医学 AI

Expert-Guided Explainable Few-Shot Learning with Active Sample Selection for Medical Image Analysis

专家引导的可解释少样本学习与主动样本选择用于医学图像分析

Longwei Wang, Ifrat Ikhtear Uddin, KC Santosh

机构 * AI Research, Department of Computer Science at University of South Dakota（AI研究、计算机科学系，南达科他大学） 纠错

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

AI总结 本文提出专家引导的可解释少样本学习与主动样本选择方法，通过结合放射科定义的感兴趣区域和迭代样本获取，提升医学图像分析的准确性和可解释性。

Comments Accepted for publication in IEEE Journal of Biomedical and Health Informatics, 2025

Interpretable Artificial Intelligence for Detecting Acute Heart Failure on Acute Chest CT Scans

Silas Nyboe Ørting, Kristina Miger, Anne Sophie Overgaard Olesen, Mikael Ploug Boesen, Michael Brun Andersen, Jens Petersen, Olav W. Nielsen, Marleen de Bruijne

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

Comments 34 pages, 11 figures, Submitted to "Radiology AI"

Improving CT Image Segmentation Accuracy Using StyleGAN Driven Data Augmentation

Soham Bhosale, Arjun Krishna, Ge Wang, Klaus Mueller

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

Comments 17th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine(Fully3D Conference)

Segmentation Ability Map: Interpret deep features for medical image segmentation

Sheng He, Yanfang Feng, P. Ellen Grant, Yangming Ou

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

Journal ref Medical Image Analysis, 2023

Correlated Feature Aggregation by Region Helps Distinguish Aggressive from Indolent Clear Cell Renal Cell Carcinoma Subtypes on CT

Karin Stacke, Indrani Bhattacharya, Justin R. Tse, James D. Brooks, Geoffrey A. Sonn, Mirabela Rusu

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

Comments Submitted to Medical Image Analysis

Scribble-Supervised Medical Image Segmentation via Dual-Branch Network and Dynamically Mixed Pseudo Labels Supervision

Xiangde Luo, Minhao Hu, Wenjun Liao, Shuwei Zhai, Tao Song, Guotai Wang, Shaoting Zhang

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

Comments 11 pages, 4 figures,code is available: https://github.com/HiLab-git/WSL4MIS.This is a comprehensive study about scribble-supervised medical image segmentation based on the ACDC dataset

Semi-supervised classification of radiology images with NoTeacher: A Teacher that is not Mean

Balagopal Unnikrishnan, Cuong Nguyen, Shafa Balaram, Chao Li, Chuan Sheng Foo, Pavitra Krishnaswamy

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

Comments Preprint submitted to Medical Image Analysis. Accepted in June 2021

Image Augmentation Using a Task Guided Generative Adversarial Network for Age Estimation on Brain MRI

Ruizhe Li, Matteo Bastiani, Dorothee Auer, Christian Wagner, Xin Chen

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

Comments Accepted for publication at 25th Annual Conference on Medical Image Understanding and Analysis (MIUA 2021)

Adversarial Attack Vulnerability of Medical Image Analysis Systems: Unexplored Factors

Gerda Bortsova, Cristina González-Gonzalo, Suzanne C. Wetstein, Florian Dubost, Ioannis Katramados, Laurens Hogeweg, Bart Liefers, Bram van Ginneken, Josien P. W. Pluim, Mitko Veta, Clara I. Sánchez, Marleen de Bruijne

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

Comments First three authors contributed equally

Journal ref Medical Image Analysis. Available online 18 Jun 2021

Models Genesis: Generic Autodidactic Models for 3D Medical Image Analysis

Zongwei Zhou, Vatsal Sodha, Md Mahfuzur Rahman Siddiquee, Ruibin Feng, Nima Tajbakhsh, Michael B. Gotway, Jianming Liang

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

Comments International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI)

Region-Weighted Losses and Model Fusion for Cross-Modal PET Attenuation Correction

