无须逐帧标注！自监督时序正则让心脏分割更稳，还能自动映射AHA 17段
这篇工作最有意思的地方，不是又把心脏分割做高了几个点，而是它盯住了一个常被忽略的老毛病：同一个心脏在连续帧里不该“人格分裂”。再顺手把AHA 17段自动映射接上，临床味道一下就出来了。
标签：AI医疗
共 86 篇
低信噪比下更稳的EPI校正，MIT/UCSF/Stanford都在用
这篇论文最有意思的地方，不是“又做了一个畸变校正”，而是把老问题的责任链条拆了：别再先把图像重建得歪歪扭扭，再去补救B0场。它直接从k空间联合估计无畸变图像和B0场，还把旋转视图和高斯原语塞进同一个物理模型里，工程味很浓。
DiSIINet来了：扩散模型把医学增强和分割绑一起
医学影像里最烦的事之一，就是图像又糊又吵，分割还得硬上。DiSIINet干脆把增强和分割绑成一对“互相打辅助”的双分支扩散模型，思路顺，结果也扎实。
J-PET新玩法：肝脾纠缠度首次测出来了
这篇论文最狠的地方，不是又做了一次PET，而是把“量子纠缠”第一次搬进了人体内。肝脏、脾脏、常规代谢图、纠缠度图同时出现，医学影像突然有点“量子味”了。
少量样本就能补齐数据鸿沟？AstraZeneca这篇很硬
AstraZeneca这篇工作很实在：不搞端到端硬训练，而是用一个轻量对齐模块把病理图像和RNA嵌进同一空间，再把“基因集”变成可查询的开放词汇提示。结果不只是在检索上提升明显，还能在临床试验和跨队列迁移里站住脚，属于能落地的那种新思路。
上海交大等提出VDeAR：LDCT去噪首次用上视觉自回归，细节更稳
低剂量CT去噪最怕两件事：一是把噪声抹掉，二是把病灶也顺手抹掉。VDeAR偏偏换了个思路，用视觉自回归做下一尺度预测，再拿残差细化器补高频细节，思路挺新，结果也挺能打。
UNC新作NBGL：超声去斑点还要保边界，SSIM冲到0.9856
超声去斑点最怕两件事：噪声没去干净，边界先被抹平。NBGL把“去噪”和“保边界”拆成双分支，再用噪声感知机制动态调权，思路很工程，也很实用。
哈工大深圳新框架：病理图像合成对齐度更高
病理图像合成最烦的不是“生成”，而是“生成得像且结构还对”。CHIS偏偏把这两个最难缠的问题拆开处理，还做成了训练自由插件，省掉了不少标注和微调成本。
UFES新作：图像+表格Mamba做癌症分类
这篇工作最有意思的地方，不是单纯把Mamba搬进医疗场景，而是把图像和表格信息拆成两段来处理，既保留了诊断流程的直觉，又把解释性补了回来。PAD-UFES-20和NDB-UFES两套数据都跑了，结果不算“碾压”，但在召回率和可解释性上确实有看头。
Harvard新数据集SemanticVessel：CTA脑血管标注一下扩到360例
这篇工作最有意思的地方，不是单纯“多标了点血管”，而是把动态4D-CTA变成了半自动标注流水线。更妙的是，它明确告诉模型：没标出来的血管，别急着当背景埋了。
真实驾驶场景SOTA？双光谱Mamba有点东西
这篇论文把车载心率估计从“看天吃饭”往前推了一步：RGB 负责信号强度，NIR 负责抗光照，Mamba 负责长时序建模。更妙的是，它不是只在实验室里自嗨，还专门搞了真实驾驶数据集，挺适合想看落地价值的读者。
Yale新作MRI2Rep：3D肝脏报告自动生成，F1冲到29.4%
这篇论文把“写报告”这件事拆成了两步：先把医生的自由文本洗成结构化标签，再让模型按规矩自动生成。别看它是医学场景，思路其实很通用，尤其适合那些“数据不多、标签还乱”的硬核任务。
