医学 AI

Knowledge-Guided 3D CT Generation: A Conditioning-Centric Taxonomy

知识引导的3D CT生成：以条件为中心的分类法

Francesca Pia Panaccione, Eugenio Lomurno, Matteo Matteucci

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、cs.LG、eess.IV

AI总结 本综述提出以条件为中心的分类法，沿外部知识类型、知识集成范式、生成架构三个维度组织条件3D CT生成研究，系统化现有方法并指出未来研究方向。

Comments Accepted to IJCAI-ECAI 2026, Survey Track

Piecewise Dynamic Diffusion Regularization for Reconstruction of Cardiac Cine MRI

用于心脏电影MRI重建的分段动态扩散正则化方法

Florian Fürnrohr, Reinhard Heckel

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG、eess.IV

AI总结 针对实时心脏电影MRI严重欠采样与运动导致的重建难题，提出PDDR方法，分段融合时空扩散先验，实现高效高质量重建，性能优于现有方法。

Population-Scale Segmentation of Penile Tissue in DIXON MRI using Deep Learning for Quantitative Phenotyping in Male Reproductive Health

基于深度学习的DIXON MRI阴茎组织群体尺度分割用于男性生殖健康定量表型分析

Jan Ernsting, Gunnar Paul Kordes, Nils Johannaber, Lynn Ogoniak, Wolfgang Roll, Tim Hahn, Alexander Siegfried Busch, Benjamin Risse

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG、eess.IV

AI总结 提出基于3D nnU-Net的深度学习框架，实现多通道DIXON MRI中全阴茎自动分割，在UK Biobank 34,412名参与者中验证，Dice系数0.92，为男性生殖健康研究提供可重复的群体尺度方法。

Rendering Novel Views of MRI Using 3D Gaussian Splatting

使用3D高斯泼溅渲染MRI的新视图

Robin Y. Park, Mark C. Eid, Rhydian Windsor, Amir Jamaludin, Ana I. L. Namburete, João F. Henriques, Andrew Zisserman

机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） ； Oxford Machine Learning in NeuroImaging Lab, University of Oxford（牛津大学神经影像学机器学习实验室） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV、eess.SP

AI总结 通过3D高斯泼溅从稀疏各向异性MRI重建体积并采样与目标解剖对齐的平面，生成更优的放射学分级视图，相比原始扫描和体素插值方法提高了椎管狭窄分级准确性。

Prob-BBDM: a Probabilistic Brownian Bridge Diffusion Model for MRI sequence image-to-image translation

Prob-BBDM：用于MRI序列图像到图像翻译的概率布朗桥扩散模型

Martin Valls, Pascal Bourdon, Christine Fernandez-Maloigne, Guillaume Herpe, David Helbert

机构 * University of Poitiers, CNRS, XLIM, France（波尔多大学，法国国家科学研究中心，XLIM，法国） ； University of Poitiers, CNRS, Laboratory of Applied Mathematics, France（波尔多大学，法国国家科学研究中心，应用数学实验室，法国） ； Poitiers University Hospital（波尔多大学医院） ； I3M common laboratory CNRS-Siemens Healthinners, Poitiers University Hospital and University of Poitiers, France（I3M共同实验室，法国国家科学研究中心-西门子医疗，波尔多大学医院和波尔多大学，法国） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；medical image(abstract)

AI总结 提出基于概率布朗桥扩散模型（Prob-BBDM）的MRI序列图像翻译方法，通过变分编码器引导扩散机制，在BraTS 2021数据集上实现高效高质量合成，仅需4步扩散，SSIM达88.46%，PSNR达26.09 dB。

Journal ref Computerized Medical Imaging and Graphics, 2026, 130, pp.102745

Longitudinal 3D Foundation Modeling for Neoadjuvant Breast Cancer Response Prediction from Serial DCE-MRI

用于从系列动态对比增强磁共振成像（DCE-MRI）预测乳腺癌新辅助治疗反应的纵向三维基础建模

Fidel Omar Tito Cruz, Neda Ghafouri, Zengyan Wang, Pegah Khosravi, Yu Tian, Chen Chen

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV；medical AI(comments)

AI总结 本研究提出结合三维基础编码器与时间动态网络的纵向框架，融合系列DCE-MRI与临床数据，在982例乳腺癌患者上实现了较好的pCR预测性能。

Comments Accepted at the Applications of Medical AI (AMAI) Workshop at MICCAI 2026

Towards Accurate and Fast Clinical Body Composition: A Resource-Efficient Hierarchical Segmentation Framework for Multi-Source CT

