医学 AI

Robustness Evaluation of a Foundation Segmentation Model Under Simulated Domain Shifts in Abdominal CT: Implications for Health Digital Twin Deployment

在腹部CT中模拟域移位下基础分割模型的鲁棒性评估：对健康数字双胞胎部署的启示

Sanghati Basu

机构 * Healthcare Informatics, University of Illinois Springfield（医疗信息学，伊利诺伊大学斯普林菲尔德分校） 纠错

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

AI总结 本文评估了SAM(ViT-B)在腹部CT脾脏分割中的鲁棒性，通过模拟临床真实医学影像域移位，发现其在中等CT域移位下表现稳定，支持其作为医学影像分割研究的基础基线。

Comments 8 Pages, 5 Tables, 2 Figures

Hybrid Multi-Dimensional MRI Prostate Cancer Detection via Hadamard Network-Based Bias Correction and Residual Networks

基于Hadamard网络的偏置校正与残差网络的混合多维MRI前列腺癌检测

Emadeldeen Hamdan, Gorkem Durak, Muhammed Enes Tasci, Abel Lorente Campos, Aritrick Chatterjee, Roger Engelmann, Gregory Karczma, Aytekin Oto, Ahmet Enis Cetin, Ulas Bagci

机构 * Electrical and Computer Engineering Department, University of Illinois Chicago（伊利诺伊大学芝加哥分校电子与计算机工程系） ； Machine and Hybrid Intelligence Lab, Northwestern University（西北大学机器与混合智能实验室） ； Department of Radiology, University of Chicago（芝加哥大学放射学系） 纠错

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

AI总结 本文提出HBR-Net-18框架，结合Hadamard-Bias网络和ResNet18，通过抑制偏置场和多尺度信息提升MRI前列腺癌检测的灵敏度和特异性。

Comments This paper is accapted at the Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026)

An Uncertainty-Aware Loss Function Incorporating Fuzzy Logic: Application to MRI Brain Image Segmentation

一种融合模糊逻辑的不确定性感知损失函数：应用于MRI脑图像分割

Hanuman Verma, Akshansh Gupta, Pranabesh Maji, Saurav Mandal, Vijay Kumar Pandey

机构 * Department of Mathematics, Bareilly College, Bareilly (MJP Rohilkhand University), Uttar Pradesh（巴里利学院数学系，巴里利（MJP罗希尔坎德大学），乌塔尔 Pradesh） ； CSIR-Central Electronics Engineering Research Institute, Pilani, Rajasthan（CSIR-中央电子工程研究机构，比兰蒂，拉贾斯坦） ； CICMR, Regional Medical Research Center, Dibrugarh, India（CICMR，迪布格尔中心医学研究中心，印度） ； Department of Statistics, Bareilly College, Bareilly, Uttar Pradesh（巴里利学院统计系，巴里利，乌塔尔 Pradesh） 纠错

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

AI总结 本文提出一种融合模糊逻辑的损失函数，用于解决MRI脑图像分割中的不确定性问题，通过结合分类交叉熵和模糊熵，提升分割性能和模型预测可靠性。

Comments 09 pages, 07 Figures

COVID-19 Computer-aided Diagnosis through AI-assisted CT Imaging Analysis: Deploying a Medical AI System

Demetris Gerogiannis, Anastasios Arsenos, Dimitrios Kollias, Dimitris Nikitopoulos, Stefanos Kollias

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

Comments accepted at IEEE ISBI 2024

Domain adaptation, Explainability & Fairness in AI for Medical Image Analysis: Diagnosis of COVID-19 based on 3-D Chest CT-scans

Dimitrios Kollias, Anastasios Arsenos, Stefanos Kollias

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

Knowledge AI: New Medical AI Solution for Medical image Diagnosis

Yingni Wang, Shuge Lei, Jian Dai, Kehong Yuan

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

Comments 9 pages,8 figures. arXiv admin note: text overlap with arXiv:2101.02639

Classification of COVID-19 cases from chest CT volumes using hybrid model of 3D CNN and 3D MLP-Mixer

基于3D CNN与3D MLP-Mixer混合模型的胸部CT影像的COVID-19病例分类

Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori

机构 * Nagoya University（名古屋大学） ； Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科） ； Graduate School of Science and Technology, Nara Institute of Science and Technology（奈良先端科学技术大学院大学科学技术研究科） ； Research Center for Medical Bigdata, National Institute of Informatics（信息学研究所医疗大数据研究中心） ； Keio University School of Medicine（庆应义塾大学医学院） ； Juntendo University（顺天堂大学） 纠错

