- 博客(48)
- 收藏
- 关注
RSS订阅原创 06.04-医学_2026-06-04
FMISeg的关键不是简单“图文融合”，而是先把图像拆成高频和低频两类信息，再让文本参与筛选和强化。高频帮助找边界，低频帮助理解整体病灶位置，文本则负责约束目标区域。实验结果显示，这种频域多模态交互能稳定提升肺部感染区域分割效果。
2026-06-04 18:26:39
185
原创 OpenClaw Medical Skills开源AI技能库:869个医学技能即插即用！
OpenClaw Medical Skills不只是个技能库，它是一个让AI真正懂医学、会用专业工具的生态系统。你是医生想提高效率，还是做生物信息想自动化分析，或者搞药物研发想用AI帮忙，都值得去试试这个项目。项目地址注：数据来自项目说明文档。
2026-06-03 18:17:32
434
原创 TMI | 噪声标签学习新思路：先判断样本可信度，再筛选体素监督
这篇论文的重点不是简单“修正”噪声标签，而是先判断哪些低质量样本更可信，再在体素层面挑出更可靠的监督信号。它特别关注医学图像中最容易出错的边界区域，用区域不确定性服务样本分层训练。实验覆盖多个CT任务，结果说明该框架能在标注不完美时提升分割稳定性和精度。
2026-06-02 18:12:53
271
原创 TMI 2026 | LGFFM：并行双编码器加Haar小波分解，超声分割同时增强边缘与结构
LGFFM的主要价值在于把CNN局部特征、Transformer全局依赖和频域边缘纹理信息整合到一个统一框架中。它不是只针对单一器官或病灶设计，而是在多类超声分割任务上验证了准确性和泛化能力。论文的实验较完整，消融和跨数据集测试也支撑了PBE、FDMM和MDF三个模块的有效性。总体来看，该方法适合用于复杂、低对比、边界模糊的超声图像分割场景。
2026-06-01 14:18:08
246
原创 不只看骨髓剂量：Transformer多模态融合预测直肠癌放疗血液毒性
这篇论文的核心价值在于：它没有只依赖某一个“看起来合理”的风险因素，而是把放疗前能获得的CT、剂量、血液和人口学信息放到同一框架下比较和融合。结果显示，基线血液指标最关键，但影像和剂量信息仍能提供补充价值。最终的Transformer多模态模型在两个外部中心仍保持较好表现，提示其有潜力用于放疗前筛查HT高风险患者，并辅助个体化治疗计划优化。
2026-05-31 11:30:00
672
原创 手把手教你用Claude刷完200篇医学多模态文献：3小时搞定综述骨架
这套流程真正值钱的，不是“3 小时出骨架”这个数字，而是它把你从“读 200 篇文献”这种机械劳动里解放出来。省下来的时间，你可以拿去：和导师认真讨论思路设计新实验做真正有深度的批判分析这不是“AI 取代研究者”的故事。恰恰相反，这是让研究者从体力活里脱身，去干那些只有人脑才能干的事。对于关心科研效率、医学多模态、AI for Science 的研究生、博后和年轻老师，这套流程值得你亲自试一次。我把这套流程涉及的全部。
2026-05-30 10:00:00
424
原创 CT加临床和血清指标：肺腺癌磨玻璃结节术前三分类的多模态方法
这篇论文的核心价值在于把 CT 图像、临床信息和血清肿瘤标志物放到同一预测框架中，用于肺腺癌磨玻璃结节 AIS/MIA/IAC 三分类。结果显示，多模态融合明显优于单纯 CT 模型和两位放射科医生，尤其对术前决策有辅助意义。不过，MIA 识别仍偏弱，且模型尚需外部验证后才能支持临床推广。
2026-05-29 14:32:52
498
1
原创 SAM医学影像论文为什么这么多：47篇论文拆出3个常用套路！
SAM这波红利，会玩的人已经拿了几个MICCAI了。我认识一个人，2023年5月SAM刚出来就全力做这个方向，到现在发了4篇MICCAI加1篇MIA。而那个还在死磕nnU-Net的师兄，到现在没毕业。科研这事，选对方向比努力更重要。早点进场，但也要早点做出差异化。不然等风停了，摔得最惨的就是跟风最狠的那些人。
2026-05-25 15:42:19
344
原创 ICLR 2026 | 清华&阿里：放大病灶边看边想的医疗VLM框架！
本文提出了一种突破性的医疗视觉与文本推理框架MedVR。它针对当前模型依赖纯文本逻辑而脱离视觉证据的痛点，创新性地让模型在“不确定”时自动对图像局部进行放大验证，并依靠输出过程建立“共识”来奖励有效的视觉动作。这种完全不需要人工标注过程框的强化学习路径，不仅大幅度拉升了识别病灶的精确度，也为安全、可解释的医疗AI部署提供了务实且高效的解决方案。
