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。
标签：AI医疗
共 93 篇
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。
Jaccard 0.8546：皮肤病灶分割的多级融合方案
这篇文章把扩散模型、双路径编码和跨层特征融合揉到一起，专门对付皮肤病灶那种“边界糊成一锅粥”的老难题。实验结果也挺硬，三个公开数据集上平均Jaccard和Dice都很能打，值得看看它到底怎么把病灶边缘抠细。
CORTEX来了：3D胸部CT推理首次变成可验证结构
这篇工作最有意思的地方，不是又做了一个医疗问答集，而是把“医生怎么想”这件事拆成了能检查、能打分、能复核的结构。对3D胸部CT来说，这比只看最终答案靠谱多了。
ECNU新方法：医学切片超分辨率提升1.07dB
这篇论文把医学切片超分辨率从“随便补细节”改成“先守规矩再补脑补”，特别适合临床场景。零空间约束负责不乱改原始观测，样条混合负责把缺失层补得更像那么回事。
清华协和新模型RaDaR：32B也能做罕见病诊断
罕见病最怕的不是治不了，而是来得太晚。RaDaR把自由文本、合成数据和推理增强揉成一套开源方案，还做了随机医生辅助试验，终于不是“纸上谈兵”的医疗大模型了。
IIT Indore新作：摄像头测呼吸，不再"看肤色下菜碟"！MAE直降42.1%
传统摄像头测呼吸，一到深肤色就"翻车"——信号弱、噪声大，原因在于方法"一刀切"，不懂因肤制宜。IIT Indore这篇ELITE-RR，用肤色感知投影+运动信号去噪+双表征对比学习，三招齐下，把呼吸率估计误差直接砍掉42.1%，还开源了首个印度族裔呼吸数据集。方法设计干净利落，实验全面无死角，干货满满，值得一读！