面向跨模态PET衰减校正的区域加权损失与模型融合

Khoa Tuan Nguyen, Joris Vankerschaver, Wesley De Neve

机构 * Center for Biosystems and Biotech Data Science, Ghent University Global Campus（根特大学全球校区生物系统与生物技术数据科学中心） ； Ghent University（根特大学） 纠错

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

AI总结 针对BIC-MAC挑战赛，采用区域加权Carney衰减系数空间L₁损失、结合未配准DIXON MRI输入，通过两个独立模型的凸组合实现跨模态PET衰减校正，在公共验证排行榜总体排名第一。

Comments ntkhoa team submission for BIC-MAC MICCAI26 challenge (https://www.codabench.org/competitions/12555/#/results-tab)

LM-CartSeg: Automated Segmentation of Lateral and Medial Cartilage and Subchondral Bone for Radiomics Analysis

LM-CartSeg：膝关节MRI放射组学分析中侧向和 medial 半月板及下骨板的自动分割

Tongxu Zhang, Zongpan Li, Aaron Kam Lun Leung, Siu Ngor Fu

机构 * Department of Rehabilitation Sciences, The Hong Kong Polytechnic University, Kowloon, Hong Kong, China（香港理工大学康复科学系） ； Department of Physical Therapy and Rehabilitation Science, University of Maryland, Baltimore, Maryland, USA（马里兰大学巴尔的摩分校物理治疗与康复科学系） 纠错

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

AI总结 本文提出LM-CartSeg方法，通过自动分割、几何分室和放射组学分析，提高膝关节MRI中半月板和下骨板分割的准确性和质量控制，实现多中心研究的基础。

GenFAR: A generalized representation of brain structure, derived from 49,246 multi-cohort MRIs via deep learning

GenFAR：基于49246例多队列MRI通过深度学习得到的脑结构通用表征

Vishnu M. Bashyam, Guray Erus, Junhao Wen, Pratik Chaudhari, Randa Melhem, Sindhuja Govindarajan Tirumalai, Gareth Harman, Yong Fan, Colin L. Masters, Paul Maruff, Sterling C. Johnson, Jurgen Fripp, Duygu Tosun, John C. Morris, Daniel S. Marcus, Pamela LaMontagne, Tammie Benzinger, Susan R. Heckbert, Mark Espeland, Marilyn S. Albert, Andrew J. Saykin, Paul M. Thompson, Timothy J. Hohman, Susan M. Resnick, R. Nick Bryan, Murat Bilgel, Yang An, David A. Wolk, Li Shen, Haochang Shou, Ilya M. Nasrallah, Christos Davatzikos

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Melbourne（墨尔本大学） ； University of Wisconsin School of Medicine and Public Health（威斯康星大学医学与公共卫生学院） ； CSIRO Health and Biosecurity（联邦科学与工业研究组织健康与生物安全部） ； CSIRO（联邦科学与工业研究组织） ； University of California, San Francisco（加利福尼亚大学旧金山分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； University of Washington（华盛顿大学） ； Wake Forest School of Medicine（维克森林医学院） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） ； Indiana University（印第安纳大学） ； University of Southern California（南加利福尼亚大学） 纠错

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

AI总结 GenFAR是基于49246例多队列MRI的模块化深度学习框架，通过17类任务训练得到通用脑表征，可提升二级预测器的样本效率与准确性

MedARC: Training-Free Adaptive Redundancy Compression of Visual Tokens for 3D Medical Vision-Language Models

MedARC：面向3D医学视觉-语言模型的无训练视觉令牌自适应冗余压缩

Yitao Zhu, Mengjun Liu, Yingji Fu, Haowen Pang, Anqi Qiu

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

AI总结 针对3D医学VLMs的视觉令牌冗余压缩问题，本文提出无训练框架MedARC，整合三类线索估计令牌重要性，通过显著性感知合并策略压缩令牌，在CT-RATE和MR-RATE上实现性能保持的同时降低开销。

Comments 9 pages

Histopathological Spectrum-Guided Prostate Stratification via Segmentation-Assisted Diagnostic Transformer

