医学 AI

CUPA-T2*: Covariance-Aware Uncertainty Propagation and Alignment for T2* Mapping in Accelerated MRI

CUPA-T2*：用于加速MRI中T2* mapping的协方差感知不确定性传播与对齐

Gideon N. L. Rouwendaal, Natascha Niessen, Hannah Eichhorn, Dirk H. J. Poot, Christine Preibisch, Julia A. Schnabel

机构 * Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich（亥姆霍兹慕尼黑生物医学成像机器学习研究所） ； School of Computation, Information & Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院） ； GE HealthCare（GE医疗） ； Biomedical Imaging Group Rotterdam, Erasmus MC（伊拉斯姆斯大学医学中心鹿特丹生物医学成像组） ； Visionlab, University of Antwerp（安特卫普大学视觉实验室） ； School of Medicine & Health, Technical University of Munich（慕尼黑工业大学医学与健康学院） ； Department of Neuroradiology, Klinikum rechts der Isar, Technical University of Munich（慕尼黑工业大学右伊萨尔医院神经放射科） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Biomedical Engineering & Imaging Sciences, King’s College London（伦敦国王学院生物医学工程与成像科学学院） 纠错

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

AI总结 CUPA-T2*框架通过协方差感知采样将重建不确定性传播到T2*拟合，在加速脑部MRI中提升了T2*拟合性能与不确定性对齐度，为定量T2*估计提供解释支持。

Comments Accepted at the 2nd workshop on: Reconstruction and Imaging Motion Estimation (RIME) MICCAI. This is the submitted manuscript with added link to GitHub repo, funding acknowledgements, disclosure of interests, and authors' names and affiliations. No further post submission improvements or corrections were integrated

Anatomically Consistent Cross-Contrast Super-Resolution of Anisotropic Brain T2w MRI

各向异性脑部T2加权MRI的解剖学一致跨对比度超分辨率

Mengqi Shen, Haicheng Wang, Meghna Trivedi, Tony J. Wang, Yuanguang Xu, Yingyan Zeng, Yading Yuan

机构 * Columbia University（哥伦比亚大学） ； Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心） ； Herbert Irving Comprehensive Cancer Center（赫伯特·欧文综合癌症中心） ； University of Cincinnati（辛辛那提大学） 纠错

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

AI总结 该研究提出VIPP-SR框架，利用跨对比度引导实现各向异性脑部T2w MRI的超分辨率，经实验验证可提升下游分割性能，且具备跨队列泛化能力。

Distilling CT Foundation Models into Editable Concept Bottlenecks for Lung Nodule Malignancy Prediction

将CT基础模型蒸馏为可编辑概念瓶颈用于肺结节恶性程度预测

Fakrul Islam Tushar, Stephen Adamo, Geoffrey D. Rubin

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

AI总结 该研究将CT基础模型蒸馏为可编辑概念瓶颈模型，在肺结节恶性程度预测任务中，其判别力与仅用结节大小相当，且支持概念干预以实现透明可解释的预测。

Comments Submitted to SPIE Medical Imaging 2027 conference

MRI super-resolution in ten sampling steps using a diffusion bridge model

基于扩散桥模型的十步采样MRI超分辨率

Mojtaba Safari, Hang Yu, Zach Eidex, Mingzhe Hu, Ryan J. Sanford, Alexandru Florea, Shansong Wang, Chih-Wei Chang, Erik H Middlebrooks, Aditya Juloori, Stanley L. Liauw, Ralph Weichselbaum, Xiaofeng Yang

机构 * The University of Chicago（芝加哥大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Mayo Clinic（梅奥诊所） 纠错

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

AI总结 该研究针对MRI扫描时间与分辨率的权衡问题，提出仅需十步采样的超分辨率扩散桥模型SR-DBM，在7T脑和前列腺MRI数据集上的量化指标与视觉效果均优于九种对比方法。

Spatial Masked-Set Learning for Sparse Multi-Shell Diffusion MRI Signal Synthesis

用于稀疏多壳扩散MRI信号合成的空间掩码集学习

Yousef Sadegheih, Pratibha Kumari, Dorit Merhof

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

AI总结 针对密集多壳扩散MRI采集时间长的问题，提出空间掩码集框架合成稀疏多壳扩散MRI信号，在HCP100数据集上的实验显示其信号NMSE低于现有模型，实现了更优性能。

Comments Accepted at MICCAI CDMRI Workshop 2026

Lesion Detection in CT with Frozen Self-Distilled Features: SALT, a Spatially Adaptive Label-Guided Temperature

