医学 AI

Nature Inspired Evolutionary Swarm Optimizers for Biomedical Image and Signal Processing -- A Systematic Review

Subhrangshu Adhikary

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

Denoising diffusion-based MRI to CT image translation enables automated spinal segmentation

Robert Graf, Joachim Schmitt, Sarah Schlaeger, Hendrik Kristian Möller, Vasiliki Sideri-Lampretsa, Anjany Sekuboyina, Sandro Manuel Krieg, Benedikt Wiestler, Bjoern Menze, Daniel Rueckert, Jan Stefan Kirschke

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

Comments 35 pages, 7 figures, Code and a model weights available https://doi.org/10.5281/zenodo.8221159 and https://doi.org/10.5281/zenodo.8198697

Journal ref Eur Radiol Exp 7, 70 (2023)

Machine learning based biomedical image processing for echocardiographic images

Ayesha Heena, Nagashettappa Biradar, Najmuddin M. Maroof, Surbhi Bhatia, Rashmi Agarwal, Kanta Prasad

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

Comments 10 figures 4 tables

Trustworthy clinical AI solutions: a unified review of uncertainty quantification in deep learning models for medical image analysis

Benjamin Lambert, Florence Forbes, Alan Tucholka, Senan Doyle, Harmonie Dehaene, Michel Dojat

专题命中 医学影像 ：medical image(title,abstract)；clinical AI(title)；分类 cs.CV、cs.LG、eess.IV

A Novel Implementation of Machine Learning for the Efficient, Explainable Diagnosis of COVID-19 from Chest CT

Justin Liu

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

Comments 19 pages

Abdominal synthetic CT reconstruction with intensity projection prior for MRI-only adaptive radiotherapy

Sven Olberg, Jaehee Chun, Byong Su Choi, Inkyung Park, Hyun Kim, Taeho Kim, Jin Sung Kim, Olga Green, Justin C. Park

专题命中 医学影像 ：MRI(title,abstract)；CT(title,abstract)

3D RegNet: Deep Learning Model for COVID-19 Diagnosis on Chest CT Image

Haibo Qi, Yuhan Wang, Xinyu Liu

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

MRI-only brain radiotherapy: assessing the dosimetric accuracy of synthetic CT images generated using a deep learning approach

Samaneh Kazemifar, Sarah McGuire, Robert Timmerman, Zabi Wardak, Dan Nguyen, Yang Park, Steve Jiang, Amir Owrangi

专题命中 医学影像 ：MRI(title,abstract)；CT(title,abstract)

Journal ref Radiotherapy and Oncology, Volume 136, July 2019, Pages 56-63

Pathology Extraction from Chest X-Ray Radiology Reports: A Performance Study

Tahsin Mostafiz, Khalid Ashraf

专题命中 医学影像 ：pathology(title,abstract)；radiology(title,abstract)

Semi-automated labelling of medical images: benefits of a collaborative work in the evaluation of prostate cancer in MRI

Christian Mata, Alain Lalande, Paul Walker, Arnau Oliver, Joan Martí

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

A novel TOF-PET MRI detector for diagnosis and follow up of the prostate cancer

F. Garibaldi, S. Beging, R. Canese, G. Carpinelli, N. Clinthorne, S. Colilli, L. Cosentino P. Finocchiaro, F. Giuliani, M. Gricia, M. Lucentini, S. Majewski, E. Monno, P. Musico, F. Santavenere, J. Tödter, H. Wegener, K. Ziemons

专题命中 医学影像 ：MRI(title,abstract)；diagnosis(title,abstract)

Computerized Processing and Analysis of CT Images for Developing a New Criterion in COPD Diagnosis

Mohammad-Parsa Hosseini, Hamid Soltanian-Zadeh, Shahram Akhlaghpoor

专题命中 医学影像 ：CT(title,abstract)；diagnosis(title,abstract)

Comments http://jims.mui.ac.ir/index.php/jims/article/view/1276

Journal ref Journal of Isfahan Medical School (I.U.M.S),2012; 29(174)

Subsumptive reflection in SNOMED CT: a large description logic-based terminology for diagnosis

