医学 AI

Clinical Graph-Mediated Distillation for Unpaired MRI-to-CFI Hypertension Prediction

临床图介导的非配MRI到CFI高血压预测

Dillan Imans, Phuoc-Nguyen Bui, Duc-Tai Le, Hyunseung Choo

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Research Convergence Institute（研究融合院） ； Department of AI Systems Engineering（人工智能系统工程系） ； Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出CGMD框架，通过构建临床相似性kNN图将MRI中的高血压知识迁移至视网膜模型，提升非配MRI-视网膜数据下的高血压预测性能。

Comments 10 pages, 2 figures, 2 tables. Under review at MICCAI 2026

ProTCT: Projection quantification and fidelity constraint integrated deep reconstruction for Tangential CT

ProTCT：用于切向CT的投影量化与保真度约束集成深度重建

Bingan Yuan, Bowei Liu, Zheng Fang

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

AI总结 针对切向CT投影截断致图像质量差及现有方法不足的问题，提出ProTCT方法，通过分析采样条件、构建深度伪影抑制网络及保真度约束模块，有效提升了TCT切片质量，推动了大视野CT成像应用。

How Much MRI Preprocessing Is Enough? A Cost-Utility Study for Brain MRI Foundation Models

MRI预处理需要多少才够？脑MRI基础模型的成本效用研究

Jiangshuan Pang, Wangyang Tang, Jing Yan, Zhixuan Cheng, Youzhe He, Yiting Deng, Zhenkun Zhuang, Shiping Liu

机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； BGI Research（华大研究院） 纠错

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

AI总结 本研究通过比较P0-P7预处理级别对自监督3D MRI预训练的影响，发现并非预处理越强越好，P2是最低成本可行级别，更强预处理仅在特定任务中带来有限提升，且下游可补偿。

Per-Bundle Statistical Limits and Learned-Prior Inversion in Multiplexed X-ray Imaging, with Application to Temporal CT

神经网络反演用于时间CT多源束问题：每束统计极限与近最优性能

Guy M. Besson

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

AI总结 本文研究时间CT中多源反演问题，提出近最优算法SNN1及神经网络，分析不同衰减条件下性能差异，揭示先验信息集中度对反演效果的影响。

Comments 32 pages and 6 figures. Manuscript substantially reframed (prose and organization) for submission to a different journal from v3; underlying scientific content is more than 95% consistent

LoGSAM: Parameter-Efficient Cross-Modal Grounding for MRI Segmentation

LoGSAM: 用于MRI分割的参数高效跨模态接地

Mohammad Robaitul Islam Bhuiyan, Sheethal Bhat, Melika Qahqaie, Andreas Maier, Tri-Thien Nguyen, Paula Andrea Pérez-Toro, Tomás Arias-Vergara

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität, Erlangen, Germany（德国埃朗根-纽伦堡大学模式识别实验室） ； Siemens Healthineers, Erlangen, Germany（德国埃朗根西门子医疗） 纠错

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

AI总结 LoGSAM通过将放射科医生的语音转录为文本提示，利用预训练基础模型实现MRI肿瘤的高效分割，采用LoRA微调提升领域适应性，达到80.32%的Dice分数。

Comments 10 pages, 3 figures, 5 tables

From Sparse X-rays to 3D CT: Training-Free Reconstruction with Diffusion Priors

从稀疏X射线到三维CT：基于扩散先验的无训练重建

Zhenkai Zhang, Markus Hiller, Krista A. Ehinger, Tom Drummond

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

AI总结 提出TF-PRDiT，一种无需训练的条件采样框架，利用冻结的3D扩散Transformer先验解决多种医学逆问题，通过可微DRR投影器实现从稀疏X射线到高质量CT重建，支持任意数量输入X射线。

Comments Accepted at DGM4MICCAI 2026. Code available at https://github.com/Fredy-Zhang/TF-PRDiT

INFANiTE: Implicit Neural representation for high-resolution Fetal brain spatio-temporal Atlas learNing from clinical Thick-slicE MRI

INFANiTE：隐式神经表示用于高分辨率胎儿脑空间-时间大体图谱学习从临床厚切片MRI

Xiaotian Hu, Mingxuan Liu, Hongjia Yang, Tongxi Song, Yijin Li, Yifei Chen, Haoxiang Li, Zihan Li, Yingqi Hao, Ziyu Li, Yi Liao, Haibo Qu, Qiyuan Tian

机构 * Beihang University（北航大学） ； Tsinghua University（清华大学） ； Sichuan University（四川大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 INFANiTE通过隐式神经表示方法，实现了从厚切片MRI中高效生成高分辨率胎儿脑空间-时间大体图谱，显著加快了图谱构建过程，提升了图谱的一致性、参考保真度和生物合理性。