基于冻结自蒸馏特征的CT病灶检测：SALT——空间自适应标签引导温度

Mahmut S. Gokmen, Evan W. Damron, Mitchell A. Klusty, Caroline N. Leach, Emily B. Collier, V. K. Cody Bumgardner

机构 * University of Kentucky（肯塔基大学） ； University of Louisville（路易斯维尔大学） 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SALT方法，通过空间自适应标签引导温度优化自监督预训练，冻结编码器后训练轻量级CenterNet头部，在四个CT队列中实现病灶检测，效果优于无目标条件化的对照模型。

Splat-Based Metal Artifact Reduction in Cone-Beam CT via Compact Attenuation Modeling

基于样条的锥形束CT金属伪影消除方法：通过紧凑衰减建模实现

Kiseok Choi, Jaemin Cho, Inchul Kim, Min H. Kim

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文针对锥形束CT的金属伪影问题，提出基于样条的框架，将物理多能前向模型融入连续高斯表示，实现高效联合优化，实验显示其收敛更快、抑伪影效果更优。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

VoxStruct3D: Structure-Leading Flow Matching for Voxel-Space 3D MRI Synthesis

VoxStruct3D：用于体素空间3D MRI合成的结构引导流匹配方法

Fang Li, Yang Gao, Shihao Zou, Weixin Si, Hongyu Wu, Qing Xia, Shuai Li, Aimin Hao

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

AI总结 本文提出VoxStruct3D，一种体素空间流匹配框架，通过结构优先策略引导，在T1加权脑MRI合成任务上实现了特征分布对齐、样本多样性等指标的最优性能，生成的体积解剖连贯且视觉真实。

Comments Project page: https://neesky.github.io/VoxStruct3D/

Towards Reliable and Reproducible Fetal Brain Biometry: A Deep Learning Approach Using MRI

迈向可靠且可重复的胎儿脑生物测量：一种基于MRI的深度学习方法

Francesca Maccarone, Marina Di Stefano, Giorgio Longari, Giulia Frigerio, Gloria Rizzato, Rocco Prudentino, Nivedita Agarwal, Tommaso Ciceri, Denis Peruzzo, Simone Melzi

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

AI总结 本文提出一种基于深度学习的四步骤自动化流程，从胎儿MRI中可靠可重复地进行脑生物测量，在两个含150例数据的公开数据集上验证，精度优于或相当现有方法，可支持临床应用。

Comments Currently under journal submission

CRIL-U-Net: Compact Ratio-Interaction Learning for Focal Cortical Dysplasia Segmentation from T1w and FLAIR MRI

CRIL-U-Net：用于从T1w和FLAIR MRI中分割局灶性皮质发育不良的紧凑比率交互学习网络

Soumen Ghosh, Amit Soni Arya, Tilottama Goswami, Subhojit Mandal, John Phamnguyen, Rajat Vashistha

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

AI总结 该研究针对II型局灶性皮质发育不良MRI自动分割难题，提出CRIL-U-Net模型，在85例患者与25例对照的五折交叉验证中，其性能显著优于传统及注意力型U-Net。

Confident but Unreliable: A Behavioral Safety Audit of Vision-Language Models on Brain MRI

自信但不可靠：对基于脑MRI的视觉语言模型的行为安全审计

Amir Sabbaghziarani, Mohammadsajad Abavisani, Sergey Plis

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） ； TReNDS Center（TReNDS中心） 纠错

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

AI总结 本研究对6个指令微调VLMs开展脑MRI行为安全审计，发现其置信度校准差、存在大量高置信度错误，提出医学图像VLM评估需报告置信度可靠性等指标。

CT-HEG: A Bidirectional, Timestamp-Attributed Event Graph for ICU In-Hospital Mortality Prediction - An Architectural Ablation Study

CT-HEG：用于ICU院内死亡率预测的带时间戳属性的双向事件图——一项架构消融研究

Mohammad Nasir Uddin, Rahnuma Tabassum Orpita, Asaduzzaman Anik, Eklachur Rahman Bhuiyan, Marjahan Risalat, SM Wali Ullah, Asif Ahamed

机构 * Westcliff University（韦斯特克利夫大学） ； Northern University Bangladesh（孟加拉国北方大学） ； Stanton University（斯坦顿大学） ； Washington University of Science and Technology（华盛顿科技大学） 纠错

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

AI总结 该研究针对ICU死亡率预测中不规则临床观测建模问题，提出CT-HEG架构并实例化为CHIRP-Net，经MIMIC-IV v3.1数据集实验，验证了双向连接、时间注意力边特征等架构选择的作用，为不规则电子健康记录数据建模提供了有效方案。