2026-04-30 15:32:15
384
原创 医学检测结合自监督学习：两篇新论文解析3D头部CT与目标检测进展！
在医学影像分析中，常受限于高质量3D标注数据的匮乏。利用大规模进行无标注预训练，已成为打破这一瓶颈的关键路径。本文解析的两篇论文均聚焦于“医学检测结合自监督学习”的前沿探索。第一篇针对脑部诊断，构建了首个专门处理3D头部CT的，实现了在多项疾病分类任务中的强大泛化与少样本推理能力；第二篇则着眼于，系统性评估了多种预训练策略，首次证实了基于体素重建的自监督预训练在检测任务上显著优于传统的有监督预训练。这两项研究为3D医疗人工智能的底层架构建设指明了方向。我整理了。
2026-04-29 18:16:31
562
原创 皮肤镜和显微成像数据集，附类型和病例数量
找数据集永远是又费时又费心的事情。以上12个都是我实际碰到过、或者身边同行验证能用的。皮肤病方向优先看ISIC系列和Fitzpatrick 17k，病理和细胞方向可以重点看PatchCamelyon、PanNuke以及骨髓细胞形态学数据集。另外提醒两个坑：一是MitoEM2021是3D数据，别当普通二维图来处理；二是网络抓取的那个皮肤图像质量参差不齐，用之前最好自己洗一遍。如果你手头有其他好用的、但上面没列出来的数据集，也欢迎来补充。声明：本文仅做学术分享，如有侵权请联系删除。
2026-04-28 18:29:51
424
原创 Nature | 从理论高分到临床可用：ClinDiag-GPT在真实诊断中的准确率提升
本文犀利地打破了医疗AI盲目追求“静态做题”的迷局，从现实痛点出发，量身定制了支持动态多轮交互的评估基准与微调模型ClinDiag-GPT。该研究不仅证明了针对性微调能有效纠正AI临床看病时的认知偏差，更用实打实的数据揭示了“医生与AI强强联手”才是未来智慧医疗的最优解。
2026-04-27 18:11:56
404
原创 医学狗熬夜写综述快吐了？我撸了个直连 PubMed 的防幻觉 AI 神器（附保姆级教程）
每次领导一拍脑袋让你“搞篇综述看看”，基本就意味着你接下来的一个星期要在 PubMed、EndNote 和 Word 之间疯狂切屏。自己查文献、看天书一样的摘要、缝缝补补调格式……简直是消耗发际线的无底洞。你想偷个懒用通用的 AI 助手代写？好家伙，交稿时你会发现，它给你引用的文献全是他娘的“幻觉”（纯瞎编的），被领导查出来直接面临社死。被这破活儿折磨疯了的我，干脆自己动手搓了个桌面端小软件。今天直接把这套“套壳 PubMed 的 AI 综述流水线”分享给各位苦逼医学生和临床大夫。
2026-04-24 17:12:38
405
原创 大模型在医学图像上总翻车？这两篇ICLR 2026给出了不同解法！
ICLR 2026 收录的这两篇论文均致力于解决医学图像AI在实际部署中的可靠性问题。研究背景中，医学影像常面临以及单体大模型缺乏可解释性的严峻挑战。为了应对这些挑战，第一篇论文聚焦于交互式图像分割，通过在线自适应方法利用医生的实时点击输入来动态更新模型权重，从而克服未见数据的分布偏移；第二篇论文则针对多模态医学视觉推理，提出了一种基于证据的智能体协作框架，将原本大模型的黑盒推理拆解为实体提议、像素级分割定位和基于证据的问答三个透明阶段。
2026-04-23 17:31:44
451
原创 我跑了三年TCR embedding，结果这篇Nature告诉我：只用一个特征就够了！
这篇论文，本质上做了：用一个条件化VAE框架（TRIM），绕过TCR序列→RNA表达的不可映射性，转而建模“克隆扩增”这一共享信号，实现从治疗前外周血单细胞数据，生成治疗后肿瘤内的T细胞转录组和克隆分布。传统思路：TCR序列 → RNA表达。TRIM的思路：TCR克隆身份 → 克隆扩增趋势 → 转录状态。
2026-04-22 18:11:21
395
原创 公开数据集整理：心脏CMR分割、心肌瘢痕、肋骨骨折、骨关节炎等
以上就是本次整理的24个心脏与骨骼医学影像数据集。可以明显看到，心脏MRI数据（特别是针对心肌和瘢痕的）是近年的热点，而骨骼X光数据则以大样本、多分类任务见长。希望这份“硬核”资料能帮你省下找数据的时间，更专注于模型本身。如果觉得有用，欢迎分享给更多需要的朋友。后续我还会继续整理其他数据集，感兴趣的可以关注一下~声明：本文仅做学术分享，如有侵权请联系删除。数据集版权归原始发布机构所有，使用请遵守相应许可协议。
2026-04-21 17:05:09
355
