的半监督生物医学图像分割框架，通过教师-学生协同训练和多轮伪标签生成策略，在有限标注数据下提升分割性能。

LLaDA-MedV: Exploring Large Language Diffusion Models for Biomedical Image Understanding

LLaDA-MedV：探索大规模语言扩散模型用于生物医学图像理解

Xuanzhao Dong, Wenhui Zhu, Xiwen Chen, Zhipeng Wang, Peijie Qiu, Shao Tang, Xin Li, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； Clemson University（克莱姆森大学） ； LinkedIn Corporation（领英公司） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Morgan Stanley（摩根大通） 纠错

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

AI总结 LLaDA-MedV通过视觉指令微调，首次在生物医学图像理解中应用大规模语言扩散模型，实现了在生物医学视觉对话任务中的性能提升，并在多个VQA基准测试中取得新高准确率。

Virtual Biopsy for Intracranial Tumors Diagnosis on MRI

颅内肿瘤MRI上的虚拟活检

Xinzhe Luo, Shuai Shao, Yan Wang, Jiangtao Wang, Yutong Bai, Jianguo Zhang

机构 * School of Artificial Intelligence and Data Science University of Science and Technology of China（人工智能与数据科学学院 中国科学技术大学） 纠错

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

AI总结 本文提出虚拟活检框架，利用MRI和视觉-语言模型实现颅内肿瘤的非侵入性病理预测，准确率超过90%

Redefining the Down-Sampling Scheme of U-Net for Precision Biomedical Image Segmentation

重新定义U-Net的下采样方案以实现精准生物医学图像分割

Mingjie Li, Yizheng Chen, Md Tauhidul Islam, Lei Xing

机构 * Department of Radiation Oncology Stanford University（放射肿瘤科 斯坦福大学） 纠错

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

AI总结 本文提出阶梯池化方法，通过调节下采样节奏减少信息损失，提升U-Net在生物医学图像分割中的精度与性能。

Comments AAPM 67th

BioTamperNet: Affinity-Guided State-Space Model Detecting Tampered Biomedical Images

BioTamperNet：基于状态空间模型的亲和引导检测篡改生物医学图像

Soumyaroop Nandi, Prem Natarajan

机构 * USC Information Sciences Institute（USC信息科学研究所） ； USC Thomas Lord Department of Computer Science（USC汤姆·劳德计算机科学系） 纠错

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

AI总结 BioTamperNet通过亲和引导的注意力机制，高效检测生物医学图像中的篡改区域，提升检测精度。

GANeXt: A Fully ConvNeXt-Enhanced Generative Adversarial Network for MRI- and CBCT-to-CT Synthesis

GANeXt: 一种完全基于ConvNeXt增强的生成对抗网络用于MRI和CBCT到CT的合成

Siyuan Mei, Yan Xia, Fuxin Fan, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-University Erlangen-Nuremberg, Erlangen, Germany（弗里德里希-亚历山大-埃尔朗根-纽伦堡大学） ； Department of Orthodontics and Orofacial Orthopedics, Friedrich-Alexander-University Erlangen-Nuremberg, Erlangen, Germany（正畸学与口腔正外科系） ； Digital Technology and Innovation, Siemens Healthineers, Shanghai, China（西门子医疗创新） 纠错

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

AI总结 GANeXt通过ConvNeXt增强的生成对抗网络实现MRI和CBCT到CT的跨模态合成，结合多种损失函数提升合成质量。

Unified Multi-Site Multi-Sequence Brain MRI Harmonization Enriched by Biomedical Semantic Style

统一多站点多序列脑部MRI谐调增强生物医学语义风格

Mengqi Wu, Yongheng Sun, Qianqian Wang, Pew-Thian Yap, Mingxia Liu

机构 * Department of Radiology and Biomedical Research Imaging Center (BRIC), University of North Carolina at Chapel Hill（放射科与生物医学研究成像中心（BRIC）、北卡罗来纳大学教堂山分校） ； Lampe Joint Department of Biomedical Engineering, University of North Carolina at Chapel Hill and North Carolina State University（Lampe联合生物医学工程部门、北卡罗来纳大学教堂山分校和北卡罗来纳州立大学） 纠错

