arXivDaily arXiv每日学术速递 周一至周五更新

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。

共收录 22719 信号源:cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 医学影像 22719 篇

2604.15950 2026-05-19 cs.LG 83%

TwinTrack: Post-hoc Multi-Rater Calibration for Medical Image Segmentation

TwinTrack: 医学图像分割的后验多评分者校准

Tristan Kirscher, Alexandra Ertl, Klaus Maier-Hein, Xavier Coubez, Philippe Meyer, Sylvain Faisan

机构 * ICube Laboratory, CNRS UMR-7357, University of Strasbourg(ICube实验室,CNRS UMR-7357,斯特拉斯堡大学) CLCC Institut Strauss(CLCC斯特拉斯堡研究所) German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing(海德堡德国癌症研究中心(DKFZ),医学图像计算部门) Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital(放射肿瘤科,海德堡大学医院模式分析与学习小组) Medical Faculty Heidelberg, Heidelberg University(海德堡医学系,海德堡大学)

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

AI总结 针对医学图像分割中多评分者不确定性建模问题,TwinTrack通过后验校准方法将集成分割概率校准到经验人类响应(MHR),提高概率校准和可解释性。

Comments Accepted for publication at MIDL 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.18130 2026-05-19 cs.CV 83%

Rad-VLSM: A Cross-Modal Framework with Semantics-Assisted Prompting for Medical Segmentation and Diagnosis

Rad-VLSM:一种结合语义辅助提示的跨模态框架用于医学分割与诊断

Fengyi Zhang, Xujie Zeng, Mohan Liu, Zengyi Wang, Yalong Jiang

机构 * Student Member, IEEE(IEEE学生会员) Member, IEEE(IEEE会员)

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

AI总结 本文提出Rad-VLSM框架,通过语义引导的提示机制,提升医学图像分割与诊断的准确性,解决现有模型易受背景组织和无关视觉相关性干扰的问题。

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.13270 2026-05-19 cs.CV cs.AI 83%

RadGame: An AI-Powered Platform for Radiology Education

RadGame:一种基于人工智能的放射学教育平台

Mohammed Baharoon, Siavash Raissi, John S. Jun, Thibault Heintz, Mahmoud Alabbad, Ali Alburkani, Sung Eun Kim, Kent Kleinschmidt, Abdulrahman O. Alhumaydhi, Mohannad Mohammed G. Alghamdi, Jeremy Francis Palacio, Mohammed Bukhaytan, Noah Michael Prudlo, Rithvik Akula, Brady Chrisler, Benjamin Galligos, Mohammed O. Almutairi, Mazeen Mohammed Alanazi, Nasser M. Alrashdi, Joel Jihwan Hwang, Sri Sai Dinesh Jaliparthi, Luke David Nelson, Nathaniel Nguyen, Sathvik Suryadevara, Steven Kim, Mohammed F. Mohammed, Yevgeniy R. Semenov, Kun-Hsing Yu, Abdulrhman Aljouie, Hassan AlOmaish, Adam Rodman, Pranav Rajpurkar

机构 * Harvard Medical School(哈佛医学院) Mass General Brigham(麻省总医院) Maastricht University(马斯特里赫特大学) Department of Medical Imaging, King Abdulaziz Medical City, Ministry of National Guard, Riyadh, Saudi Arabia(国王阿卜杜勒-阿齐兹医疗城医学影像科,沙特阿拉伯) National Strategic Technology Research Institute, Seoul National University Hospital(全国战略技术研究所,首尔国立大学医院) Saint Louis University School of Medicine(圣路易斯大学医学院) College of Medicine, King Saud bin Abdulaziz University for Health Sciences(国王萨勒曼·本·阿卜杜勒阿齐兹大学医学院) Tufts University School of Medicine(塔夫茨大学医学院) Department of Biomedical Informatics, Harvard Medical School(哈佛医学院生物医学信息学系)

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

AI总结 RadGame通过结合游戏化与大规模公开数据集,提供AI驱动的反馈,提升放射学教育中的定位和报告撰写能力,显著提高学习效果。

Comments ML4H Version

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.21698 2026-05-18 cs.CV 83%

Adapting Foundation Vision-Language Models to Medical Diagnosis via Query-Driven Expert Bridging

