医学 AI

PraNet-V2: Dual-Supervised Reverse Attention for Medical Image Segmentation

PraNet-V2：双监督反向注意力用于医学图像分割

Bo-Cheng Hu, Ge-Peng Ji, Dian Shao, Deng-Ping Fan

机构 * Nankai Institute of Advanced Research (SHENZHEN-FUTIAN)（南开研究院（深圳福田）） ； VCIP & CS, Nankai University（南开大学VCIP与计算机科学系） ； School of Computing, Australian National University（澳大利亚国立大学计算机学院） ； Unmanned System Research Institute, Northwestern Polytechnical University（西北工业大学无人系统研究院） 纠错

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

AI总结 PraNet-V2通过双监督反向注意力模块提升医学图像多类分割性能，实现平均Dice分数提升1.36%

Comments Accepted to Computational Visual Media (CVMJ) 2026. 4 tables 3 figures 8 pages

CTest-Metric: A Unified Framework to Assess Clinical Validity of Metrics for CT Report Generation

CTest-Metric：一个统一框架，用于评估CT报告生成中度量的临床有效性

Vanshali Sharma, Andrea Mia Bejar, Gorkem Durak, Ulas Bagci

机构 * Machine and Hybrid Intelligence Lab, Northwestern University, Chicago, IL, USA（机器与混合智能实验室，西北大学） 纠错

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

AI总结 CTest-Metric通过三个模块评估CT报告生成中度量的临床有效性，发现GREEN Score与专家判断最一致，BERTScore-F1对事实性错误最不敏感。

Comments Accepted at ISBI 2026

VQ-Seg: Vector-Quantized Token Perturbation for Semi-Supervised Medical Image Segmentation

VQ-Seg: 基于向量量化令牌扰动的半监督医学图像分割

Sicheng Yang, Zhaohu Xing, Lei Zhu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 VQ-Seg通过向量量化和量化扰动模块提升半监督医学图像分割性能，有效解决传统dropout正则化问题。

Comments Accepted by NeurIPS 2025

ISLA: A U-Net for MRI-based acute ischemic stroke lesion segmentation with deep supervision, attention, domain adaptation, and ensemble learning

ISLA：一种用于基于MRI的急性缺血性中风病变分割的U-Net模型，结合深度监督、注意力、领域适应和集成学习

Vincent Roca, Martin Bretzner, Hilde Henon, Laurent Puy, Grégory Kuchcinski, Renaud Lopes

机构 * Univ. Lille, CNRS, Inserm, CHU Lille, Institut Pasteur de Lille, US 41 - UAR 2014 - PLBS, F-59000 Lille, France（里尔大学，法国国家科学研究中心，法国国家医学研究院，里尔大学医院，里尔巴斯德研究所，US 41 - UAR 2014 - PLBS，法国里尔） 纠错

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

AI总结 ISLA是一种基于U-Net的深度学习模型，通过深度监督、注意力、领域适应和集成学习技术，实现了对MRI中急性缺血性中风病变的高效分割。

ReCo-KD: Region- and Context-Aware Knowledge Distillation for Efficient 3D Medical Image Segmentation

ReCo-KD：区域和上下文感知的知识蒸馏用于高效的3D医学图像分割

Qizhen Lan, Yu-Chun Hsu, Nida Saddaf Khan, Xiaoqian Jiang

机构 * McWilliams School of Biomedical Informatics, The University of Texas Health Science Center at Houston (UTHealth Houston)（麦威廉生物医学信息学学院，德克萨斯大学健康科学中心休斯顿分校（UTHealth休斯顿）） 纠错

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

AI总结 ReCo-KD通过区域和上下文感知的知识蒸馏方法，在不需自定义学生设计的情况下，实现高效3D医学图像分割的轻量化模型，提升临床应用的实用性。

Comments 10 pages

SRU-Pix2Pix: A Fusion-Driven Generator Network for Medical Image Translation with Few-Shot Learning

