Evaluation of Ultra Low Dose chest CT imaging for Covid 19 diagnosis and follow up
专题命中 医学影像 ：CT(title,abstract)；diagnosis(title)
Comments this manuscript contains 13 pages, 2 figures, I am the Corresponding author this pre-print paper
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 22719 篇
Male pelvic synthetic CT generation from T1-weighted MRI using 2D and 3D convolutional neural networks
专题命中 医学影像 ：CT(title,abstract)；MRI(title)
Comments Medical Physics 2019
Beyond the LUMIR challenge: The pathway to foundational registration models
超越LUMIR挑战：走向基础配准模型
机构 * The Russell H. Morgan Department of Radiology（Russell H. Morgan放射科） ； Radiological Science, Johns Hopkins Medical School（约翰霍普金斯医学院放射科学） ； Department of Computer Science, Aalto University（阿尔托大学计算机科学系） ； Cornell University（康奈尔大学） ； Canon Medical Systems (China) Co. Ltd.（佳能医疗系统（中国）有限公司） ； School of Biomedical Engineering, Shenzhen University Medical School（深圳大学医学院生物医学工程学院） ； Department of Imaging Physics, Delft University of Technology（代尔夫特理工大学成像物理系） ； Technical University of Munich（慕尼黑技术大学） ； Radboud University Medical Center（拉德伯德大学医学中心） ； Inria, Paris, France（法国巴黎Inria）
专题命中 医学影像 ：MRI(summary_cn,abstract)；medical image(abstract,comments)；分类 cs.CV、eess.IV
AI总结 提出LUMIR挑战，通过大规模无监督脑MRI配准任务，验证深度学习方法在生成解剖合理变形场和跨域鲁棒性上的优势，推动通用医学图像配准基础模型的发展。
Comments Accepted to Medical Image Analysis ((c) MedIA). Code available at https://github.com/JHU-MedImage-Reg/LUMIR_L2R
MSR-IVA: Masked Structural Residual Independent Vector Analysis for State-Aware Fusion of Structural MRI and Dynamic Functional Network Connectivity
MSR-IVA：用于结构MRI与动态功能连接状态感知融合的 masked 结构残差独立向量分析
机构 * Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.LG
AI总结 该研究针对sMRI与dFNC融合时IVA方法的缺陷，提出MSR-IVA框架，在ADNI队列实验中提升匹配源耦合、降低非匹配依赖，实现受控结构共享以适配状态差异。
Comments Accepted at the 2026 IEEE International Workshop on Machine Learning for Signal Processing (MLSP 2026), Atlanta, GA, USA
BiSegMamba: Efficient Bidirectional Tri-Oriented Mamba for 3D Medical Image Segmentation
BiSegMamba: 用于3D医学图像分割的高效双向三向Mamba
机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北航虚拟现实技术与系统国家重点实验室）
专题命中 医学影像 ：medical image(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV
AI总结 提出BiSegMamba，一种基于双向三向Mamba的高效3D医学图像分割网络，通过渐进压缩主干、多尺度空间混合器、双向正交Mamba块和自适应方向融合，在降低计算成本的同时提升分割精度。
Comments Code is available at: https://github.com/bakhtzadaabshare/BiSegMamba
Energy-Mamba: A Physics-Constrained State-Space Model for Medical Image Classification
Energy-Mamba：用于医学图像分类的物理约束状态空间模型
专题命中 医学影像 ：medical image(title)；CT(abstract,abstract_cn)；diagnosis(abstract)；分类 eess.IV
AI总结 Energy-Mamba将物理约束融入Mamba状态空间模型，解决医学图像分类的表征漂移问题，在四个医学图像数据集上以更少参数实现了最优分类性能。
Comments This paper was accepted to the MICCAI 2026 workshop MLMI