A. M. Mohan Rao

专题命中 医学影像 ：CT(title,abstract)；diagnosis(title)；biomedical(abstract)

Comments 8 pages, 4 figures

An anthropomorphic multimodality (CT/MRI) phantom prototype for end-to-end tests in radiation therapy

Raya R. Gallas, Nora Hünemohr, Armin Runz, Nina I. Niebuhr, Oliver Jäkel, Steffen Greilich

专题命中 医学影像 ：MRI(title,abstract)；CT(title,abstract)

Comments 18 pages, 6 figures

Journal ref Zeitschrift fuer medizinische Physik, 2015, 25, 391-399

A Pilot Study on Coupling CT and MRI through Use of Semiconductor Nanoparticles

Matthew Getzin, Lars Gjesteby, Yen-Jun Chuang, Scott McCallum, Wenxiang Cong, Chao Wang, Zhengwei Pan, Guohao Dai, Ge Wang

专题命中 医学影像 ：MRI(title,abstract)；CT(title,abstract)

Comments 24 total pages, 9 pages of text, 10 figures with captions (6 pages), supplemental material including analysis code and tutorial (9 pages)

Comparison of Fluid Attenuated Inversion Recovery Sequence with Spin Echo T2-Weighted MRI for Characterization of Brain Pathology

Indra Dev Sahu, Sheshkant Aryal, Shanta Lal Shrestha, Ram Kumar Ghimire

专题命中 医学影像 ：MRI(title,abstract)；pathology(title,abstract)

Comments 9 pages, 6 figures

CohortFinder: an open-source tool for data-driven partitioning of biomedical image cohorts to yield robust machine learning models

Fan Fan, Georgia Martinez, Thomas Desilvio, John Shin, Yijiang Chen, Bangchen Wang, Takaya Ozeki, Maxime W. Lafarge, Viktor H. Koelzer, Laura Barisoni, Anant Madabhushi, Satish E. Viswanath, Andrew Janowczyk

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

Comments 26 pages, 9 figures, 4 tables. Abstract was accepted by European Society of Digital and Integrative Pathology (ESDIP), Germany, 2022

SymmAdapt: Symmetrical Flow Matching for Source-Free Domain Adaptation in Medical Image Segmentation

SymmAdapt：用于医学图像分割的无监督源域自适应的对称流匹配方法

Tal Grossman, Noa Cahan, Hayit Greenspan

机构 * Faculty of Engineering, Tel Aviv University（特拉维夫大学工程学院） 纠错

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

AI总结 针对医学图像分割的域偏移问题，提出基于对称流匹配的SFUDA框架，构建生成式回放缓冲区，在多任务评估中优于基线且与传统UDA方法性能相当。

Comments Accepted at SASHIMI 2026, held in conjunction with MICCAI 2026. To appear in the Springer LNCS proceedings of the MICCAI 2026 Satellite Events

Fine-tuning an ECG Foundation Model to Predict Coronary CT Angiography Outcomes

微调一种心电图基础模型以预测冠状动脉CT血管造影结果

Yujie Xiao, Qinghao Zhao, Gongzheng Tang, Hao Zhang, Zhuoran Kan, Deyun Zhang, Jun Li, Guangkun Nie, Xiaocheng Fang, Haoyu Wang, Shun Huang, Tong Liu, Jian Liu, Kangyin Chen, Shenda Hong

机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学人民医院医学技术研究所） ； National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） ； Tianjin Key Laboratory of Ionic-Molecular Function of Cardiovascular Disease, Department of Cardiology, Tianjin Institute of Cardiology, The Second Hospital of Tianjin Medical University（天津医科大学心血管离子-分子功能重点实验室，天津心脏病学研究院，天津医科大学第二医院心内科） ； Heart Voice Medical Technology（心声医疗科技） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） 纠错

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

AI总结 本文研究了通过微调心电图基础模型来预测冠状动脉CT血管造影结果的研究问题，采用多中心研究方法，利用CTCA作为解剖参考标准，开发并验证了AI-ECG模型，以预测血管特异性冠状动脉狭窄，并展示了模型在内部和外部验证中的表现，以及其在临床中的应用价值。