SRU-Pix2Pix：一种融合驱动的生成器网络用于医学图像翻译的少样本学习

Xihe Qiu, Yang Dai, Xiaoyu Tan, Sijia Li, Fenghao Sun, Lu Gan, Liang Liu

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子电气工程学院） ； Department of Thoracic Surgery, Zhongshan Hospital of Fudan University（复旦大学中山医院胸外科） ； Clinical Research Unit, Institute of Clinical Science, Zhongshan Hospital of Fudan University（复旦大学中山医院临床科研部） ； Department of Medical Oncology, Cancer Center, and Fudan Zhangjiang Institute, Zhongshan Hospital of Fudan University（复旦大学中山医院医学肿瘤科、癌症中心及复旦张江研究院） 纠错

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

AI总结 SRU-Pix2Pix通过整合SEResNet和U-Net++提升医学图像翻译的生成质量与结构保真度，实现少样本下的高效翻译

DB-MSMUNet:Dual Branch Multi-scale Mamba UNet for Pancreatic CT Scans Segmentation

DB-MSMUNet：双分支多尺度Mamba UNet用于胰腺CT扫描分割

Qiu Guan, Zhiqiang Yang, Dezhang Ye, Yang Chen, Xinli Xu, Ying Tang

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

AI总结 DB-MSMUNet通过双分支多尺度Mamba架构提升胰腺CT分割精度，采用边缘增强和多尺度语义特征提升边缘保留与小病变重建能力。

TokenSeg: Efficient 3D Medical Image Segmentation via Hierarchical Visual Token Compression

TokenSeg: 通过层次视觉令牌压缩实现高效的3D医学图像分割

Sen Zeng, Hong Zhou, Zheng Zhu, Yang Liu

机构 * Tsinghua University（清华大学） ； Southwest Forestry University（西南林业大学） ； GigaAI ； KCL 纠错

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

AI总结 TokenSeg通过层次视觉令牌压缩实现高效的3D医学图像分割，采用多尺度编码器、边界感知令牌化器和稀疏到密集解码器，在乳腺MRI数据集上取得94.49% Dice系数和89.61% IoU，同时降低64%的GPU内存和68%的推理延迟。

CT Scans As Video: Efficient Intracranial Hemorrhage Detection Using Multi-Object Tracking

CT扫描作为视频：使用多目标跟踪进行高效的脑内出血检测

Amirreza Parvahan, Mohammad Hoseyni, Javad Khoramdel, Amirhossein Nikoofard

机构 * Faculty of Computer Engineering, K. N. Toosi University of Technology（计算机工程学院，K.N. Toosi技术大学） ； Faculty of Electrical Engineering, K. N. Toosi University of Technology（电气工程学院，K.N. Toosi技术大学） ； Faculty of Mechanical Engineering, Tarbiat Modares University（机械工程学院，塔里亚特莫达雷斯大学） 纠错

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

AI总结 本文提出了一种将CT扫描转换为视频流并利用多目标跟踪进行高效脑内出血检测的方法，通过轻量级框架提升检测精度与效率。

CAP-IQA: Context-Aware Prompt-Guided CT Image Quality Assessment

CAP-IQA: 基于上下文的提示引导CT图像质量评估

Kazi Ramisa Rifa, Jie Zhang, Abdullah Imran

机构 * University of Kentucky（肯塔基大学） 纠错

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

AI总结 CAP-IQA通过整合文本先验与上下文提示，结合因果去偏技术，提升CT图像质量评估的准确性和泛化能力。

Comments 18 pages, 9 figures, 5 tables

GCA-ResUNet: Medical Image Segmentation Using Grouped Coordinate Attention

GCA-ResUNet：利用分组坐标注意力进行医学图像分割

Jun Ding, Shang Gao

机构 * Jiangsu University of Science and Technology（江苏科技大学） 纠错

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

AI总结 GCA-ResUNet通过分组坐标注意力模块提升医学图像分割精度与效率，优于多种CNN和Transformer方法。

FDP: A Frequency-Decomposition Preprocessing Pipeline for Unsupervised Anomaly Detection in Brain MRI

FDP：一种用于脑部MRI无监督异常检测的频率分解预处理流程

Hao Li, Zhenfeng Zhuang, Jingyu Lin, Yu Liu, Yifei Chen, Qiong Peng, Lequan Yu, Liansheng Wang

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

AI总结 FDP通过频域分解提升脑部MRI无监督异常检测性能，实现病灶抑制与解剖保持的平衡。

Comments Accepted by AAAI 2026

Mamba-Based Modality Disentanglement Network for Multi-Contrast MRI Reconstruction