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

AI总结 MMH通过生物医学语义先验实现多站点多序列脑部MRI谐调，有效分离风格与解剖结构，提升图像一致性与下游任务性能。

Comments 15 pages, 10 figures. Extended version of a paper published at MICCAI 2025 (DOI: 10.1007/978-3-032-04947-6_65)

PathoSyn: Imaging-Pathology MRI Synthesis via Disentangled Deviation Diffusion

PathoSyn: 通过解耦偏差扩散实现影像-病理MRI合成

Jian Wang, Sixing Rong, Jiarui Xing, Yuling Xu, Weide Liu

机构 * Department of Radiology, Boston Children’s Hospital, Harvard Medical School（放射科，波士顿儿童医院，哈佛医学院） ； College of Science, Northeastern University（科学学院，东北大学） ； School of Medicine, Yale University（医学院，耶鲁大学） ； Department of Cardiac Surgery, The Second Affiliated Hospital of Jiangxi Medical College, Nanchang University（心脏外科科，江西医学院第二附属医院，南昌大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 PathoSyn通过解耦偏差扩散模型生成高保真MRI合成数据，提升低数据环境下诊断算法的鲁棒性。

A Unified Attention U-Net Framework for Cross-Modality Tumor Segmentation in MRI and CT

一种用于MRI和CT肿瘤分割的统一注意力U-Net框架

Nishan Rai, Pushpa R. Dahal

机构 * Department of Computer Science, New Mexico State University（计算机科学系，新墨西哥州立大学） ； Department of Plant and Environmental Sciences, New Mexico State University（植物与环境科学系，新墨西哥州立大学） 纠错

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

AI总结 本文提出一种统一的注意力U-Net框架，通过联合训练MRI和CT数据集，实现了跨模态肿瘤分割的高效分割与高精度评估。

Comments 11 pages, 5 figures

MRI-to-CT Synthesis With Cranial Suture Segmentations Using A Variational Autoencoder Framework

利用变分自编码器框架的MRI到CT合成：结合颅骨缝段落化

Krithika Iyer, Austin Tapp, Athelia Paulli, Gabrielle Dickerson, Syed Muhammad Anwar, Natasha Lepore, Marius George Linguraru

机构 * Sheikh Zayed Institute for Pediatric Surgical Innovation, Children’s National Hospital, Washington, DC, USA（Sheikh Zayed儿童外科创新研究所，Children’s National医院，华盛顿特区，美国） ； CIBORG Lab, Department of Radiology, Children’s Hospital Los Angeles, Los Angeles, CA, USA（CIBORG实验室，放射科，Children’s Hospital Los Angeles，洛杉矶，加利福尼亚州，美国） ； Departments of Radiology and Biomedical Engineering, University of Southern California, Los Angeles, CA, USA（放射科和生物医学工程系，美国南加州大学，洛杉矶，加利福尼亚州，美国） ； School of Medicine and Health Sciences, George Washington University, Washington, DC, USA（医学与健康科学学院，乔治华盛顿大学，华盛顿特区，美国） 纠错

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

AI总结 本研究提出利用变分自编码器框架，将儿童MRI转换为合成CT，实现颅骨缝合分割，填补非侵入性颅骨评估的空白。

Path and Bone-Contour Regularized Unpaired MRI-to-CT Translation

路径和骨轮廓正则化的无配对MRI到CT翻译

Teng Zhou, Jax Luo, Yuping Sun, Yiheng Tan, Shun Yao, Nazim Haouchine, Scott Raymond

机构 * School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China（计算机科学与技术学院，广东技术大学，广州，中国） ； Neurological Institute, Cleveland Clinic, OH, USA（神经医学研究院，克利夫兰医学中心，俄亥俄州，美国） ； Department of Neurosurgery, The First Affiliated Hospital, Sun Yat-sen University, Guangzhou, China（神经外科，中山大学附属第一医院，广州，中国） ； Brigham and Women’s Hospital, Harvard Medical School, MA, USA（布里奇沃特医院，哈佛医学院，马萨诸塞州，美国） ； Department of Radiology, Medical Imaging Center, University Medical Center Groningen, University of Groningen, 9712 CP Groningen, The Netherlands（放射科，医学影像中心，格罗宁根大学医学中心，格罗宁根大学，荷兰） 纠错