基于分割辅助诊断变压器的组织病理学光谱引导前列腺分层

Leyang Li, Lihua Chen, Huangang Hu, Tianhang Hao, Hao Cheng, Xin Zhang, Qianru Sun, Bingxu Lu, Wenlong Yu, Feng Duan

机构 * College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； Tianjin First Central Hospital（天津市第一中心医院） ； School of Electronics and Information Engineering, Tiangong University（天津工业大学电子与信息工程学院） ； School of Artificial Intelligence, Hebei University of Technology（河北工业大学人工智能学院） ； North China Digital Health Technology Co., Ltd.（华北数字健康科技有限公司） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院） 纠错

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

AI总结 研究针对多参数MRI前列腺癌诊断局限，构建数据集并提出LSDT模型，利用零样本分割和多模态融合分类，在患者队列交叉验证中取得较好准确率和召回率，增强了前列腺MRI细粒度分类及风险分层。

Comments 17 pages, 6 figures, and 4 tables. Code will be made publicly available in a future revision

Spatiotemporal Gaussian representation-based dynamic reconstruction and motion estimation framework for time-resolved volumetric MR imaging (DREME-GSMR)

基于空间时间高斯表示的动态重建与运动估计框架用于时间分辨体素MRI成像（DREME-GSMR）

Jiacheng Xie, Hua-Chieh Shao, Can Wu, Ricardo Otazo, Jie Deng, Mu-Han Lin, Tsuicheng Chiu, Jacob Buatti, Viktor Iakovenko, You Zhang

机构 * The Advanced Imaging and Informatics for Radiation Therapy (AIRT) Laboratory（先进成像与放射治疗信息学（AIRT）实验室） ； The Medical Artificial Intelligence and Automation (MAIA) Laboratory（医学人工智能与自动化（MAIA）实验室） ； Department of Radiation Oncology, University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心放射肿瘤科） ； Department of Medical Physics, Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心医学物理系） 纠错

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

AI总结 本文提出DREME-GSMR框架，通过3D高斯表示实现亚秒级动态MRI重建，无需先验模型即可进行实时影像和运动追踪。

Comments 57 pages, 10 figures

High-dimensional Embedding Prior for Noisy K-space Domain MRIReconstruction

高维嵌入先验用于噪声k空间域MRI重建

Yu Guan, Tianjia Huang, Qinrong Cai, Qiuyun Fan, Dong Liang, Qiegen Liu

机构 * School of Advanced Manufacturing, Nanchang University（南昌大学先进制造学院） ； School of Mathematics and Computer Science, Nanchang University（南昌大学数学与计算机科学学院） ； School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； Academy of Medical Engineering and Translational Medicine, Medical School, Faculty of Medicine, Tianjin University（天津大学医学部医学工程与转化医学研究院） ； Shenzhen Institute 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_cn,summary_cn)；分类 cs.CV

AI总结 针对噪声k空间MRI重建，提出高维嵌入框架增强扩散模型表示能力，在多种噪声和欠采样条件下提升重建质量，尤其在高噪声场景效果显著。

GRAPE: Graph-Augmented Prototype Explanations for Interactive Medical Image Diagnosis

GRAPE: 面向交互式医学影像诊断的图增强原型解释

Rasul Khanbayov, Erchin Serpedin, Hasan Kurban

机构 * Hamad Bin Khalifa University（哈马德·本·哈利法大学） 纠错

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

AI总结 提出GRAPE架构，通过图注意力任务头建模概念共现提升分类性能，引入概念不匹配安全检查防止错误反馈，并利用开放词汇原型锚定支持从单张图像添加新发现，无需重新训练。

Dataset-Aware Cold-Start Active Learning for Annotation-Efficient 3D Medical Image Segmentation

数据集感知的冷启动主动学习用于高效标注的3D医学图像分割

Rémi Hattat, Marine Beaumont, Charline Bertholdt, Gabriela Hossu, Olivier Morel, Bailiang Chen

