10%合成图像就够？nnU-Net心脏分割MRI提升0.27个百分点
全心脏分割（ Whole-Heart Segmentation，WHS ）是医学影像分析中的一项经典任务：给定一张心脏区域的CT或MRI扫描图，模型需要把七个关键结构完整勾画出来——左心室心肌（ Myocardium，M。
标签：AI医疗
共 93 篇
西交&中大MICCAI 2026：死后组织“生前还原”，专家盲选23.81%胜出
法医病理误判的潜在风险，被一次脑洞大开的「图像翻译」给盯上了。本论文首次把薛定谔桥搬进死后自溶恢复，不搞像素级配对，直接学分布映射，还建了首个真实数据集AutoPath。更狠的是，它证明FID这类老牌指标在诊断场景里可能「帮倒忙」——专家盲评和滑片级诊断一致性，才是硬通货。
明尼苏达大学CM-RED：4步MRI重建，效果亮眼1000步扩散模型
扩散模型做MRI重建效果好，但动辄几百上千步的迭代采样让临床落地遥遥无期。明尼苏达大学这篇CM-RED，把一致性模型塞进RED优化框架，4步出图，PSNR/SSIM全面超越1000步的DPS和100步的DDS，计算量直降25—250倍。生成式MRI重建的“速度焦虑”，这次是真的被治好了。
抛弃端到端！这个医学影像智能体让AI终于分清肝脏脾脏左右
先问大家一个问题：如果你是一个放射科医生，看到一张腹部CT片子，有人问你“肝脏在脾脏的左边还是右边？”，你会怎么回答？
浙大开源24小时心电基准：GPT-5也翻车，微调后准确率99.7%
24小时动态心电（Holter）是诊断心律失常的金标准，但多模态大模型在超长时序信号面前几乎“失灵”。浙大等团队开源Holtercare-Bench基准与Holtercare-23K数据集，用信号-视频-文本三模态对齐，让GPT-5、Qwen3-VL等模型首次系统性接受“心电马拉松”考验——微调后时序定位准确率飙到99.7%，差距比想象中更大。
乔治梅森大学新框架：o1-preview效果亮眼GPT-4o，医疗问答准确率飙升
这就是社区问答（Community Question-Answering，简称CQA）平台面临的真实困境。
肿瘤科福音：格拉斯哥大学AI自动分析CT肌肉脂肪，5秒出结果
AI医疗卷得飞起，但不少方案动辄几十G显存起步，医院看了直摇头。这篇格拉斯哥大学的工作反其道而行：用GTX 1070就能跑的四款经典CNN，把结直肠癌患者CT里的肌肉与脂肪指标自动算出来，误差低至4.96%，还顺手做了个网页工具。低成本落地范本，值得一读。
帕金森语音检测跨语言翻车？9大模型被曝只认"语料"不认"病"
这可能是近期最值得冷静读一遍的AI医疗论文。它不刷分、不涨点，而是系统地给帕金森病语音检测"泼了盆冷水"：语料内表现再高，换个语言、换个任务就现原形，甚至分不清帕金森和痴呆。对想真正落地语音生物标志物的团队来说，这比100个SOTA都值钱。
佛罗里达大学用GPT-4o指挥PET去噪：闭环多智能体，双指标超基线
PET（正电子发射断层成像）是肿瘤、神经和心脏疾病诊断中重要的分子影像手段，能无创显示体内代谢活动。但PET天生有痛点：光子符合计数有限，图像信噪比低。
GPT-5.1被曝"清醒但沉默"：识别出精神问题却不建议求助
AI精神病这个风险，大多数安全评测根本发现不了——单轮测试看每条回答都"正常"，30天连续对话却可能亲手养大一套妄想。这篇论文首次用15款主流模型×30天×4位评估员的纵向设计，把幻觉式共谋拆成了四种可量化的轨迹，值得每个做大模型安全的人细品。
西安交大M-Net：条件数+散度+旋度，医学分割新范式
纯数据驱动的医学分割模型已经够卷了，但几乎没人把线性代数和矢量微积分“硬塞”进网络。M-Net直接给出答案：把条件数、散度、旋度当先验注入U-Net，肝脏分割Dice比基线猛涨12.37%，还能端到端训练。想了解“数学+深度学习”还能玩出什么花活？这篇值得细品。
把CT、胃镜、化验单喂给AI后，胃癌诊断AUC涨了6个点
胃镜、CT、化验单、报告，医生从来不是单看一样就下结论。Gastric-X把这个真实逻辑搬进了AI基准：四期CT+内镜+生化指标+报告全部对齐，还配了2.6万条VQA。想让医疗VLM真正学会"综合判断"，这份基准值得一读。