基于Mamba的多对比MRI重建模态解纠缠网络

Weiyi Lyu, Xinming Fang, Jun Wang, Jun Shi, Guixu Zhang, Juncheng Li

机构 * School of Communication and Information Engineering, Shanghai University（上海大学通信与信息工程学院） ； School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） 纠错

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

AI总结 MambaMDN通过双域框架和模态解纠缠网络，有效解决多对比MRI重建中的混叠伪影和无关信息污染问题，提升重建精度。

Comments 12 pages, 11 figures, 6 tables

brat: Aligned Multi-View Embeddings for Brain MRI Analysis

brat: 用于脑部MRI分析的对齐多视图嵌入

Maxime Kayser, Maksim Gridnev, Wanting Wang, Max Bain, Aneesh Rangnekar, Avijit Chatterjee, Aleksandr Petrov, Harini Veeraraghavan, Nathaniel C. Swinburne

机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特林癌症中心） ； University of Oxford（牛津大学） ； London School of Economics（伦敦经济学院） 纠错

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

AI总结 brat通过多视图嵌入方法提升脑MRI与临床报告的对齐能力，公开发布基础模型以改进医学影像分析性能。

Comments First round accept at WACV 2026

CD-DPE: Dual-Prompt Expert Network Based on Convolutional Dictionary Feature Decoupling for Multi-Contrast MRI Super-Resolution

CD-DPE：基于卷积字典特征解耦的双提示专家网络用于多对比MRI超分辨率

Xianming Gu, Lihui Wang, Ying Cao, Zeyu Deng, Yingfeng Ou, Guodong Hu, Yi Chen

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

AI总结 CD-DPE通过双提示专家网络和卷积字典特征解耦策略，提升多对比MRI超分辨率的重建质量与泛化能力。

Comments Accepted to AAAI-2026

Dynamic Prompt Generation for Interactive 3D Medical Image Segmentation Training

动态提示生成用于交互式3D医学图像分割训练

Tidiane Camaret Ndir, Alexander Pfefferle, Robin Tibor Schirrmeister

机构 * Medical Physics, Department of Diagnostic and Interventional Radiology, Medical Center—University of Freiburg, Faculty of Medicine, University of Freiburg（医学物理，诊断与介入放射科，弗赖堡大学医学中心，医学院，弗赖堡大学） ； University of Freiburg（弗赖堡大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） 纠错

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

AI总结 本文提出一种动态提示生成方法，结合内容感知自适应裁剪优化图像编码器，提升交互式3D医学图像分割的性能。

Multi-View MRI Approach for Classification of MGMT Methylation in Glioblastoma Patients

多视图MRI方法用于胶母细胞瘤患者MGMT甲基化分类

Rawan Alyahya, Asrar Alruwayqi, Atheer Alqarni, Asma Alkhaldi, Metab Alkubeyyer, Xin Gao, Mona Alshahrani

机构 * National Center for Artificial Intelligence (NCAI), SDAIA, Riyadh, Saudi Arabia（国家人工智能中心（NCAI）、SDAIA、沙特阿拉伯利雅得） ； King Abdullah University of Science and Technology (KAUST), CEMSE Division, Thuwal, Saudi Arabia（国王阿卜杜勒阿齐兹大学科学与技术学院（KAUST）、CEMSE部门、沙特阿拉伯图瓦尔） ； Aramco Research Center, R&D Center Department, Dhahran, Saudi Arabia（阿姆科研究中心、研发中心部门、沙特阿拉伯达黑兰） 纠错

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

AI总结 本研究提出一种多视图MRI方法，利用深度学习检测胶母细胞瘤患者MGMT甲基化状态，避免复杂3D模型，提升诊断效率与透明度。

XAI-Driven Diagnosis of Generalization Failure in State-Space Cerebrovascular Segmentation Models: A Case Study on Domain Shift Between RSNA and TopCoW Datasets

基于XAI的州空间脑血管分割模型泛化失败诊断：在RSNA与TopCoW数据集域偏移案例研究

Youssef Abuzeid, Shimaa El-Bana, Ahmad Al-Kabbany

机构 * Department of Electronics and Electrical Communications Engineering（电子与电气通信工程系） ； Cairo University（开罗大学） ； Multimedia Interaction and Communication Lab（多媒体交互与通信实验室） ； Arab Academy for Science and Technology（阿拉伯科学与技术学院） ； Wearables, Biosensing, and Biosignal Processing Research lab（可穿戴设备、生物传感与生物信号处理研究实验室） 纠错

