医学 AI

GLeVE: Graph-Guided Lesion Grounding with Proposal Verification in 3D CT

GLeVE: 在3D CT中基于图的病变接地与提案验证

Shuo Jiang, Yuhao Hong, Chunbo Jiang, Weihong Chen, Huangwei Chen, Shenghao Zhu, Beining Wu, Mingxuan Liu, Zhu Zhu, Feiwei Qin, Min Tan, Yifei Chen

机构 * Zhejiang Key Laboratory of Space Information Sensing and Transmission（浙江空间信息感知与传输重点实验室） ； Hangzhou Dianzi University（杭州电子科技大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Children's Hospital, Zhejiang University School of Medicine（浙江大学医学院附属儿童医院） 纠错

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

AI总结 本文提出GLeVE框架，通过图引导的病变接地和解剖学先验验证，解决3D CT中自由文本叙述与体积解剖之间的语义-空间差距问题，提升病变定位的准确性。

Comments 11 pages, 4 figures

Pixel Wised Lesion Prediction on COVID-19 CT Imagery: A Comparative Analysis of Automated Image Segmentation Architectures

基于像素的新冠CT影像病变预测：自动图像分割架构的比较分析

Sarmad Khan, Arslan Shaukat, Umer Asgher, Basim Azam

机构 * Department of Computer \& Software Engineering National University of Sciences \& Technology Islamabad, Pakistan ； School of Computing \& Information Systems University of Melbourne Melbourne, Australia 纠错

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

AI总结 本文通过比较四种深度学习架构与六种预训练编码器，评估了在新冠CT影像中预测病变的性能，发现深度学习在分割任务中具有高精度和效率，其中二分类分割达到98%的F1分数，多分类分割在不同数据集上分别达到75%和77%的F1分数。

Comments 7 pages, 6 figures, 4 tables

A Comprehensive Comparison of Deep Learning Architectures for COVID-19 Classification on CT & X-ray Imagery

对用于CT和X光影像中新冠分类的深度学习架构的全面比较

Sarmad Khan, Arslan Shaukat, Umer Asgher, Basim Azam

机构 * Department of Computer \& Software Engineering National University of Sciences \& Technology Islamabad, Pakistan ； School of Computing \& Information Systems University of Melbourne Melbourne, Australia 纠错

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

AI总结 本文通过比较多种深度学习架构，提出基于卷积神经网络的计算机辅助诊断系统，以区分新冠和正常肺部影像，并在X光和CT数据集上取得了95至98%的平均准确率。

Comments 6 pages, 2 figures, 5 tables

Combined Diffusion-Relaxation MRI to Assess Muscle Microstructure and Composition

结合扩散-弛豫MRI评估肌肉微结构和组成

Matteo Figini, Paddy J. Slator, Valeria E. Contarino, Eleftheria Panagiotaki, Giovanna Rizzo, Alfonso Mastropietro

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

AI总结 本文提出结合扩散-弛豫MRI技术，通过分析肌肉微结构和组成，提高对肌肉微结构和灌注相关生物标记物的评估精度，特别在血管分数估计上表现优异。

AGA3DNet: Anatomy-Guided Gaussian Priors with Multi-view xLSTM for 3D Brain MRI Subtype Classification

AGA3DNet：基于解剖的高斯先验与多视角xLSTM用于3D脑MRI亚型分类

Peiyu Duan, Xueqi Guo, Sepehr Farhand, Mehmet Berk Sahin, Xinyuan Zheng, James S. Duncan, Gerardo Hermosillo Valadez, Yoshihisa Shinagawa

机构 * Yale University（耶鲁大学） ； Siemens Healthineers（西门子医疗） ； Purdue University（普渡大学） 纠错

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

AI总结 AGA3DNet结合解剖短语和轻量3D CNN与多视角xLSTM，通过高斯加权提供可解释的解剖引导，提升3D脑MRI亚型分类性能。

Comments CVPR CV4CLINIC 2026

RA-CMF: Region-Adaptive Conditional MeanFlow for CT Image Reconstruction

RA-CMF：基于区域自适应的条件均值流用于CT图像重建

Md Shifatul Ahsan Apurba, Md Selim, Jin Chen

机构 * Biomedical Informatics（生物医学信息学） ； Data Science University of Alabama at Birmingham Birmingham, AL, United States（数据科学，阿拉巴马大学伯明翰分校，伯明翰，AL，美国） ； Computer Science Florida Polytechnic University Lakeland, FL, United States（计算机科学，佛罗里达理工学院，拉凯兰德，FL，美国） 纠错

