此外，它还包括：(a) 一个用于多视图切片表示学习的切片编码器（绿色），(b) 一个用于视图特定表示学习的差异感知形态强化（DaMR）模块，以及(c) 一个用于多视图表示融合的依赖感知信息聚合（DaIA）模块。该研究提出了一种名为CvDd-Net的体积医学图像分割模型，通过利用多视图切片先验，并引入差异感知形态强化（DaMR）和依赖感知信息聚合（DaIA）模块来有效捕获视图间的差异和依赖性，从而显

2026.1.6本文介绍了MICCAI 2022 P2ILF挑战赛，旨在通过评估参赛团队在肝脏2D/3D解剖地标自动分割和预术中3D-2D图像配准方面的表现，推动腹腔镜肝切除术中增强现实技术的发展，并基于结果提出未来研究方向。Title题目01An objective comparison of methods for augmented reality in laparoscopic liver

在对70名接受血管内机械取栓的AIS患者数据集的评估中，所提出的模型达到了0.77的准确率（ACC），优于传统的晚期融合策略（ACC = 0.73）以及基于单一4D CTP（ACC = 0.61）或临床元数据（ACC = 0.71）的模型。本研究首次结合完整的时空4D CTP影像和临床元数据来预测急性缺血性卒中患者的功能预后，并提出了一种新颖的基于交叉注意力机制的中间融合策略，旨在更有效地捕捉模态

2025.12.29这篇文章发表于《Medical Image Analysis》期刊（2026 年第 109 卷），由北京航空航天大学学者撰写，聚焦超声长视频的目标分割与追踪问题，提出一种基于小波分析和记忆库的融合网络 MWNet。Title题目01Tracking spatial temporal details in ultrasound long video via wavelet ana

2025.12.25这篇文章发表于《Medical Image Analysis》期刊（2026 年第 109 卷），由慕尼黑工业大学、智利天主教大学等机构学者联合撰写，聚焦动态磁共振成像（MRI）的快速重建问题，提出一种基于自监督 k 空间正则化的神经隐式表示方法 PISCO。Title题目01PISCO: Self-supervised k-space regularization for i

在内部验证（5折交叉验证）中，PINGU在白质（WM）中的平均体素级Dice分数为0.50（标准差=0.15），在基底神经节（BG）中为0.54（0.10）。在外部验证（留一站点交叉验证）中，尽管未见过的站点数据上的Dice分数显著降低（WM体素级Dice为0.38，BG体素级Dice为0.36），但PINGU的性能仍远优于SHIVA-PVS（WM体素级Dice为0.18，BG体素级Dice为0.

这一转变还伴随着数字病理学（Niazi等人，2019）、生物传感器（Sempionatto等人，2022）和下一代测序（Steyaert等人，2023）等技术的出现，这些技术为临床医生在多个领域提供了新的见解。在医疗应用的多模态人工智能研究中，公开共享数据集的使用十分普遍——模型开发中使用的数据源有61%来自公共数据平台，例如癌症基因组图谱（TCGA，占14%）、阿尔茨海默病神经影像倡议（ADNI

在六项任务和14个数据集上的广泛实验表明，MIRAGE的性能优于现有先进方法，并具有强大的跨数据集泛化能力，同时为医学数据噪声估计提供了新见解。接着，提出基于最近邻（NN）的噪声估计方法，利用图像-文本对的NN文本嵌入（Qi）与配对文本（Ti）之间的语义距离，定义匹配成本函数Cij。为了防止训练后期过拟合噪声数据，引入自适应梯度平衡策略，根据样本的估计匹配得分（Sii）动态调整每个正样本对Info

受病理医生分层诊断策略和丰富文本描述的启发，本文将挑战性的病理多分类问题转化为具有二叉树结构的分层分类任务，并设计了名为PathTree的WSI分层表征学习方法。为此，本文引入了分层病理图像分类的概念，并提出了一种名为PathTree的表征学习方法。通过在三个具有挑战性的分层分类数据集（包括内部冷冻切片肺组织病变识别、公共前列腺癌分级评估和公共乳腺癌亚型分类）上进行的广泛实验，我们提出的PathT

本方法通过将流线分配到解剖学上信息丰富的白质簇，能更好地评估每个束的潜在结构亚区，解决了现有方法在处理整个白质束时忽略其精细亚结构的问题，避免了AFQ的序数分块假设可能导致的不精确性以及BUAN的单中心线方法在束末端可能出现的异常分段。在合成数据集实验中，AGFS-Tractometry在检测具有已知组差异的局部白质区域方面表现出更高的准确性（ACC），优于AFQ和BUAN，尤其是在不同尺寸和位置