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

AI总结 本文提出基于XAI的两阶段方法，诊断州空间模型在脑血管分割中的泛化失败原因，揭示模型因关注机制失效而学习虚假相关性。

SSL-MedSAM2: A Semi-supervised Medical Image Segmentation Framework Powered by Few-shot Learning of SAM2

SSL-MedSAM2: 一种由SAM2少样本学习驱动的半监督医学图像分割框架

Zhendi Gong, Xin Chen

机构 * School of Computer Science, University of Nottingham, UK（Nottingham大学计算机科学学院） 纠错

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

AI总结 SSL-MedSAM2通过SAM2的少样本学习和nnUNet的迭代监督学习，在肝脏分割任务中实现了高精度的半监督医学图像分割。

Comments Accepted by MICCAI 2025 CARE Challenge, waiting for publication

MedXAI: A Retrieval-Augmented and Self-Verifying Framework for Knowledge-Guided Medical Image Analysis

MedXAI: 一种结合检索增强和自我验证的框架，用于知识引导的医学图像分析

Midhat Urooj, Ayan Banerjee, Farhat Shaikh, Kuntal Thakur, Sandeep Gupta

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

AI总结 MedXAI通过整合深度学习与临床专家知识，提升医学图像分析的可解释性和泛化能力，尤其在稀有疾病检测中表现优异。

Comments https://cmsworkshops.com/Asilomar2025/Papers/Uploads/FinalPapers/Original/1527/20251130102314_899554_1527.pdf

DIST-CLIP: Arbitrary Metadata and Image Guided MRI Harmonization via Disentangled Anatomy-Contrast Representations

DIST-CLIP：通过解耦的解剖-对比表示实现任意元数据和图像引导的MRI统一

Mehmet Yigit Avci, Pedro Borges, Virginia Fernandez, Paul Wright, Mehmet Yigitsoy, Sebastien Ourselin, Jorge Cardoso

机构 * School of Biomedical Engineering & Imaging Sciences, King’s College London（国王学院伦敦生物医学工程与成像科学学院） ； deepc GMBH 纠错

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

AI总结 DIST-CLIP通过解耦的解剖-对比表示实现MRI数据统一，支持任意元数据和图像引导，提升风格迁移和数据标准化效果。

Bridging spatial awareness and global context in medical image segmentation

弥合空间感知与全局上下文在医学图像分割中的差距

Dalia Alzu'bi, A. Ben Hamza

机构 * Concordia Institute for Information Systems Engineering（康科德信息系统工程研究所） ； Concordia University（康科德大学） 纠错

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U-CycleMLP模型，通过改进的编码器-解码器架构，有效融合局部和全局上下文信息，提升医学图像分割的精度与鲁棒性。

MedDiff-FM: A Diffusion-based Foundation Model for Versatile Medical Image Applications

MedDiff-FM: 一种基于扩散的多功能医学图像应用基础模型

Yongrui Yu, Yannian Gu, Shaoting Zhang, Xiaofan Zhang

机构 * Qing Yuan Research Institute, Shanghai Jiao Tong University（上海交通大学清元研究 institute） 纠错

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

AI总结 MedDiff-FM是一种基于扩散的医学图像基础模型，通过预训练和微调实现多种医学图像处理任务，如去噪、异常检测和超分辨率。

Performance Evaluation of Transfer Learning Based Medical Image Classification Techniques for Disease Detection

基于迁移学习的医学图像分类技术在疾病检测中的性能评估

Zeeshan Ahmad, Shudi Bao, Meng Chen

机构 * Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院、东部技术研究院） ； School of Cyber Science and Engineering（网络科学与工程学院） 纠错

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

AI总结 本文评估了迁移学习在医学图像分类中的性能，发现InceptionV3在疾病检测中表现最佳，同时分析了不同模型的鲁棒性和效率。

Journal ref 2025 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), Copenhagen, Denmark, 2025, pp. 1-5

Toward Content-based Indexing and Retrieval of Head and Neck CT with Abscess Segmentation