GSToken: Geometry-Structured Gaussian Tokens for Compact 3D Medical Image Representation
GSToken：用于紧凑三维医学图像表示的几何结构化高斯令牌
机构 * Taiyuan University of Technology（太原理工大学）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出GSToken，一种带显式几何信息的高斯令牌，通过冻结令牌生成器的评估协议验证其在多模态脑肿瘤分割中，比容量匹配基线更优，可提升三维医学图像表示的信息密度。
J-RAS: Mutual Adaptation for Medical Image Segmentation via Contrastive Retrieval-Augmented Joint Optimization
J-RAS：基于对比检索增强联合优化的医学图像分割互适应方法
机构 * Laurier University（劳里尔大学）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract_cn)；CT(abstract_cn)；分类 cs.CV
AI总结 提出J-RAS框架，通过交替对比学习和监督学习联合优化分割与检索模型，实现检索与分割的互适应，提升医学图像分割的边界描绘、鲁棒性和跨数据集泛化能力。
Resolution Meets Reduction: Efficient Visual Context for 3D Radiology Report Generation
分辨率与压缩结合：面向3D放射报告生成的高效视觉上下文
机构 * German Cancer Research Center (DKFZ)（德国癌症研究中心）
专题命中 医学影像 ：radiology(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究针对3D放射报告生成中视觉序列的计算瓶颈，通过实验评估不同视觉编码器、投影器和LLM，提出解剖学引导的ROI裁剪等策略，在两个数据集上取得最先进的临床macro F1结果。
SecondOpinion: Anatomy-Aware Gated Reasoning for Efficient Medical Image Analysis
SecondOpinion：面向高效医学图像分析的解剖感知门控推理
机构 * Center for Computational & Data Sciences, Independent University, Bangladesh（孟加拉国独立大学计算与数据科学中心） ； Department of Computer Science and Engineering, Independent University, Bangladesh（孟加拉国独立大学计算机科学与工程系） ； Graduate School of Engineering, University of Hyogo（兵库大学工程研究生院）
专题命中 医学影像 ：medical image(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV
AI总结 SecondOpinion是一种医学图像分析框架，通过训练为二元正确性分类器的门控机制按需调用解剖引导流，在保持性能的同时降低计算量，激活率与任务难度直接相关。
Comments Accepted at EMA4MICCAI 2026 (MICCAI Workshop)
CBCT-IQ: A Publicly Available Annotated Cone-Beam CT Dataset for Image Quality Assessment and Benchmarking
CBCT-IQ：用于图像质量评估与基准测试的公开标注锥形束CT数据集
专题命中 医学影像 ：CT(title,title_cn)；medical image(abstract)；分类 cs.CV
AI总结 本研究构建首个公开标注的CBCT-IQ数据集，含1764张经专家评分的CBCT图像，对26种IQA指标基准测试并提出排名方法，为CBCT IQA研究提供标准化资源。
Regional Attention-Enhanced Swin Transformer for Clinically Relevant Medical Image Captioning
机构 * Electrical Engineering and Computer Science（电子工程与计算机科学） ； Gwangju Institute of Science and Technology（全州科学技术研究院） ； Electrical and Computer Engineering Department（电子与计算机工程系） ； Chonnam National University（全南国立大学） ； AI Convergence Department（人工智能融合部门） ； Department of Information Systems, CCSIT（信息系统系，CCSIT） ； King Faisal University（国王费萨尔大学） ； Thomas Jefferson University, Philadelphia（费城托马斯杰斐逊大学）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV
Journal ref 2026 IEEE 5th International Conference on Computing and Machine Intelligence (ICMI), 2026
MIND: Multimodal Intent-Driven Network via Diffusion Transformers for Medical Image Fusion
MIND：基于扩散Transformer的多模态意图驱动网络用于医学图像融合
机构 * Transvascular Implantation Devices Research Institute, Zhejiang University（浙江大学血管内植入器械研究院） ； Zhejiang University（浙江大学） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） ； Hangzhou Dianzi University（杭州电子科技大学）
