医学 AI

CT-VAM: A Cerebello-Thalamic-Inspired Vision-Action Model for Efficient Visuomotor Control

CT-VAM: 一种小脑-丘脑启发的视觉-动作模型用于高效视觉运动控制

Jiacheng Li, Yize Guo, Jiabin Guo, Qingchen Liu, Jiahu Qin

机构 * University of Science and Technology of China（中国科学技术大学） ； AIRLab, Department of Automation（自动化系AIRLab） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 提出CT-VAM模型，通过TARS条件注意力解码器融合异构输入，以68M参数实现与大型VLA模型相当的LIBERO成功率，并降低推理延迟，支持高频控制。

MRI-triggered instability at the inner dead zone edge: disc evolution and burst modes tied to magnetic field strengths

MRI触发的内死区边缘不稳定性：与磁场强度相关的盘演化和爆发模式

Michael Cecil, Mario Flock, Daniel Steiner

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究原行星盘内死区边缘的MRI触发不稳定性，通过辐射流体动力学模拟发现磁场强度决定爆发模式，弱磁场下出现窄模式并产生涡旋。

Comments 17 pages, 9 figures, accepted for publication in A&A

Slice-Profile-Enabled Phase Distribution Graphs for MRI Simulation

用于MRI模拟的切片轮廓使能的相位分布图

Snawar Hussain, Daniel C. Hoinkiss, Jörn Huber, Vincent Kuhlen, Matthias Günther

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 提出一种统一的Bloch分辨PDG框架，通过将RF脉冲的切片轮廓效应编码为PDG状态图中的稀疏交叉阶耦合，实现切片轮廓感知的MRI模拟，在保持少量状态的同时与直接Bloch模拟高度一致。

Comments 10 pages, 8 figures, Preprint version

Investigating the Uncertainty of Cellular Microenvironment Parameter Estimations via Diffusion MRI Cytometry

通过扩散MRI细胞计量学探究细胞微环境参数估计的不确定性

Wen Li, Yan Dai, Arely Perez Rodriguez, Todd Aguilera, Jie Deng, Xun Jia

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本研究利用IMPULSED扩散MRI信号，通过雅可比敏感性分析和神经网络映射，识别出细胞直径、细胞内体积分数和细胞外扩散系数可稳健估计，为放疗反应监测提供无创评估框架。

Comments 34 pages, 5 figures

Efficient Computing for Medical Image Acquisition and Reconstruction

医学图像采集与重建的高效计算

Xiao Wang, Jayasai Rajagopal, Md Safaiat Hossain, Peng Chen, Mohamed Wahib, Enzhi Zhang, Emma J. Reid

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

AI总结 探讨医学图像采集与重建，回顾各成像模态物理及采集过程，推导通用框架，讨论多种重建方法及计算特性，研究高效计算考量，展示成像物理、数学建模与高效计算整合可实现准确且可扩展的医学图像重建。

Comments book chapter for textbook "Medical Image Vision Handbook"

XClipGS: Exact Half-Space Clipping for Medical Volume Gaussian Splatting

XClipGS: 用于医学体高斯溅射的精确半空间裁剪

Zhongpai Gao, Benjamin Planche, Meng Zheng, Anwesa Choudhuri, Chaoyi Zhou, Terrence Chen, Ziyan Wu

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

AI总结 本文提出XClipGS精确裁剪方法，通过闭式逐像素算子实现医学体高斯溅射的半空间精确裁剪，在8组CT/MRI数据集上，其PSNR、SSIM等指标均优于现有方法，渲染速度超650 FPS且泄漏量显著降低。

Patient Pose Assessment Using a CT-Based Framework for Synthetic Data Generation

基于CT合成数据生成框架的患者姿态评估

Manuel Laufer, Dominik Mairhöfer, Malte Sieren, Hauke Gerdes, Fabio Leal dos Reis, Arpad Bischof, Thomas Käster, Erhardt Barth, Jörg Barkhausen, Thomas Martinetz

