Are foundation models efficient for medical image segmentation?
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
Comments 14 pages, 2 figures, 2 tables
Journal ref J Am Soc Echocardiogr, 2025, S0894-7317(25)00060-4
科学与医疗
医学 AI
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
1. 医学影像 22768 篇
Dual-Domain Cross-Modal Decoding for Clinical Text-Guided Medical Image Segmentation
用于临床文本引导的医学图像分割的双域跨模态解码
机构 * Texas A&M University（德克萨斯农工大学）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
AI总结 本文针对临床文本引导医学图像分割忽略频率内容的问题，提出双域跨模态解码（DD-CMD）方法，在两个公开数据集上均优于现有最强基线。
Comments Accepted at MICCAI 2026 (Main). Final version to appear in the MICCAI 2026 proceedings
How Many Labels Are Enough? ALDA: Active Learning Deployment Advisor for Medical Image Classification
需要多少标签才足够？ALDA：面向医学图像分类的主动学习部署顾问
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 针对医学图像分类的主动学习部署问题，提出ALDA框架，利用15%-30%试点数据预测最优策略，可降低最多82%标注成本，解决了部署时需选采样策略的关键问题。
Comments Accepted at EMA4MICCAI Workshop 2026
When Does Consensus Beat Voting? A Critical Analysis of Statistical Label Fusion in Medical Image Segmentation
在医学图像分割中，何时一致性优于投票？统计标签融合的批判性分析
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 研究医学图像分割中一致性分割，通过推导数学基础并实验验证，发现常见条件下STAPLE存在问题，多数投票是强基线，深度一致性模型结合图像标签可处理问题，共形预测能保证不确定性，为评估方法提供基础。
Local Label-Informed Feature Transfer for Generating Ground-Truth Medical Images: A Comparison of GAN- and Diffusion-Based Approaches
用于生成真实医学图像的局部标签信息特征转移：基于GAN和扩散方法的比较
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 研究针对医学成像中验证XAI方法缺少真实数据的问题，提出LLIFT框架，用GAN和扩散两种范式实现，能生成含真实病变的半合成脑磁共振图像，为评估XAI方法提供了可控真实数据，且评估效果良好。
Comments 6 pages, submitted to IEEE MetroXRAINE 2026
Confidence-Uncertainty Boundary Calibration for Bayesian Deep Learning in Medical Image Analysis
医学图像分析中贝叶斯深度学习的置信-不确定性边界校准
机构 * Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad Politécnica de Madrid（电信工程高级学院马德里理工大学）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 提出基于贝叶斯深度学习的概率优化框架，通过置信-不确定性边界曲线（CUBC）和边界损失（CUB-Loss）校准预测置信与不确定性，并引入双温度缩放（DTS）进行后处理，在肺炎、糖尿病视网膜病变和皮肤病变三个医学图像任务上验证了有效性。
Comments 26 pages, 4 figures
Quantification of Uncertainty with Adversarial Models in Medical Image Segmentation
医学图像分割中对抗模型的不确定性量化
机构 * Institute of Artificial Intelligence, Center for Medical Data Science, Medical University of Vienna, Austria（人工智能研究所、医学数据科学中心、维也纳医学大学，奥地利） ； Comprehensive Center for AI in Medicine, Medical University of Vienna, Austria（医学人工智能综合中心、维也纳医学大学，奥地利） ； ELLIS Unit Linz, LIT AI Lab and Institute for Machine Learning, Johannes Kepler University Linz, Austria（林茨ELLIS单位、LIT人工智能实验室和机器学习研究所、林茨约瑟夫·冯·克拉夫特大学，奥地利） ； Institute for Machine Learning, Johannes Kepler University Linz, Austria（机器学习研究所、林茨约瑟夫·冯·克拉夫特大学，奥地利） ； Clinical Research Center for Medical AI, Johannes Kepler University Linz, Austria（医学人工智能临床研究中心、林茨约瑟夫·冯·克拉夫特大学，奥地利）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 提出QUAM-SM后处理框架，通过针对性对抗搜索识别脆弱像素，量化不确定性并分离认知与偶然不确定性，在公开数据集上优于现有方法。
Comments Accepted at MICCAI 2026
To forget is to preserve: Machine Unlearning for 3D medical image segmentation
遗忘即保留：面向3D医学图像分割的机器遗忘
机构 * University of California, San Diego（加州大学圣地亚哥分校）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 针对数据隐私法规，研究基于四种机制的近似遗忘策略在3D医学图像分割中的应用，通过Dice系数和MAE评估，发现噪声标签策略在遗忘集和保留集间取得最佳平衡。