通过查询驱动专家桥梁适应基础视觉-语言模型用于医学诊断

Yitong Li, Morteza Ghahremani, Christian Wachinger

机构 * Lab for AI in Medical Imaging, Technical University of Munich (TUM)(医学影像人工智能实验室,慕尼黑技术大学) Munich Center for Machine Learning (MCML)(慕尼黑机器学习中心)

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

AI总结 本文提出MedBridge框架,通过结合领域对齐、分辨率保持和多标签推理的互补VLM专家,解决医学影像诊断中的领域差距问题,实现跨领域泛化和领域内特化,提升多标签胸腔疾病诊断性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.11434 2026-05-13 eess.IV 83%

FEFormer: Frequency-enhanced Vision Transformer for Generic Knowledge Extraction and Adaptive Feature Fusion in Volumetric Medical Image Segmentation

FEFormer:频率增强的视觉变换器用于通用知识提取和自适应特征融合的体数据医学图像分割

Jin Yang, Xiaobing Yu, Peijie Qiu

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

AI总结 FEFormer通过引入频率增强模块,提升体数据医学图像分割的精度与效率,解决传统方法在局部细节和全局依赖捕捉上的不足。

Comments 20 pages, 8 figures, 9 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2605.09925 2026-05-12 cs.CV 83%

Frequency Adapter with SAM for Generalized Medical Image Segmentation

基于SAM的频率适应器用于通用医学图像分割

Phuoc-Nguyen Bui, Van-Nguyen Pham, Duc-Tai Le, Junghyun Bum, Hyunseung Choo

机构 * Sungkyunkwan University, Korea(成均馆大学,韩国)

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

AI总结 本文提出FSAM框架,结合LoRA和频率适配器提升医学图像分割的域泛化能力,通过提取域不变高频特征缓解频率相关域偏移。

Comments Under review, 10 pages, 1 figure, 2 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.20933 2026-05-01 cs.CV cs.AI 83%

Focal Modulation and Bidirectional Feature Fusion Network for Medical Image Segmentation

焦点调制与双向特征融合网络用于医学图像分割

Moin Safdar, Shahzaib Iqbal, Mubeen Ghafoor, Tariq M. Khan, Imran Razzak, Thantrira Porntaveetus, Hamid Alinejad-Rokny

机构 * Department of Computing, Abasyn University Islamabad Campus (AUIC)(阿巴斯扬大学伊斯兰堡校区计算机系) School of Computer Science and Informatics, De Montfort University(德蒙福特大学计算机科学与信息学学院) Naif Arab University for Security Sciences(纳夫阿拉伯安全科学大学) School of Computer Science and Engineering, University of New South Wales(新南威尔士大学计算机科学与工程学院) Center of Excellence in Precision Medicine and Digital Health, Chulalongkorn University(朱拉隆功大学精准医学与数字健康卓越中心) School of Biomedical Engineering, UNSW Sydney(新南威尔士大学悉尼分校生物医学工程学院)

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

AI总结 本文提出FM-BFF-Net,结合卷积与Transformer,通过焦点调制注意力机制和双向特征融合模块提升医学图像分割的边界精度与鲁棒性,实验表明其在多项指标上优于现有方法。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.23875 2026-04-28 cs.CV cs.AI 83%

Risk-Aware Robust Learning: Reducing Clinical Risk under Label Noise in Medical Image Classification

风险感知的鲁棒学习:在医疗图像分类中减少临床风险下的标签噪声

Maycon R. S. Pereira, Filipe R. Cordeiro

机构 * Visual Computing Lab, Departamento de Computação, Universidade Federal Rural de Pernambuco (UFRPE), Brasil(视觉计算实验室,计算机系,佩鲁巴科州联邦大学(UFRPE),巴西)

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

AI总结 本文研究了在标签噪声下,现有鲁棒学习方法是否能保持临床安全,通过引入成本敏感的全局风险公式,发现结合成本敏感优化可显著降低临床风险。

Comments Accepted at SBCAS'26

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.23375 2026-04-28 cs.CV stat.ML 83%

Hierarchical Spatio-Channel Clustering for Efficient Model Compression in Medical Image Analysis

层次化空间-通道聚类用于医疗图像分析中的高效模型压缩

Sisipho Hamlomo, Marcellin Atemkeng, Habte Tadesse Likassa, Blaise Ravelo, Thierry Bouwmans, Sébastien Lalléchère, Antoine Vacavant, Ding-Geng Chen