迈向准确快速的临床身体成分分析：一种用于多源CT的资源高效分层分割框架

Xiaodi Shen, Qingzhu Zheng, Yaoyang Qiu, Cien Fan, Ruonan Zhang, Yangdi Wang, Luyao Wu, Weikai Zheng, Longfei Zhao, Bing Li, Rulin Xu, Qiqi Xu, Ren Mao, Shiting Feng, Xuehua Li

机构 * Department of Radiology, The First Affiliated Hospital, Sun Yat-sen University（放射科，中山大学第一附属医院） ； Research & Development Center, Canon Medical Systems (China) Co. Ltd.（研发中心，佳能医疗系统（中国）有限公司） 纠错

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV；radiology(comments)

AI总结 针对CT多源数据异质性及高内存需求问题，提出从粗到细分层框架，用动态间距等优化效率，在多数据集训练评估，Dice系数良好，能在标准CPU工作站平衡准确与效率，实现大规模身体成分分析。

Comments Affiliations: (1) Department of Radiology, The First Affiliated Hospital, Sun Yat-sen University, Guangzhou 510080, China. (2) Research & Development Center, Canon Medical Systems (China) Co. Ltd. Beijing 100015, China

SARFA: Segment Anything with Radiomic Feature Alignment

SARFA：基于放射组学特征对齐的任意分割

Tyler Ward, Abdullah Imran

机构 * University of Kentucky（肯塔基大学） 纠错

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

AI总结 针对医学成像中目标分割模糊问题，提出SARFA框架，通过概率性提示生成掩码，基于弗雷歇放射组学距离和直接偏好优化进行训练，在CT和MRI基准测试中优于现有方法，有效提升医学图像分割效果。

Comments 15 pages, 9 figures, 5 tables, 1 algorithm

LoSA-Net: A Localized and Scale-Adaptive Network for Boundary-Sensitive Prediction of Perineural Invasion in 3D MRI

LoSA-Net：用于3D MRI中神经周围侵犯边界敏感预测的局部化和尺度自适应网络

Youngung Han, Hyunsu Go, Kyeonghun Kim, Induk Um, Junga Kim, Jaewon Jung, Woo Kyoung Jeong, Won Jae Lee, Pa Hong, Ken Ying-Kai Liao, Hyuk-Jae Lee, Nam-Joon Kim

机构 * Seoul National University（首尔国立大学） ； OUTTA ； Chung-Ang University（Chung-Ang 大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，成均馆大学医学院） ； Samsung Changwon Hospital（三星昌原医院） ； NVIDIA AI Technology Center（NVIDIA AI 技术中心） 纠错

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

AI总结 研究针对3D MRI中神经周围侵犯（PNI）预测难题，提出LoSA-Net架构，通过TNA、SAFM和CSRA技术，在168例胆管癌患者的对比增强MRI扫描中，该网络AUC达0.7567，优于卷积和Transformer基线。

Comments Published in the 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI 2026); accepted for oral presentation

Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), 2026

MMA-Former: Multi-Window Mixture-of-Head Attention Transformer for Adaptive PNI Prediction in 3D MRI

MMA-Former：用于3D MRI中自适应PNI预测的多窗口混合注意力头变压器

Youngung Han, Induk Um, Kyeonghun Kim, Junga Kim, Hyunsu Go, Jaewon Jung, Woo Kyoung Jeong, Won Jae Lee, Pa Hong, Ken Ying-Kai Liao, Hyuk-Jae Lee, Nam-Joon Kim

机构 * Seoul National University（首尔国立大学） ； OUTTA ； Chung-Ang University（Chung-Ang 大学） ； Samsung Medical Center, Sungkyunkwan University School of Medicine（三星医疗中心，全北大学医学院） ； Samsung Changwon Hospital（三星昌原医院） ； NVIDIA AI Technology Center（NVIDIA AI 技术中心） 纠错

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

AI总结 针对3D MRI无创预测PNI的挑战，提出MMA-Former，采用粗-细变压器结构及窗口特定混合注意力机制，能并行多尺度提取特征，实现空间自适应特征提取，在回顾性数据集上AUC达0.752，优于其他架构。

Comments Published in the 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI 2026); accepted for oral presentation

Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), 2026

Predicting gestational age at birth in the context of preterm birth from multi-modal fetal MRI

基于多模态胎儿MRI预测早产背景下的出生胎龄

Diego Fajardo-Rojas, Megan Hall, Daniel Cromb, Mary A. Rutherford, Lisa Story, Emma C. Robinson, Jana Hutter

机构 * Leibniz University Hannover（莱布尼茨汉诺威大学） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；biomedical(comments,journal_ref)；分类 cs.LG