Quality assurance of the Federal Interagency Traumatic Brain Injury Research (FITBIR) database for multi-site MRI analysis

用于多站点MRI分析的联邦跨部门创伤性脑损伤研究（FITBIR）数据库的质量保证

Adam M. Saunders, Michael E. Kim, Gaurav Rudravaram, Elyssa M. McMaster, Chloe Scholten, Sequoia Wade, Marselle Rasdall, Simon Vandekar, Tonia S. Rex, François Rheault, Bennett A. Landman

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

AI总结 针对FITBIR数据库，将其结构和扩散MRI及相关信息整理统一，用UNesT分割分析指标，经质量保证后用GAMLSS建模，发现TBI受试者与对照组相比，15个脑区体积有显著差异。

Comments 8 pages, 5 figures

Anatomically Guided Latent Diffusion for Brain MRI Progression Modeling

用于脑 MRI 进展建模的解剖学引导潜在扩散

Cheng Wan, Bahram Jafrasteh, Ehsan Adeli, Miaomiao Zhang, Qingyu Zhao

机构 * Cornell University（康奈尔大学） ； Weill Cornell Medicine（韦尔医学院） ； Stanford University（斯坦福大学） ； University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 研究旨在准确建模脑 MRI 进展，提出解剖学引导潜在扩散模型 AG-LDM，通过融合多因素简化训练流程，经实验验证其在图像质量、误差降低及特征捕捉等方面表现优异，是可靠的脑 MRI 进展建模框架。

Comments 24 pages, 7 figures, 7 tables. Code available at https://github.com/JornyWan/AG-LDM

UniField: A Unified Field-Aware MRI Enhancement Framework

UniField: 一种统一的场感知MRI增强框架

Yiyang Lin, Chenhui Wang, Zhihao Peng, Yixuan Yuan

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

AI总结 UniField通过整合多模态和增强任务，利用共享退化特性提升MRI增强性能，提出场感知频谱校正机制并公开大规模多场MRI数据集。

A Deep Multiscale Neural Network for Accurate Neurological Disorder Detection from MRI Scans and Real-Time Web Deployment

一种用于MRI扫描中神经系统疾病准确检测的深度多尺度神经网络及实时Web部署

Ali Fatahi, Hoda Zamani, Mohammad H. Nadimi-Shahraki

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

AI总结 提出End-Net网络，通过多尺度Inception模块和WGAN-GP数据增强，实现MRI多类神经系统疾病的高精度分类，并部署为实时Web系统。

CTForensics: A Comprehensive Dataset and Method for AI-Generated CT Image Detection

CTForensics：用于人工智能生成的CT图像检测的综合数据集和方法

Yiheng Li, Zichang Tan, Guoqing Xu, Yichun Yeh, Yang Yang, Zhen Lei

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院计算智能研究中心） ； Sangfor Technologies Inc.（深信服技术有限公司） 纠错

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

AI总结 研究针对人工智能生成CT图像检测难题，介绍含75990张二维CT图像的CTForensics数据集及十种生成模型样本，提出ESF-CTFD框架，实验表明该框架性能优且抗干扰强。

Comments under review, repo: https://github.com/liyih/CTForensics

Pixelwise Uncertainty Quantification of Accelerated MRI Reconstruction

加速MRI重建的像素级不确定性量化

Ilias I. Giannakopoulos, Lokesh B Gautham Muthukumar, Yvonne W. Lui, Riccardo Lattanzi

机构 * Bernard and Irene Schwartz Center for Biomedical Imaging, Department of Radiology, NYU Grossman School of Medicine（贝纳德与伊蕾娜·施瓦茨生物医学成像中心，放射学系，纽约大学格罗斯曼医学院） ； Courant Institute of Mathematical Sciences, NYU（数学科学学院，纽约大学） ； Center for Advanced Imaging Innovation and Research (CAI 2 R), Department of Radiology, NYU Grossman School of Medicine（先进成像创新与研究中心（CAI 2 R），放射学系，纽约大学格罗斯曼医学院） 纠错

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

AI总结 提出一种基于共形分位数回归的像素级不确定性量化框架，用于加速MRI重建，无需全采样参考图像即可自动识别不可靠区域。

Comments 12 pages, 8 figues, 2 tables

MPFlow: Multi-modal Posterior-Guided Flow Matching for Zero-Shot MRI Reconstruction