机构 * Department of Mathematics, Rhodes University(罗德斯大学数学系) Department of Statistics, Rhodes University(罗德斯大学统计系) National Institute for Theoretical and Computational Sciences(国家理论与计算科学研究所) College of Health Solutions, Arizona State University(亚利桑那州立大学健康解决方案学院) Department of Statistics, College of Natural and Computational Sciences, Addis Ababa University(亚的斯亚贝巴大学自然与计算科学学院统计系) Department of Statistics, University of Pretoria(比勒陀利亚大学统计系) Université Clermont Auvergne, Clermont Auvergne INP, CNRS, Institut Pascal(克莱蒙特-奥弗涅大学,克莱蒙特-奥弗涅INP,CNRS,帕西尔研究所) Laboratoire MIA, La Rochelle Université(拉罗谢尔大学MIA实验室)

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

AI总结 本文提出层次化空间-通道低秩压缩框架,通过空间区域和通道激活的冗余利用,提升CNN在医疗图像分析中的压缩效率与性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20981 2026-04-24 q-bio.QM cs.CV cs.LG 83%

PanGuide3D: Cohort-Robust Pancreas Tumor Segmentation via Probabilistic Pancreas Conditioning and a Transformer Bottleneck

PanGuide3D:通过概率胰腺条件和一个Transformer瓶颈实现队列鲁棒的胰腺肿瘤分割

Sunny Joy Ma, Xiang Ma

机构 * Trailridge School(Trailridge学校) Department of Biochemistry, Grand View University(生物化学系,Grand View大学) Department of Computer Science, Iowa State University(计算机科学系,Iowa State大学)

专题命中 医学影像 :CT(summary_cn,abstract);分类 cs.CV、cs.LG、q-bio

AI总结 本文提出PanGuide3D,通过概率胰腺条件和Transformer瓶颈提升跨队列鲁棒性,实现高效且实用的3D CT肿瘤分割,尤其在小肿瘤和复杂解剖位置表现优异。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.15777 2026-04-20 cs.CV cs.AI 83%

SegMix:Shuffle-based Feedback Learning for Semantic Segmentation of Pathology Images

SegMix:基于洗牌的反馈学习用于病理图像的语义分割

Zhiling Yan, Sicheng Chen, Tianyi Zhang, Nan Ying, Yanli Lei, Guanglei Zhang

机构 * JD AI Research(京东人工智能研究院) School of Microelectronics, Xi’an Jiaotong University(西安交通大学微电子学院) Beijing Advanced Innovation Center for Biomedical Engineering, School of Biological Science and Medical Engineering, Beihang University(北京生物医学工程先进创新中心,北京航空航天大学生物科学与医学工程学院)

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

AI总结 本文提出SegMix,一种基于洗牌的反馈学习方法,利用课程学习思想生成高质量伪分割掩码,提升病理图像语义分割性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.11775 2026-04-14 cs.CV cs.AI 83%

Efficient KernelSHAP Explanations for Patch-based 3D Medical Image Segmentation

基于补丁的3D医学图像分割的高效KernelSHAP解释

Ricardo Coimbra Brioso, Giulio Sichili, Damiano Dei, Nicola Lambri, Pietro Mancosu, Marta Scorsetti, Daniele Loiacono

机构 * Department of Biomedical Sciences, Humanitas University(生物医学科学系,人道大学) Radiotherapy and Radiosurgery Department, IRCCS Humanitas Research Hospital(放射治疗与放射外科系,IRCCS人道研究医院)

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

AI总结 本文提出一种高效的KernelSHAP框架,用于体积CT分割,通过限制计算到用户定义的兴趣区域及其感受野支持,利用补丁logit缓存加速推理,并比较了三种特征抽象方法以获得临床有意义的解释。

详情

展开后加载摘要…

URL PDF HTML 收藏
2506.21834 2026-04-14 cs.CV 83%

PrefPaint: Enhancing Medical Image Inpainting through Expert Human Feedback

PrefPaint:通过专家人类反馈增强医学图像修复

Duy-Bao Bui, Hoang-Khang Nguyen, Thao Thi Phuong Dao, Kim Anh Phung, Tam V. Nguyen, Justin Zhan, Minh-Triet Tran, Trung-Nghia Le

