医学 AI

Deep Learning in Medical Image Classification from MRI-based Brain Tumor Images

Xiaoyi Liu, Zhuoyue Wang

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

TransMed: Large Language Models Enhance Vision Transformer for Biomedical Image Classification

Kaipeng Zheng, Weiran Huang, Lichao Sun

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

SegmentAnyBone: A Universal Model that Segments Any Bone at Any Location on MRI

Hanxue Gu, Roy Colglazier, Haoyu Dong, Jikai Zhang, Yaqian Chen, Zafer Yildiz, Yuwen Chen, Lin Li, Jichen Yang, Jay Willhite, Alex M. Meyer, Brian Guo, Yashvi Atul Shah, Emily Luo, Shipra Rajput, Sally Kuehn, Clark Bulleit, Kevin A. Wu, Jisoo Lee, Brandon Ramirez, Darui Lu, Jay M. Levin, Maciej A. Mazurowski

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

Comments 15 pages, 15 figures

3D-MIR: A Benchmark and Empirical Study on 3D Medical Image Retrieval in Radiology

Asma Ben Abacha, Alberto Santamaria-Pang, Ho Hin Lee, Jameson Merkow, Qin Cai, Surya Teja Devarakonda, Abdullah Islam, Julia Gong, Matthew P. Lungren, Thomas Lin, Noel C Codella, Ivan Tarapov

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

Kartezio: Evolutionary Design of Explainable Pipelines for Biomedical Image Analysis

Kévin Cortacero, Brienne McKenzie, Sabina Müller, Roxana Khazen, Fanny Lafouresse, Gaëlle Corsaut, Nathalie Van Acker, François-Xavier Frenois, Laurence Lamant, Nicolas Meyer, Béatrice Vergier, Dennis G. Wilson, Hervé Luga, Oskar Staufer, Michael L. Dustin, Salvatore Valitutti, Sylvain Cussat-Blanc

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

Comments 36 pages, 6 main Figures. The Extended Data Movie is available at the following link: https://www.youtube.com/watch?v=r74gdzb6hdA. The source code is available on Github: https://github.com/KevinCortacero/Kartezio

HGT: A Hierarchical GCN-Based Transformer for Multimodal Periprosthetic Joint Infection Diagnosis Using CT Images and Text

Ruiyang Li, Fujun Yang, Xianjie Liu, Hongwei Shi

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

Comments the content has some errors

Coherent Concept-based Explanations in Medical Image and Its Application to Skin Lesion Diagnosis

Cristiano Patrício, João C. Neves, Luís F. Teixeira

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

Comments Under IEEE Copyright. Accepted for publication at CVPR 2023 Workshop Safe Artificial Intelligence for All Domains (SAIAD)

Segmentation of MRI head anatomy using deep volumetric networks and multiple spatial priors

Lukas Hirsch, Yu Huang, Lucas C Parra

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

Deformable Gabor Feature Networks for Biomedical Image Classification

Xuan Gong, Xin Xia, Wentao Zhu, Baochang Zhang, David Doermann, Lian Zhuo

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

Comments 9 pages, 6 figures

Automated Design of Deep Learning Methods for Biomedical Image Segmentation

Fabian Isensee, Paul F. Jäger, Simon A. A. Kohl, Jens Petersen, Klaus H. Maier-Hein

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

Comments * Fabian Isensee and Paul F. Jäger share the first authorship

Journal ref Nature Methods (2020)

MultiResUNet : Rethinking the U-Net Architecture for Multimodal Biomedical Image Segmentation

Nabil Ibtehaz, M. Sohel Rahman

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

Visualizing Convolutional Networks for MRI-based Diagnosis of Alzheimer's Disease

Johannes Rieke, Fabian Eitel, Martin Weygandt, John-Dylan Haynes, Kerstin Ritter

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

Comments MLCN 2018

Multiple Abnormality Detection for Automatic Medical Image Diagnosis Using Bifurcated Convolutional Neural Network

Mohsen Hajabdollahi, Reza Esfandiarpoor, Elyas Sabeti, Nader Karimi, Kayvan Najarian, S. M. Reza Soroushmehr, Shadrokh Samavi

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

DeepRadiologyNet: Radiologist Level Pathology Detection in CT Head Images

Jameson Merkow, Robert Lufkin, Kim Nguyen, Stefano Soatto, Zhuowen Tu, Andrea Vedaldi