MPFlow: 多模态后验引导的流匹配用于零样本MRI重建

Seunghoi Kim, Chen Jin, Henry F. J. Tregidgo, Matteo Figini, Daniel C. Alexander

机构 * 1 Hawkes Institute, UCL \, 2 Dept. of Medical Physics ； Biomedical Engineering, UCL 3 Dept. of Computer Science, UCL 4 Centre for AI, DS\&AI, AstraZeneca, UK 纠错

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

AI总结 提出MPFlow框架，利用自监督预训练PAMRI学习跨模态共享表示，在推理时通过数据一致性和特征对齐引导采样，减少幻觉并提升零样本MRI重建效率。

SRMA-Mamba: Spatial Reverse Mamba Attention Network for Pathological Liver Segmentation in MRI Volumes

SRMA-Mamba: 用于MRI体积中病理性肝脏分割的空间反向Mamba注意力网络

Jun Zeng, Quoc-Huy Trinh, Deepak Ranjan Nayak, Nikhil Kumar Tomar, Ulas Bagci, Debesh Jha

机构 * Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Biomedical Perception & Intelligence Lab, University of South Dakota（南达科他大学生物医学感知与智能实验室） ； Aalto University（阿尔托大学） ； Malaviya National Institute of Technology Jaipur（马拉维亚国家理工学院斋浦尔分校） ； Machine & Hybrid Intelligence Lab, Northwestern University（西北大学机器与混合智能实验室） 纠错

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

AI总结 提出SRMA-Mamba网络，通过空间解剖Mamba模块和空间反向Mamba注意力模块，利用MRI体积的三维空间信息实现病理性肝脏的高效分割，性能优于现有方法。

Comments 10 pages, 4 figures

MotionDPS: Motion-Compensated 3D Brain MRI Reconstruction

MotionDPS: 3D脑部MRI重建中的运动补偿

Antonio Ortiz-Gonzalez, Erich Kobler, Lukas Schletter, Alexander Effland

机构 * Life and Medical Sciences Institute, University of Bonn（波恩大学生命与医学科学研究所） ； Institute for Machine Learning, LIT AI Lab, Department of Virtual Morphology, Clinical Research Institute Medical AI, Johannes Kepler University Linz（林茨约翰尼斯·凯撒大学机器学习研究所、LIT AI实验室、虚拟形态部门、医学人工智能临床研究机构） ； German Center for Neurodegenerative Diseases (DZNE)（德国神经退行性疾病研究中心（DZNE）） ； Institute for Applied Mathematics, University of Bonn（波恩大学应用数学研究所） 纠错

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

AI总结 本文提出了一种统一的贝叶斯框架，用于运动补偿的3D MRI重建，通过直接从运动损坏的k空间数据中联合估计解剖图像、刚体运动参数和线圈灵敏度图，实现了无需配对无运动训练数据的完全无监督重建。

Comments This work has been accepted for publication in IEEE Transactions on Medical Imaging (TMI)

Backbone-Conditional Behavior of Modality Gating in Multi-Modal Prostate MRI Segmentation: A 5-Fold Cross-Validation and Gate Mechanism Analysis

模态隔离门控融合：用于稳健多模态前列腺MRI分割的架构无关方法

Yongbo Shu, Wenzhao Xie, Shanhu Yao, Zirui Xin, Luo Lei, Kewen Chen, Aijing Luo

机构 * The Second Xiangya Hospital of Central South University（中南大学湘雅医学院第二医院） ； The Third Xiangya Hospital of Central South University（中南大学湘雅医学院第三医院） ； School of Life Sciences, Central South University（中南大学生命科学学院） ； Hunan Provincial Key Laboratory of Medical Information Research (Central South University)（湖南省医学信息研究重点实验室（中南大学）） ； Hunan Provincial Clinical Medical Research Center for Cardiovascular Intelligent Medicine（湖南省心血管智能医学临床医学研究中心） 纠错

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

AI总结 本文提出模态隔离门控融合（MIGF）方法，通过独立编码流和门控阶段提升多模态前列腺MRI分割的鲁棒性，实验表明其在不同模态缺失和伪影情况下均有效。

Comments Major revision. Single-fold analysis replaced by 5-fold cross-validation (180 trained models) plus a direct gate-mechanism analysis; conclusions updated to show that modality gating is backbone-conditional. Supersedes v1

ILV: Iterative Latent Volumes for Fast and Accurate Sparse-View CT Reconstruction