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

AI总结 本文提出RA-CMF方法，结合条件均值流与强化学习，实现CT图像重建的区域自适应增强，提升肿瘤区域的准确性和图像整体质量。

Interlaced R2D2 DNN Series for Scalable Non-Cartesian MRI with Sensitivity Self-calibration

交错的R2D2 DNN系列用于可扩展的非笛卡尔MRI敏感性自校准

Shijie Chen, Yiwei Chen, Amir Aghabiglou, Motahare Torki, Chao Tang, Ruud B. van Heeswijk, Yves Wiaux

机构 * Institute of Sensors, Signals and Systems, Heriot-Watt University Edinburgh, United Kingdom（传感器、信号与系统研究所，赫里奥特-沃斯大学爱丁堡分校，英国） ； Department of Diagnostic Imaging and Interventional Radiology, Lausanne University and Hospital, Switzerland（诊断影像与介入放射学系，洛桑大学及医院，瑞士） 纠错

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

AI总结 本文提出iR2D2，一种用于加速非笛卡尔k空间MRI图像重建的DNN系列框架，通过自校准敏感性图提升重建性能。

Comments 13 pages, 8 figures

Explainability in Generative Medical Diffusion Models: A Faithfulness-Based Analysis on MRI Synthesis

生成医学扩散模型的可解释性：基于忠实度的MRI合成分析

Surjo Dey, Pallabi Saikia

机构 * Rajiv Gandhi institute of petroleum technology（拉吉夫·甘地石油技术学院） 纠错

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

AI总结 研究探讨生成扩散模型在医学影像中的可解释性，聚焦MRI合成，通过分析原型方法评估生成与训练特征的关系，实验表明EPPNet在忠实度上表现最佳，提升生成过程的透明度和可信度。

Comments Accepted at 3rd World Congress on Smart Computing (WCSC2026) conference

A Hybrid CNN and ML Framework for Multi-modal Classification of Movement Disorders Using MRI and Brain Structural Features

一种结合CNN和ML的混合框架用于利用MRI和脑结构性质进行运动障碍多模态分类

Mengyu Li, Ingibjörg Kristjánsdóttir, Thilo van Eimeren, Kathrin Giehl, Lotta M. Ellingsen, the ASAP Neuroimaging Initiative

机构 * University of Iceland, Faculty of Electrical and Computer Engineering（冰岛大学电气与计算机工程学院） ； University of Iceland, Faculty of Medicine（冰岛大学医学院） ； University of Cologne, Faculty of Medicine（科隆大学医学院） ； University Hospital Cologne, Dept. of Nuclear Medicine and Dept. of Neurology（科隆大学医院核医学科和神经内科） ； the ASAP Neuroimaging Initiative（ASAP神经影像倡议） 纠错

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

AI总结 本文提出结合CNN与ML的混合框架，用于区分APD亚型与PD及亚型间差异，利用MRI和脑结构性质数据实现高分类精度。

Comments To be published in Proceedings of SPIE Medical Imaging 2026

DICE: Diffusion Consensus Equilibrium for Sparse-view CT Reconstruction

DICE：扩散共识均衡用于稀疏视角CT重建

Leon Suarez-Rodriguez, Roman Jacome, Romario Gualdron-Hurtado, Ana Mantilla-Dulcey, Henry Arguello

机构 * Department of Systems and Informatics Engineering（系统与信息工程系） ； Department of Electrical, Electronics, and Telecommunications Engineering（电气、电子与电信工程系） ； Department of Physics（物理系） ； Universidad Industrial de Santander（圣安德烈斯工业大学） 纠错

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

AI总结 DICE框架通过整合双代理共识均衡，结合生成先验能力和测量一致性，有效提升稀疏视角CT重建质量，实验显示在15、30和60视角下优于现有方法。

Comments 8 pages, 4 figures, confenrence

Journal ref Proceedings of the 2025 IEEE 10th International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP)