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

AI总结 针对COVID-19患者激增导致的医疗人力短缺问题，本文提出由3D CNN与3D MLP-Mixer组成的混合模型，在含1205份CT影像的数据集上取得79.5%的分类准确率，优于传统3D CNN模型。

Comments Accepted as a poster presentation in SPIE Medical Imaging 2023

Journal ref Proceedings of SPIE Medical Imaging 2023, Computer-Aided Diagnosis, Vol. 12465

Automated classification method of COVID-19 cases from chest CT volumes using 2D and 3D hybrid CNN for anisotropic volumes

基于2D和3D混合卷积神经网络的各向异性体积胸部CT影像COVID-19病例自动分类方法

Masahiro Oda, Tong Zheng, Yuichiro Hayashi, Yoshito Otake, Masahiro Hashimoto, Toshiaki Akashi, Shigeki Aoki, Kensaku Mori

机构 * Nagoya University（名古屋大学） ； Keio University School of Medicine（庆应义塾大学医学院） ； Juntendo University（顺天堂大学） 纠错

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

AI总结 该研究针对COVID-19诊断需求，提出含2D/3D混合特征提取流的CNN，在1288例CT数据集上实现83.3%的平均分类准确率，优于无混合流的CNN，可辅助缓解医疗人力短缺。

Comments Oral Presentation in SPIE Medical Imaging 2022

Journal ref Proceedings of SPIE Medical Imaging 2022, Computer-Aided Diagnosis, Vol. 12033

Energy-based Tissue Manifolds for Longitudinal Multiparametric MRI Analysis

基于能量的组织流形用于纵向多参数MRI分析

Kartikay Tehlan, Lukas Förner, Sina Wendrich, Nico Schmutzenhofer, Michael Frühwald, Matthias Wagner, Nassir Navab, Thomas Wendler

机构 * Dept. of diagnostic and interventional Radiology and Neuroradiology, University Hospital Augsburg, Germany（诊断与介入放射科和神经放射科，奥格斯堡大学医院，德国） ； Digital Medicine, University Hospital Augsburg, Germany（数字医学，奥格斯堡大学医院，德国） ； Chair for Computer Aided Medical Procedures and Augmented Reality, Technical University of Munich, Germany（计算机辅助医疗程序与增强现实 chair，慕尼黑技术大学，德国） ； Bavarian Center for Cancer Research (BZKF) Augsburg, Germany（巴伐利亚癌症研究中心（BZKF）奥格斯堡，德国） ； Dept. of Pediatrics and Adolescent Medicine, University Hospital Augsburg, Germany（儿科和青少年医学科，奥格斯堡大学医院，德国） ； Center for Advanced Analytics and Predictive Sciences, University of Augsburg, Germany（高级分析与预测科学中心，奥格斯堡大学，德国） 纠错

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

AI总结 本文提出了一种基于患者特定能量建模的几何框架，用于纵向多参数MRI分析，通过训练紧凑的隐式神经表示来学习能量函数，为组织状态提供微分几何描述，无需分割标签，展示了患者特定能量流形在纵向mpMRI分析中的应用潜力。

Comments The code is available at https://github.com/tkartikay/EnFold-MRI

A multi-agent system for spine MRI report generation from multi-sequence imaging

基于多序列影像的脊柱MRI报告生成多智能体系统

Zhiping Xiao, Junwei Yang, Gongbo Sun, Han Zhang, Hanwen Xu, Yi Yao, Zachary D. Miller, William E. King, Mohammed M. Kanani, Jalal B. Andre, Sammy Chu, Ming Zhang, Paul E. Kinahan, Nathan M. Cross, Sheng Wang

机构 * University of Washington（华盛顿大学） ； Peking University（北京大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； New York University（纽约大学） ； University of Washington Medical Center（华盛顿大学医学中心） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；pathology(abstract)；分类 cs.CV、q-bio

AI总结 提出SpineAgent多智能体框架，利用多序列基础模型整合T1/T2等序列信息，实现脊柱MRI报告生成、病理定位和图文检索，在跨厂商和跨队列评估中表现优异。

Automatic Extraction of Structured Information from Brain MRI Reports Using an Open-Weight Large Language Model

使用开源大语言模型从脑MRI报告中自动提取结构化信息

Kaouther Mouheb, Amos Pomp, Antoine Manenti, Romy de Haan, Farog Faghir, Joy Martens, Harro Seelaar, Francesco Mattace-Raso, Meike W. Vernooij, Frank J. Wolters, Stefan Klein, Esther E. Bron