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

Comments 22 pages with references, 6 figures, 2 tables

Prostate Cancer Diagnosis using Deep Learning with 3D Multiparametric MRI

Saifeng Liu, Huaixiu Zheng, Yesu Feng, Wei Li

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

Comments 4 pages, 4 figures, Proc. SPIE 10134, Medical Imaging 2017

Anatomy-specific classification of medical images using deep convolutional nets

Holger R. Roth, Christopher T. Lee, Hoo-Chang Shin, Ari Seff, Lauren Kim, Jianhua Yao, Le Lu, Ronald M. Summers

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

Comments Presented at: 2015 IEEE International Symposium on Biomedical Imaging, April 16-19, 2015, New York Marriott at Brooklyn Bridge, NY, USA

Journal ref Biomedical Imaging (ISBI), 2015 IEEE 12th International Symposium on Year: 2015 Pages: 101 - 104

Useful nonrobust features are ubiquitous in biomedical images

有用但不鲁棒的特征在生物医学图像中普遍存在

Coenraad Mouton, Randle Rabe, Niklas C. Koser, Nicolai Krekiehn, Christopher Hansen, Jan-Bernd Hövener, Claus-C. Glüer

机构 * Faculty of Engineering, North-West University, South Africa（工程学院，北开普大学，南非） 纠错

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

AI总结 研究深度学习在医学影像中是否学习到有用的非鲁棒特征及其对测试性能的影响，发现非鲁棒特征在多个任务中表现优异，但会降低分布外性能，揭示了医学影像分类中的鲁棒性-准确性权衡。

Comments Accepted at The IEEE International Symposium on Biomedical Imaging (ISBI), 2026

ViPSAM: Visual Prompting Medical Image Segmentation Using Segment Anything Model

ViPSAM：使用Segment Anything模型的视觉提示医学图像分割

San Lee, Nalee Kim, Jeong Il Yu, Hee Chul Park, Boah Kim

机构 * Department of Artificial Intelligence, Sungkyunkwan University, Republic of Korea（人工智能系，成均馆大学，大韩民国） ； Department of Radiation Oncology, Samsung Medical Center, Sungkyunkwan University School of Medicine, Republic of Korea（放射肿瘤科，三星医疗中心，成均馆大学医学院，大韩民国） ； Department of MetaBioHealth, Sungkyunkwan University, Republic of Korea（元生物健康系，成均馆大学，大韩民国） 纠错

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

AI总结 针对质子治疗计划中NCCT图像病变分割因对比度低而困难的问题，提出ViPSAM框架，基于SAM模型，利用视觉提示编码器和视觉引导交叉注意力模块整合跨模态信息，实验证明其在肝脏病变分割上优于其他方法，能实现更准确稳健的分割。

Comments Accepted at MICCAI 2026

Annotation-free deep learning for detection and segmentation of fetal germinal matrix-intraventricular hemorrhage in brain MRI

无需标注的深度学习用于胎儿生殖层-脑室出血的检测和分割

Mingxuan Liu, Yingqi Hao, Yi Liao, Juncheng Zhu, Haoxiang Li, Hongjia Yang, Yifei Chen, Yijin Li, Kasidit Anmahapong, Zihan Li, Jialan Zheng, Min Kang, Yan Song, Hua Lai, Xiaoling Zhou, Nan Sun, Rong Hu, Gang Ning, Haibo Qu, Qiyuan Tian

机构 * Department of Radiology, West China Second University Hospital, Sichuan University（四川大学华西第二医院放射科） ； School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University（清华大学医学院生物医学工程系） ； Department of Radiology, Sichuan Provincial Woman’s and Children’s Hospital, The Affiliated Women’s and Children’s Hospital of Chengdu Medical College（四川省妇幼保健院放射科，成都医学院附属妇幼医院） ； Chengdu Women’s and Children’s Central Hospital, School of Medicine, University of Electronic Science and Technology of China（成都妇女儿童中央医院，电子科技大学医学院） ； Department of Radiology, The Third Affiliated Hospital of Zhengzhou University（郑州大学第三附属医院放射科） ； Qujing Maternal and Child Health Hospital, Qujing, China（曲靖 maternal and child health hospital, Qujing, China） 纠错

