#医学影像
共 22 篇相关文章
用有监督LLM在语言空间融合异构超声心动图AI输出
一项研究提出用有监督大语言模型在语言空间做晚期融合，直接聚合超声心动图多视图AI模型的预测发现与测量值，省去模型特定的输出转换与医学特征工程，并在646名患者的859次检查交叉验证中表现与最佳参考策略相当。
脊柱关键点检测新范式：像素级对比学习+可微形状建模
本文介绍一种脊柱关键点检测新方法，将检测问题转化为像素级对比表示学习，并结合可微形状建模解决位置歧义，在AASCE等数据集上性能媲美最先进方法，代码已开源。
OpenRadView：免费开源的医学影像查看器，支持CT/MRI
OpenRadView 是一款免费开源的医学影像查看器，支持在本地打开 CT、MRI 和 X 光的 DICOM 与 NIfTI 文件，提供三视图联动、实验性 3D 和测量功能，并可选择接入 AI agent。本文介绍其功能、定位与适用场景。
10年前的老CNN，竟比前沿大模型更会看皮肤癌
Hacker News 讨论指出一个十年前训练的 CNN 在皮肤癌诊断上优于前沿大语言模型。本文分析专用模型为何在医学影像任务中仍有优势，以及这对 AI 落地选型和评测基准的启示。
冠脉造影狭窄检测：高召回率优先的实战思路
探讨冠脉造影狭窄检测中高召回率优先的技术路径，分析YOLO跨域失败背后的标注格式问题，讨论血管半径剖面候选生成方法与不完整金标准下的评估困境。
AI分析CT扫描：42.9%患者存在冠状动脉炎症
AI分析CT扫描发现42.9%患者存在冠状动脉炎症，本文解读该研究的核心发现、冠状动脉炎症的检测难点、AI心血管影像的技术逻辑及其对临床风险分层的潜在影响。
华中师大CoReFuse-Med：先净化再融合，破解多模态医学分割失效难题
华中师大CoReFuse-Med被ACM MM 2026接收，揭示多模态医学图像融合失效原因：低质量模态重采样污染浅层特征、梯度与推理不一致、跳跃连接传播伪影，并提出LACE+IMSH+MBCF三模块方案，在EPVS、BraTS、WMH上超越MedNeXt。
超越多阶段Pipeline：标签相关性集成模型提升视网膜疾病分类
新研究对比三阶段门控级联、扁平模型与标签相关性模型在视网膜眼底多标签分类中的表现，发现分阶段设计无优势，标签相关性集成模型在六项指标上最佳，并揭示数据集捷径问题。
合成图像过采样：破解罕见病面部识别数据困境
研究探讨利用合成面部图像对罕见遗传综合征进行疾病特异性过采样，在GestaltMatcher-Arc和GestaltMML模型上评估识别准确率变化。结果显示整体性能提升但疾病间响应不均，强调需针对个体疾病评估合成数据用量与收益。
量子生成模型合成医学图像：癌症检测AUC提升至80.2%
量子生成模型在BUSI乳腺癌超声数据集上生成合成图像，用合成数据训练的CNN分类器AUC-ROC达0.802，超越真实数据基线的0.760。探索量子机器学习在医学图像数据增强中的应用潜力。
STCNet：稀疏视图4D CBCT重建的双域时空一致性学习
STCNet提出稀疏视图4D CBCT重建框架，每个呼吸相位仅需16个投影，通过双域时空一致性学习在TCIA-LUNG和CIRS数据集上取得优于传统方法与深度学习基线的PSNR和SSIM表现，为低剂量图像引导放疗提供新思路。
重新思考3D医学自监督学习中的子体采样策略
一项新研究重新审视3D医学自监督学习中的随机子体采样，提出以解剖感知、信息量和多样性为导向的探针库框架，用轻量线索替代随机裁剪，持续提升下游迁移性能。
SADL：面向慢性卒中病灶分割的尺寸自适应决策层
SADL 是面向 ISLES 2026 挑战赛的尺寸自适应决策层，通过十一成员 nnU-Net 集成与自适应阈值后处理，解决慢性卒中病灶分割难题，在 91 例留出集上达到 Dice 0.7322、lesion-F1 0.7461，小病灶场景增益显著。
英伟达NV-Reason-CT：原生3D视觉语言模型解读CT影像
英伟达开源NV-Reason-CT模型，原生3D读取CT扫描并逐步推理生成放射学报告。基于QWEN 3.5语言模型端到端训练，在CT-RATE基准取得最佳macro F1。权重已在Hugging Face开放。
SlideRuler：用单张切片校准病理基础模型的扫描偏差
arXiv 最新论文提出 SlideRuler 方法，利用单张病理切片内部区域作为对照，校准不同扫描仪对基础模型特征表示的影响，在两种编码器和五台扫描仪上将特征距离降低16.3%-38.5%，为病理AI跨设备一致部署提供新路径。
EviDent-CBCT：证据瓶颈框架破解牙科CBCT报告自动生成难题
arXiv新论文EviDent-CBCT提出证据瓶颈框架，针对牙科CBCT报告标注不完整的难题，通过离散证据记录实现可审计的报告自动生成，在ODIN 2026挑战赛自动评测中排名第二。
从零理解功能性超声成像（fUSI）：神经科学的新窗口
功能性超声成像（fUSI）是一项新兴脑成像技术，利用高帧率超声追踪脑血流变化来反映神经活动。本文从原理、与fMRI对比、开源构建思路到应用前景全面解析这项神经科学新技术。
英伟达NV-Reason-CT：开源3D CT视觉语言模型
英伟达发布开源3D CT视觉语言模型NV-Reason-CT，支持放射科医生式思维链推理，填补三维CT影像智能分析的空白，为医学影像AI从检测走向可解释推理提供新方案。