MOSAIC: A Self-supervised Dynamic Multi-encoding Reconstruction Framework for 3D Late Gadolinium Enhancement MRI

MOSAIC：用于三维钆延迟增强磁共振成像的自监督动态多编码重建框架

Muhammad A. Sultan, Yingmin Liu, Katherine Binzel, Katarzyna E. Gil, Karolina M. Zareba, Rizwan Ahmad

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

AI总结 该研究提出MOSAIC自监督动态多编码重建框架，实现加速因子超1000的运动分辨自由呼吸双回波3D LGE MRI，在图像质量上优于现有方法。

COGENT: Counterfactual Gaussian Explanations for Volumetric Medical Images

COGENT：面向体积医学图像的反事实高斯解释

Dorian Rząsa, Bartosz Zabdyr, Krzysztof Piekarz, Jakub Grzywaczewski, Bartlomiej Sobieski, Przemyslaw Biecek, Żaneta Świderska-Chadaj, Olga Śliwicka, Przemysław Spurek, Joanna Świebocka-Więk

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

AI总结 COGENT是基于MedGS和Sybil模型的框架，通过高斯体积表示的反事实优化，为肺部CT扫描提供具有临床意义的稀疏可解释性，优于现有方法。

q3-MuPa: Quick, Quiet, Quantitative Multi-Parametric MRI using Physics-Informed Diffusion Models

q3-MuPa: 快速、安静、定量的多参数MRI使用物理引导的扩散模型

Shishuai Wang, Florian Wiesinger, Noemi Sgambelluri, Carolin Pirkl, Stefan Klein, Juan A. Hernandez-Tamames, Dirk H. J. Poot

机构 * Erasmus University Medical Center（埃拉斯姆斯大学医学中心） 纠错

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

AI总结 本文提出了一种基于扩散模型的qMRI映射方法，结合物理数据一致性约束，提升映射性能并实现四倍加速的高质qMRI成像。

Journal ref Magnetic Resonance Imaging 131 (2026) 110699

Self-Supervised Weighted Image Guided Quantitative MRI Super-Resolution

自监督加权图像引导的定量磁共振成像超分辨率

Alireza Samadifardheris, Dirk H. J. Poot, Florian Wiesinger, Stefan Klein, Juan A. Hernandez-Tamames

机构 * Department of Radiology and Nuclear Medicine, Erasmus MC（放射学与核医学系，埃因霍温麦斯特大学医学中心） ； GE Healthcare（通用电气医疗） ； Department of Imaging Physics, TU Delft（成像物理系，代尔夫特理工大学） 纠错

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

AI总结 本研究提出一种自监督框架，利用常规高分辨率加权MRI扫描引导，无需高分辨率qMRI数据即可实现qMRI超分辨率，通过深度学习提升T1/T2图质量并验证其跨序列通用性。

Comments This work has been submitted to Magnetic Resonance Materials in Physics, Biology and Medicine for possible publication

Foundation Models Adaptation for Multi-View Multi-modal Cardiac MRI Segmentation and Direct Ejection Fraction Estimation

基础模型在多视图多模态心脏MRI分割与直接射血分数估算中的适配

Sina Amirrajab, Cian M Scannell, Volker Vehof, Michael Bietenbeck, Ali Yilmaz

机构 * Maastricht University（马斯特里赫特大学） ； University Hospital Münster（明斯特大学医院） ； Eindhoven University of Technology（埃因霍温理工大学） 纠错

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

AI总结 本研究针对CMR-Multi挑战，微调CineMA并组合冻结CMR基础模型，实现多视图CMR分割与直接LVEF估算，验证了基础模型适配多视图CMR分析的有效性。

Do 3D Medical Foundation Models See Through MRI Artifacts? A Controlled Study of Representation Robustness

三维医学基础模型能看穿MRI伪影吗？一项关于表示鲁棒性的对照研究

Julia Anna Mielcarz, Daniel Klaaby, Mostafa Mehdipour Ghazi

机构 * Pioneer Centre for AI, University of Copenhagen（哥本哈根大学先锋人工智能中心） 纠错

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

AI总结 本文对照评估五种三维医学基础模型的表示鲁棒性，发现其鲁棒性与模型及伪影类型相关，部分模型对伪影更敏感，仅靠大规模预训练无法保证伪影不变性，需部署前评估鲁棒性。

