多模态医学影像的自动脊柱异常检测:深度学习范式
该研究提出了一种基于深度学习的综合框架,用于多模态医学影像中的腰椎异常自动诊断,包括MRI和X光图像。该系统通过先进的预处理、改进的U-Net分割架构和混合特征提取,实现了95.2%的准确率、93.8%的精确率、94.5%的召回率和94.1%的F1分数,显著优于标准CNN基线和非分割方法。该方法在MRI和X光模态上表现优异,证明了结合显式脊柱分割和混合深度学习分类在多模态异常检测中的有效性。
该研究提出了一种基于深度学习的综合框架,用于多模态医学影像中的腰椎异常自动诊断,包括MRI和X光图像。该系统通过先进的预处理、改进的U-Net分割架构和混合特征提取,实现了95.2%的准确率、93.8%的精确率、94.5%的召回率和94.1%的F1分数,显著优于标准CNN基线和非分割方法。该方法在MRI和X光模态上表现优异,证明了结合显式脊柱分割和混合深度学习分类在多模态异常检测中的有效性。
ResNet18模型以最高AUROC(0.829±0.022)、准确率(0.800±0.027)、敏感度(0.817±0.029)成功预测下颌第三磨牙与下牙槽管邻近关系(CBCT定义根-管距离≤1 mm)。
NEJM AI近期发布预印本,对依赖医学影像的人工智能工具预测肺癌预后时的统计方法实践进行系统性回顾。本研究聚焦该类工具在统计建模与验证环节的现有做法,为后续方法学规范化提供参考依据。
哈佛医学院Blavatnik研究所的研究人员开发了一种名为NoR-AI的新成像管道,结合了定制显微镜方法和AI图像分析,能够捕捉高质量的定量图像,包括脂质、蛋白质和水分含量。该技术可快速、详细地评估组织,有助于识别急性肾损伤等疾病的新特征。
推荐理由:介绍了新的AI辅助成像技术NoR-AI,能够更详细地分析组织中的脂质和蛋白质,有助于疾病诊断。
在德国亚琛大学医院一项纳入803例患者的回顾性单中心研究中,USCL+TF与V-JEPA2两种深度学习方法均可对完整矢状面经会阴超声(TPUS)视频进行分类,无需手动选帧或定义感兴趣区。
推荐理由:提供两款深度学习方法在无手动选框下完成压力性尿失禁TPUS视频分类的性能对比及可行性结论。
该研究提出一种抗伪影轻量级U形网络ARL-UNet,通过多线索主干估计毛发、反光、气泡和皮纹等采集伪影区域,并在有限参数预算下保留病灶特征;基于ISIC 2017/2018构建含四种临床相关伪影及两个严重程度的可复现 corrupt benchmark 进行评估,课程训练策略在保持清洁域精度的同时提升了污损域的鲁棒性,并在PH2数据集上实现零微调迁移。
研究团队提出XFedChain-IoMT框架,将联邦学习、许可链与可解释AI(SHAP、Grad-CAM++、LIME)结合,用于IoMT环境中的医疗图像分析。
吉林大学第一医院张惠茅教授团队开发了3D MorphStratify模型,通过术前MRI自动判读肝癌大体分型,准确率优于放射科医生。结合常规影像预测因子构建的Morph-CIP模型可有效预测术后复发风险,为HCC预后评估提供新工具。
推荐理由:AI模型实现肝癌大体分型术前识别,有助于预测术后复发风险,为无创预后评估提供新方向。
该研究引入了Universal Report Generation (UNIRG)框架,通过强化学习优化医学影像报告的临床意义质量标准。UNIRG-CXR模型在四个公开数据集上超越了先前模型,特别是在两个测试集上的表现提升了50%以上,同时减少了临床显著错误,保持了对未见过数据源和不同亚组的性能。
该研究提出了一种联邦IoMT辅助集成深度学习框架,用于自动化肺部CT分析。该框架结合了IoMT医疗部署架构、联邦学习机制和异构集成迁移学习模型,实现了安全、可扩展且隐私保护的肺部疾病诊断。实验结果显示,该模型在多个性能指标上优于现有方法,分类准确率达到98.96%,支持隐私保护的分布式肺部疾病诊断,促进智能远程医疗服务。
英伟达在CoRL大会上发布了新一代机器人基础模型GR00T 2,展示了跨本体迁移和少量示范提高执行精度的能力,模型将陆续开源,包括10万小时的人类数据。
在这项探索性分析中,25 名中重度阻塞性睡眠呼吸暂停患者接受了多级睡眠手术,术前和术后使用深度学习管道进行 CT 扫描分割。手术后,8 个形态参数显著变化,但无术前参数能预测手术反应。该研究提示,自动 CT 分析能可靠量化上呼吸道重塑,但需进一步独立验证。
