医学 AI

TopoMamba: Topology-Aware Scanning and Fusion for Segmenting Heterogeneous Medical Visual Media

TopoMamba：面向异构医学视觉媒体的拓扑感知扫描与融合

Fuchen Zheng, Chengpei Xu, Long Ma, Weixuan Li, Junhua Zhou, Xuhang Chen, Weihuang Liu, Haolun Li, Quanjun Li, Zhenxi Zhang, Lei Zhao, Chi-Man Pun, Shoujun Zhou

机构 * Dalian University of Technology（大连理工大学） ； Guangdong University of Technology（广东工业大学） ； Huizhou University（惠州市学院） ； University of Macau（澳门大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 TopoMamba通过拓扑感知扫描与融合框架提升异构医学图像分割性能，结合拓扑先验与轻量级融合机制，在动态输入分辨率下实现高效分割。

Comments 15 pages, 9 figures

CoRE: Concept-Reasoning Expansion for Continual Brain Lesion Segmentation

CoRE：基于概念推理的连续脑病变分割

Qianqian Chen, Anglin Liu, Jingyang Zhang, Yudong Zhang

机构 * Southeast University, Nanjing, China（东南大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 本文提出CoRE框架，通过整合视觉特征与结构化概念，解决连续学习中容量限制和冗余参数增长问题，实现基于临床先验的模型进化。

Causal-Transformer with Adaptive Mutation-Locking for Early Prediction of Acute Kidney Injury

具有自适应突变锁定的因果变换器用于急性肾损伤的早期预测

Weizhi Nie, Haolin Chen

机构 * School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； Department of Nephrology, TEDA Hospital, Tianjin University（天津大学TEDA医院肾内科） ； Tianjin Medical University General Hospital（天津医科大学总医院） ； Department of Nephrology, First Teaching Hospital of Tianjin University of Traditional Chinese Medicine（天津中医药大学第一教学医院肾内科） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.LG

AI总结 本文提出CT-Former，结合连续时间建模与因果变换器，通过自适应突变锁定机制解决数据不规则和模型黑箱问题，提升急性肾损伤早期预测的临床可信度。

Scaling In-Context Segmentation with Hierarchical Supervision

基于分层监督的上下文扩展分割

T. Camaret Ndir, Marco Reisert, Robin T. Schirrmeister

机构 * Division of Medical Physics, Department of Radiology, Medical Center – University of Freiburg（医学物理系，放射科，弗赖堡大学医学中心） 纠错

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

AI总结 本文提出PatchICL框架，通过选择性图像分块与多级监督实现高效上下文学习，提升医学图像分割性能并降低计算开销。

SPLIT: Self-supervised Partitioning for Learned Inversion in Nonlinear Tomography

SPLIT：用于非线性断层扫描中学习反演的自监督分区

Markus Haltmeier, Lukas Neumann, Nadja Gruber, Gyeongha Hwang

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

AI总结 本文提出SPLIT框架，通过自监督学习在无地面真值数据的情况下重建非线性断层扫描图像，理论证明其与监督学习在期望上等价，并在多光谱CT中验证了其高重建质量与噪声鲁棒性。

T-Gated Adapter: A Lightweight Temporal Adapter for Vision-Language Medical Segmentation

T-Gated Adapter：一种轻量级时间适配器用于视觉-语言医学分割

Pranjal Khadka

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出T-Gated Adapter，通过注入相邻切片上下文提升医学图像分割的连续性，实验表明在FLARE22、BTCV和AMOS22数据集上均取得显著提升，且在跨模态任务中表现优于传统3D模型。

Comments Accepted at the PHAROS-AIF-MIH Workshop at CVPR 2026

DGRNet: Disagreement-Guided Refinement for Uncertainty-Aware Brain Tumor Segmentation

DGRNet：基于分歧的改进用于不确定性感知的脑肿瘤分割

Bahram Mohammadi, Yanqiu Wu, Vu Minh Hieu Phan, Sam White, Minh-Son To, Jian Yang, Michael Sheng, Yang Song, Yuankai Qi