Spinal-Multiple-Myeloma-SEG: A Dual-Energy CT Dataset Extended with Trabecular Bone Segmentation of Lumbar Vertebrae

Spinal-Multiple-Myeloma-SEG：扩展了腰椎骨小梁分割的双能CT数据集

Michal Nohel, Vlastimil Valek, Katerina Krejci, Roman Jakubicek, Marek Dostal, Jiri Chmelik

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

AI总结 该研究扩展了Spinal-Multiple-Myeloma-SEG双能CT数据集，添加腰椎骨小梁分割掩码，支持多发性骨髓瘤相关的骨分析与深度学习任务，已通过TCIA和Zenodo公开。

Comments 8 pages, 2 figures

ORCA: ORgan-Centroid Aggregation for Training-Free 3D CT Visual Token Compression

ORCA：面向无需训练的3D CT视觉令牌压缩的器官质心聚合方法

Renjie Liang, Zijian Xu, Jinqian Pan, Chengkun Sun, Zhengkang Fan, Shawn Li, You Qin, Mei Liu, Jie Xu

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

AI总结 针对3D CT视觉令牌压缩的痛点，提出无需训练的即插即用ORCA方法，在多数据集、多任务上实现显著压缩比与速度提升，性能优于现有方法。

Semantically Calibrated Evidence Composition for CT Vision-Language Learning

面向CT视觉-语言学习的语义校准证据组合

Guoliang You, Haifan Gong, Xiaomeng Chu

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

AI总结 该研究针对CT视觉-语言学习中局部证据与全局上下文结合的问题，提出SCOPE框架，通过语义校准实现证据组合，在CT-RATE和RadChestCT数据集上的宏AUC优于现有SOTA。

Comments 9 pages, 3 figures, 5 tables

Empirical investigation of 3D CT Foundation Models and Unsupervised Adaptation for Head and Neck Cancer Recurrence Prediction

3D CT 基础模型与无监督适应用于头颈癌复发预测的实证研究

Bilel Guetarni, Feryal Windal, David Pasquier, Halim Benhabiles

机构 * University of Lille（里尔大学） ； Academic Department of Radiation Oncology, Centre Oscar Lambret（奥斯卡·兰布雷特中心放射肿瘤学学术部） ； Junia（朱尼亚学院） ； Centrale Lille（里尔中央理工学院） ； IMT Nord Europe, Institut Mines-Télécom（北欧电信学院、矿业电信学院） 纠错

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

AI总结 该研究通过两个含 3644 名患者的公开数据集，实证评估 3D CT 基础模型用于头颈癌复发预测的泛化能力，发现其跨场景泛化困难，影像与临床数据结合的预后方法最准确。

Comments Accepted at AIiH 2026

ELECTRIC: Evidential Learning-Enhanced CT Reconstruction via Iterative Correction

ELECTRIC：基于迭代校正的证据学习增强型CT重建

Ge Wang

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） 纠错

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

AI总结 本研究提出ELECTRIC闭环CT重建方法，通过证据学习结合物理引导贝叶斯模型，在低剂量CT数据集上使重建误差降约70%，鲁棒性优于传统方法，为CT重建提供新方案。

Comments 6 figures, 21 pages, and 27 references

Same Branches, Different Trees: A Bifurcation Connectedness Metric for Coronary Artery Segmentation and FFR-CT Decision Agreement

相同分支，不同树：用于冠状动脉分割及FFR-CT决策一致性的分叉连通性度量

Maame Owusu-Ansah, Kelvin Lee, Dr Vinod Venugopal, Muhammad Moazzam Jawaid, Wenting Duan, James Brown

机构 * University of Lincoln（林肯大学） ； Lincolnshire Heart Centre（林肯郡心脏中心） ； United Lincolnshire Teaching Hospitals Trust（联合林肯郡教学医院信托基金） ； De Montfort University（德蒙福特大学） 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BCS及可微替代物soft-BCS，用于评估冠状动脉分割的分叉连通性，发现其与FFR-CT决策一致性相关，建议同时报告分支恢复及连通性的度量。

Comments Accepted at STACOM 2026 (MICCAI workshop). 11 pages, 3 figures, 2 tables

ProgFormer: Hierarchical Voxel Diffusion Transformer for Longitudinal Brain MRI Prediction

ProgFormer：用于纵向脑部MRI预测的分层体素扩散Transformer

Dexuan Ding, Yuankai Qi, Luping Zhou, Jian Yang, Quan Z. Sheng, Ming-Hsuan Yang

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

AI总结 ProgFormer是一种分层体素扩散Transformer，通过粗-细通路结合条件流匹配，在ADNI等三个基准上实现了更优的纵向脑部MRI预测性能。

Multi-scale radiomics in pelvic MRI for endometriosis subtyping: highlighting data heterogeneity constraints