机构 * IADI (U1254)（IADI（U1254）） ； Inserm and Université de Lorraine（Inserm和洛林大学） ； CIC-IT 1433 ； Inserm, Université de Lorraine（Inserm和洛林大学） ； CHRU Nancy（南锡大学医院） ； Université de Lorraine（洛林大学） ； CHRU-Nancy（南锡大学医院） ； Pôle de la femme（妇女中心） 纠错

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.LG、q-bio、eess.IV

AI总结 提出CSCS框架，结合局部典型性和重建不确定性，通过加权几何分数和预算感知的步调规则，实现无标注池的冷启动样本选择，在多个3D医学图像分割基准上提升主动学习鲁棒性。

Comments 20 pages, 3 figures, 4 tables. Supplementary material available as ancillary file

Biological Sex Determination in Cadavers Using Deep Learning Algorithms from Computed Tomography Images of Pelvis and Skull

基于骨盆和颅骨CT图像的深度学习算法用于尸体生物学性别鉴定

Giovanna Herculano Tormena, Davi Nascimento Araújo, Germano Coimbra Soares de Carvalho, Gustavo Bruno Centenaro, Rafael Janowski Pozzer, Rodrigo Akira Azevedo Kurosawa, Danilo Aires Alves, Filipe Thiago Xavier de Campos, Pedro Henrique Macedo dos Santos, Pedro Augusto Prado Mota, Ricardo V. Godoy, João Manoel Herrera Pinheiro, Marcelo Becker

机构 * São Carlos School of Engineering, University of São Paulo（圣保罗大学圣卡洛斯工程学院） ； Aristoclides Teixeira Institute of Forensic (IMLAT)（阿里斯托克莱德斯·特谢拉法医研究所） 纠错

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

AI总结 本研究利用深度学习模型（如YOLO、ConvNeXt等）对尸体的骨盆和颅骨CT图像进行自动性别鉴定，在141例尸体上达到95.65%的准确率，证明了该方法的技术可行性。

Comments 16 pages

Catching magnetic resonance imaging outliers in artificial intelligence-supported radiotherapy workflows: unsupervised detection and localization of image anomalies using deep learning

捕捉MRI异常：使用深度学习无监督检测和定位MRI伪影及临床异常

Mustafa Kadhim, Viktor Rogowski, Emilia Persson, Camila Gonzalez, André Haraldsson, Sofie Ceberg, Mikael Nilsson, Malin Kügele, Sven Bäck, Christian Jamtheim Gustafsson

机构 * Physics and Imaging in Radiation Oncology (phiRO)（物理与放射治疗成像（phiRO）） 纠错

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

AI总结 提出一种两阶段无监督异常检测框架，通过离散令牌压缩和令牌惊奇度评分，在盆腔和脑部MRI上实现高精度异常检测与定位，支持放疗工作流自动化质量控制。

Comments This paper has been submitted to Physics and Imaging in Radiation Oncology (phiRO)

Which Anatomy Matters Under Limited Labels? A Data-Efficient Anatomy-Aware Benchmark for Cardiac Pathology Prediction

在有限标签下哪些解剖结构重要？用于心脏病理预测的数据高效解剖感知基准

Himanshu Singh

机构 * Himanshu Singh（希曼斯·辛格） 纠错

专题命中 医学影像 ：pathology(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.LG、q-bio、eess.IV

AI总结 针对有限标签和计算资源下的医学影像问题，提出解剖感知基准，通过比较不同解剖结构表示和分类器，发现表示质量比模型复杂度更重要。

Comments ACCEPTED at ICML 2026 Workshop GlobalSouthML (Seoul, South Korea; PMLR 306, 2026)

A fast nonconvex Compressed Sensing algorithm for highly low-sampled MR images reconstruction

一种快速非凸压缩感知算法用于高采样率MRI图像重建

Damiana Lazzaro, Elena Loli Piccolomini, Fabiana Zama

机构 * Department of Mathematics, University of Bologna（博洛尼亚大学数学系） 纠错

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

AI总结 本文提出一种快速高效的MRI图像重建算法，通过非凸正则化目标函数和最小二乘数据拟合约束，解决严重欠采样数据的重建问题，证明了算法的收敛性。

MRecover: A Conditional Generative Model for Recovering Motion-Corrupted MR images Using AI Generated Contrast