Cross-Modal Knowledge Distillation for PET-Free Amyloid-Beta Detection from MRI

跨模态知识蒸馏用于无PET的MRI淀粉样蛋白β检测

Francesco Chiumento, Julia Dietlmeier, Ronan P. Killeen, Kathleen M. Curran, Noel E. O'Connor, Mingming Liu

机构 * Dublin City University（都柏林城市大学） ； Insight Research Ireland Centre for Data Analytics（爱尔兰Insight研究数据分析师中心） ； St. Vincent’s University Hospital（圣文森医院） ； University College Dublin（都柏林大学） 纠错

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

AI总结 本文提出一种基于BiomedCLIP的跨模态知识蒸馏框架，利用MRI单独预测淀粉样蛋白β，无需PET或临床变量，实现了可解释的无PET检测方法。

Comments Accepted to CVPR Workshops 2026 (PHAROS-AIF-MIH)

UniBiomed: A Universal Foundation Model for Grounded Biomedical Image Interpretation

UniBiomed: 一种用于 grounded 生物医学图像解释的通用基础模型

Linshan Wu, Yuxiang Nie, Sunan He, Jiaxin Zhuang, Luyang Luo, Tao Li, Zhuoyao Xie, Dexuan Chen, Yinghua Zhao, Neeraj Mahboobani, Varut Vardhanabhuti, Ronald Cheong Kin Chan, Yifan Peng, Pranav Rajpurkar, Hao Chen

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

AI总结 UniBiomed是一种基于多模态大语言模型和Segment Anything Model的通用基础模型，能够同时生成诊断结果并分割生物医学目标，提升生物医学图像分析的可解释性与性能。

Comments A universal foundation model for grounded biomedical image interpretation

APIS: A paired CT-MRI dataset for ischemic stroke segmentation challenge

Santiago Gómez, Daniel Mantilla, Gustavo Garzón, Edgar Rangel, Andrés Ortiz, Franklin Sierra-Jerez, Fabio Martínez

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

Robustness and Stability Analysis of Differentiable Shift-Variant FBP for Cone-Beam CT under Challenging Acquisition Settings

锥束CT在具有挑战性的采集设置下的可微变移位FBP的鲁棒性和稳定性分析

Chengze Ye, Linda-Sophie Schneider, Yipeng Sun, Mareike Thies, Siyuan Mei, Paula Andrea Pérez-Toro, Siming Bayer, Andreas Maier

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany（模式识别实验室，弗赖堡-亚历山大-大学埃尔朗根-纽伦堡，埃尔朗根，德国） 纠错

专题命中 医学影像 ：CT(title,title_cn)；biomedical(comments,journal_ref)；分类 cs.CV、eess.IV

AI总结 研究锥束CT中可微变移位FBP在挑战性采集设置下的鲁棒性与稳定性，通过系统研究发现其在不规则轨迹稳定，采样点分布影响大，稀疏视图下质量优、计算快，严重欠采样有性能下降，还适用于非平面多等中心几何结构。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:014

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Pretreatment MRI reveals a latent, molecular-subtype-independent structural phenotype that organizes treatment trajectories and recurrence risk

治疗前MRI揭示一种潜在的、不依赖分子亚型的结构表型，可统筹治疗轨迹与复发风险分层

Dattatreya Kantha, Murray H. Loew

机构 * Medical Imaging & Image Analysis Laboratory, Department of Biomedical Engineering, George Washington University（医学影像与图像分析实验室，生物医学工程系，乔治·华盛顿大学） 纠错

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

AI总结 本研究针对乳腺癌新辅助治疗响应评估的现有局限，基于I-SPY2队列构建结局盲法纵向DCE-MRI流形，发现治疗前MRI存在独立于临床基因组特征的固有结构表型，可预测治疗轨迹与复发风险。

Comments 31 pages, 8 figures, 7 tables

Noninvasive H3 K27M screening in pediatric diffuse midline glioma using radiomics on heterogeneous T2-weighted MRI

基于异质性T2加权MRI影像组学的儿童弥漫性中线胶质瘤无创H3 K27M筛查

Arthur Zagitov, Alexander Beznosikov, Vladimir Bozhenko, Ninel Kamyshnikova, Tatiana Kulinich, Sofia Polozova, Yaroslav Kholodov

