标签
CAMEL 提出了一种采用非对称掩码策略的跨架构蒸馏框架，将 RETFound 等大型视网膜基础模型的知识迁移到超轻量级学生模型，在保持准确性的同时大幅降低计算成本，以便在资源受限的临床环境中部署。
ReliMorph 提出一个可靠性引导的对称框架，将局部对应评估与空间专家路由及残差速度门控耦合，用于 3D 可变形医学图像配准，并在单模态和多模态任务上超越现有方法。
Meta-CLIP 引入了一种以元数据为条件的对比学习框架，利用 DICOM 采集字段对跨模态负样本重新加权，在 CT-RATE 和多个胸部 X 光（CXR）基准测试中的零样本疾病分类表现优于 CT-CLIP。
EviGround-CT 提出句子到体积的定位方法，通过为每个描述阳性发现的句子预测三维证据掩膜，核验大语言模型生成的胸部 CT 报告。与类别条件化方法相比，该方法将有证据支持的精确率从 0.263 提升至 0.365。该研究在 CT-RATE 和 ReXGroundingCT 的一个子集上进行了评估，以检测缺乏证据支持的发现。
OpenRadView 是一款免费的开源桌面查看器，用于查看个人 CT、MRI 和 X 光扫描影像，支持 DICOM 和 NIfTI 文件，提供联动的轴状位、冠状位和矢状位视图、实验性 3D 功能及测量功能，还可选择通过 MCP 为 AI 智能体提供访问。
该论文提出 RadCarve 方法，将放射学报告的生成单元直接定义为解剖区域集合，通过组成特化的查询库联合预测单元存在与区域构成，在 Chest ImaGenome 和 PadChest-GR 上以不到大模型六分之一的参数量取得领先的报告生成性能。
TernScope 提出了一种全网络三值分割模型（参数量为 0.2483M，全部 25 个卷积层均采用三值权重），并与配套的硬件加速器协同设计。在 45nm 工艺下，其计算阵列面积比 INT8 Gemmini 减少了 88.46%，同时无需微调即可在 ClinicDB 和 ColonDB 上取得良好表现。
MoSAIK 从标准多线圈 TSE k 空间中用 Transformer 直接估计刚体运动参数，并将其用于模型化的运动感知重建，从而在无需外部导航器的情况下快速回顾性校正脑 MRI 运动伪影。
MIT、Boston Children's Hospital 和 Inria 的研究人员提出了 E3-Pose——一个内置左右对称物理约束的深度学习模型，用于追踪胎儿头部运动，旨在为产前诊断生成可靠的高分辨率胎儿脑部 MRI 影像。
CF-NODE 提出了一种基于反事实空间节点干预的测试时间自适应框架，用于跨域糖尿病视网膜病变分级，在五个外部数据集上显著优于 TENT、EATA、SAR 和 T3A 等方法。
作者展示了使用 Claude Opus 5.5 在数小时内设计出一套约 3.1 万美元的开源低场头部 MRI 扫描仪的概念验证方案（仅仿真，未实际制造）。该设计基于 60 mT NdFeB Halbach 阵列，可从普通插座供电，无需低温冷却或屏蔽室，以四个模块形式运输。
该论文提出了一种名为“共形自适应”（Conformal Adaptation）的框架，通过共形风险控制在低分辨率下认证预测信号，再对已认证区域进行精细化计算，从而在 3D 医学图像分割、星系流量预测和钙信号预测等任务上实现 2.5–72 倍的墙钟时间加速，同时保留不确定性估计。
VascuSR 是一个迭代式解剖感知扩散框架，将显式3D血管引导与CT超分辨率结合，以提升重建的解剖准确性与血管连通性，在MSD和HVM数据集上显著优于现有基线。
该论文提出一种泄漏可控的多模态多任务学习框架，结合SFCN MRI编码器、因果临床Transformer和ODE-GRU动力学，用于阿尔茨海默病诊断与病程进展预测，在ADNI、OASIS-2、MIRIAD数据集上取得内部诊断AUROC 0.935、混合AUROC 0.951，并在OASIS-3上完成外部验证。
BigCell是首个能在原生千兆像素分辨率下生成连贯全切片病理图像的方法，采用流匹配Transformer在2048×2048像素上训练超过12万张公开WSI，可生成高达32,768×32,768像素的图像，并通过合成样本将少样本切片级分类性能提升最多18%。
该论文提出了一种基于几何的有限特征联想记忆容量理论，将检索干扰分解为有限特征噪声与结构性干扰，并推导出与表示几何直接挂钩的容量上限预测，随后在合成、视觉和医学图像表示上进行了验证。
NVIDIA Inception 计划中的初创企业正在开发 AI 应用，以解决乳腺癌诊疗中的各项缺口——从 iSono Health 获 FDA 批准的可穿戴 3D 超声 ATUSA，到乳腺密度评估软件和更快速的基因组检测工具，这些成果均由 NVIDIA AI 基础设施提供驱动。
该论文提出了通用生物医学发现（GBD），这是一个面向开放世界医学影像的统一基准，用于处理长尾罕见疾病、细微病变以及层级分类体系，并提出了SCAN——一种受认知启发的方法，通过预测抑制、惊吓诱发的显著性以及互补适应来改进新概念发现，同时保留已有的临床知识。
OpenMed Spine Lab 演示了脊柱 X 光片关键点的 10 像素偏移如何改变所测得的 L4-L5 角度，而 Liquid AI 的 LFM2.5-VL-3B 模型可在本地于一秒内重新解释新的数值。
RECESSIM 的 wiki 记录了对 GE Flashpad 无线数字 X 光探测器的成功逆向工程，无需原有的 Optima 控制台、固件修改或专有软件，即可通过以太网实现完整的 2048x2048 图像读出。