Comments 9 pages, 5 figures
Keyed Nonlinear Transform: Lightweight Privacy-Enhancing Feature Sharing for Medical Image Analysis
带密钥的非线性变换：医疗图像分析中的轻量级隐私增强特征共享
机构 * OOLU Soft Co., Ltd.（OOLU软件有限公司）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
AI总结 本文提出KNT，一种轻量级隐私增强特征共享方法，通过带密钥的非线性变换降低特征重识别AUC，同时保持分类性能，适用于资源受限医院的分割推理部署。
Chaos-Enhanced Prototypical Networks for Few-Shot Medical Image Classification
混沌增强的原型网络用于少样本医学图像分类
机构 * Hydronium Energies Limited（Hydronium能源有限公司）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
AI总结 本文提出混沌增强原型网络（CE-ProtoNet）以解决少样本医学图像分类中的原型不稳定性问题，通过引入非线性Logistic混沌模块，提升模型在噪声和高类内方差下的鲁棒性，实验表明其在脑肿瘤分类中达到84.52%的准确率。
Differential privacy representation geometry for medical image analysis
医疗图像分析中的差分隐私表示几何
机构 * Lab for AI in Medicine, RWTH Aachen University, Aachen, Germany（医学人工智能实验室，亚琛RWTH大学，亚琛，德国） ； Department of Diagnostic and Interventional Radiology, University Hospital RWTH Aachen, Aachen, Germany（诊断与介入放射学部门，RWTH亚琛大学医院，亚琛，德国） ； INDA Institute, RWTH Aachen University, Aachen, Germany（INDA研究所，亚琛RWTH大学，亚琛，德国）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 本文提出DP-RGMI框架，通过分析差分隐私对表示空间的影响，揭示隐私导致的效用损失机制，展示在多个数据集上DP与效用差距的关系及表示几何的变化。
Search-MIND: Training-Free Multi-Modal Medical Image Registration
Search-MIND: 无需训练的多模态医学图像配准
机构 * Lab for Uncertainty in Data and Decision Making (LUCID), Nottingham Biomedical Research Centre (BRC), School of Medicine, University of Nottingham, UK（英国诺丁汉大学医学院诺丁汉生物医学研究中心（BRC）数据与决策不确定性实验室（LUCID））
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
AI总结 本文提出Search-MIND，一种无需训练的迭代优化框架，通过粗到细策略和两种新损失函数提升多模态医学图像配准的稳定性与精度。
Weakly Convex Ridge Regularization for 3D Non-Cartesian MRI Reconstruction
弱凸岭回归正则化用于3D非笛卡尔MRI重建
机构 * Faculty of Mathematics, Chemnitz University of Technology（开姆尼茨工业大学数学学院） ； NeuroSpin, Frédéric Joliot Institute for Life Sciences, CEA Paris-Saclay（法国原子能委员会巴黎-萨克雷大学弗雷德里克·约里奥生命科学研究所神经自旋中心） ； MIND, Inria Saclay Centre（法国国家信息与自动化研究所萨克雷中心MIND团队） ； Siemens Healthineers（西门子医疗）
专题命中 医学影像 ：MRI(title)；分类 cs.CV、cs.LG
AI总结 本文提出弱凸岭回归正则化方法，用于提升3D非笛卡尔MRI重建的稳定性与鲁棒性，通过实验验证其在不同数据集上的优越性能。
Comments 8 figures and 2 tables
XAttnRes: Cross-Stage Attention Residuals for Medical Image Segmentation
XAttnRes：用于医学图像分割的跨阶段注意力残差
机构 * Imperial College London（伦敦帝国学院） ； University of Nottingham（诺丁汉大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 本文提出XAttnRes机制，通过轻量级伪查询注意力实现跨阶段特征聚合，提升医学图像分割性能。
HyperCT: Low-Rank Hypernet for Unified Chest CT Analysis
HyperCT：用于统一胸部CT分析的低秩超网络
机构 * Cornell Tech and Cornell University（康奈尔科技校区与康奈尔大学） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心） ； Weill Cornell Medicine（威尔康奈尔医学院）
专题命中 医学影像 ：CT(title)；分类 cs.CV、eess.IV
AI总结 HyperCT通过动态调整视觉Transformer骨干网络，结合低秩适应技术，实现高效的多任务统一分析，优于现有基线方法。
Comments MIDL 2026
Pixel-level Counterfactual Contrastive Learning for Medical Image Segmentation
像素级反事实对比学习用于医学图像分割
机构 * Department of Computing, Imperial College London, UK（帝国理工学院伦敦分校计算机系）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 本文提出结合反事实生成与密集对比学习的DVD-CL和MVD-CL方法，利用银标准标注提升医学图像分割的鲁棒性，实验表明无标注DVD-CL在挑战性数据上达到94%的DSC。
Comments Accepted at ISBI-2026 (oral presentation)
On the Degrees of Freedom of Gridded Control Points in Learning-Based Medical Image Registration