机构 * Macquarie University（麦考瑞大学） ； Adelaide University（阿德莱德大学） ； Flinders University（弗林德斯大学） ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 DGRNet通过多视角分歧引导的不确定性估计和文本条件细化，解决单模型预测的不确定性量化不足和医学报告信息未充分利用的问题，提升分割精度和不确定性估计。

Comments 10 pages, 3 figures, 4 tables

Benchmarking CNN-based Models against Transformer-based Models for Abdominal Multi-Organ Segmentation on the RATIC Dataset

在RATIC数据集上对基于CNN和基于Transformer的模型进行基准测试用于腹部多器官分割

Lukas Bayer, Sheethal Bhat, Andreas Maier

机构 * Pattern Recognition Lab Friedrich-Alexander-Universität Erlangen-Nürnberg（艾尔朗根-纽伦堡弗里德里希-亚历山大大学模式识别实验室） 纠错

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

AI总结 本文比较了基于CNN的SegResNet与三种混合Transformer模型在RATIC数据集上的多器官分割性能，发现CNN在整体表现上更优，而UNETR++表现最佳，UNETR收敛更快。

The Texture-Shape Dilemma: Boundary-Safe Synthetic Generation for 3D Medical Transformers

纹理-形状困境：面向3D医学变换器的边界安全合成生成

Jiaqi Tang, Weixuan Xu, Shu Zhang, Fandong Zhang, Qingchao Chen

机构 * Peking University（北京大学） ； Central South University（中南大学） ； Deepwise Ltd.（深域科技） 纠错

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

AI总结 本文提出一种物理启发式的空间解耦合成框架，解决3D医学变换器中纹理与形状之间的矛盾，提升模型对真实解剖边缘的识别能力。

FedGIN: Federated Learning with Dynamic Global Intensity Non-linear Augmentation for Organ Segmentation using Multi-modal Images

FedGIN: 一种用于多模态图像器官分割的联邦学习动态全局强度非线性增强

Sachin Dudda Nagaraju, Ashkan Moradi, Bendik Skarre Abrahamsen, Mattijs Elschot

机构 * Department of Circulation and Medical Imaging（循证医学与影像学系） ； Norwegian University of Science and Technology（挪威科学技术大学） 纠错

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

AI总结 FedGIN通过动态全局强度非线性增强模块，在不共享原始数据的情况下实现多模态器官分割，提升跨模态泛化能力。

Comments Paper Accepted at MICCAI 2025 DeCaf Workshop Track

Journal ref MICCAI 2025

Interpretable Medical Image Classification using Prototype Learning and Privileged Information

可解释的医学图像分类：利用原型学习和特权信息

Luisa Gallee, Meinrad Beer, Michael Goetz

机构 * Experimental Radiology, University Hospital Ulm, Germany（实验放射学，乌尔姆大学医院，德国） ； Department of Diagnostic and Interventional Radiology, University Hospital Ulm, Germany（诊断与介入放射学系，乌尔姆大学医院，德国） ； i2SouI - Innovative Imaging in Surgical Oncology Ulm, University Hospital Ulm, Germany（i2SouI - 精准影像学在手术肿瘤学中的创新应用，乌尔姆大学医院，德国） 纠错

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

AI总结 本研究提出Proto-Caps模型，结合胶囊网络、原型学习和特权信息，提升医学图像分类的可解释性和预测性能，准确率超过现有方法6%。

Comments MICCAI 2023 Medical Image Computing and Computer Assisted Intervention

Journal ref International Conference on Medical Image Computing and Computer-Assisted Intervention. Cham: Springer Nature Switzerland, 2023. S. 435-445

Towards Scalable Language-Image Pre-training for 3D Medical Imaging

面向3D医学影像的语言-图像预训练的可扩展性

Chenhui Zhao, Yiwei Lyu, Asadur Chowdury, Edward Harake, Akhil Kondepudi, Akshay Rao, Xinhai Hou, Honglak Lee, Todd Hollon