ILV: 用于快速准确稀疏视角CT重建的迭代潜在体

Seungryong Lee, Woojeong Baek, Joosang Lee, Eunbyung Park

机构 * Sungkyunkwan University（成均馆大学） ； Yonsei University（延世大学） 纠错

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

AI总结 提出迭代潜在体（ILV）框架，结合数据驱动先验与经典迭代重建原理，通过构建并迭代更新显式3D潜在体，实现稀疏视角CBCT的快速高精度重建，在约14,000个CT体积的大规模数据集上显著优于现有方法。

Comments Project page: https://sngryonglee.github.io/ILV/

VISTA: Variance-Gated Inter-Sequence Test-Time Adaptation for Multi-Sequence MRI Segmentation

VISTA: 用于多序列MRI分割的方差门控跨序列测试时间适应

Zhipeng Deng, Jiale Zhou, Wenhan Jiang, Haolin Wang, Xun Lin, Yafei Ou, Yefeng Zheng

机构 * Westlake University（西湖大学） ； Hokkaido University（北海道大学） ； The Chinese University of Hong Kong（香港中文大学） ； RIKEN（理化学研究所） 纠错

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

AI总结 本文提出VISTA框架，解决多序列MRI分割中模态交互偏移问题，通过设计跨序列干预生成器和跨视图分歧感知伪标签方法，提升模型在临床环境下的适应能力，实验表明在不同群体上性能优于现有方法。

Comments MICCAI2026 early accept

Iterative Diffusion-Refined Neural Attenuation Fields for Multi-Source Stationary CT Reconstruction: NAF Meets Diffusion Model

迭代扩散精化神经衰减场用于多源静态CT重建：NAF遇见扩散模型

Jiancheng Fang, Shaoyu Wang, Junlin Wang, Weiwen Wu, Yikun Zhang, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； School of Mathematics and Computer Sciences, Nanchang University（南昌大学数学与计算机科学学院） ； School of Biomedical Engineering, Sun Yat-sen University（中山大学生物医学工程学院） ； Laboratory of Image Science and Technology, School of Computer Science and Engineering, and the Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications, Ministry of Education, Southeast University（东南大学计算机科学与工程学院图像科学与技术实验室，以及教育部新一代人工智能技术及其交叉应用重点实验室） 纠错

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

AI总结 针对超稀疏视角下多源静态CT重建质量差的问题，提出Diff-NAF框架，结合神经衰减场与双分支条件扩散模型，通过迭代投影合成与精化，显著提升重建保真度。

Pre-Deployment Robustness Stress Testing for CT Segmentation Systems Using Clinically Motivated Multi-Corruption Augmentation

CT分割系统的部署前鲁棒性压力测试：使用临床驱动的多损坏增强

CholMin Kanga, Jonghyun Chung, Amanpreet Kaur, Nagesh Gulkotwar, Aarthi Sivasankaran

机构 * Seoul National University（首尔国立大学） ； Google Inc.（谷歌公司） 纠错

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

AI总结 提出RAMP框架，通过多损坏增强提升CT分割模型在临床异质成像条件下的鲁棒性，显著缩小干净与损坏图像性能差距。

iTRIALSPACE: Programmable Virtual Lesion Trials for Controlled Evaluation of Lung CT Models

iTRIALSPACE：用于肺CT模型受控评估的可编程虚拟病灶试验

Fakrul Islam Tushar, Umme Hafsa Momy, Joseph Y. Lo, Geoffrey D. Rubin

机构 * Department of Radiology and Imaging Sciences, University of Arizona（亚利桑那大学放射科和影像科学系） ； Department of Biomedical Engineering, Florida International University（佛罗里达国际大学生物医学工程系） ； Center for Virtual Imaging Trials, Department of Radiology, Duke University Medical Center（达特茅斯大学医学中心虚拟成像试验中心，放射科） 纠错

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

AI总结 提出可编程评估框架iTRIALSPACE，通过四阶段流水线（结节分析、试验规范、掩膜插入、CT合成）构建受控虚拟病灶试验，揭示固定基准无法发现的模型缺陷。

Comments 11 pages, 13 figures, 13 tables

K-Prism: A Knowledge-Guided and Prompt Integrated Universal Medical Image Segmentation Model

K-Prism: 一种知识引导与提示集成的通用医学图像分割模型

Bangwei Guo, Yunhe Gao, Meng Ye, Difei Gu, Yang Zhou, Leon Axel, Dimitris Metaxas

机构 * Rutgers University（罗格斯大学） ； Stanford University（斯坦福大学） ； The University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； New York University（纽约大学） 纠错

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

AI总结 提出K-Prism统一分割框架，通过双提示表示和混合专家解码器整合语义先验、上下文知识和交互反馈三种知识范式，在18个数据集上实现语义、上下文和交互分割的最优性能。