AI总结 提出结合多模态胎儿MRI和机器学习流程预测出生胎龄，包括数据插补、特征选择和回归模型，在333例对照和93例早产数据上评估，R²=0.13，MAE=2.74周，准确率0.77。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:013

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

A cross-modal generative model for incomplete and degraded prostate MRI with multicentre clinical validation

面向不完整与退化前列腺MRI的跨模态生成模型及多中心临床验证

Siyuan Ma, Liang He, Mengying Zhu, Yi Chai, Mengyao Lyu, Haowei Wang, Qizhen Lan, HaoBo Sun, Qixin Zhang, Jingli Chen, Xiaobing Wei, Jiaming Liu, Guiqin Liu, Qianwen Zhang, Yang Liu, Dacheng Tao, Guangyu Wu

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 该研究开发MSCNet跨模态生成框架，可重建前列腺MRI缺失对比、恢复退化扫描，经多中心临床验证，其图像质量符合部分非劣效标准，诊断效能优于基线生成图像，可作为前列腺MRI的辅助技术。

Deep learning-based computed tomography (CT) derived body composition classifier for colorectal cancer patients

基于深度学习的结直肠癌患者CT衍生身体成分分类器

Eve Harling, Chattarin Pumtako, Bernd Porr, Donald C McMillan, Ross D Dolan

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.LG、eess.IV

AI总结 本研究训练AlexNet等四种深度学习模型自动分析结直肠癌患者CT衍生身体成分，GoogLeNet和AlexNet表现优异，模型可部署于网络应用，有望简化临床身体成分分析流程。

Comments 27 pages, 4 figures

Synthesizing Post-Acetazolamide Cerebral Blood Flow Maps from Baseline MRI in Moyamoya Using 3D Generative AI

利用3D生成AI从烟雾病患者的基线MRI合成乙酰唑胺给药后脑血流量图

Julia Huang, Camila Gonzalez, Rydham Goyal, Aja Zou, Sasha Alexander, Michael Moseley, Moss Y. Zhao, Gary K. Steinberg

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 本研究提出CAE3D模型，可从烟雾病患者基线MRI合成乙酰唑胺后脑血流量图，在多指标上优于对比方法，为ACZ禁忌患者的血流动力学评估提供可行方案。

Comments 25 pages. Accepted at Machine Learning for Healthcare (MLHC 2026). To appear in Proceedings of Machine Learning Research (PMLR), volume 340

Pre- to Post-Contrast Synthesis of Breast DCE-MRI using Latent Bridge Matching

基于潜在桥匹配的乳腺动态对比增强MRI从造影前到造影后合成

Sina Amirrajab, Zohaib Salahuddin, Henry C Woodruff, Philippe Lambin

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 该研究提出潜在桥匹配框架，在MAMA-SYNTH挑战中从乳腺DCE-MRI造影前图像合成峰值增强图像，肿瘤条件变体性能优于造影前条件及LDM基线，为虚拟造影增强提供新方案。

MRIComp4Flow: Compression of 3D Brain MRI for Training Multi-Modal Generative Models

MRIComp4Flow：用于训练多模态生成模型的三维脑部MRI压缩

Lisa K. Fischer, Mykhailo Riabets, Daniel Rueckert, Benedikt Wiestler, Anke Meyer-Baese, Sandeep Nagar

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Imperial College London（帝国理工学院） ； Florida State University（佛罗里达州立大学） ； Institute for Advanced Study, TUM (TUM-IAS)（慕尼黑工业大学高等研究院） ； TUM University Hospital（慕尼黑工业大学医院） 纠错

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

AI总结 该研究针对大规模多模态MRI的存储与I/O问题，采用JPEG2000或JPEG-LS压缩三维脑肿瘤MRI，在20:1压缩率下训练Wavelet Flow Matching模型，证实其合成质量与未压缩数据训练的模型相当，为可扩展三维MRI生成建模提供了实用方案。

Comments Accepted: MICCAI 2026 SASHIMI workshop

Coarse-to-Fine Registration of Jawbone CT and Intraoral Scan Data Using GeDi and ICP with Pseudo-IOS Ground Truth

基于GeDi与ICP及伪口腔扫描数据真值的颌骨CT与口腔扫描数据的由粗到精配准

Sho Mitarai, Hikaru Kayo, Hisashi Ozaki, Yuichiro Imai, Megumi Nakao

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV

AI总结 本研究提出伪IOS评估框架，结合GeDi与ICP实现颌骨CT与口腔扫描数据的由粗到精配准，实验表明该方法精度优于单独使用GeDi，且受金属伪影影响较小。