机构 * Department of Radiology & Nuclear Medicine, Erasmus MC（埃因霍温麦斯特大学放射科与核医学部） ； Department of Epidemiology, Erasmus MC（埃因霍温麦斯特大学流行病学部） ； Department of Electrical and Electronics Engineering, ENSEEIHT（ENSEEIHT电子与电气工程系） ； Alzheimer Centre Erasmus MC（埃因霍温麦斯特大学阿尔茨海默病中心） ； Department of Neurology, Erasmus MC（埃因霍温麦斯特大学神经医学部） ； Department of Internal Medicine, Erasmus MC（埃因霍温麦斯特大学内科部） 纠错

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

AI总结 本研究评估了开源LLM LLaMA 3.1从荷兰语脑MRI报告中自动提取结构化信息的能力，通过零样本和少样本提示策略，在视觉评分、病变检测等任务上取得高准确率，少样本提示进一步提升了数值变量的提取性能。

Comments Submitted to European Radiology

Journal ref European Radiology (2026)

MedGemma 1.5 Technical Report

MedGemma 1.5 技术报告

Andrew Sellergren, Chufan Gao, Fereshteh Mahvar, Timo Kohlberger, Fayaz Jamil, Madeleine Traverse, Alberto Tono, Bashir Sadjad, Lin Yang, Charles Lau, Liron Yatziv, Tiffany Chen, Bram Sterling, Kenneth Philbrick, Richa Tiwari, Yun Liu, Madhuram Jajoo, Chandrashekar Sankarapu, Swapnil Vispute, Harshad Purandare, Abhishek Bijay Mishra, Sam Schmidgall, Tao Tu, Anil Palepu, Chunjong Park, Tim Strother, Rahul Thapa, Yong Cheng, Preeti Singh, Kat Black, Yossi Matias, Katherine Chou, Avinatan Hassidim, Kavi Goel, Joelle Barral, Tris Warkentin, Shravya Shetty, Dale Webster, Sunny Virmani, David F. Steiner, Can Kirmizibayrak, Daniel Golden

机构 * Google Research and Google DeepMind（谷歌研究与谷歌深Mind） 纠错

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；medical AI(abstract)；pathology(abstract)

AI总结 MedGemma 1.5 增强了医学影像处理、解剖定位和多时间点胸部X光分析能力，显著提升了3D MRI和CT分类精度，并在病理图像和临床知识推理中取得突破性进展。

CNN-ViT Fusion with Adaptive Attention Gate for Brain Tumor MRI Classification: A Hybrid Deep Learning Model

结合自适应注意力门的CNN-ViT融合模型用于脑肿瘤MRI分类：一种混合深度学习模型

Syed Ibad Hasnain, Muhammad Faris, Hafiza Syeda Yusra Tirmizi, Rabail Khowaja, Hafsa Israr

机构 * Department of Biomedical Engineering（生物医学工程系） ； Hamdard University（哈姆达德大学） ； Sir Syed University（西迪·萨伊德大学） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；medical image(abstract)；分类 cs.CV、q-bio

AI总结 本文提出一种融合CNN和ViT的混合模型，通过自适应注意力门动态加权局部和全局特征，提升脑肿瘤MRI分类性能，实验结果显示其准确率、召回率等指标均优于传统方法。

Comments 9 pages, 4 figures, submitted as conference paper

Online learning for X-ray, CT or MRI

Mosabbir Bhuiyan, MD Abdullah Al Nasim, Sarwar Saif, Kishor Datta Gupta, Md Jahangir Alam, Sajedul Talukder

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

Comments 14 pages, 17 figures, 1 table; Acceptance of the chapter for the Springer book "Data-driven approaches to medical imaging"

Feature Imitating Networks Enhance The Performance, Reliability And Speed Of Deep Learning On Biomedical Image Processing Tasks

Shangyang Min, Hassan B. Ebadian, Tuka Alhanai, Mohammad Mahdi Ghassemi

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

Adaptive Smooth Activation for Improved Disease Diagnosis and Organ Segmentation from Radiology Scans

Koushik Biswas, Debesh Jha, Nikhil Kumar Tomar, Gorkem Durak, Alpay Medetalibeyoglu, Matthew Antalek, Yury Velichko, Daniela Ladner, Amir Bohrani, Ulas Bagci

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

U-Net-and-a-half: Convolutional network for biomedical image segmentation using multiple expert-driven annotations

Yichi Zhang, Jesper Kers, Clarissa A. Cassol, Joris J. Roelofs, Najia Idrees, Alik Farber, Samir Haroon, Kevin P. Daly, Suvranu Ganguli, Vipul C. Chitalia, Vijaya B. Kolachalama