Comments Accepted at the ECCV 2026 Workshop on Artificial Intelligence for Medical 3D Vision (AI4M3D)

Bi-PT: Bidirectional Cross-Attention Point Transformers for Four-Chamber Heart Reconstruction from Sparse Cardiac MRI Data

Bi-PT：用于从稀疏心脏MRI数据重建四腔心的双向交叉注意力点变换器

Chenchuhui Hu, Shaoming Pan, Leon Axel, Meng Ye

机构 * 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 ：MRI(title,title_cn)；分类 cs.CV

AI总结 针对从稀疏心脏MRI数据重建四腔心的问题，Bi-PT通过双向点交叉注意力学习点特征，结合逐点语义标签改进对应估计，将变形场公式化为神经常微分方程，集成语义标签损失和添加平滑正则化，实验证明其性能准确且稳健。

YOLO-PVC: 2D-to-3D Consolidation of Slice-wise Detections for Volumetric Liver Tumor Localization in MRI

YOLO-PVC：用于MRI中体积肝肿瘤定位的切片式检测的2D到3D整合方法

Talha Waqas, Mounir Lahlouh, Kawther Taibouni, Mahnoor Waqas, Salar Ahmed, Sébastien Mulé, Yasmina Leroul-Chenoune

机构 * ESME Research Lab（ESME研究实验室） ； Université Paris-Est Créteil（巴黎东部克雷泰伊大学） ； LRE EPITA（EPITA LRE实验室） ； Institute of Space Technology（空间技术研究所） ； Henri Mondor University Hospital（亨利·蒙多大学医院） 纠错

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

AI总结 针对切片式2D目标检测器在体积数据中预测碎片化不稳定的问题，提出YOLO-PVC框架，通过几何整合提升肝脏肿瘤定位的3D IoU至0.710，优于多种基线方法。

Comments 14 pages, 2 figures, 4 tables. Accepted at AI4M3D Workshop, ECCV 2026 (Spotlight)

K-space Gaussian Representation for Parallel MRI

并行磁共振成像的K空间高斯表示

Yu Guan, Mingyu Hu, Jiale Hu, Zhuoxu Cui, Dong Liang, Qiegen Liu

机构 * Nanchang University（南昌大学） ； Chinese Academy of Sciences（中国科学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

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

AI总结 针对并行MRI现有K空间重建方法未显式建模连续信号的局限，提出KGR方法，通过Gabor-高斯基元参数化连续信号并结合低秩流形约束，在多数据集上较基线实现重建性能提升。

HERMES: A Hybrid Ensemble for Head-and-Neck Tumor Segmentation, TN Staging, and Recurrence-Free Survival on PET/CT

HERMES：用于PET/CT图像上头颈部肿瘤分割、TN分期及无复发生存分析的混合集成模型

Kai Wang, Meixu Chen, Elie Nasr, Ryan Lanning, Moyed Miften

机构 * University of Colorado School of Medicine（科罗拉多大学医学院） 纠错

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

AI总结 该研究提出名为HERMES的混合集成算法，用于解决HECKTOR 2026的肿瘤分割、TN分期及无复发生存分析任务，在验证排行榜取得加权分0.6454并晋级测试阶段。

Comments 12 pages, 4 figures, 3 tables, conference

Structured Proxy Features for Multimodal NSCLC Survival Prediction from Pretreatment CT

用于基于治疗前CT的多模态非小细胞肺癌（NSCLC）生存预测的结构化代理特征

Huu Phong Nguyen, Delower Hossain, Ehsan Saghapour, Zhandos Sembay, Jake Y. Chen

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

AI总结 该研究针对NSCLC生存分层难题，用模拟衍生的6种结构化代理特征扩充多模态数据，结合TMAE模型，在Lung1队列取得优于现有方法的预测性能，验证了代理特征的互补价值。

Comments 33