用于子宫内膜异位症分型的盆腔MRI多尺度放射组学：强调数据异质性约束

Eliot Leguy, Chloe Mallet, Nicolas Normand, Elodie Germani

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

AI总结 本研究基于UT-EndoMRI数据集，探索盆腔MRI多尺度放射组学用于子宫内膜异位症分型，发现原始小波特征结合梯度提升分类器AUC达0.80，但小型多中心数据集中放射组学分型存在脆弱性。

Comments Accepted for publication at the MICCAI 2026 CAPI-WOMEN workshop

Open-Ended CT Volume Segmentation with Weak Supervision from Language

基于语言弱监督的开放式CT体积分割

Sanjay Subramanian, Junwei Yu, Zirui Wang, Rohil Malpani, Maggie Chung, Adam Yala, Dan Klein, Trevor Darrell

机构 * Department of Electrical Engineering and Computer Science, UC Berkeley（加州大学伯克利分校电气工程与计算机科学系） ； Voio ； Department of Radiology and Biomedical Imaging, UC San Francisco（加州大学旧金山分校放射学与生物医学成像系） ； Computational Precision Health, UC Berkeley and UC San Francisco（加州大学伯克利分校和加州大学旧金山分校计算精准健康中心） 纠错

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

AI总结 研究基于语言弱监督训练CT扫描文本条件分割模型，通过结合体素级与切片级监督，从扫描-报告对提取信息，微调通用2D图像分割模型SAM3，在ReXGroundingCT数据集上提升了分割骰子分数。

Inverse Bayesian Inference for Extracting Lesion Dynamics from Longitudinal Spectral CT

用于从纵向光谱CT中提取病变动态的逆贝叶斯推理

Lukas Förner, Melina Wördehoff, Julian Steffens, Maximilian Schmutz, Rainer Claus, Josua Decker, Thomas Kröncke, Kartikay Tehlan, Thomas Wendler

机构 * University Hospital Augsburg（奥格斯堡大学医院） ； Technical University of Munich（慕尼黑工业大学） ； Bavarian Center for Cancer Research (BZKF)（巴伐利亚癌症研究中心） ； University of Augsburg（奥格斯堡大学） 纠错

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

AI总结 该研究针对纵向光谱CT提取病变动态参数的挑战，提出逆贝叶斯框架，将光谱特征演变分解为三个分量，通过对NSCLC CT数据验证，能恢复不同动态模式，确立了逆动态推理方法，从静态特征提取迈向病变行为机制表征。

Agentic Autoresearch for CT Reconstruction

用于CT重建的智能自动研究

Andreas Maier, Lucas Kachelriess, Siming Bayer, Yixing Huang, Yan Xia, Amber Simpson, Moritz Zaiss

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

AI总结 研究CT重建方法比较难题，利用大语言模型智能体构建智能循环，独立实现、调整并基准测试26种方法，重组为紧凑求解器，发现理想数据排名无法预测现实噪声下表现，噪声会颠倒排名，重新训练可恢复部分排名，强调基准测试需考虑多种现实因素。

Comments 16 pages

A Dual Path Framework with Hotspot Guided Fusion for Three Dimensional CT to PET Synthesis in Head and Neck Cancer

一种用于头颈癌三维CT到PET合成的热点引导融合双路径框架

Mohd Maaz Khan, Oluwaseyi Oderinde

机构 * Advanced Molecular Imaging in Radiotherapy (AdMIRe) Research Laboratory, School of Health Sciences, Purdue University, West Lafayette, IN, 47907, USA（高级分子影像在放射治疗（AdMIRe）研究实验室，健康科学学院，普渡大学，西拉法叶，IN，47907，美国） ； Department of Radiation Oncology, Indiana University School of Medicine, Indianapolis, IN 46202, USA（放射肿瘤学部，印第安纳大学医学院，印第安纳波利斯，IN，46202，美国） 纠错

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

AI总结 针对头颈癌，提出从CT扫描合成PET图像的双路径框架，由回归U-Net和条件生成对抗网络组成，经热点引导融合输出，可提供代谢信息辅助成像和临床决策，重建PET体积有一定误差指标，能定位病变但高代谢区有SUV低估。

Comments 25 pages, 11 figures

FSB-Net: Frequency-Spatial Boundary Network for Brain Stroke Lesion Segmentation in Non-Contrast CT