MRecover: 一种基于AI生成对比度的条件生成模型，用于通过AI生成对比度恢复运动模糊的MRI图像

Jinghang Li, Tales Santini, Courtney Clark, Bruno de Almeida, Cong Chu, Salem Alkhateeb, Andrea Sajewski, Jacob Berardinelli, Hecheng Jin, Tobias Campos, Jeremy J. Berardo, Joseph Mettenburg, Ariel Gildengers, Howard J. Aizenstein, Minjie Wu, Tamer S. Ibrahim

机构 * Department of Bioengineering, University of Pittsburgh（匹兹堡大学生物工程系） ； School of Medicine, University of Pittsburgh（匹兹堡大学医学院） ； Department of Radiology, University of Pittsburgh（匹兹堡大学放射科） ； Department of Psychiatry, University of Pittsburgh（匹兹堡大学精神病学系） 纠错

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

AI总结 该研究提出了一种条件生成模型MRecover，利用AI生成的对比度来恢复运动模糊的MRI图像，通过自回归切片条件化实现体积分 consistency，提高了 hippocampal 子区域分割的精度和泛化能力。

Diffusion-Based Feature Denoising and Using NNMF for Robust Brain Tumor Classification

基于扩散的特征去噪和使用NNMF进行鲁棒性脑肿瘤分类

Hiba Adil Al-kharsan, Róbert Rajkó

机构 * Doctoral School of Computer Science, University of Szeged（计算机科学博士学院，塞格德大学） ； Academic Staff, Doctoral School of Computer Science, University of Szeged（学术人员，计算机科学博士学院，塞格德大学） 纠错

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

AI总结 本文提出结合NNMF、轻量CNN和扩散去噪的鲁棒脑肿瘤分类框架，通过预处理MRI图像并提取可解释特征，提升对抗扰动下的分类鲁棒性。

Comments 30 pages, 29 figures

Journal ref Mach. Learn. Knowl. Extr. 2026, 8(4), 105

RadDiagSeg-M: A Vision Language Model for Joint Diagnosis and Multi-Target Segmentation in Radiology

Chengrun Li, Corentin Royer, Haozhe Luo, Bastian Wittmann, Xia Li, Ibrahim Hamamci, Sezgin Er, Anjany Sekuboyina, Bjoern Menze

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

Medical AI Consensus: A Multi-Agent Framework for Radiology Report Generation and Evaluation

Ahmed T. Elboardy, Ghada Khoriba, Essam A. Rashed

机构 * Graduate School of Information Science, University of Hyogo（京都大学垣田学园信息科学研究生院） ； Center for Informatics Science, School of Information Technology and Computer Science, Nile University（尼罗大学信息科学中心） 纠错

专题命中 医学影像 ：radiology(title,abstract)；medical AI(title)；分类 eess.IV

Comments NeurIPS2025 Workshop: Evaluating the Evolving LLM Lifecycle: Benchmarks, Emergent Abilities, and Scaling

Probabilistic Domain Adaptation for Biomedical Image Segmentation

Anwai Archit, Constantin Pape

机构 * Georg-August-University Göttingen（哥廷根大学） ； Institute of Computer Science（计算机科学学院） ； Campus Institute Data Science (CIDAS)（校园数据科学研究所） ； CAIMed - Lower Saxony Center for AI & Causal Methods in Medicine（下萨克森人工智能与因果医学中心） ； Cluster of Excellence Multiscale Bioimaging (MBExC)（多尺度生物成像卓越中心） 纠错

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

Comments Published in ICCVW (BioImage Computing) 2025

Wrist bone segmentation in X-ray images using CT-based simulations

Youssef ElTantawy, Alexia Karantana, Xin Chen

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

Comments 4 pages

Clinical Context-aware Radiology Report Generation from Medical Images using Transformers

Sonit Singh

专题命中 医学影像 ：radiology(title,abstract)；medical image(title)；分类 cs.LG

Comments 21 pages, 6 figures, 8 tables