专题命中 医学影像 ：MRI(title,title_cn)；diagnosis(abstract)；分类 q-bio

AI总结 本研究利用T2加权MRI影像组学在异质性转诊队列中筛查儿童弥漫性中线胶质瘤的H3K27M突变，通过预处理、特征选择和体积优化，CatBoost模型达到0.730准确率和0.826 F1分数，表明影像组学可作为辅助筛查工具。

Evaluating Synthetic Data Generation for Domain Generalization in Fetal Brain MRI Segmentation

评估胎儿脑MRI分割中域泛化的合成数据生成

Vladyslav Zalevskyi, Thomas Sanchez, Margaux Roulet, Busra Bulut, Hélène Lajous, Jordina Aviles Verdera, Sara Neves Silva, Georg Langs, Gregor Kasprian, Roxane Licandro, Jana Hutter, Hamza Kebiri, Meritxell Bach Cuadra

机构 * Department of Radiology, Lausanne University Hospital and University of Lausanne (UNIL)（拉沃斯大学医院放射科和洛桑大学（UNIL）） ； CIBM Center for Biomedical Imaging（生物医学成像中心） ； Institute for Information Processing, Leibniz University Hannover（汉诺威莱比锡大学信息处理研究所） ； Department of Biomedical Engineering, School of Biomedical Engineering & Imaging Sciences, King’s College London（伦敦国王学院生物医学工程系） ； Department of Biomedical Imaging and Image-Guided Therapy, Division of Neuroradiology and Musculoskeletal Radiology, Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系） ； Department of Biomedical Imaging and Image-guided Therapy, Computational Imaging Research Lab (CIR), Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系，计算成像研究实验室（CIR）） ； Christian Doppler Laboratory for Mathematical Modelling and Simulation of Next-Generation Medical Ultrasound Devices, Medical University of Vienna（维也纳医学大学下一代医学超声设备数学建模与仿真克里斯蒂安多普勒实验室） ； Comprehensive Center for Artificial Intelligence in Medicine, Medical University of Vienna（维也纳医学大学人工智能在医学中的综合中心） ； Division of Neuroradiology and Musculoskeletal Radiology, Department of Biomedical Imaging and Image–guided Therapy, Medical University of Vienna（维也纳医学大学生物医学成像与影像引导治疗系，神经放射学和骨科放射学系） 纠错

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

AI总结 针对胎儿脑MRI分割中数据异质性和标注不足问题，研究基于域随机化的合成数据生成策略，提出FetalSynthSeg框架，通过高斯混合强度建模和强度聚类提升跨域鲁棒性，在多个数据集上达到最优性能。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:023

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Automated Optical Density Normalization for Myelin Quantification: Cross-Modal Validation with 7T Ex Vivo MRI

全自动光学密度标准化用于髓鞘量化：7T体外MRI的跨模态验证

Zahra Khodakarami, Sheina Emrani, Pulkit Khandelwal, Chinmayee Athalye, Amanda Denning, Winifred Trotman, Lisa M Levorse, Eric Teunissen-Bermeo, Hamsanandini Radhakrishnan, Daniel Ohm, Christophe Olm, Noah Capp, Ranjit Ittyerah, Karthik Prabhakaran, John A. Detre, Sandhitsu R. Das, David A. Wolk, Corey T McMillan, Gabor Mizsei, M. Dylan Tisdall, David J Irwin, John L. Robinson, Edward B Lee, Paul A. Yushkevich

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

AI总结 本文提出全自动管道用于髓鞘量化的光学密度标准化，通过体外7T MRI与组织学的跨模态验证，提高了髓鞘病理性评估的准确性与一致性。

Comments 10 Pages, accepted at MICCAI 2026

A Synthetic Data-Driven Radiology Foundation Model for Pan-tumor Clinical Diagnosis

面向肿瘤临床诊断的合成数据驱动放射学基础模型

Wenhui Lei, Hanyu Chen, Zitian Zhang, Luyang Luo, Qiong Xiao, Yannian Gu, Peng Gao, Yankai Jiang, Ci Wang, Guangtao Wu, Tongjia Xu, Yingjie Zhang, Pranav Rajpurkar, Xiaofan Zhang, Shaoting Zhang, Zhenning Wang