原创 Nature 子刊 | 几十张罕见样本训出SOTA：这套生成式数据扩张范式你必须抄
下游识别模型不再直接从真实世界“喝水”，而是从生成大模型这座“水质极度纯净的水库”中直接接管知识。
2026-04-20 16:46:41
387
原创 60+医学影像数据集全览！CT、MRI、PET-CT、超声、病理全涵盖！
在医学影像人工智能研究中，高质量、大规模的开源数据集是算法突破的核心基石。然而，面对CT、MRI、PET-CT、超声、病理等多元模态，以及全身、头颈、脑部等不同解剖区域，研究者往往难以快速定位所需数据。本文基于近期公开数据资源，系统整理了，涵盖3D器官分割、肿瘤检测、病变分割、多分类任务等方向。每个数据集均标注了模态、任务类型、病例规模及官方链接，便于读者按需检索。
2026-04-17 18:20:13
568
原创 别再暴力堆算力了，ICLR 2026这篇Photon用指令感知剪枝，训练加速5倍
在“医学图像+多模态大模型”领域，3D数据带来的高昂计算成本与垂直医学细分领域的知识匮乏，是当前阻碍模型落地的两大核心挑战。本文综合解析了两篇前沿突破性研究：第一篇针对3D医学影像算力瓶颈，提出原生3D多模态模型Photon，通过动态令牌过滤机制大幅削减训练与推理成本，同时完好保留病理空间细节；第二篇聚焦眼科专科，推出全开源的基础框架VOLMO，通过“领域知识注入到多步临床推理”的三阶段训练，彻底扭转了通用大模型在眼科诊断中表现低迷的困局。两项工作分别从与。
2026-04-13 16:59:06
297
原创 两篇CVPR 2025的方法对比：从损失函数到LoRA微调！
医学图像匿名化面临隐私保护与临床特征保留的根本性矛盾，尤其在皮肤病领域，面部病灶常与身份信息共存。现有扩散模型虽能生成图像，却存在三大瓶颈：疾病特征丢失、不同病症边界模糊、以及因训练数据偏差（如亚洲人种、肤色）导致的。针对上述挑战，两篇论文均基于提出了创新解决方案。第一篇通过设计与损失函数，实现了高保真度的临床特征保留；第二篇则引入与，在去偏的同时维持诊断效用。两项工作共同推动了医疗数据共享的伦理化进程。以及，感兴趣的可以dd~
2026-04-10 15:43:20
393
原创 两篇刚开源的顶会工作：一个对齐图像块，一个对齐解剖区，医学分类方向真能抄作业！
在领域，利用大模型自动解析三维CT扫描是一项关键的临床应用研究。目前的挑战在于：真实CT病灶具有极强的，同时长篇的医学报告由于句子分散，往往难以与医学图像中的局部解剖区域建立精确的细粒度特征对应。传统的全局**对比学习 (CL)**很难应对这种错位问题。本次解析的两篇最新论文从细粒度特征学习的角度出发，给出了创新方案：第一篇通过提取图像块的特征与句子进行相似度匹配并对齐；第二篇则通过将CT和报告解构为明确的解剖学子区域，直接执行器官级的精准识别。
2026-04-09 17:32:49
515
原创 医学图像分割还卷不动？试试把Stable Diffusion搬进来，CVPR 2026已收！
在医学图像分割领域，数据稀缺、标注成本高昂以及严重的领域偏移是制约模型临床部署的核心挑战。同时，现有基础模型在面对复杂解剖结构时，往往高度依赖人工空间提示，泛化能力受限。本文解析的两篇前沿论文均以通用基础模型为切入点：第一篇提出SD-FSMIS，通过巧妙适配）模型，利用其丰富的视觉先验攻克小样本分割与跨域难题；第二篇Medical SAM3则对最新大模型进行全面微调，打造出首个纯文本驱动的通用医学分割模型，彻底摆脱了对边界框等空间指令的依赖。这两项工作为构建数据高效且高鲁棒性的医学人工智能提供了崭新范式。
2026-04-08 18:03:20
577
原创 CVPR‘25 医图｜WIS分析新突破！东南大学PAMoE让WSI模型自动聚焦关键组织，让AI像医生一样分工诊断
全幻灯片图像（Whole Slide Images）、混合专家（Mixture of Experts）、病理感知（Pathology-Aware）、多实例学习（Multiple Instance Learning）、生存预测（Survival Prediction）、组织异质性（Tissue Heterogeneity）
2025-12-02 10:30:58
807
原创 MICCAI 2025｜4D MRI重建大突破！中科院TSSC-Net以扩散模型+Mamba模块，让动态器官成像又快又准
本文提出TSSC-Net模型，使用扩散模型生成中间帧，并结合三向Mamba模块增强空间一致性。该方法仅用首尾两帧就能一次生成12帧动态序列，实现6倍时间超分辨，在心脏和膝关节MRI数据上均表现出色。