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

AI总结 本文提出一种无需标注数据的深度学习框架，用于自动检测和分割胎儿生殖层-脑室出血，通过伪图像合成和医学先验知识训练，提升了诊断和分割的准确性。

BTI-Net: Bidirectional Decoder-Level Task Interaction via Uncertainty-Aware Gating for Multi-Task Medical Image Analysis

BTI-Net: 基于不确定性感知门控的双向解码器级任务交互用于多任务医学图像分析

Abdullah Al Shafi, Md Kawsar Mahmud Khan Zunayed, Safin Ahmmed, Sk Imran Hossain, Engelbert Mephu Nguifo

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

AI总结 提出BTI-Net，通过任务交互模块实现解码器级双向通信，并利用不确定性代理注意力自适应门控跨任务交互，在三个医学数据集上提升分割和分类性能。

Comments 9 pages, 5 figures, 6 tables; supplementary material included (8 pages, 19 figures, 18 tables)

GLINT: Sparsely Gated Vision-Language Alignment for Fine-Grained Radiology Representations

GLINT：面向细粒度放射学表征的稀疏门控视觉-语言对齐

Jonggwon Park, Seongeun Lee, Junhyun Park, Hannah Yun, Hyunwoong Kim, Sohyun Jeong, Hyewon Kang, Byungmu Yoon, Kyoyun Choi

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

AI总结 针对放射学图像-报告全局对齐与局部病灶尺度不匹配的问题，提出GLINT框架，通过稀疏门控对齐和密集特征正则化实现零样本分类、定位和分割。

CardioLens: Revealing the Clinical Reality Gap of MLLMs via Multi-Sequence Cardiac MRI Evaluations

CardioLens: 通过多序列心脏MRI评估揭示MLLMs的临床现实差距

Zixian Su, Hongkai Zhang, Fan Gao, Encheng Su, Taiping Qu, Jingwei Guo, Nan Zhang, Hui Wang, Zhen Zhou, Kairui Bo, Yan Chen, Yue Ren, Shuai Li, Lei Xu, Henggui Zhang

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Beijing Anzhen Hospital（北京安贞医院） ； Beihang University（北航） ； King Abdullah University of Science and Technology（国王 Abdullah 科学与技术大学） 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 提出CardioLens测试平台，通过多序列心脏磁共振成像评估24个多模态大语言模型，发现其在临床工作流中表现不佳，存在类别崩溃失败模式，且输入选择和推理提示改进效果有限。

Neuron Incidence Redistribution for Fairness in Medical Image Classification

神经元发生再分配用于医疗图像分类中的公平性

Abin Shoby, Lyle John Palmer, Nikhil Cherian Kurian

机构 * Neuron Incidence Redistribution for Fairness in Medical Image Classification（神经发生再分配用于医学图像分类） 纠错

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

AI总结 本文提出了一种轻量级的正则化方法Neuron Incidence Redistribution (NIR)，通过减少预测概率加权平均激活值的方差来提升医疗图像分类中的公平性，实验结果显示在不同年龄和性别组别中，TPR和FPR的不平等现象显著降低。

Comments 4 Pages, 1 Figure

DiffSegLung: Diffusion Radiomic Distillation for Unsupervised Lung Pathology Segmentation

DiffSegLung: 基于扩散的放射组学蒸馏用于无监督肺部病理分割

Rezkellah Noureddine Khiati, Pierre-Yves Brillet, Catalin Fetita

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

AI总结 本文提出DiffSegLung，通过引入扩散放射组学蒸馏方法，利用手工制作的放射组学描述符作为物理基础的教师，引导3D扩散U-Net的瓶颈层，提升无监督肺部病理分割性能。

Semantic-aware Random Convolution and Source Matching for Domain Generalization in Medical Image Segmentation

语义感知随机卷积与源匹配用于医学图像分割中的领域泛化

Franz Thaler, Martin Urschler, Mateusz Kozinski, Matthias AF Gsell, Gernot Plank, Darko Stern

机构 * Institute for Medical Informatics, Statistics and Documentation, Medical University of Graz（医学信息学、统计与文档研究所，格拉茨医科大学） ； Gottfried Schatz Research Center: Medical Physics and Biophysics, Medical University of Graz（戈特弗里德·施achat研究所在：医学物理与生物物理，格拉茨医科大学） ； Institute of Visual Computing, Graz University of Technology（视觉计算研究所，格拉茨技术大学） ； AVL List GmbH（AVL List公司） 纠错