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

AI总结 PASTA通过合成数据驱动的方法，构建了跨肿瘤放射学基础模型，实现了45项肿瘤学任务的先进性能，并在临床场景中提升了诊断效率和准确性。

Comments 63 pages, 7 figures

RoMedFormer: A Rotary-Embedding Transformer Foundation Model for 3D Genito-Pelvic Structure Segmentation in MRI and CT

Yuheng Li, Mingzhe Hu, Richard L. J. Qiu, Maria Thor, Andre Williams, Deborah Marshall, Xiaofeng Yang

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

QUBIQ: Uncertainty Quantification for Biomedical Image Segmentation Challenge

Hongwei Bran Li, Fernando Navarro, Ivan Ezhov, Amirhossein Bayat, Dhritiman Das, Florian Kofler, Suprosanna Shit, Diana Waldmannstetter, Johannes C. Paetzold, Xiaobin Hu, Benedikt Wiestler, Lucas Zimmer, Tamaz Amiranashvili, Chinmay Prabhakar, Christoph Berger, Jonas Weidner, Michelle Alonso-Basant, Arif Rashid, Ujjwal Baid, Wesam Adel, Deniz Ali, Bhakti Baheti, Yingbin Bai, Ishaan Bhatt, Sabri Can Cetindag, Wenting Chen, Li Cheng, Prasad Dutand, Lara Dular, Mustafa A. Elattar, Ming Feng, Shengbo Gao, Henkjan Huisman, Weifeng Hu, Shubham Innani, Wei Jiat, Davood Karimi, Hugo J. Kuijf, Jin Tae Kwak, Hoang Long Le, Xiang Lia, Huiyan Lin, Tongliang Liu, Jun Ma, Kai Ma, Ting Ma, Ilkay Oksuz, Robbie Holland, Arlindo L. Oliveira, Jimut Bahan Pal, Xuan Pei, Maoying Qiao, Anindo Saha, Raghavendra Selvan, Linlin Shen, Joao Lourenco Silva, Ziga Spiclin, Sanjay Talbar, Dadong Wang, Wei Wang, Xiong Wang, Yin Wang, Ruiling Xia, Kele Xu, Yanwu Yan, Mert Yergin, Shuang Yu, Lingxi Zeng, YingLin Zhang, Jiachen Zhao, Yefeng Zheng, Martin Zukovec, Richard Do, Anton Becker, Amber Simpson, Ender Konukoglu, Andras Jakab, Spyridon Bakas, Leo Joskowicz, Bjoern Menze

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

Comments initial technical report

Specialty-Oriented Generalist Medical AI for Chest CT Screening

Chuang Niu, Qing Lyu, Christopher D. Carothers, Parisa Kaviani, Josh Tan, Pingkun Yan, Mannudeep K. Kalra, Christopher T. Whitlow, Ge Wang

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

CancerUniT: Towards a Single Unified Model for Effective Detection, Segmentation, and Diagnosis of Eight Major Cancers Using a Large Collection of CT Scans

Jieneng Chen, Yingda Xia, Jiawen Yao, Ke Yan, Jianpeng Zhang, Le Lu, Fakai Wang, Bo Zhou, Mingyan Qiu, Qihang Yu, Mingze Yuan, Wei Fang, Yuxing Tang, Minfeng Xu, Jian Zhou, Yuqian Zhao, Qifeng Wang, Xianghua Ye, Xiaoli Yin, Yu Shi, Xin Chen, Jingren Zhou, Alan Yuille, Zaiyi Liu, Ling Zhang

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

Comments ICCV 2023 Camera Ready Version

Bridging the gap between prostate radiology and pathology through machine learning

Indrani Bhattacharya, David S. Lim, Han Lin Aung, Xingchen Liu, Arun Seetharaman, Christian A. Kunder, Wei Shao, Simon J. C. Soerensen, Richard E. Fan, Pejman Ghanouni, Katherine J. To'o, James D. Brooks, Geoffrey A. Sonn, Mirabela Rusu

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

Comments Indrani Bhattacharya and David S. Lim contributed equally as first authors. Geoffrey A. Sonn and Mirabela Rusu contributed equally as senior authors