Comments 9 pages, 2 figures, 1 table

Unsupervised Adversarial Domain Adaptation for Uterine layer Segmentation: From Labeled Cine to Unlabeled Dynamic EPI MRI

用于子宫层分割的无监督对抗域自适应：从带标签的电影MRI到无标签的动态EPI MRI

Smiti Tripathy, Milauni Desai, Jordina Aviles Verdera, Jana Hutter

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 该研究针对子宫层分割问题，提出无监督对抗域自适应框架，迁移电影MRI的分割知识至动态EPI MRI，结合Unet-LSTM与多尺度域判别器，实现了良好的分割效果，为探究子宫收缩性与T2*变化的关联提供了可行方法。

Predictive Enhancement Calibration for Latent Breast MRI Virtual Contrast Enhancement

用于潜在乳腺MRI虚拟对比度增强的预测增强校准

Qin Lei, Hao Wu

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 针对潜在乳腺MRI虚拟对比度增强中自然图像自动编码器与MRI强度尺度冲突的问题，提出PEC方法并结合FLUX模型，在MAMA100队列中提升了所有八个点估计，MSE和LPIPS表现最优。

Comments Top-3 submission in the MICCAI 2026 MAMA-Synth Challenge

CT-Merging: Consensus Directions and Task-Level Scaling for LoRA Adapter Merging

CT-Merging：用于LoRA适配器合并的共识方向和任务级缩放

Keumseo Ryum, Joonhyuk Kang

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 研究针对LoRA适配器合并中系数不匹配问题，提出CT-Merging算法，通过平均任务子空间投影仪估计共识方向并分配任务级系数缩放，利用跨任务SVD子空间构建公共基础，在基准测试中比现有方法准确率更高。

Comments 9 pages, 5 figures

MIRAGE: Multi-scale Lesion-Informed Representation with Auxiliary Guidance for MRI Contrast Enhancement

MIRAGE：用于MRI对比度增强的具有辅助引导的多尺度病变信息表示

Andrea Borghesi, Xin Wang, Jonas Teuwen, George Yiasemis

机构 * Netherlands Cancer Institute（荷兰癌症研究所） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.LG、eess.IV

AI总结 研究从对比前乳腺MRI切片推断对比度增强的问题，提出MIRAGE方法，结合多种损失与监督形式，在多中心数据上评估，该方法在多个指标排名第一，显著提升病变定位，揭示了保真度与效用的权衡。

Comments 9 pages, 2 figures, 3 tables

Cross-Dataset Generalization in Breast MRI Tumor Classification via Class-Wise Dataset Mixing

通过类级数据集混合实现乳腺MRI肿瘤分类中的跨数据集泛化

Mohammad Ali Dadrast, Hamid Usefi

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

AI总结 研究乳腺MRI肿瘤分类中深度学习模型因域转移和数据集来源偏差而跨机构失败的问题，通过构建类级混合训练集控制偏差，显著提升了WaveViT - Small和EfficientNet - B3在MAMA - MIA上的分类准确率和F1值。

Comments CBMS 2026

RegionFM: Interpretable Region-Based Brain MRI Classification Using Foundation Model Embeddings

RegionFM：使用基础模型嵌入进行可解释的基于区域的脑MRI分类

Wei Zhang

机构 * L3S Research Center（L3S研究中心） 纠错

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

AI总结 研究针对脑MRI基础模型预测难解释问题，提出RegionFM框架，将解剖分割与基础模型嵌入结合，通过划分区域、编码嵌入及构建模型组合，用于认知障碍分类评估，在保持性能同时使解释与临床推理更好对齐。

Monte Carlo Dropout Uncertainty and Entropy-Thresholded Selective Prediction for Architecture-Agnostic Brain Tumor MRI Triage

用于与架构无关的脑肿瘤MRI分类的蒙特卡罗随机失活不确定性和熵阈值选择性预测

Medhansh Sharma

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

AI总结 该研究针对脑肿瘤MRI分类，提出基于蒙特卡罗随机失活读取不确定性并转化为熵阈值规则的流程，通过特定图像分区和多模型多指标评估，结果表明此不确定性流程有效，可校准且能提高分类准确性，提供架构无关的脑肿瘤MRI分类基础。

Comments 18 pages, 8 figures, 5 tables

A novel unsupervised machine learning strategy to handle multimodal cardiac PET/MRI data

一种处理多模态心脏PET/MRI数据的新型无监督机器学习策略

Brunnhilde Ponsi, Thomas Carlier, Lara Marteau, Aurélien Monnet, Thomas Eugène, Jean-Michel Serfaty, Nicolas Piriou, Hatem Necib