2025-12-02 10:11:05
1026
原创 ICCV‘25医图论文｜ 肿瘤分割新突破！TAGS用多模态提示，攻克肿瘤边界模糊与假阳性难题
本论文提出TAGS模型，通过多提示融合和语义引导，将2D基础模型适配到3D肿瘤分割任务中。实验表明，该方法在多个数据集上显著超越现有方法，Dice分数提升最高达46.88%，且仅需少量可调参数。
2025-12-02 09:56:52
983
原创 TPAMI 2025 医图｜拓扑原理赋能医学图像分析！GEMINI以拓扑一致性破局，DHL+GSS重塑医学图像密集对比学习范式
医学图像分析（Medical Image Analysis）、密集对比表示学习（Dense Contrastive Representation Learning）、假阳性和假阴性问题（False Positive and Negative Problem）、同胚先验（Homeomorphism Prior）、对应问题（Correspondence Problem）、几何语义相似性（Geometric Semantic Similarity）
2025-11-21 15:32:24
864
原创 TMI 2025 | 医学影像分割新突破！哈工大BoCLIS：边界引导对比学习，半监督分割精度大涨20%
半监督学习 (Semi-Supervised Learning)、医学图像分割 (Medical Image Segmentation)、对比学习、平均教师网络、边界分割、不确定性加权
2025-11-21 11:05:38
1478
原创 CVPR‘25医图论文｜脑部MRI分割新范式：BrainMVP实现多模态医学图像预训练，脑部MRI分析性能飙升！
多模态预训练（Multi-modal Pre-training）、自监督学习（Self-supervised Learning）、脑部MRI（Brain MRI）、跨模态重建（Cross-modal Reconstruction）、模态蒸馏（Modality Distillation）、对比学习（Contrastive Learning）
2025-11-19 17:17:12
1403
原创 CVPR‘25 医图论文｜医学图像分割新突破：MCADS以多尺度融合+残差注意力，精准分割生物标志物
本文提出了一种名为MCADS的新型解码器结构，它通过深度到空间上采样和注意力机制来更好地融合多尺度特征，提升分割精度。实验表明，该方法在多个公开数据集上显著优于现有最优模型，平均提升约3%的IoU指标。
2025-11-17 10:59:20
1696
原创 MIA 2025｜医学图像重建新突破！MambaMIR实现高保真医学图像重建，提供临床可信的不确定性图谱
医学图像重建（Medical Image Reconstruction）、Mamba、不确定性估计（Uncertainty Estimation）、小波变换（Wavelet Transform）、蒙特卡洛方法（Monte Carlo）、全局敏感性（Global Sensitivity）
2025-11-17 10:54:10
1181
原创 CVPR‘25医图｜太顶了！BiomedCoOp让 VLM懂医学：LLM 生成提示+双损失优化，零标注也能精准定位病灶
提示学习（Prompt Learning）、生物医学图像分类（Biomedical Image Classification）、视觉语言模型（Vision-Language Model）、少样本学习（Few-shot Learning）、泛化能力（Generalization）、知识蒸馏（Knowledge Distillation）
2025-10-31 18:35:43
1185
原创 刷爆CVPR？SAM+医学图像分割仍是顶会 “香饽饽”？看高分论文抓紧抄作业！
架构医学化成为主流。Text3DSAM实现纯文本引导的3D分割，让医生通过自然语言精准定位解剖结构；BiomedParse-V创新分形体素编码，在保持3D空间上下文的同时兼容2D基础模型。交互智能化聚焦临床工作流。iMedSTAM支持3D医学视频实时分割跟踪，通过双向推理保持空间一致性；动态提示生成技术模拟用户修正行为，提升模型迭代学习效率。部署轻量化成为落地关键。MobileSeg3D等采用轻量架构，在保持精度的同时提升推理速度；核心集训练策略通过先进后处理和数据增强，在10%训练数据下实现最优性能。
2025-10-30 18:07:13