机构 * Institute for Neuro- and Bioinformatics, University of Lübeck（吕贝克大学神经与生物信息学研究所） ； University Medical Center Schleswig-Holstein（石勒苏益格-荷尔斯泰因大学医学中心） ； IMAGE Information Systems Europe GmbH（IMAGE信息系统欧洲有限公司） ； Pattern Recognition Company GmbH（模式识别有限公司） 纠错

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

AI总结 该研究提出基于CT的合成数据生成框架，用于解决放射图像患者姿态评估中真实训练数据获取难的问题，经3077对踝关节图像预训练后，真实踝关节姿态评估性能提升最多11个百分点。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:027

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

MIRROR: Multimodal Intelligent Radiology Reasoning and Observation Reporter

MIRROR：多模态智能放射学推理与观察报告生成器

Vignesh Nagarajan, Sriram Venkatapathy

机构 * Texas A&M University（德克萨斯农工大学） ； Capital One（第一资本金融公司） ； IIT Hyderabad（印度理工学院海得拉巴分校） 纠错

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

AI总结 MIRROR是一款多模态智能放射学报告生成原型，通过分离分类、定位与文本生成环节实现可审计的放射学发现，在ChestMNIST数据集上达到0.729的宏平均AUROC，但受类别不平衡影响存在决策弃权问题。

Comments 8 pages, 5 figures, 5 tables, 24 references

Vision Foundation Models in Radiology: A Scoping Review of Data, Methodology, Evaluation and Clinical Translation

放射学中的视觉基础模型：数据、方法、评估和临床转化的范围综述

Alejandro Vergara-Richart, Xavier Rafael-Palou, Almudena Fuster-Matanzo, Ignacio Iborra Roncales, Ángel Alberich-Bayarri, Ana Jiménez-Pastor

机构 * Universitat Politècnica de València（瓦伦西亚理工大学） 纠错

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

AI总结 对2017年1月至2026年3月关于放射成像数据训练基础模型的研究综述，涵盖数据、架构、评估等方面。Transformer架构和自监督预训练为主，评估集中在分割和分类。虽有可迁移性，但临床转化因多种问题受限。

Comments 33 pages, 8 tables, 2 figures

MNet++: Extended 2D/3D Networks for Anisotropic Medical Image Segmentation

MNet++: 用于各向异性医学图像分割的扩展2D/3D网络

Kirsten Odendaal, Rade Bajic

机构 * School of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院） 纠错

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

AI总结 本文复现并扩展了混合2D/3D卷积网络MNet，引入自适应融合门控和VMamba状态空间模块，在保持各向异性鲁棒性的同时提升分割性能。

Can Unsupervised Methods Outperform Supervised Deep Learning When Ground Truth Is Sparse? A Case Study of Bronchovascular Bundle Segmentation in Low-Dose CT

当真实标注稀疏时，无监督方法能否优于监督深度学习？——基于低剂量CT中支气管血管束分割的案例研究

Anna Mrukwa, Marek Socha, Aleksandra Suwalska, Agata Durawa, Malgorzata Jelitto, Katarzyna Dziadziuszko, Edyta Szurowska, Pawel Bozek, Michal Marczyk, Witold Rzyman, Rafal Dziadziuszko, Joanna Polanska

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

AI总结 本研究以低剂量CT的支气管血管束分割为案例，构建RONALD无监督分割流程，在真实标注稀疏时，其结节保留率显著优于现有方法，可提升极早期肺癌的肺结节检测效果。

Comments 17 pages, 4 figures. Part of this research was submitted to the international conference European Molecular Imaging Meeting 2026

Rad-JEPA 3D: Radiology Joint-Embedding Predictive Model for 3D Computed Tomography

Rad-JEPA 3D：用于三维计算机断层扫描的放射学联合嵌入预测模型

Quoc-Huy Trinh, Minh-Van Nguyen, Ulas Bagci

机构 * Northwestern University（西北大学） ； Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 Rad-JEPA 3D是用于3D CT的自监督联合嵌入预测框架，采用混合H-Mamba编码器与HSOR正则化，在12万次CT扫描预训练后，在器官识别、空间推理等任务上达到最优性能。