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

AI总结 本文提出语义感知随机卷积和源匹配方法，用于单源领域泛化，通过增强源域不同区域的标注标签来提升模型泛化能力，在多种跨模态和跨中心任务中取得新状态-of-the-art性能。

Comments Accepted for publication in IEEE Access

RelativeFlow: Taming Medical Image Denoising Learning with Noisy Reference

RelativeFlow: 通过噪声参考驯服医学图像去噪学习

Yuxin Liu, Yiqing Dong, Wenxue Yu, Zhan Wu, Rongjun Ge, Yang Chen, Yuting He

机构 * School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院，中国） ； Department of Biomedical Engineering, Case Western Reserve University, USA（凯斯西储大学生物医学工程系，美国） ； School of Instrument Science and Engineering, Southeast University, China（东南大学仪器科学与工程学院，中国） ； Department of Optical Sciences, University of Arizona, USA（亚利桑那大学光学科学系，美国） 纠错

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

AI总结 针对医学图像去噪中噪声参考问题，提出RelativeFlow框架，通过分解绝对噪声到清洁映射为相对更噪声到噪声映射，结合一致传输和模拟基速度场提升去噪性能。

Comments Accepted by CVPR 2026

OkanNet: A Lightweight Deep Learning Architecture for Classification of Brain Tumor from MRI Images

OkanNet：一种轻量级深度学习架构用于从MRI图像中分类脑肿瘤

Okan Uçar, Murat Kurt

机构 * Graduate School of Natural ； Applied Sciences Department of Computer Engineering Ege University Izmir, Turkey ； International Computer Institute Ege University Izmir, Turkey 纠错

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

AI总结 本文提出OkanNet和基于ResNet-50的迁移学习方法，用于自动检测和分类脑肿瘤，OkanNet在计算效率上表现优异，训练时间较ResNet-50快3.2倍，准确率88.10%。

Comments 7 pages, 3 figures, 1 table

Optimized Weighted Voting System for Brain Tumor Classification Using MRI Images

优化的加权投票系统用于MRI图像中的脑肿瘤分类

Ha Anh Vu

机构 * Artificial Intelligence Department FPT University Ho Chi Minh City, Vietnam 0009-0002-4921-9823 纠错

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

AI总结 本文提出一种结合深度学习和传统机器学习的加权集成学习方法，通过改进的加权投票机制和图像处理技术，提升脑肿瘤分类的准确性。

Adapting Segment Anything Model 3 for Concept-Driven Lesion Segmentation in Medical Images: An Experimental Study

为医学图像中的概念驱动病变分割适应Segment Anything Model 3：一项实验研究

Guoping Xu, Jayaram K. Udupa, Yubing Tong, Xin Long, Ying Zhang, Jie Deng, Weiguo Lu, You Zhang

机构 * The Medical Artificial Intelligence and Automation (MAIA) Laboratory, 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学系医学人工智能与自动化（MAIA）实验室） ； Medical Image Processing Group, Department of Radiology, University of Pennsylvania（宾夕法尼亚大学放射学系医学图像处理组） ； Division of Digestive and Liver Diseases, Department of Internal Medicine, University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心内科学系消化与肝脏疾病科） 纠错

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

AI总结 本文评估SAM3在多模态医学图像中的病变分割性能，通过几何框和概念提示提升鲁棒性，并展示其跨模态泛化能力。

Comments 31 pages, 8 figures

Sparse Autoencoders for Interpretable Medical Image Representation Learning

稀疏自编码器用于可解释的医学图像表示学习

Philipp Wesp, Robbie Holland, Vasiliki Sideri-Lampretsa, Sergios Gatidis

机构 * Stanford Center for Artificial Intelligence in Medicine and Imaging（斯坦福大学人工智能医学与成像中心） ； Department of Radiology, Stanford University（斯坦福大学放射科） ； Chair of AI in Healthcare and Medicine, Technical University of Munich（慕尼黑技术大学人工智能医疗与医学主任） ； TUM University Hospital, Munich, Germany（慕尼黑技术大学医院） 纠错

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

AI总结 本文研究使用稀疏自编码器替代抽象特征，通过CT和MRI图像切片生成可解释的稀疏特征，提升医学图像处理的可解释性。

Comments 11 pages, 4 figures