Journal ref International Conference on Learning Representations (ICLR), 2026

Zero-Shot Multi-Disease Labeling of Chest, Abdomen, and Pelvis CT Reports Using Open-Weight Large Language Models: The Effect of Labeling Conventions

评估大型语言模型在跨器官系统CT放射报告零样本疾病标注中的效果

Michael E. Garcia-Alcoser, Mobina Ghojoghnejad, Fakrul Islam Tushar, David Kim, Kyle J. Lafata, Geoffrey D. Rubin, Joseph Y. Lo

专题命中 医学影像 ：CT(title,title_cn)；radiology(comments)

AI总结 本研究评估了大型语言模型在CT报告零样本疾病标注中的效果，发现轻量级LLMs在多器官系统标注中表现优于规则方法，但需注意二元标签的局限性。

Comments 19 pages, 6 figures, 4 tables. Under review in Radiology: Artificial Intelligence

Group-Patch Joint Compression: Compressing Dynamic B0 and Static RF Spatial Modulations Across k-Space Subregion Groups for Highly Accelerated MRI

组块联合压缩用于高加速MRI：在k空间子区域组内压缩动态B0和静态RF空间调制

Rui Tian, Klaus Scheffler

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文提出组块联合压缩方法，通过在k空间子区域组内压缩动态B0和静态RF调制，显著提升MRI加速效果，减少重建时间和内存使用。

Comments Magnetic Resonance in Medicine

Journal ref R. Tian and K. Scheffler, Group-Patch Joint Compression: Compressing Dynamic B0 and Static RF Spatial Modulations Across k-Space Subregion Groups for Highly Accelerated MRI, Magnetic Resonance in Medicine (2026): 1-21

A Reference System for Open Source Portable Low-Field MRI

用于便携式低场MRI的开源参考系统

David Schote, Helge Herthum, Umberto Zanovello, Julia Pfitzer, Ivo Jutte, Jan Gregor Frintz, Ilia Kulikov, Sebastian Littin, Frank Seifert, Christoph Kolbitsch, Lukas Winter

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究提出一种基于~50 mT永磁体的开源便携式低场MRI参考系统，集成云原生平台与Pulseq序列，经双站点验证可实现高可重复性与定量对比，支持跨站点研究及技术协作开发。

Comments 23 pages, 11 figures

Cine MRI-Validated Biventricular Electromechanical Digital Twin Framework for Predicting Regional Endocardial Motion

经 Cine MRI 验证的双心室电机械数字孪生框架用于预测区域心内膜运动

Milad Hasani, Tomas Zaremba, Sam Riahi, Alireza Rezania

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究提出经 Cine MRI 验证的双心室电机械数字孪生框架，整合多类心脏生理机制，可预测区域心内膜运动，为心内植入物植入部位选择及患者特异性规划提供支持。

Contextual Cellular Growth (ConCeG) of neural cells for realistic grey matter tissue generation for diffusion MRI simulations

用于扩散MRI模拟的真实灰质组织生成的神经细胞上下文细胞生长 (ConCeG)

Charlie Aird-Rossiter, Kadir Şimşek, Maëliss Jallais, Derek K. Jones, Lida Kanari, Marco Palombo

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 针对灰质扩散MRI信号解释难题，引入ConCeG框架，结合拓扑神经元合成与空间约束生长网络，依真实神经胶质形态生成细胞构建三维多细胞灰质基质，经验证可用于扩散MRI模拟。

Terbium-149 PET/CT: First Quantitative Imaging with a Clinical Long-Axial Field-of-View Scanner

149terbium PET/CT：首个临床长轴视野扫描仪的定量成像

Lorenzo Mercolli, Pascal V. Grundler, Anzhelika N. Moiseeva, Lars Eggimann, Saverio Braccini, Ulli Köster, Nicholas P. van der Meulen

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文评估了149terbium在临床长轴视野PET/CT系统中的成像性能和定量准确性，发现其定量精度可与18F的EARL标准2相媲美，展示了149terbium在靶向α治疗中的应用潜力。

A Master-Slave Robot Manipulator for Needle-Based Teleoperation in MRI Chamber

用于MRI室内经针遥操作的主从机器人操纵器

Omar Curiel, Jing-Yuan Huang, Po-Chih Chen, Ji Ma, Qing Dai, Wenqi Zhou, David Lu, Holden H. Wu, Tsu-Chin Tsao

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 该研究开发了一种MRI安全的主从机器人操纵器，可实现多模态控制，支持协作任务，经初步实验验证适用于MRI室内床边手动控制模式下的活体猪介入操作。

Comments 14 pages, 12 figures