机构 * University of Science(科学大学) Vietnam National University(越南国立大学) Thong Nhat Hospital(统一医院) University of Cincinnati(辛辛那提大学) University of Dayton(代顿大学)

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

AI总结 本文提出PrefPaint系统,结合专家反馈提升医学图像修复的准确性,通过简化界面和模型树版本控制,提高临床应用中的实用性与效果。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.10233 2026-04-14 cs.CV cs.AI 83%

Adapting 2D Multi-Modal Large Language Model for 3D CT Image Analysis

将2D多模态大语言模型适应于3DCT图像分析

Yang Yu, Dunyuan Xu, Yaoqian Li, Xiaomeng Li, Jinpeng Li, Pheng-Ann Heng

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology(香港科技大学电子及计算机工程学系) Department of Computer Science and Engineering, The Chinese University of Hong Kong(香港中文大学计算机科学与工程学系) Institute of Medical Intelligence and XR, The Chinese University of Hong Kong(香港中文大学医学智能与扩展现实研究所) Center for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences(中国科学院香港创新研究院人工智能与机器人创新中心)

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

AI总结 本文提出将2D多模态大语言模型适应于3DCT图像分析,设计Text-Guided Hierarchical MoE框架,采用两阶段训练策略提升医学报告生成和视觉问答任务性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.10000 2026-04-14 cs.CV 83%

SwinTextUNet: Integrating CLIP-Based Text Guidance into Swin Transformer U-Nets for Medical Image Segmentation

SwinTextUNet:将基于CLIP的文本引导整合到Swin Transformer U-Nets中用于医学图像分割

Ashfak Yeafi, Parthaw Goswami, Md Khairul Islam, Ashifa Islam Shamme

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

AI总结 本文提出SwinTextUNet,结合CLIP文本嵌入与Swin Transformer U-Net,提升医学图像分割的鲁棒性和准确性,在QaTaCOV19数据集上取得86.47%的Dice和78.2%的IoU成绩。

详情

展开后加载摘要…

URL PDF HTML 收藏
2509.06713 2026-04-10 cs.CV cs.AI 83%

MRI-Based Brain Tumor Detection through an Explainable EfficientNetV2 and MLP-Mixer-Attention Architecture

基于MRI的脑肿瘤检测:通过可解释的EfficientNetV2和MLP-Mixer-Attention架构

Mustafa Yurdakul, Şakir Taşdemir

机构 * Kırıkkale University(克勒克卡莱大学) Selçuk University(塞尔丘克大学)

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

AI总结 本文提出一种结合EfficientNetV2和MLP-Mixer-Attention的可解释深度学习模型,用于高精度脑肿瘤分类,通过五折交叉验证达到99.50%的准确率,提升临床可靠性。

Journal ref Physical and Engineering Sciences in Medicine, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.06849 2026-04-09 cs.CV 83%

Vision-Language Model-Guided Deep Unrolling Enables Personalized, Fast MRI

基于视觉-语言模型的深度展开实现个性化快速MRI

Fangmao Ju, Yuzhu He, Zhiwen Xue, Chunfeng Lian, Jianhua Ma

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

AI总结 本文提出PASS框架,利用视觉-语言模型指导深度展开网络,实现任务导向的快速成像,通过动态个性化成像流程提升MRI图像质量及诊断性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.05171 2026-04-08 cs.CV cs.AI 83%

Modality-Aware and Anatomical Vector-Quantized Autoencoding for Multimodal Brain MRI

多模态脑MRI的模态感知与解剖矢量量化自编码

Mingjie Li, Edward Kim, Yue Zhao, Ehsan Adeli, Kilian M. Pohl

机构 * Stanford University(斯坦福大学)

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

AI总结 本文提出NeuroQuant,一种基于模态感知和解剖学的3D矢量量化自编码器,用于多模态脑MRI重建,通过共享潜在表示和双流编码提升重建精度。

Comments CVPR Fingdings track

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.03320 2026-04-07 cs.CV 83%

Robust Multi-Source Covid-19 Detection in CT Images

在CT图像中实现鲁棒的多源新冠检测

Asmita Yuki Pritha, Jason Xu, Daniel Ding, Justin Li, Aryana Hou, Xin Wang, Shu Hu

机构 * Capstone School Dhaka(达卡顶点学校) Carmel High School(卡梅尔高中) Clarkstown High School South(克拉克镇南高中) University at Albany, State University of New York(纽约州立大学奥尔巴尼分校) Purdue University(普渡大学)