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 HLIP通过引入层次注意力机制，实现对3D医学影像的可扩展语言-图像预训练，提升脑部MRI和头部CT的性能表现。

Comments TMLR 2026

Multi-AD: Cross-Domain Unsupervised Anomaly Detection for Medical and Industrial Applications

多域无监督异常检测：医疗和工业应用中的Multi-AD

Wahyu Rahmaniar, Kenji Suzuki

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

AI总结 Multi-AD通过结合SE块、知识蒸馏和判别器网络，实现跨域医疗和工业图像的高效异常检测，取得最佳AUROC表现。

Comments 28 pages, 8 figures

Journal ref Pattern Recognition 172 (Part B) (April 2026) 112486

An Intuitionistic Fuzzy Logic Driven UNet architecture: Application to Brain Image segmentation

直觉模糊逻辑驱动的UNet架构：应用于脑图像分割

Hanuman Verma, Kiho Im, Pranabesh Maji, Akshansh Gupta

机构 * Department of Mathematics, Bareilly College, Bareilly (MJP Rohilkhand University), Uttar Pradesh, India（印度乌塔兰普尔邦巴雷利学院数学系） ； Division of Newborn Medicine, Fetal Neonatal Neuroimaging and Developmental Science Center, Boston Children’s Hospital, Harvard Medical School, Boston, MA 02115, USA（美国哈佛医学院波士顿儿童医院新生儿医学部） ； Department of Pediatrics, Harvard Medical School, Boston, MA, USA（美国哈佛医学院儿科系） ； CSIR–Central Electronics Engineering Research Institute, Pilani 333031, Rajasthan, India（印度拉贾斯坦邦比拉尼中央电子工程研究机构） ； Academy of Scientific and Innovative Research (AcSIR), Ghaziabad 201002, India（印度德里阿齐亚德瓦学术与创新研究院） ； CSIR–National Institute of Science Communication and Policy Research, New Delhi, India（印度新德里国家科学传播与政策研究所） 纠错

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

AI总结 本文提出基于直觉模糊逻辑的UNet架构，用于提升脑图像分割中对不确定性的处理能力。

Efficient Multi-scale Masked Autoencoders with Hybrid-Attention Mechanism for Breast Lesion Classification

高效的多尺度掩码自编码器与混合注意力机制用于乳腺病变分类

Hung Q. Vo, Pengyu Yuan, Zheng Yin, Kelvin K. Wong, Chika F. Ezeana, Son T. Ly, Hien V. Nguyen, Stephen T. C. Wong

机构 * Department of Electrical and Computer Engineering, University of Houston（电气与计算机工程系，德克萨斯大学） ； Systems Medicine and Biomedical Engineering, Houston Methodist（系统医学与生物医学工程，休斯顿 Methodist） 纠错

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

AI总结 MIRAM通过混合注意力机制和双解码器设计，实现高效多尺度掩码自编码器，提升乳腺病变分类准确率并降低计算需求。

From Performance to Practice: Knowledge-Distilled Segmentator for On-Premises Clinical Workflows

从性能到实践：面向本地临床工作流的知识蒸馏分割器

Qizhen Lan, Aaron Choi, Jun Ma, Bo Wang, Zhaogming Zhao, Xiaoqian Jiang, Yu-Chun Hsu

机构 * D. Bradley McWilliams School of Biomedical Informatics（D. Bradley McWilliams 生物医学信息学学院） ； The University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校） ； M31 AI ； University Health Network（大学健康网络） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Center for Precision Health（精准健康中心） 纠错

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

AI总结 本文提出了一种面向部署的知识蒸馏分割器，通过减少模型参数提升本地临床工作流的实用性与可维护性。

Encoding Structural Constraints into Segment Anything Models via Probabilistic Graphical Models

通过概率图模型将结构约束编码进段任何模型

Yu Li, Da Chang, Xi Xiao

机构 * The George Washington University（乔治·华盛顿大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究所，中国科学院） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） 纠错