面向头颈CT中脓肿内容基于索引与检索的进展

Thao Thi Phuong Dao, Tan-Cong Nguyen, Trong-Le Do, Truong Hoang Viet, Nguyen Chi Thanh, Huynh Nguyen Thuan, Do Vo Cong Nguyen, Minh-Khoi Pham, Mai-Khiem Tran, Viet-Tham Huynh, Trong-Thuan Nguyen, Trung-Nghia Le, Vo Thanh Toan, Tam V. Nguyen, Minh-Triet Tran, Thanh Dinh Le

机构 * University of Science, VNU-HCM（越南国家大学） ； Vietnam National University（越南国家大学） ； Thong Nhat Hospital（同奈医院） ； University of Social Sciences and Humanities, VNU-HCM（越南国家人文社会大学） ； Dublin City University（都柏林城市大学） ； University of Dayton（戴维森大学） ； John von Neumann Institute（约翰·冯·诺伊曼研究所） ； University of Health Sciences, VNU-HCM（越南国家卫生科学大学） 纠错

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

AI总结 本研究提出AbscessHeNe数据集，用于头颈CT中脓肿的语义分割及内容基于检索，通过高精度分割和临床元数据支持智能诊断与治疗决策。

Comments The 2025 IEEE International Conference on Content-Based Multimedia Indexing (IEEE CBMI)

Robust Rigid and Non-Rigid Medical Image Registration Using Learnable Edge Kernels

鲁棒的刚性与非刚性医学图像配准使用可学习边缘核

Ahsan Raza Siyal, Markus Haltmeier, Ruth Steiger, Malik Galijasevic, Elke Ruth Gizewski, Astrid Ellen Grams

机构 * Department of Mathematics, University of Innsbruck（因斯布鲁克大学数学系） ； Department of Radiology, Medical University of Innsbruck（因斯布鲁克医学大学放射学系） ； Neuroimaging Research Core Facility, Medical University of Innsbruck（因斯布鲁克医学大学神经影像研究核心设施） 纠错

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

AI总结 本文提出了一种结合可学习边缘核的刚性和非刚性医学图像配准方法，通过自适应边缘检测提升多模态图像对齐和解剖结构分析的性能。

Provenance-Driven Reliable Semantic Medical Image Vector Reconstruction via Lightweight Blockchain-Verified Latent Fingerprints

基于轻量区块链验证的语义医疗图像向量重建：通过轻量区块链验证的可靠语义医疗图像向量重建

Mohsin Rasheed, Abdullah Al-Mamun

机构 * Augusta University（奥古斯塔大学） 纠错

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

AI总结 本文提出一种结合语义引导的医疗图像重建与轻量区块链验证的框架，以提高重建的可靠性与可追溯性。

Probabilistic Modeling of Multi-rater Medical Image Segmentation for Diversity and Personalization

多评分者医学图像分割的概率建模用于多样性和个性化

Ke Liu, Shangde Gao, Yichao Fu, Shangqi Gao, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； University of Cambridge（剑桥大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 ProSeg通过概率建模实现医学图像分割的多样化和个性化，结合专家偏好和边界模糊性，提升分割结果的多样性和个性化水平。

MMIF-AMIN: Adaptive Loss-Driven Multi-Scale Invertible Dense Network for Multimodal Medical Image Fusion

MMIF-AMIN: 适应性损失驱动的多尺度可逆密集网络用于多模态医学图像融合

Tao Luo, Weihua Xu

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

AI总结 MMIF-AMIN通过可逆密集网络和多尺度互补特征提取模块，实现多模态医学图像融合的高效融合与精准诊断。

Comments This manuscript is withdrawn to allow for substantial expansion and restructuring. Based on recent research progress, we plan to add Generalization experiment and reorganize the manuscript structure to improve readability and logical flow. Thank you for your understanding and support

Alzheimer's Disease Prediction Using EffNetViTLoRA and BiLSTM with Multimodal Longitudinal MRI Data

使用EffNetViTLoRA和BiLSTM的多模态纵向MRI数据进行阿尔茨海默病预测

Mahdieh Behjat Khatooni, Mohsen Soryani

机构 * School of Computer Engineering, Iran University of Science and Technology（伊朗科学技术大学计算机工程学院） 纠错

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

AI总结 本文提出结合EffNetViTLoRA和BiLSTM的多模态模型，利用纵向MRI数据实现高精度的阿尔茨海默病预测。