Sparse Concept Channels in Frozen 3D CT Vision Encoders

冻结的3D CT视觉编码器中的稀疏概念通道

Farhad Nooralahzadeh, Lea Bogensperger, Christian Bluethgen, Michael Krauthammer

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

AI总结 研究3D医学图像解释中视觉语言模型内部单元对临床发现的编码，提出无训练概念通道探测（CCP）方法，通过实验证明该方法能清晰表征冻结医学编码器对发现的表示，在临床疗效和NLG指标上表现优且延迟低。

DS@GT ARC at ImageCLEFmed GANs 2026: Geometric Filtering for Privacy-Preserving CT Slice Generation

图像CLEFmed GANs 2026竞赛中的DS@GT ARC：用于隐私保护CT切片生成的几何滤波

Eric Regina, Richard Arnaud, Samir Hadi Cisneros

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 为Image-CLEFmed GANs 2026挑战赛开发隐私保护框架，结合最优传输条件流匹配等，在几何潜在空间过滤候选切片。官方结果显示有真实感与隐私权衡，虽减少泄漏，但防止直接图像复制仍不足以消除患者特定解剖特征，凸显未来隐私保护医学图像生成的重要前沿。

CRISP: Constrained Refinement via Iterative Squeezing Process for Robust Medical Image Segmentation under Domain Shift

CRISP：通过迭代挤压过程进行约束细化，以实现域转移下的稳健医学图像分割

Yizhou Fang, Pujin Cheng, Yixiang Liu, Xiaoying Tang, Longxi Zhou

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

AI总结 针对医学成像域转移问题，提出CRISP模型无关框架，利用“正区域的秩稳定性”假设，通过潜在特征扰动获取双先验并递归细化，经迭代训练框架提升分割精度，在多中心实验中显著优于现有方法。

Comments X pages, 3 figures, 3 tables; submitted to AAAI 2027

Joint Medical Image Enhancement and Segmentation with Diffusion-based Symbiotic Information Interaction

基于扩散的共生信息交互的联合医学图像增强与分割

Ying Chen, Jinyue Li, Qiankun Li

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Imperial Global Singapore, Imperial College London（伦敦帝国学院新加坡分校） 纠错

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

AI总结 提出DiSIINet，利用扩散模型和共生信息交互模块，在统一框架中实现图像增强与分割的相互促进，在多模态医学图像上取得显著性能提升。

Comments Accepted by IJCAI 2026

Modeling Local, Global, and Cross-Modal Context in Multimodal 3D MRI

多模态3D MRI中的局部、全局和跨模态上下文建模

Minh Duc Do, Tillmann Rheude, Noel Kronenberg, Roland Eils, Benjamin Wild

机构 * Berlin Institute of Health at Charité - Universitätsmedizin Berlin（柏林健康研究所，柏林夏里特医学院） ； Health Data Science Unit, Heidelberg University Hospital and BioQuant（海德堡大学医院与BioQuant健康数据科学部） ； Intelligent Medicine Institute, Fudan University（复旦大学智能医学研究所） ； Department of Mathematics and Computer Science, Freie Universität Berlin（柏林自由大学数学与计算机科学系） 纠错

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

AI总结 提出MICViT，一种3D视觉Transformer，通过四种注意力机制显式建模模态内和跨模态的局部与全局交互，在多数据集脑龄预测任务中优于现有方法。

Anatomically-conditioned Latent Diffusion Model for Data-Efficient Few-Shot Cross-Domain 3D Glioma MRI Synthesis

解剖条件约束的潜在扩散模型用于数据高效的小样本跨域3D胶质瘤MRI合成

Salman Shaik, Truong Thanh Hung Nguyen, Hung Cao

机构 * Analytics Everywhere Lab, University of New Brunswick, Canada（新不伦瑞克大学分析无处不在实验室，加拿大） 纠错

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

AI总结 提出解剖条件约束的潜在扩散模型（ALDM），通过两阶段框架（3D变分自编码器学习解剖先验，ControlNet引导的潜在扩散生成结构一致体积）在仅16张目标图像的小样本设置下优于GAN基线，实现FID 85.40和分类AUC 0.987。

Comments Published in Canadian AI 2026

Toward Training-Free Zero-Shot Anomaly Detection in 3D Medical Images: A Batch-Based Approach Using 2D Foundation Models