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

AI总结 KG-SAM通过整合医学知识图谱和不确定性估计，提升医学影像分割的准确性与可靠性。

Policy to Assist Iteratively Local Segmentation: Optimising Modality and Location Selection for Prostate Cancer Localisation

政策辅助迭代局部分割：优化模态和位置选择以定位前列腺癌

Xiangcen Wu, Shaheer U. Saeed, Yipei Wang, Ester Bonmati Coll, Yipeng Hu

机构 * Department of Medical Physics and Biomedical Engineering, University College London, London, UK（医学物理与生物医学工程系，伦敦大学学院，伦敦，英国） ； UCL Hawkes Institute, University College London, London, UK（UCL Hawkes研究所，伦敦大学学院，伦敦，英国） ； School of Computer Science and Engineering, University of Westminster, London, UK（计算机科学与工程学院，伦敦威斯敏斯特大学，伦敦，英国） 纠错

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

AI总结 本文提出了一种推荐系统，通过优化成像模态和位置选择，提升前列腺癌分割性能，实验表明其在提高标注效率和分割准确性方面具有潜力。

Medical Scene Reconstruction and Segmentation based on 3D Gaussian Representation

基于3D高斯表示的医学场景重建与分割

Bin Liu, Wenyan Tian, Huangxin Fu, Zizheng Li, Zhifen He, Bo Li

机构 * Nanchang Hangkong University（南昌航空大学） ； Guilin University Of Electronic Technology（桂林电子科技大学） 纠错

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

AI总结 本文提出基于3D高斯和三平面表示的医学图像重建方法，解决传统方法在稀疏切片中的结构不连续和细节丢失问题，提升重建效率和图像质量。

Comments 14 pages, 3 figures

A-QCF-Net: An Adaptive Quaternion Cross-Fusion Network for Multimodal Liver Tumor Segmentation from Unpaired Datasets

A-QCF-Net：一种自适应四元数交叉融合网络用于从无配对数据集进行多模态肝肿瘤分割

Arunkumar V, Firos V M, Senthilkumar S, Gangadharan G R

机构 * University College of Engineering, Bharathidasan Institute of Technology Campus, Anna University（安娜大学工程学院，巴拉特拉桑理工学院校区，安娜大学） ； National Institute of Technology（国家理工学院） 纠错

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

AI总结 A-QCF-Net通过自适应四元数交叉融合网络，实现从无配对CT和MRI数据集中的肝肿瘤分割，提升分割精度并验证模型的临床实用性。

Prompt-Aware Adaptive Elastic Weight Consolidation for Continual Learning in Medical Vision-Language Models

面向提示的自适应弹性权重固化用于医学视觉-语言模型的持续学习

Ziyuan Gao, Philippe Morel

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 PA-EWC通过提示引导的参数专门化，有效缓解医疗视觉-语言模型在持续学习中的灾难性遗忘问题，提升多模态医学任务的性能。

Comments Accepted by 32nd International Conference on MultiMedia Modeling (MMM 2026)

DPL: Spatial-Conditioned Diffusion Prototype Enhancement for One-Shot Medical Segmentation

DPL：基于扩散的原型增强用于单次医疗分割

Ziyuan Gao, Philippe Morel

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 DPL通过扩散增强和空间感知条件机制，提升单次医疗图像分割的原型表示能力，实现更鲁棒的泛化性能。

Comments Accepted at IVCNZ 2025. To be published in IEEE proceedings

Journal ref 2025 40th International Conference on Image and Vision Computing New Zealand (IVCNZ), IEEE, 2025