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

AI总结 本文提出多任务学习方法,通过预测新冠诊断和数据源来提高多中心CT图像检测的鲁棒性,实现高F1分数和AUC-ROC值。

Comments 8 pages, 5 figures, 3 tables. Accepted at the 3rd Workshop on New Trends in AI-Generated Media and Security (AIMS) @ CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.00514 2026-04-02 cs.CV cs.AI 83%

MAESIL: Masked Autoencoder for Enhanced Self-supervised Medical Image Learning

MAESIL:用于增强自监督医学图像学习的掩码自编码器

Kyeonghun Kim, Hyeonseok Jung, Youngung Han, Junsu Lim, YeonJu Jean, Seongbin Park, Eunseob Choi, Hyunsu Go, SeoYoung Ju, Seohyoung Park, Gyeongmin Kim, MinJu Kwon, KyungSeok Yuh, Soo Yong Kim, Ken Ying-Kai Liao, Nam-Joon Kim, Hyuk-Jae Lee

机构 * Chung-Ang University(中央大学) Seoul National University(首尔大学) Sangmyung University(祥明大学) Ewha Womans University(梨花女子大学) Dankook University(檀国大学) NVIDIA ATC, Taiwan(英伟达台湾应用技术中心)

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

AI总结 本文提出MAESIL框架,通过3D超块输入单元和双掩码策略,提升3D医学图像自监督学习效果,在PSNR和SSIM等指标上优于AE、VAE和VQ-VAE。

Comments 5 pages, 3 figures. Accepted at ICEIC 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.29901 2026-04-01 cs.CV cs.CL 83%

Less Is More? Selective Visual Attention to High-Importance Regions for Multimodal Radiology Summarization

少即是多?选择性关注高重要性区域用于多模态放射学摘要

Mst. Fahmida Sultana Naznin, Adnan Ibney Faruq, Mushfiqur Rahman, Niloy Kumar Mondal, Md. Mehedi Hasan Shawon, Md Rakibul Hasan

机构 * Bangladesh University of Engineering and Technology(孟加拉国工程技术大学) BRAC University(布拉克大学) Curtin University(科廷大学)

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

AI总结 本文通过MIMIC-CXR基准测试表明,选择性关注病理相关视觉区域比全图更有效,提出ViTAS模型在多模态放射学摘要中取得SOTA结果。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.29343 2026-04-01 cs.CV 83%

FOSCU: Feasibility of Synthetic MRI Generation via Duo-Diffusion Models for Enhancement of 3D U-Nets in Hepatic Segmentation

FOSCU:通过双扩散模型生成合成MRI的可行性,以增强肝部分割的3D U-Net

Youngung Han, Kyeonghun Kim, Seoyoung Ju, Yeonju Jean, Minkyung Cha, Seohyoung Park, Hyeonseok Jung, Nam-Joon Kim, Woo Kyoung Jeong, Ken Ying-Kai Liao, Hyuk-Jae Lee

机构 * Seoul National University(首尔国立大学) Sangmyung University(祥明大学) Ewha Womans University(梨花女子大学) Chung-Ang University(中央大学) Samsung Medical Center, Sungkyunkwan University School of Medicine(三星医学中心,成均馆大学医学院) NVIDIA(英伟达)

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

AI总结 本文提出FOSCU,通过双扩散模型生成高分辨率合成MRI数据及分割标签,结合改进的3D U-Net训练流程,提升肝部分割的鲁棒性与图像真实性。

Comments 10 pages, 5 figures. Accepted at IEEE APCCAS 2025

详情

展开后加载摘要…

URL PDF HTML 收藏
2511.17209 2026-03-31 cs.CV 83%

Scaling Self-Supervised and Cross-Modal Pretraining for Volumetric CT Transformers

基于体素CT的自监督与跨模态预训练的扩展

Cris Claessens, Christiaan Viviers, Giacomo D'Amicantonio, Egor Bondarev, Fons van der Sommen

机构 * Eindhoven University of Technology(埃因霍温理工大学) ARIA Lab(ARIA实验室) AIMS Lab(AIMS实验室)

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

AI总结 SPECTRE通过可扩展的3D视觉Transformer架构和现代自监督与视觉-语言预训练策略,学习通用CT表示,克服了体素CT的极端标记扩展、几何各向异性及临床监督弱的问题,实现了大规模3D注意力计算。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.21806 2026-03-31 cs.CV 83%