关于格点控制点在基于学习的医学图像配准中的自由度
机构 * UCL Hawkes Institute（UCL霍克斯研究所；医学物理与生物医学工程系，伦敦大学学院） ； Department of Medical Physics and Biomedical Engineering, University College London（医学成像中心，医学系，伦敦大学学院） ； Centre for Medical Imaging, Division of Medicine, University College London（外科与介入科学系，伦敦大学学院） ； Division of Surgery and Interventional Science, University College London（癌症研究所，泌尿科，UCL医院，伦敦大学学院） ； Cancer Institute, Urology Department, UCL Hospital, University College London（放射科，帝国理工医疗） ； Radiology Department, Imperial College Healthcare
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
AI总结 本文提出GridReg框架，通过稀疏格点预测位移场，减少参数和内存消耗，同时保持配准精度，实验表明在前列腺、盆腔器官和神经结构配准中效果显著。
Comments 27 pages; 8 figures
Bayesian Uncertainty-Aware MRI Reconstruction
贝叶斯不确定性感知MRI重建
机构 * Department of Computer Science, University of Exeter, UK（埃克塞特大学计算机科学系，英国） ； UCL Hawkes Institute, Department of Computer Science, University College London, UK（伦敦大学学院霍克斯研究所，计算机科学系，英国）
专题命中 医学影像 ：MRI(title)；分类 cs.CV、eess.IV
AI总结 本文提出一种联合MRI重建与不确定性量化的新框架，利用欠采样k空间测量，通过贝叶斯线性逆问题方法，结合总变分先验模型和分裂增强吉布斯采样算法，实现参数联合后验分布采样，实验显示优于优化压缩感知算法，并有效量化不确定性。
CLoPA: Continual Low Parameter Adaptation of Interactive Segmentation for Medical Image Annotation
CLoPA: 交互分割的持续低参数适应用于医学图像标注
机构 * School of Biomedical Engineering and Imaging Sciences, KCL, UK（生物医学工程与影像科学学院，KCL，英国） ； Siemens Healthineers, Princeton NJ, USA（西门子医疗，新泽西州普林斯顿，美国）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 CLoPA通过持续低参数适应提升医学图像分割性能，无需额外参数，在标注流程中实现专家级效果。
Comments 10 pages, 2 figures
Landmark Detection for Medical Images using a General-purpose Segmentation Model
使用通用分割模型进行医学图像标志物检测
机构 * University of Vienna（维也纳大学） ； Orthopaedic Hospital Speising（骨科医院Speising） ； University of Leeds（利兹大学）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
AI总结 本文提出结合YOLO和SAM模型，用于提高骨科骨盆放射影像中解剖标志物和复杂轮廓的分割精度。
Comments 13 pages, 8 figures, 2 tables. Submitted to ICONIP 2025
Soft-CAM: Making black box models self-explainable for medical image analysis
Soft-CAM: 使黑盒模型在医学图像分析中自我解释
机构 * Hertie Institute for AI in Brain Health, University of Tübingen, Germany（人工智能与脑健康赫尔特研究所，图宾根大学，德国） ； Tübingen AI Center, University of Tübingen, Germany（图宾根人工智能中心，图宾根大学，德国）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 SoftCAM通过去除全局平均池化层并替换为卷积类证据层，使CNN在医学图像分析中具备内生可解释性，提升解释效果的同时保持分类性能。
Comments Accepted at the Medical Imaging with Deep Learning Conference (MIDL 2026)
Targeted Unlearning Using Perturbed Sign Gradient Methods With Applications On Medical Images
利用扰动符号梯度方法的目标遗忘与医疗图像应用
机构 * Department of Biomedical Engineering（生物医学工程系） ； Department of Ophthalmology（眼科学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Department of Computer Science（计算机科学系） ； Computer Science and Engineering（计算机科学与工程） ； Pohang University of Science and Technology, South Korea（韩国釜山科学技术大学） ； Department of Plastic and Reconstructive Surgery（整形外科与重建外科系）
专题命中 医学影像 ：medical image(title)；分类 cs.LG、eess.IV
AI总结 本文提出了一种基于扰动符号梯度的方法，用于医疗图像中的目标遗忘，通过可调损失设计和模型组合策略，在遗忘与保留之间取得平衡，优于现有基线方法。
Comments 39 pages, 12 figures, 11 tables, 3 algorithms
Journal ref Transactions on Machine Learning Research 2025, https://openreview.net/forum?id=XE0bJg6sQN