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

Comments https://github.com/vkola-lab/unaah

Computer-Assisted Analysis of Biomedical Images

Leonardo Rundo

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

Comments PhD Thesis in Computer Science, University of Milano-Bicocca, Milan, Italy

Fusing Medical Image Features and Clinical Features with Deep Learning for Computer-Aided Diagnosis

Songxiao Yang, Xiabi Liu, Zhongshu Zheng, Wei Wang, Xiaohong Ma

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

Comments 10 pages, 2 figures

Anatomy Contextualized Adaptation of CT Foundation Models

CT基础模型的解剖学上下文适配

Roshan Kenia, Stephanie L McNamara, William Lotter

机构 * Harvard Medical School（哈佛医学院） ； Dana-Farber Cancer Institute（达纳-法伯癌症研究所） ； Massachusetts General Hospital（麻省总医院） ； Brigham and Women’s Hospital（布里格姆妇女医院） 纠错

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

AI总结 本研究提出轻量框架ACA，适配冻结CT基础模型实现解剖学级视觉-语言对齐，在Merlin、CT-RATE数据集上零样本发现分类性能优于基线，训练耗时短且可保留增强全局解剖学上下文。

Comments Proceedings of the European Conference on Computer Vision (ECCV) 2026 MedFM-Bench Workshop

A Configurable Privacy-Preserving MRI Processing Workflow Using Deep Learning-Based Brain Extraction and Adaptive Anatomical Preservation

一种基于深度学习脑提取和自适应解剖结构保留的可配置隐私保护MRI处理工作流

Rayeef Ali Khan, Komal Raj Mahantesh

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

AI总结 该研究针对MRI的隐私问题，提出一种基于深度学习脑提取的可配置隐私保护MRI处理工作流，具备自适应解剖结构保留、交互式选择与集成质控功能，为隐私导向神经影像研究提供实用框架。

Comments 10 pages, 6 figures

Primitive Representation Learning for Unsupervised Dynamic Contrast Enhanced MRI Reconstruction

用于无监督动态对比增强MRI重建的基元表示学习

Veronika Spieker, Wenqi Huang, Cemre Ariyurek, Liam Timms, Daniel Rueckert, Onur Afacan, Julia A. Schnabel, Sila Kurugol

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

AI总结 针对无监督动态对比增强MRI重建，提出多维度基元框架解耦动态因素，性能与传统方法相当，可扩展至更高加速率，代码公开。

Comments Accepted at MICCAI Off-Grid Workshop 2026

PerFact: Perception-Derived Fact Prompting for 3D Brain MRI Report Generation

PerFact：用于3D脑部MRI报告生成的感知衍生事实提示方法

Jianyu Sun, Zhenxuan Zhang, Guang Yang, Peter J. Lally

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

AI总结 该研究针对3D脑部MRI报告生成，提出PerFact方法，以上游3D分割分类输出的结构化事实提示LoRA适配的视觉语言模型，证实grounding信息是报告质量的主导因素而非模型选择。

Heterogeneity-Aware Deep Learning for Tumour Classification from Multiparametric MRI

面向多参数MRI肿瘤分类的异质性感知深度学习

Yue Xia, Euijoon Ahn, Tian Xia, Yuan Yuan, Michael Fulham, Jinman Kim

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Department of Molecular Imaging, Royal Prince Alfred Hospital（皇家阿尔弗雷德王子医院分子影像科） 纠错

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

AI总结 提出HA-DLC框架，通过HSG、CPSA、DSFE模块联合优化，在两个公开mp-MRI肿瘤数据集上，实现优于现有方法的肿瘤分类性能

Unsupervised Anomaly Detection for Image Dataset Quality Assurance in Multi-Center Breast MRI

面向多中心乳腺MRI图像数据集质量保证的无监督异常检测

Chiara Tappermann, Steffen Renisch, Lars Ole Schwen, Hans Meine, Horst K. Hahn, Eike Petersen

机构 * Cambridge University Hospitals（剑桥大学医院） ； Mitera Hospital（米特拉医院） ； Radboud University Medical Center（拉德堡德大学医学中心） ； University Hospital Aachen（亚琛大学医院） ； University Medical Center Utrecht（乌得勒支大学医学中心） ； Ribera Hospital（里贝拉医院） ； Duke Breast Cancer MRI（杜克乳腺癌磁共振成像项目） 纠错

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

AI总结 该研究针对多中心乳腺MRI数据集，构建含17种异常类型的无监督异常检测基准，评估四种方法，发现带位置编码的投影法性能最优，为医疗AI的可扩展无监督质量保证提供基础。

From Alignment to Synthesis Contrastive Volumetric Grounding for Text-to-CT Generation