机构 * Nantes Université, CHU Nantes（南特大学，南特大学医院中心） ； Siemens Healthineers France（西门子医疗法国公司） 纠错

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

AI总结 研究针对致心律失常性左心室心肌病诊断难题，利用PET/MRI数据，采用两步聚类等方法，对患者图像进行处理分析，生成健康报告，经交叉验证和在更大队列上验证，能准确识别异常，有助于表征心肌异质性。

Comments 11 pages, 6 figures

Contrastive Joint-Embedding Prediction for Representation Learning in Structural MRI

用于结构MRI中表示学习的对比联合嵌入预测

Fabian Mager, Lars Kai Hansen

机构 * Technical University of Denmark（丹麦技术大学） ； Department of Applied Mathematics and Computer Science（应用数学与计算机科学系） 纠错

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

AI总结 针对医学成像中标记数据稀缺问题，提出COJEPA自监督框架，结合联合嵌入预测架构与对比损失，用于体积脑MRI。通过特定技术扩展到3D，在多任务中评估，取得了如最佳同卵双胞胎召回率等成果，证明组合目标能产生优质表示。

Quantum Compressed Sensing CT Reconstruction Algorithm Based on Penalized Weighted Least Squares and Guided Total Variation

基于惩罚加权最小二乘法和引导全变差的量子压缩感知CT重建算法

Yuwen Zhang, Yujie Liu, Ao Wang, Yikuang Yuluo, Shuangyang Zhong, Haijun Yu, Yixing Huang

机构 * Peking University Health Science Center（北京大学医学部） 纠错

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV

AI总结 研究针对现有基于QUBO的稀疏视图CT重建的局限，提出结合PWLS和GTV的量子压缩感知CT方法，经二进制编码形成统一QUBO模型，实验表明该方法重建质量最佳，为量子辅助稀疏视图CT重建提供了概念验证。

Comments 14 pages, 11 figures

Heterogeneity-Adaptive Diffusion Schrodinger Bridge for PET-Guided Whole-Body MRI Translation

用于PET引导的全身MRI转换的异质性自适应扩散薛定谔桥

Chengbo Wang, Jiacheng Yu, Linjie Bian, Ming Qi, Xiaosheng Liu, Tongtong Che, Jichang Zhang, Shuyu Li, Shaoli Song, Xiuying Wang

机构 * The University of Sydney（悉尼大学） ； Fudan University Shanghai Cancer Center（复旦大学附属上海肿瘤医院） ； Beijing Normal University（北京师范大学） 纠错

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

AI总结 针对PET-MR扫描时间长的问题，提出异质性自适应扩散薛定谔桥（HA-DSB）框架，通过整合视觉语言模型嵌入及PET先验，利用双阶段引导机制，实现全身MRI转换，提升不同区域尤其是病变区域的转换质量。

Comments Accepted at MICCAI 2026

Pseudo-Text-Conditioned 3D Grounding DINO for Organ Localization in Abdominal CT

伪文本条件3D Grounding DINO用于腹部CT器官定位

Siqi Chen, Han Gong, Keyi Hou, Jingxuan Yang, Sheethal Bhat, Andreas Maier

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） 纠错

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV

AI总结 提出CT-3GDINO，一种轻量级3D检测器，通过冻结伪文本类令牌替代真实文本编码器，实现腹部CT中五个器官的定位，在193个体积上达到0.5830 mAP。

Comments 24 pages, 17 figures

Female-RHINO: A Real-Time Scanner-Integrated Framework for Automated Quantitative Uterine MRI Analysis and Structured Reporting

Female-RHINO：一种用于自动定量子宫MRI分析和结构化报告的实时扫描仪集成框架

Deepak Bhatia, Saad Ahmad, Smiti Tripathy, Maria Camila Bustos Vivas, Lieselotte Kratzsch, Anika Knupfer, Jordina Aviles Verdera, Susanne Schulz-Heise, Matthias May, Jana Hutter

机构 * Radiologisches Institut, Universitätsklinikum Erlangen（埃朗根大学医院放射学研究所） ； School of Biomedical Engineering and Imaging, KCL（KCL生物医学工程与成像学院） ； Institute for Information Processing, Leibniz University Hannover（汉诺威莱布尼茨大学信息处理研究所） ； CAIMed, L3S research institute（CAIMed，L3S研究机构） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 提出Female-RHINO框架，集成MRI扫描仪和深度学习，实现实时自动定量子宫MRI分析及结构化报告，在500+多中心数据集上验证，处理时间<70秒。