Semi-Supervised 3D Segmentation for Type-B Aortic Dissection with Slim UNETR

带有Slim UNETR的半监督3D分割用于B型主动脉夹层

Denis Mikhailapov, Vladimir Berikov

机构 * Sobolev Institute of Mathematics SB RAS（索布列夫数学研究所） 纠错

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

AI总结 本文提出了一种适用于多输出模型的半监督学习方法，通过额外的旋转和翻转来提高B型主动脉夹层的3D分割精度。

Comments 7 pages, 5 figures, 1 listing

MetaVoxel: Joint Diffusion Modeling of Imaging and Clinical Metadata

MetaVoxel：联合图像与临床元数据的扩散建模

Yihao Liu, Chenyu Gao, Lianrui Zuo, Michael E. Kim, Brian D. Boyd, Lisa L. Barnes, Walter A. Kukull, Lori L. Beason-Held, Susan M. Resnick, Timothy J. Hohman, Warren D. Taylor, Bennett A. Landman

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

AI总结 MetaVoxel通过联合扩散建模统一图像与临床元数据，实现图像生成、年龄估计和性别预测，性能媲美传统任务特定模型。

Expectation-Maximization as the Engine of Scalable Medical Intelligence

期望-最大化作为可扩展医学智能的引擎

Wenxuan Li, Pedro R. A. S. Bassi, Tianyu Lin, Yu-Cheng Chou, Jakob Wasserthal, Xinze Zhou, Qi Chen, Fabian Isensee, Yannick Kirchhoff, Maximilian Rokuss, Saikat Roy, Constantin Ulrich, Klaus Maier-Hein, Szymon Płotka, Xiaoxi Chen, Kang Wang, Yang Yang, Daguang Xu, Kai Ding, Yucheng Tang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Bologna（博洛尼亚大学） ； Italian Institute of Technology（意大利理工学院） ； University Hospital Basel（巴塞尔大学医院） ； DKFZ（德累斯顿生物医学研究中心） ； Jagiellonian University（雅盖隆大学） ； University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Francisco（旧金山大学） ； NVIDIA（NVIDIA公司） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

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

AI总结 ScaleMAI通过期望-最大化过程统一数据标注与模型开发，生成大规模标注数据集并提升肿瘤诊断性能。

Lean Unet: A Compact Model for Image Segmentation

Lean Unet: 一种用于图像分割的紧凑模型

Ture Hassler, Ida Åkerholm, Marcus Nordström, Gabriele Balletti, Orcun Goksel

机构 * Department of Information Technology, Uppsala University（信息科技系，乌普萨拉大学） ； RaySearch Laboratories（RaySearch实验室） 纠错

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

AI总结 本文提出了一种紧凑的U-net架构（LUnet），通过减少参数数量和优化结构，实现了与传统U-net和自适应剪枝网络相当的性能。

A Disease-Aware Dual-Stage Framework for Chest X-ray Report Generation

Puzhen Wu, Hexin Dong, Yi Lin, Yihao Ding, Yifan Peng

机构 * Population Health Sciences, Weill Cornell Medicine（人群健康科学系，韦尔·科恩医学中心） ； School of Physics, Mathematics and Computing, University of Western Australia（物理、数学与计算学院，西澳大学） 纠错

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

Comments Accepted at AAAI 2026

ChexFract: From General to Specialized -- Enhancing Fracture Description Generation

Nikolay Nechaev, Evgeniia Przhezdzetskaia, Dmitry Umerenkov, Dmitry V. Dylov

机构 * Artificial Intelligence Research Institute (AIRI)（人工智能研究 institute (AIRI)） 纠错

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

Comments 13 pages, 3 figures

Dynamic Reconstruction of Ultrasound-Derived Flow Fields With Physics-Informed Neural Fields

Viraj Patel, Lisa Kreusser, Katharine Fraser

机构 * University of Bath（巴斯大学） 纠错

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

Comments 29 pages, 18 figures

Reasoning Visual Language Model for Chest X-Ray Analysis

Andriy Myronenko, Dong Yang, Baris Turkbey, Mariam Aboian, Sena Azamat, Esra Akcicek, Hongxu Yin, Pavlo Molchanov, Marc Edgar, Yufan He, Pengfei Guo, Yucheng Tang, Daguang Xu

机构 * NVIDIA ； NIH/NCI ； CHOP/UPenn ； Basaksehir Cam and Sakura City Hospital 纠错

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

Comments NV-Reason-CXR-3B