Visible Singularities Guided Correlation Network for Limited-Angle CT Reconstruction
可见奇点引导的相关网络用于有限角度CT重建
机构 * School of Information Engineering（信息工程学院） ； School of Mathematics and Computer Sciences（数学与计算机科学学院） ； Nanchang University（南昌大学）
专题命中 医学影像 ：CT(title)；分类 cs.CV、eess.IV
AI总结 本文提出VSGC网络，通过提取可见奇点边缘特征并建立其与其他区域的关联，提升有限角度CT重建的性能。
Training Beyond Convergence: Grokking nnU-Net for Glioma Segmentation in Sub-Saharan MRI
训练超越收敛：为撒哈拉以南MRI胶质瘤分割训练nnU-Net
专题命中 医学影像 ：MRI(title)；分类 cs.CV、eess.IV
AI总结 本文研究了在本地数据上训练nnU-Net以提高撒哈拉以南非洲MRI胶质瘤分割性能，并探索grokking现象对模型性能的提升作用。
Anatomically-aware conformal prediction for medical image segmentation with random walks
解剖学感知的符合预测用于带有随机游走的医学图像分割
机构 * École de Technologie Supérieure ； Mila - Quebec AI Institute ； Polytechnique Montréal
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 本文提出RW-CP方法，通过随机游走扩散不确定性，提升医学图像分割的解剖学一致性与预测稳定性。
Comments 13 pages
On The Robustness of Foundational 3D Medical Image Segmentation Models Against Imprecise Visual Prompts
关于基础3D医学图像分割模型对不精确视觉提示的鲁棒性
机构 * University of California, San Diego（加州大学圣地亚哥分校）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
AI总结 本研究探讨了基础3D医学图像分割模型在面对不精确视觉提示时的鲁棒性，通过实验揭示了模型对视觉形状和空间线索的依赖性及扰动的抗性。
Comments Accepted at ISBI 2026
Learned Hemodynamic Coupling Inference in Resting-State Functional MRI
学习静息态功能磁共振成像中的血流动力学耦合推断
专题命中 医学影像 ：MRI(title)；分类 eess.IV、eess.SP
AI总结 本文提出了一种基于深度学习和归一化流的方法，用于从静息态fMRI中推断皮层表面的血流动力学耦合，提高了血流动力学估计和连接性分析的准确性。
Fair Foundation Models for Medical Image Analysis: Challenges and Perspectives
医疗图像分析中的公平基础模型：挑战与展望
机构 * Federal University of São Paulo（巴西圣保罗联邦大学） ； Federal Institute of Goiás（哥亚斯联邦理工学院） ； Idiap Research Institute（Idiap研究机构）
专题命中 医学影像 ：medical image(title)；分类 cs.CV、cs.LG
AI总结 本文探讨了医疗图像分析中公平基础模型的挑战与前景，强调通过系统性干预和政策参与实现公平性，以推动医疗技术的普及。
Multiscale Cross-Modal Mapping of Molecular, Pathologic, and Radiologic Phenotypes in Lipid-Deficient Clear Cell Renal CellCarcinoma
多尺度跨模态映射分子、病理和放射表型在脂质缺乏型清细胞癌肾癌中的应用
机构 * Nurturing Center of Jiangsu Province for State Laboratory of AI Imaging & Interventional Radiology, Department of Radiology, Zhongda Hospital, School of Medicine, Southeast University（江苏省人工智能影像与介入放射学 state laboratory 育成中心，放射科，中大医院，东南大学） ； Department of Mechanical and Aerospace Engineering, Princeton University（机械与航空航天工程系，普林斯顿大学） ； School of Automation, Southeast University（自动化学院，东南大学） ； Department of Biomedical Engineering, Columbia University（生物医学工程系，哥伦比亚大学） ； Automation and Electrical Engineering College, Lanzhou University of Technology（自动化与电气工程学院，兰州理工大学） ； The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学附属第一医院，生命科学与医学学院，中国科学技术大学） ； Lianyungang First People’s Hospital（连云港第一人民医院） ； School of Robotics and Automation, Suzhou Campus, Nanjing University（机器人与自动化学院，南京大学苏智校区）
专题命中 医学影像 ：CT(abstract)；pathology(abstract)；radiology(abstract)；分类 q-bio
AI总结 本研究提出多尺度跨模态框架，用于术前识别脂质缺乏型清细胞肾癌的分子、病理和放射表型，实现非侵入性分子表型分析。
Linear Algebraic Approaches to Neuroimaging Data Compression: A Comparative Analysis of Matrix and Tensor Decomposition Methods for High-Dimensional Medical Images
神经影像数据压缩的线性代数方法：矩阵和张量分解方法在高维医学图像中的比较分析
专题命中 医学影像 ：medical image(title)；分类 cs.CV、eess.IV
AI总结 本文比较了Tucker分解和SVD在神经影像数据压缩中的性能，发现Tucker分解在保持多维关系和重建保真度方面更优，而SVD在极端压缩中表现突出但保真度较低。