从对齐到合成：用于文本到CT生成的对比体 grounding

Daniele Molino, Camillo Maria Caruso, Filippo Ruffini, Paolo Soda, Valerio Guarrasi

机构 * Unit of Artificial Intelligence and Computer Systems, Department of Engineering, Università Campus Bio-Medico di Roma（人工智能与计算机系统单位，工程系，罗马生物医学大学） ； Department of Diagnostics and Intervention, Biomedical Engineering and Radiation Physics, Umeå University（诊断与干预部门，生物医学工程与放射物理学，乌梅拉大学） 纠错

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

AI总结 该研究针对文本到CT生成的视觉-语言对齐瓶颈，提出带结构化难负样本的3D-CLIP编码器，结合端到端潜在扩散模型，在CT-RATE数据集上实现了优于现有方法的性能。

Comments Accepted at BMVC 2026

Beyond Fluency: A Clinical Benchmark and Anomaly-Enhanced Baseline for Spine MRI Report Generation

超越流畅性：脊柱MRI报告生成的临床基准与异常增强基线

Bruno Palau, Franziska Vogt, Daria Laslo, Haobo Li, Ender Konukoglu, Maria Monzon, Catherine R. Jutzeler

机构 * ETH Zurich（苏黎世联邦理工学院） ； Swiss Institute of Bioinformatics (SIB)（瑞士生物信息学研究所） 纠错

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

AI总结 该研究针对放射学报告的耗时与阅片差异问题，构建腰椎MRI的VLM临床基准，提出半监督U-Net++生成异常热图增强VLM的框架，提升诊断可靠性与可解释性。

Comments Maria Monzon and Catherine R. Jutzeler contributed equally as shared last authors. Accepted at the CV4Clinic Workshop, CVPR 2026

Journal ref Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 6759-6770

PRISM-Net: Patient-specific reference-guided inter-breast symmetry matching for three-class breast DCE-MRI classification

PRISM-Net：用于三类乳腺DCE-MRI分类的患者特异性参考引导跨乳腺对称匹配

Boya Zhang, Shuaiwen Zhou, Di Kong, Mingxu Wang, Wenbiao Du, Yiman Zhong, Yuexin Duan, Xiawei Yue, Liuquan Cheng, Xiru Li

机构 * Nankai University（南开大学） ； Zhongguancun Academy（中关村学院） ； The First Medical Center of Chinese PLA General Hospital（中国人民解放军总医院第一医学中心） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； The Six Medical Center of Chinese PLA General Hospital（中国人民解放军总医院第六医学中心） ； Tsinghua University（清华大学） 纠错

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

AI总结 该研究针对乳腺DCE-MRI分类中患者特异性背景变异性问题，提出PRISM-Net无配准双侧框架，利用对侧乳腺特征建模跨乳腺对应，在多数据集上优于基线，提升了乳腺病灶分类性能。

Comments 15 pages, 7 figures, 5 tables

Big, Bright, or Invisible: A Frozen-Feature Benchmark of 3D CT Foundation Models

大的、明亮的还是不可见的：3D CT基础模型的冻结特征基准测试

Maulik Chevli, Johannes Brandt, Rickmer Braren, Daniel Rueckert, Philip Müller

机构 * Technical University of Munich (TUM)（慕尼黑工业大学（TUM）） ； TUM University Hospital（慕尼黑工业大学医院） ； Imperial College London（伦敦帝国理工学院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； UKE Hamburg（汉堡大学医院） 纠错

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

AI总结 本研究对10个冻结CT编码器开展基准测试，发现性能主要取决于异常的对比度与空间范围，小型低对比度病变仍是挑战，需区域或病变级预训练。

HexMIL: Hierarchical Attention MIL for Ante-Hoc Explainable Detection of AI-Manipulated CT Volumes

HexMIL：用于AI篡改CT体积事前可解释检测的分层注意力多实例学习

Orazio Pontorno, Luca Guarnera, Zahid Akhtar, Sebastiano Battiato

机构 * University of Catania（卡塔尼亚大学） ； State University of New York Polytechnic Institute（纽约州立大学理工学院） 纠错

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

AI总结 HexMIL是一种无掩码的医疗深度伪造检测器，采用分层注意力多实例学习，利用二元体积级监督实现AI篡改CT体积的事前可解释检测，在跨生成器泛化任务中性能优于基线。

Comments Accepted at ACM Multimedia 2026 (MM '26)

Journal ref Proceedings of the 34th ACM International Conference on Multimedia (MM '26), November 10--14, 2026, Rio de Janeiro, Brazil