专题命中 医学影像 ：medical image(title,abstract)；pathology(abstract)；diagnosis(abstract)；分类 cs.CV
AI总结 该研究针对现有医学图像融合方法缺乏对诊断意图深度理解的问题，提出基于DiTs的MIND网络，通过BioMedGPT、多尺度潜在适配器和医学语义一致性损失优化，在多数据集上取得优异效果，可提升脑肿瘤分割精度并支持交互式融合。
Comments 14pages, 14 figures, accepted by ACM MM2026
RadSight: Towards Perceptually Reliable Multimodal Radiology Image Understanding
RadSight：迈向感知可靠的多模态放射学图像理解
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（湖畔实验室） ； University of Electronic Science and Technology of China（电子科技大学）
专题命中 医学影像 ：radiology(title,abstract)；medical image(abstract)；diagnosis(abstract)；分类 cs.CV
AI总结 该研究针对医学多模态大语言模型视觉解释可靠性低的问题，引入Perception-Bench基准分析问题。提出基于双2D/3D编码器架构的RadSight模型，经渐进课程学习训练，在多维度评估中优于现有模型，凸显低级视觉感知对可靠临床理解的关键作用。
Beyond Target Scores: Measuring Off-Target Drift in Diffusion-Based Medical Image Editing
超越目标分数：测量基于扩散的医学图像编辑中的偏离目标漂移
专题命中 医学影像 ：medical image(title,abstract)；pathology(abstract)；radiology(abstract)；分类 cs.CV
AI总结 研究基于扩散的医学图像编辑中偏离目标漂移问题，引入CIB-Med-1基准及受约束扩散引导基线，通过多指标评估编辑效果，实验显示能保留目标进展并减少偏离目标漂移，强调应从轨迹级语义控制角度评估医学图像编辑。
Improving Medical Image Generative Models with Fréchet Distance Loss
用弗雷歇距离损失改进医学图像生成模型
机构 * Yale University（耶鲁大学）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV
AI总结 研究针对扩散生成模型难以捕捉异质性肿瘤复杂形态特征的问题，提出用弗雷歇距离损失微调模型，通过在多数据集上集成该损失，提升了下游分割网络性能，证明其是改进医学图像生成模型临床工作流程的有效正则化方法。
CA-GCL: Cross-Anatomy Global-Local Contrastive Learning for Robust 3D Medical Image Understanding
CA-GCL：跨解剖全局-局部对比学习用于稳健的3D医学图像理解
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫扎德人工智能大学）
专题命中 医学影像 ：medical image(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出CA-GCL框架，通过全局对比学习和临床感知文本增强，解决3D医学图像理解中文本嵌入空间退化问题，提升零样本异常检测性能和跨数据集泛化能力。
Predicting brain tumour enhancement from non-contrast MR imaging with artificial intelligence: a multi-cohort retrospective diagnostic accuracy study
基于人工智能从非对比MR成像预测脑肿瘤强化：一项多队列回顾性诊断准确性研究
机构 * Queen Square Institute of Neurology, University College London, London, UK（伦敦大学学院医院神经科学研究所） ； National Hospital for Neurology and Neurosurgery, London, UK（伦敦神经病学与神经外科医院） ； NVIDIA, UK（英国NVIDIA公司） ； Great Ormond Street Hospital for Children, London, UK（伦敦儿童医院） ； Royal National Orthopaedic Hospital, Stanmore, Middlesex, UK（斯坦莫尔皇家骨科医院，中西敏，英国） ； University College Hospitals NHS Foundation Trust, London, UK（伦敦大学学院医院 NHS 基础信托） ； Royal Free Hospital, London, UK（伦敦皇家自由医院） ； Imperial College Healthcare NHS Trust, London, UK（伦敦帝国学院医疗信托） ； Imperial College London, London, UK（伦敦帝国学院）
专题命中 医学影像 ：MRI(summary_cn,abstract)；pathology(abstract)；分类 cs.CV、q-bio、eess.IV
AI总结 本研究开发并验证了深度学习模型，仅从非对比MRI预测肿瘤对比增强，在多个数据集上达到83.0%的平衡准确率，有望减少神经肿瘤成像中对钆的依赖。
Comments 44 pages
PPDM: Pixel Puzzling Diffusion Model for Speed and Memory Efficient Volumetric Medical Image Translation