迈向3D医学图像的无训练零样本异常检测：基于批次的方法使用2D基础模型

Tai Le-Gia

机构 * Chungnam National University（忠南大学） 纠错

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

AI总结 提出CS3F框架，利用2D基础模型对3D医学图像进行零样本异常检测，通过沿多轴分解、切片编码和跨主体相似性计算异常分数，并引入粗到细的分词策略减少信号衰减。

Diffusion-Refined Segmentation and Vision-Language Interpretation for Pediatric Brain Tumor MRI

扩散细化分割与视觉-语言解释用于儿童脑肿瘤MRI

Wentao Ke, Jianche Liu

机构 * Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系） ； School of Medicine, Stanford University（斯坦福大学医学院） 纠错

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

AI总结 提出两阶段框架，先用Swin-UNETR粗分割，再用条件扩散模型细化边界，最后结合多模态语言模型生成结构化报告，提升儿童脑肿瘤分割精度和可解释性。

Learning to See Locally and Align Clinically with Pathology Semantics for Radiology Report Generation

学习局部感知并与病理学语义临床对齐的放射学报告生成方法

Xuan Cuong Ngo

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

AI总结 针对放射学视觉-语言模型的图像-文本对齐缺陷，提出病理学感知对齐框架PALM，结合共享病理学原型与掩码证据建模，在多数据集上提升报告生成与异常鲁棒性

Multi-cancer detection using a computationally efficient CNN with transfer learning

使用计算高效的CNN与迁移学习进行多癌症检测

Vasileios E. Papageorgiou, Georgios Petmezas, Dimitrios-Panagiotis Papageorgiou, Leandros Stefanopoulos, Nicos Maglaveras

机构 * School of Medicine, Aristotle University of Thessaloniki（阿利卡大学索拉尔尼基医学院） ； Department of Mathematics, Aristotle University of Thessaloniki（阿利卡大学索拉尔尼基数学系） ； Department of Mathematics, National and Kapodistrian University of Athens（雅典国家与卡波迪斯蒂亚大学数学系） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） 纠错

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

AI总结 提出一种轻量级CNN架构结合迁移学习，在脑、肺和肾癌数据集上分别达到90.85%、98.64%和99.92%的准确率，计算效率高且适合资源受限环境。

Journal ref Communications in Statistics - Simulation and Computation (2026)

Cross-Modal Ultrasound-MRI Learning for Fetal Brain Ventricular Volumetry and Abnormality Screening

用于胎儿脑室体积测量与异常筛查的跨模态超声-MRI学习

Yuhao Huang, Yuanji Zhang, Yuhuan Lu, Dong Ni, P. Ellen Grant, Davood Karimi

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

AI总结 本研究提出跨模态学习框架VIFBA，基于超声视频实现胎儿脑室体积预测、VM严重程度分类及非VM异常筛查，性能优于基线与现有模型，为产前脑筛查提供实用方案。

Comments 17 pages, 11 figures, 6 tables

Demographically-Conditioned Synthetic Medical Images for Bias Mitigation and Bias Detection in Disease Classifiers

用于减轻疾病分类器偏差和检测偏差的人口统计学条件合成医学图像

Mahmoud Ibrahim, Bart Elen, Chang Sun, Gokhan Ertaylan, Michel Dumontier

机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院数据科学研究所） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University（马斯特里赫特大学科学与工程学院高级计算科学系） ； VITO（比利时弗拉芒技术研究所） 纠错

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

AI总结 研究医学图像分类器亚组公平性审计的样本量问题，提出用人口统计学条件合成生成器减轻训练偏差、检测评估偏差。以COVID-19胸部CT分类为例，发现其在偏差减轻和检测上的作用，如预训练效果好、能再现亚组排名等。

Distortion-Corrected Diffusion MRI Using Rotated-View EPI and Joint Field-Map/Image Estimation with Gaussian Primitives

使用旋转视图EPI和高斯原型的联合场图/图像估计的畸变校正扩散MRI

Wenqi Huang, Zhitao Li, Nan Wang, Yimeng Lin, Mengze Gao, Yurui Qian, Sevgi Gokce Kafali, Xiaozhi Cao, Kawin Setsompop, Daniel Rueckert, Congyu Liao