Anatomical Token Uncertainty for Transformer-Guided Active MRI Acquisition

变换器引导的主动MRI采集中的解剖标记不确定性

Lev Ayzenberg, Shady Abu-Hussein, Raja Giryes, Hayit Greenspan

机构 * Tel Aviv University(特拉维夫大学) University of Cambridge(剑桥大学)

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

AI总结 本文提出了一种利用预训练医学图像标记器和潜在变换器的主动采样框架,通过量化视觉标记字典表示解剖结构,利用潜在空间的概率分布进行不确定性测量,指导主动采样过程。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.25607 2026-03-27 cs.CV cs.AI 83%

DeepFAN, a transformer-based deep learning model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multi-reader, multi-case trial

DeepFAN,一种基于transformer的深度学习模型,用于人类-人工智能协作评估CT扫描中的偶发性肺结节:多读者、多病例试验

Zhenchen Zhu, Ge Hu, Weixiong Tan, Kai Gao, Chao Sun, Zhen Zhou, Kepei Xu, Wei Han, Meixia Shang, Xiaoming Qiu, Yiqing Tan, Jinhua Wang, Zhoumeng Ying, Li Peng, Wei Song, Lan Song, Zhengyu Jin, Nan Hong, Yizhou Yu

机构 * Department of Radiology, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College(中国医学科学院北京协和医学院北京协和医院放射科,疑难重症及罕见病国家重点实验室) Theranostics and Translational Research Center, National Infrastructures for Translational Medicine, Institute of Clinical Medicine, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College(中国医学科学院北京协和医学院北京协和医院临床医学研究所,国家转化医学基础设施,诊疗与转化研究中心,疑难重症及罕见病国家重点实验室) Artificial Intelligence Lab, Deepwise Healthcare(深睿医疗人工智能实验室) Department of Epidemiology and Health Statistics, Institute of Basic Medicine Sciences, Chinese Academy of Medical Sciences & Peking Union Medical College(中国医学科学院北京协和医学院基础医学研究所流行病学与卫生统计学系) Department of Biostatistics, Peking University First Hospital(北京大学第一医院生物统计室) Department of Radiology, Huangshi Central Hospital, Affiliated Hospital of Hubei Polytechnic University(湖北理工学院附属医院黄石市中心医院放射科) Department of Radiology, Wuhan Third Hospital, Tongren Hospital of Wuhan University(武汉大学同仁医院武汉市第三医院放射科) +4 Medical Doctor Program, Chinese Academy of Medical Sciences & Peking Union Medical College(中国医学科学院北京协和医学院4+4医学博士项目) Department of Medicine Imaging, School of Clinical Medicine, Southwest Medical University(西南医科大学临床医学院医学影像系) School of Computing and Data Science, The University of Hong Kong(香港大学计算与数据科学学院)

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

AI总结 本文提出DeepFAN模型,通过多读者多病例试验验证其在辅助初级放射科医生评估肺结节方面的有效性,提升了诊断准确率和一致性。

Comments 28 pages for main text and 37 pages for supplementary information, 7 figures in main text and 9 figures in supplementary information

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.25194 2026-03-27 cs.CV 83%

CardioDiT: Latent Diffusion Transformers for 4D Cardiac MRI Synthesis

CardioDiT:用于4D心脏MRI合成的潜在扩散变换器

Marvin Seyfarth, Sarah Kaye Müller, Arman Ghanaat, Isabelle Ayx, Fabian Fastenrath, Philipp Wild, Alexander Hertel, Theano Papavassiliu, Salman Ul Hassan Dar, Sandy Engelhardt