FSB-Net：用于非增强CT中脑卒病变分割的频率-空间边界网络

Linke Fan, Xianglong Li, Huixin Huang, Kai Shu

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

AI总结 研究旨在解决非增强CT中脑卒病变分割难题。提出FSB-Net，利用频域分析，含小波边界检测头、频率-空间交叉注意力模块和频谱边界损失。在公共数据集上评估，性能优于多种方法，达当前最佳。

SHFormer: Dynamic Spectral Filtering Convolutional Neural Network and High-pass Kernel Generation Transformer for Adaptive MRI Reconstruction

SHFormer：用于自适应MRI重建的动态频谱滤波卷积神经网络和高通内核生成变压器

Sriprabha Ramanarayanan, Rahul G. S., Mohammad Al Fahim, Keerthi Ram, Ramesh Venkatesan, Mohanasankar Sivaprakasam

机构 * Indian Institute of Technology Madras (IITM)（印度理工学院马德拉斯分校） ； Healthcare Technology Innovation Centre（医疗技术创新中心） ； GE John F Welch Technology Center（通用电气约翰·F·韦尔奇技术中心） 纠错

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

AI总结 针对基于注意力机制的MRI重建模型在高频表示和多模态数据处理上的不足，提出含频谱滤波CNN和动态高通内核生成变压器的网络进行可扩展MRI重建，在未见场景下有良好重建效果，提升了PSNR和SSIM。

Comments Published in Neural Networks (Elsevier), Vol. 187, Article 107334, July 2025. DOI: 10.1016/j.neunet.2025.107334

Journal ref Neural Networks, Vol. 187, Article 107334, July 2025

Deep Learning Estimation of Sex, Age, Height, and Weight from CT-derived Digitally Reconstructed Radiographs

基于CT衍生数字重建X线片的深度学习估计性别、年龄、身高和体重

Tomohiro Kikuchi, Kohei Yamamoto, Yukihiro Nomura, Yosuke Yamagishi, Takeharu Yoshikawa, Toshiaki Akashi, Jun Kamohara, Hiroyuki Fujii, Harushi Mori

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

AI总结 研究旨在开发深度学习集成方法从CT衍生DRR估计成人性别、年龄、身高和体重。用三个多任务模型微调后加权平均组合，在多组数据上测试评估。结果表明该方法能有效估计，解剖覆盖广时误差低。

Comments Code: https://github.com/jichi-labo/DRRBiometricsPredictor

SAMRI-3D: Adapting SAM2 for 3D MRI Segmentation with Global Volume Tokens

SAMRI-3D：通过全局体积令牌将SAM2应用于3D MRI分割

Zhao Wang, Wei Dai, Hongfu Sun, Craig Engstrom, Shekhar S. Chandra

机构 * School of Electrical Engineering and Computer Science, The University of Queensland（电气工程与计算机科学学院，昆士兰大学） ； School of Engineering, College of Engineering, Science and Environment, University of Newcastle（工程学院，工程、科学与环境学院，纽卡斯尔大学） ； School of Human Movement and Nutrition Sciences, The University of Queensland（人类运动与营养科学学院，昆士兰大学） 纠错

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

AI总结 研究针对MRI低软组织对比度导致边界难观察的问题，提出SAMRI-3D方法，通过冻结图像编码器、微调解码器和内存模块，并引入全局体积令牌，在3D MRI分割上取得高精度，提升了基于SAM的医学模型性能。

BrainNext: A General-Purpose Self-Supervised Foundation Model for Brain MRI Analysis

BrainNext：用于脑MRI分析的通用自监督基础模型

Moona Mazher, Abdul Qayyum, Steven A. Niederer, Daniel C. Alexander

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

AI总结 研究提出BrainNext通用自监督基础模型用于脑MRI分析，结合MAE预训练与三维双向xLSTM-UNet架构，从大量未标记数据学习，经微调用于下游任务，在FOMO 2025评估中表现出色，证明其可转移性和作为基础模型的潜力。

DRIFT: Difficulty-aware Rectified Flows for Through-plane MRI Super-Resolution

DRIFT：用于平面内MRI超分辨率的难度感知整流流

Yoonseok Choi, Eun-Gyu Ha, Daniel Kim, Mohammed A. Al-masni, Ming-Hsuan Yang, Dong-Hyun Kim

机构 * Yonsei University（延世大学） ； King Fahd University of Petroleum & Minerals (KFUPM)（法赫德国王石油与矿业大学） ； University of California at Merced（加州大学默塞德分校） 纠错

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

AI总结 针对平面内MRI超分辨率中效率与保真度的权衡问题，提出DRIFT框架，通过两阶段厚度条件整流流，利用解剖投影网络初始化，引入物理感知难度度量指导自适应积分调度器，降低推理成本并优于超分辨率基线。