PPDM: 像素拼图扩散模型用于速度和内存高效的体积医学图像翻译
机构 * Department of Radiology, Northwestern University（西北大学放射学系） ； Department of Biomedical Engineering, Yale University（耶鲁大学生物医学工程系） ； Department of Radiology and Biomedical Imaging, Yale School of Medicine（耶鲁医学院放射学与生物医学影像系）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 提出像素拼图扩散模型（PPDM），通过可逆像素拼图操作和直接桥接扩散公式，在降低内存和加速推理的同时保持全局一致性，用于3D医学图像翻译。
Comments 12 pages, 5 figures, 5 tables
XSSR: Cross-Domain Self-Supervised Representative Selection for Efficient Annotation in Medical Image Segmentation
XSSR: 跨域自监督代表性选择用于医学图像分割中的高效标注
机构 * Northeastern University, San Jose, CA 95113, USA（东北大学，旧金山，CA 95113，美国） ； Northeastern University, New York, NY 10021, USA（东北大学，纽约，NY 10021，美国）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 提出XSSR框架，通过自监督学习在目标域中自动选择代表性样本进行标注，在仅使用5%标注预算时达到接近全数据性能。
Comments Accepted to the Third International Conference on AI in Healthcare (AIiH 2026). This is the preprint version of the paper
SpikeReg: Energy-Efficient 3D Deformable Medical Image Registration with Spiking Neural Networks
SpikeReg: 基于脉冲神经网络的高能效3D可变形医学图像配准
机构 * School of Electrical and Computer Engineering, College of Engineering, University of Tehran（德黑兰大学电气与计算机工程学院） ； Max Planck Institute for Brain Research（马克斯·普朗克脑科学研究所） ； School of Computer Engineering, Iran University of Science and Technology (IUST)（伊朗科学技术大学计算机工程学院） ； Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 提出SpikeReg，一种脉冲U-Net，通过层间权重迁移和激活百分位阈值校准从模拟ANN教师初始化，结合局部互相关、扩散正则化和脉冲率稀疏性的代理梯度微调，在OASIS Learn2Reg验证集上达到Dice 0.7474，与ANN教师无显著差异，同时实现12.8%平均脉冲率和55.5倍算术能量降低。
Axial-Centric Cross-Plane Attention for 3D Medical Image Classification
轴向中心跨平面注意力用于3D医学图像分类
机构 * National Heart Centre Singapore, Singapore（新加坡国家心脏中心） ； CVS.AI, National Heart Research Institute of Singapore, Singapore（CVS.AI、新加坡国家心脏研究院） ； Independent Researcher, Republic of Korea（韩国独立研究员）
专题命中 医学影像 ：medical image(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV
AI总结 提出轴向中心跨平面注意力架构，通过不对称建模解剖平面间依赖关系，在MedMNIST3D基准上优于现有3D和多平面模型。
Comments Submitted to BMVC 2026
Enhancing Medical Image Segmentation via Heat Conduction Equation
通过热传导方程增强医学图像分割
机构 * Department of Epidemiology and Biostatistics, University of California, San Francisco, CA, USA（流行病学与生物统计学系，加州大学旧金山分校，加州，美国）
专题命中 医学影像 ：medical image(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出结合U-Mamba与热传导方程的混合架构，利用状态空间模块和热传导操作符提升医学图像分割的全局上下文建模与长距离依赖推理能力。
Med-DisSeg: Dispersion-Driven Representation Learning for Fine-Grained Medical Image Segmentation
Med-DisSeg: 基于分散驱动的表示学习用于细粒度医学图像分割
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东省大数据分析与处理重点实验室）
专题命中 医学影像 ：medical image(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出Med-DisSeg框架，通过分散损失和自适应注意力机制提升医学图像分割的表示学习和解剖结构分割性能，实验表明其在多种数据集上达到领先水平。