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

AI总结 本文提出了一种路径和骨轮廓正则化的无配对MRI到CT翻译方法，通过神经普通微分方程建模连续流，并利用骨轮廓生成网络提升骨结构翻译精度。

Journal ref Comput. Med. Imag. Graph. (2025) 102656

Bridged Semantic Alignment for Zero-shot 3D Medical Image Diagnosis

Haoran Lai, Zihang Jiang, Qingsong Yao, Rongsheng Wang, Zhiyang He, Xiaodong Tao, Weifu Lv, Wei Wei, S. Kevin Zhou

机构 * University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research（苏州先进研究所） ； Stanford University（斯坦福大学） ； iFlytek Co. Ltd.（iFlytek公司） ； The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, USTC（中国科学技术大学第一附属医院） 纠错

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

PETWB-REP: A Multi-Cancer Whole-Body FDG PET/CT and Radiology Report Dataset for Medical Imaging Research

Le Xue, Gang Feng, Wenbo Zhang, Yichi Zhang, Lanlan Li, Shuqi Wang, Liling Peng, Sisi Peng, Xin Gao

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

When are radiology reports useful for training medical image classifiers?

Herman Bergström, Zhongqi Yue, Fredrik D. Johansson

机构 * Department of Computer Science & Engineering, Chalmers University of Technology and University of Gothenburg（计算机科学与工程系，楚姆勒斯技术大学和哥德堡大学） 纠错

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

Harnessing The Power of Attention For Patch-Based Biomedical Image Classification

Gousia Habib, Shaima Qureshi, Malik ishfaq

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

Journal ref 2025

Pathology-Aware Adaptive Watermarking for Text-Driven Medical Image Synthesis

Chanyoung Kim, Dayun Ju, Jinyeong Kim, Woojung Han, Roberto Alcover-Couso, Seong Jae Hwang

机构 * Department of Artificial Intelligence, Yonsei University（人工智能系，延世大学） ； Amazon（亚马逊） 纠错

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

A Chain of Diagnosis Framework for Accurate and Explainable Radiology Report Generation

Haibo Jin, Haoxuan Che, Sunan He, Hao Chen

机构 * Department of Computer Science and Engineering, Hong Kong University of Science and Technology（计算机科学与工程系，香港科学理工大学） 纠错

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

Comments Accepted to IEEE TMI

Enhancing Reliability of Medical Image Diagnosis through Top-rank Learning with Rejection Module

Xiaotong Ji, Ryoma Bise, Seiichi Uchida

机构 * Kyushu University（九州大学） 纠错

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

BioVFM-21M: Benchmarking and Scaling Self-Supervised Vision Foundation Models for Biomedical Image Analysis

Jiarun Liu, Hong-Yu Zhou, Weijian Huang, Hao Yang, Dongning Song, Tao Tan, Yong Liang, Shanshan Wang

机构 * Paul C. Lauterbur Research Center for Biomedical Imaging（生物医学成像保罗·劳特伯研究中心） ； Shenzhen Institutes of Advanced Technology（深圳先进技术研究院） ； Chinese Academy of Sciences（中国科学院） ； Pengcheng Laboratory（鹏城实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Faculty of Applied Sciences（应用科学学院） 纠错

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

Comments 11 pages, 4 figures

Flyweight FLIM Networks for Salient Object Detection in Biomedical Images

Leonardo M. Joao, Jancarlo F. Gomes, Silvio J. F. Guimaraes, Ewa Kijak, Alexandre X. Falcao

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

Self-Attention Diffusion Models for Zero-Shot Biomedical Image Segmentation: Unlocking New Frontiers in Medical Imaging

Abderrachid Hamrani, Anuradha Godavarty

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

Comments 15 pages, 5 figures