Forecasting Future Anatomies: Longitudinal Brain Mri-to-Mri Prediction

预测未来解剖结构：纵向脑MRI到MRI的预测

Ali Farki, Elaheh Moradi, Deepika Koundal, Jussi Tohka

机构 * A.I. Virtanen Institute for Molecular Sciences, University of Eastern Finland, Kuopio, Finland（A.I. Virtanen分子科学研究所，东芬兰大学，库奥普io，芬兰） 纠错

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

AI总结 本文研究从基线MRI预测未来脑部MRI，采用五种深度学习架构（UNet、U2-Net、UNETR、时间嵌入UNet和ODE-UNet）在ADNI和AIBL数据集上实现高保真体素级预测，并验证了跨队列泛化能力。

Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), Apr. 2026

Translating MRI to PET through Conditional Diffusion Models with Enhanced Pathology Awareness

通过增强病理意识的条件扩散模型将MRI翻译为PET

Yitong Li, Igor Yakushev, Dennis M. Hedderich, Christian Wachinger

机构 * Lab for Artificial Intelligence in Medical Imaging, Institute for Diagnostic and Interventional Radiology, School of Medicine and Health, TUM Klinikum, Technical University of Munich (TUM)（人工智能医学成像实验室，诊断与介入放射学研究所，医学院与健康学院，TUM医院，慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Nuclear Medicine, School of Medicine and Health（核医学系，医学院与健康学院） ； Department of Neuroradiology, School of Medicine and Health（神经放射学系，医学院与健康学院） 纠错

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

AI总结 本文提出PASTA框架，利用条件扩散模型生成高质量3D PET图像，通过双臂架构和多模态条件整合提升结构与病理细节的保留，使合成PET在阿尔茨海默病诊断中性能优于MRI，接近真实PET。

Comments Accepted by Medical Image Analysis

Fine-grained lesion annotation in CT images with knowledge mined from radiology reports

Ke Yan, Yifan Peng, Zhiyong Lu, Ronald M. Summers

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

Comments 4 pages, IEEE International Symposium on Biomedical Imaging (ISBI) 2019, oral presentation

Harnessing Magnitude-Only and Complex Measurements for Improved Dynamic MRI Reconstruction with Learned Priors

利用仅幅度测量与复值测量结合学习先验实现改进的动态MRI重建

Mahdi Saberi, Yaşar Utku Alçalar, Merve Gülle, Chetan Shenoy, Mehmet Akçakaya

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

AI总结 本研究提出$\boldsymbol{\text{C}}+\text{Mag}$方法，结合复值与k空间幅度信息，采用ADMM展开框架实现动态MRI重建，实验表明其在伪影抑制、结构恢复等方面优于传统PD-DL方法。

UMPIRE-Net: Unrolled Magnitude-Phase Regularization Network for Accelerated MRI

UMPIRE-Net：用于加速MRI的展开式幅度-相位正则化网络

Mahdi Saberi, Toygan Kiliç, Mehmet Akçakaya

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

AI总结 针对加速MRI的不适定逆问题，提出将幅度与相位解耦正则化的UMPIRE-Net，在部分傅里叶成像场景下提升了重建质量，生成更清晰图像并减少伪影。

Comments IEEE International Workshop on Machine Learning for Signal Processing (MLSP)

INFORM-CT: INtegrating LLMs and VLMs FOR Incidental Findings Management in Abdominal CT

INFORM-CT：整合LLM和VLM用于腹部CT的偶发发现管理

Idan Tankel, Nir Mazor, Rafi Brada, Christina LeBedis, Guy ben-Yosef

机构 * GE Healthcare Technology and Innovation Center（GE医疗技术与创新中心） ； Boston Medical Center（波士顿医疗中心） 纠错

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

AI总结 本文提出基于LLM和VLM的计划-执行框架，用于提高腹部CT偶发发现的检测、分类和报告效率与精度，通过自动化流程提升临床应用效果。

Comments Spotlight presentation at the 9th International Conference on Medical Imaging with Deep Learning (MIDL) 2026 Additional code and implementation details available at https://idan-tankel.github.io/InformCT_ProjectPage/