ABRA: Agent Benchmark for Radiology Applications
ABRA：放射学应用代理基准测试
机构 * School of Computing（计算学院） ； Dublin City University（都柏林城市大学） ； School of Medicine（医学院） ； University College Dublin（都柏林大学）
专题命中 医学影像 ：radiology(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 ABRA是一个放射学代理基准测试，通过21个功能调用工具操作OHIF查看器和Orthanc DICOM服务器，包含655个生成任务，评估代理在规划、执行和结果方面的性能。
DiffuSAM: Diffusion-Based Prompt-Free SAM2 for Few-Shot and Source-Free Medical Image Segmentation
DiffuSAM: 基于扩散的无提示SAM2用于少样本和源无关医学图像分割
机构 * School of Electrical Engineering, Tel Aviv University, Israel（特拉维夫大学电气工程学院） ； School of Biomedical Engineering, Tel Aviv University, Israel（特拉维夫大学生物医学工程学院）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV
AI总结 DiffuSAM通过轻量级扩散先验生成SAM2兼容的分割掩码嵌入，实现无提示医学图像分割，无需用户输入，在BTCV和CHAOS数据集上表现出色。
Risk-Calibrated Learning: Minimizing Fatal Errors in Medical AI
风险校准学习：在医学AI中最小化致命错误
机构 * Department of Engineering（工程系） ； Universitat Pompeu Fabra（庞培乌法拉大学）
专题命中 医学影像 ：medical AI(title)；MRI(abstract,abstract_cn)；medical image(abstract)；分类 cs.CV
AI总结 本文提出风险校准学习方法，通过区分视觉模糊与结构性错误，提升医学AI的可靠性，实验表明其在多种影像模态中显著降低关键错误率。
Comments This work has been accepted for publication in the Proceedings of the 2026 International Joint Conference on Neural Networks (IJCNN 2026). The final published version should be cited
Domain-Specific Latent Representations Improve the Fidelity of Diffusion-Based Medical Image Super-Resolution
领域特定潜在表示提高基于扩散的医学图像超分辨率的保真度
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Biomedical Engineering, Mbarara University of Science and Technology（姆巴拉大学科学与技术学院生物医学工程系） ； Johns Hopkins University（约翰霍普金斯大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Makerere University（Makerere大学） ； Federal University of São Paulo（圣保罗联邦大学） ； Technical University of Applied Sciences Lübeck (TH Lübeck)（吕贝克应用技术大学） ； Harvard T.H. Chan School of Public Health（哈佛大学T.H. Chan公共卫生学院）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 本文通过替换通用稳定扩散VAE为领域特定的MedVAE，显著提升了医学图像超分辨率的PSNR，验证了领域特定自动编码器对重建质量的关键影响。
FGML-DG: Feynman-Inspired Cognitive Science Paradigm for Cross-Domain Medical Image Segmentation
FGML-DG：受费曼启发的认知科学范式用于跨域医学图像分割
机构 * School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院）
专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV
AI总结 本文提出FGML-DG范式，通过费曼学习法简化特征、设计元风格记忆机制及反馈驱动重训练，提升医学图像跨域分割性能。
Journal ref Volume 413: ECAI 2025, (3912-3919)
Enhancing Fine-Grained Spatial Grounding in 3D CT Report Generation via Discriminative Guidance
通过判别引导增强3D CT报告生成中的细粒度空间定位
机构 * Boston University（波士顿大学） ； Siemens Healthineers（西门子医疗）
专题命中 医学影像 ：CT(title,abstract)；pathology(abstract)；radiology(abstract)；分类 cs.CV
AI总结 本文提出DCP-PD框架，通过提炼自由文本报告中的细粒度线索，指导报告生成并减少对快捷方式的依赖，提升了CT-RATE和Rad-ChestCT的性能。