机构 * Institute for Artificial Intelligence in Cardiovascular Medicine, Medical Faculty of Heidelberg University, Heidelberg University(海德堡大学医学院心血管医学人工智能研究所,海德堡大学) Department of Cardiology, Angiology, Pneumology, Heidelberg University Hospital(海德堡大学医院心脏病学、血管学、肺病学系) DZHK (German Centre for Cardiovascular Research), Partner Site Heidelberg/Mannheim(德国心血管研究中心(DZHK),海德堡/曼海姆合作站点) Department of Radiology and Nuclear Medicine, University Medical Center Mannheim(曼海姆大学医学中心放射学与核医学系) Section for Invasive Cardiology and Electrophysiology, I. Medical Department, Cardiology, Hemostasiology and Intensive Care, University Medical Centre Mannheim(曼海姆大学医学中心第一内科(心脏病学、止血学与重症监护)介入心脏病学与电生理学科) University Medical Center of the Johannes Gutenberg-University Mainz(美因茨约翰内斯·古腾堡大学医学中心) Department of Cardiology, Angiology, Hemostasis, and Medical Intensive Care, University Medical Centre Mannheim, Medical Faculty Mannheim, University of Heidelberg(海德堡大学曼海姆医学院曼海姆大学医学中心心脏病学、血管学、止血学与内科重症监护系)

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

AI总结 本文提出CardioDiT,一种基于扩散变换器的4D潜在扩散模型,用于合成短轴 cine CMR,通过联合建模空间和时间实现连续心脏动态生成。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.24296 2026-03-26 cs.CV 83%

AMIF: Authorizable Medical Image Fusion Model with Built-in Authentication

AMIF:具有内置认证的可授权医学图像融合模型

Jie Song, Jun Jia, Wei Sun, Wangqiu Zhou, Tao Tan, Guangtao Zhai

机构 * Macao Polytechnic University(澳门理工学院) Shanghai Jiao Tong University(上海交通大学) East China Normal University(华东师范大学) Hefei University of Technology(合肥工业大学)

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

AI总结 本文提出AMIF,首个具有内置认证的医学图像融合模型,通过授权访问控制保护知识产权,防止推理泄露。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23729 2026-03-26 cs.CV 83%

Bi-CRCL: Bidirectional Conservative-Radical Complementary Learning with Pre-trained Foundation Models for Class-incremental Medical Image Analysis

Bi-CRCL:基于预训练基础模型的双向保守-激进互补学习用于类别增量医疗图像分析

Xinyao Wu, Zhe Xu, Cheng Chen, Jiawei Ma, Yefeng Zheng, Raymond Kai-yu Tong

机构 * Department of Biomedical Engineering, The Chinese University of Hong Kong(生物医学工程系,香港中文大学) Department of Radiation Oncology, Columbia University Irving Medical Center and Data Science Institute, Columbia University(放射肿瘤学系,哥伦比亚大学伊万杰琳医学中心及数据科学研究院,哥伦比亚大学) Department of Electrical and Electronic Engineering and School of Biomedical Engineering, The University of Hong Kong(电气电子工程系和生物医学工程学院,香港大学) Department of Computer Science, City University of Hong Kong(计算机科学系,城市大学) Department of Artificial Intelligence, Westlake University(人工智能系,西湖大学)

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

AI总结 本文提出Bi-CRCL框架,通过保守和激进学习者结合双向交互机制,解决医疗图像类别增量学习中的异构数据与隐私约束问题,提升模型持续学习能力。

Comments preprint; under review

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23308 2026-03-25 cs.CV cs.AI 83%

Curriculum-Driven 3D CT Report Generation via Language-Free Visual Grafting and Zone-Constrained Compression

基于课程学习的3D CT报告生成:通过无语言视觉移植与区域约束压缩

V. K. Cody Bumgardner, Mitchell A. Klusty, Mahmut S. Gokmen, Evan W. Damron

机构 * Center for Applied Artificial Intelligence, University of Kentucky(应用人工智能中心,肯塔基大学)

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

AI总结 本文提出Ker-VLJEPA-3B框架,通过四阶段课程学习生成胸腔CT报告,采用无语言视觉主干和区域约束压缩提升生成质量,实验显示其在CT-RATE基准上取得更高F1分数。

Comments 10 pages, 2 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.23116 2026-03-25 cs.CV 83%

Automatic Segmentation of 3D CT scans with SAM2 using a zero-shot approach

使用SAM2的零样本方法自动分割3DCT扫描

Miquel Lopez Escoriza, Pau Amargant Alvarez

机构 * Department of Computer Science, EPFL, Switzerland(瑞士联邦理工学院计算机科学系)

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

AI总结 本文研究了在不进行微调或领域特定训练的情况下,利用Segment Anything Model 2对体积CT数据进行自动分割的零样本方法,通过改进SAM2的视频记忆机制以适应3D数据,展示了零样本方法在医学图像分割中的可行性。

Comments 11 pages, 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