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital, and the School of Computation, Information and Technology, TUM（慕尼黑工业大学(TUM)医疗与医学人工智能教席、TUM大学医院、计算信息与技术学院） ； Neuroimaging Technology Research Center, Department of Radiology and Biomedical Imaging, University of California, San Francisco（加州大学旧金山分校放射与生物医学影像系神经影像技术研究中心） ； Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences（中国科学院精密测量科学与技术创新研究院） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心(MCML)） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

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

AI总结 提出一种物理信息框架，直接从k空间联合估计B0场和无畸变图像，避免中间并行成像重建，通过高斯原型的连续参数化表示图像和场，支持旋转视图EPI，在高b值和高加速下显著改善畸变校正质量。

Mr3D-VL: A generalist vision language foundation model for Multiparametric 3D Magnetic Resonance Imaging

Mr3D-VL：面向多参数3D磁共振成像的通用视觉语言基础模型

Zhi Qiao, Xintong Wu, Yichu He, Feng Shi

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

AI总结 本文针对现有3D视觉语言模型无法满足多参数3D MRI跨模态协同推理需求的问题，提出Mr3D-VL模型，通过特定设计实现性能提升，在多项任务上优于同规模的领域及通用模型。

Inference-Time Orthogonal Seeding Enables Geometry-Aligned 3D Organ Segmentation for Slice-Propagation Methods

推理时正交种子初始化支持基于切片传播方法的几何对齐3D器官分割

Md Rakibul Haque, Tushar Kataria, Shireen Y. Elhabian

机构 * Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院） ； Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与成像研究所） 纠错

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

AI总结 该研究针对单轴切片传播的3D器官分割误差问题，提出推理时使用轴向、冠状、矢状三个正交种子，融合其传播标签，在多器官CT数据集上较单轴基线显著提升了分割性能。

Comments 8 Pages Accepted at MLMI Workshop MICCAI 2026

Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography

面向3D计算机断层扫描的疾病中心视觉语言预训练与混合视觉编码

Bowen Shi, Weiwei Cao, Ruifeng Yuan, Wanxing Chang, Wenrui Dai, Hongkai Xiong, Ling Zhang, Jianpeng Zhang

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab, 310023, Hangzhou, China（虎扑实验室，杭州，中国） ； Shanghai Jiao Tong University, China（上海交通大学，中国） ； Zhejiang University, China（浙江大学，中国） ； Fudan University, China（复旦大学，中国） 纠错

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

AI总结 提出一种结合CNN-ViT混合编码器、疾病级对比学习和诊断感知提示的视觉语言预训练框架，在CT-RATE和Rad-ChestCT上取得最优性能，并提升零样本诊断可靠性。

Comments ICML 2026

Bound-Aware Per-Organ Recall Risk Control for Multi-Organ CT Segmentation under Clinical Domain Shift

临床域偏移下多器官CT分割的边界感知器官级召回率风险控制

Souraj Adhikary, Negar Chabi, Andre Mastmeyer

机构 * Jade Hochschule Wilhelmshaven（威廉港雅德应用科学大学） 纠错

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

AI总结 针对临床域偏移下多器官CT分割的召回率保证问题，该研究为AMOS训练的nnU-Net校准器官级阈值，对比多种风险控制方法，提出WSR投注界可高效重新认证Tier-1器官，为多器官分割的风险控制提供了新方案。

Comments 12 pages, 4 figures, 2 tables

Journal ref MICCAI-UNSURE 2026

Learning Dense 2D-3D Correspondence for X-ray-to-CT Registration of Knee Bones

学习用于膝关节骨X射线到CT配准的密集2D-3D对应关系

Rembert Daems, Jonas Grammens, Caro Roten, Andrew Meyer, Thomas Luyckx, Matthias Verstraete

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

AI总结 研究如何从X光片恢复膝关节骨6自由度姿势，提出学习密集2D-3D对应关系的方法，由投影几何监督，用共享权重模型训练，能对未见患者配准，姿势通过特定求解得出，在解剖学上有语义且泛化性好。