797
原创 CVPR‘25医图｜全切片图像分类新范式！MExD 首提 “专家注入扩散” 架构，WSI 分类精度碾压 12 种 SOTA
全切片图像（Whole-Slide Image, WSI）是数字病理学中用于癌症诊断的高分辨率图像，但其尺寸巨大，通常包含数亿像素，难以直接处理。目前主流方法采用“分解-聚合”策略，将图像切分为小块（patch），再通过多示例学习（Multiple Instance Learning, MIL）进行分类。本文提出MExD（Expert-Infused Diffusion Model），首次将扩散模型与专家混合机制（MoE）结合用于WSI分类。
2025-10-30 18:01:41
1037
原创 赞啊！【3D医学影像分析】CVPR/ICML/TMI 2025顶会新成果！
医学图像分割、3D医学影像、基础模型、交互式分割、自监督学习、半监督学习、轻量化模型、多模态学习、持续学习、提示学习
2025-10-29 17:19:15
990
原创 MICCAI 2025｜脑病变分割重大突破！牛津团队U-Net 创新：模态无关通道+影像合成，训练外序列也能精准分割
脑部病灶分割（Brain Lesion Segmentation）、多模态MRI（Multimodal MRI）、模态无关学习（Modality-Agnostic Learning）、数据增强（Data Augmentation）、U-Net架构（U-Net Architecture）、领域泛化（Domain Generalization）
2025-10-29 17:05:53
1204
原创 医图论文 ICCV‘25 | 太顶了！M-Net：时序处理+TPS双 buff，MRI 脑肿瘤登顶 SOTA！
关键词：脑部病灶分割（Brain Lesion Segmentation）、多模态MRI（Multimodal MRI）、模态无关学习（Modality-Agnostic Learning）、数据增强（Data Augmentation）、U-Net架构（U-Net Architecture）、领域泛化（Domain Generalization）
2025-10-29 16:53:36
833
原创 医图论文CVPR 2025｜医学图像分割新突破！AmbiSSL以随机剪枝多解码器+潜在分布学习，攻克少标注下的模糊分割难题
关键词：医学图像分割（Medical Image Segmentation）、半监督学习（Semi-Supervised Learning）、标注模糊性（Annotation Ambiguity）、多样化分割（Diversified Segmentation）、伪标签生成（Pseudo-Label Generation）、随机剪枝（Random Pruning）、潜在分布学习（Latent Distribution Learning）
2025-10-27 18:36:38
1193
原创 强烈推荐！CVPR/ICML/TMI顶会医学图像分割新趋势！基础模型+轻量化成顶会新宠
医学图像分割、交互式分割、3D医学图像、半监督学习、自监督学习、轻量化模型、多模态学习、持续学习、零样本学习、提示学习
2025-10-27 18:33:22
926
原创 别再卷传统分割了！ICCV‘25 新宠 TextSAM-EUS：零手动标注，文本驱动 SAM 搞定超声胰腺肿瘤分割
TextSAM-EUS，一种基于文本提示学习的轻量化SAM适配方法，首次将文本提示学习与低秩适应（LoRA）结合，实现了在无需人工几何提示的情况下对胰腺肿瘤的自动分割，仅需训练总参数的0.86%（1.69M参数），在公开EUS数据集上取得了优于现有全监督模型与SAM变体的性能。
2025-10-21 18:42:10
878
原创 医学生成效率革命！TRACE 让 3D CT 生成效率飙升，训练成本降 87.5% ，稳拿 SOTA！
本文提出TRACE框架，首次将3D CT生成建模为多模态条件引导的2D视频生成问题，结合分割先验、光学流与文本语义引导，实现了可变长度、高保真、低计算成本的3D CT生成。该方法在解剖保真度（Dice系数提升1163%）、时空一致性与计算效率（训练与推理成本分别降低87.5%和92.5%）方面显著优于现有方法，具有重要的理论创新与临床应用价值。
2025-10-16 18:28:55
750
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人