乳腺动脉钙化是乳腺X光检查中发现的钙沉积,与心血管疾病风险增加相关。美国马里兰州已要求通知患者此类发现,其他州可能跟进。AI工具可帮助医生准确评估心血管风险。
推荐理由:研究显示乳腺动脉钙化是心血管风险的标志,文章建议医生利用这一信息评估患者的心血管健康。
该研究介绍了协作式通用-专科AI系统在非对比脑CT工作列表优先级调整中的应用,通过与Coreline Soft Co., Ltd.和JLK Inc.的AI算法合作,提高了影像诊断的效率和安全性。
本文综述了生成对抗网络、扩散概率模型和Transformer等方法在基于平扫CT生成增强CT图像中的应用,强调了技术面临的挑战和未来发展方向。
文章系统分析了AI在肺癌筛查、诊断、分期、治疗决策等领域的应用进展,强调了多模态融合与智能体技术的重要性,同时指出了数据质量、隐私保护和伦理问题等挑战。
推荐理由:文章系统梳理了AI在肺癌临床决策支持中的应用进展与挑战,为相关研究提供参考。
一项研究评估了六种卷积神经网络架构在严格零泄漏协议下的齿状突骨折检测性能,使用患者级分割和Grad-CAM可解释性AI验证诊断可靠性。DenseNet121、GoogLeNet和ResNet18在未接触测试集中表现出相似的高AUC值(0.830、0.829、0.829),而SqueezeNet 1.1和VGG19则完全失效。研究强调了严格患者级隔离和可解释性AI评估对临床转化的重要性。
研究人员开发了一种基于生成式AI的模型,填补了MRI扫描中脑连接图中的空白,特别是在脑干和眶额叶区域。该模型通过填补缺失的信号,提高了关键运动路径的重建准确性,有助于更准确地研究大脑连接的变化。
该研究提出了一种结合遗传算法优化ResNet-50的框架,用于牙科龋齿检测。通过自动搜索最佳卷积配置,该框架提高了模型的准确性和可靠性,同时减少了对手动调参的依赖。
RETBind 是一种患者级多模态基础模型,通过统一编码器学习视网膜光学相干断层扫描(OCT)和超广视野(UWF)影像的跨模态对应关系,显著提升了眼科疾病分类和分割任务的性能,特别是在临床相关不平衡设置中增强了AUPR值。
DSIN 是一种用于医学图像压缩的新框架,通过图像特定的隐式神经表示和基于动态系统的压缩模块,在保持重建质量的同时实现了高达 183 倍的压缩比。该方法在多种医学影像数据集(包括 CT、MRI、PET、CTA 和病理图像)上的测试中表现出色,优于现有方法。
该研究比较了颈椎为中心的 ROI 输入策略在骨龄估计中的表现,发现保留周围解剖上下文的输入策略比仅颈椎掩码更稳健。
该研究开发并验证了一种隐私保护的深度学习管道,用于自动检测侧位头影测量中的Sella、Nasion、A点和B点,并估计ANB角。经过严格的质量控制和验证,该模型在锁定测试集上的ANB平均绝对误差为0.57°,准确率为92.68%。作为探索性扩展,该架构在小规模测试集上的Cobb角平均绝对误差为0.78°,表明其在辅助脊柱评估中的潜力,需进一步验证。
美国科罗拉多大学Anschutz医学院团队在Nature Communications报告一种视觉语言AI智能体,可解读右上腹(RUQ)超声、筛查16种常见诊断并自动生成报告。
推荐理由:在约1.1万例腹部超声数据上测试的多任务视觉语言模型,其自动报告经放射科医生编辑后与人工报告难以区分。
熵基科技在2026年全球合作伙伴大会上启幕ZKBrainScape脑景中心,展示非侵入式脑机接口全栈技术与应用平台,并发布四款脑机接口新品,涵盖可穿戴脑电交互、教育实验和运动辅助等领域。大会还探讨了脑机接口技术在健康管理、工业安全和智慧教育等方向的应用潜力。
该研究开发了一种混合深度特征融合框架,结合了多种卷积神经网络模型的特征,通过最大熵评分选择算法优化特征,显著提高了糖尿病足溃疡图像的诊断准确性。AlexNet-MobileNetV2-VGG16-ANN模型在测试集上达到了99%的AUC值,99.7%的敏感性,99.5%的准确性和99.75%的特异性。
研究团队提出多模态医学视觉语言模型 EVLF-FM,基于约 130 万张、覆盖 10 种影像模态的临床图像训练,可完成疾病诊断、医学视觉定位与视觉问答并给出文字解释。
推荐理由:论文给出该模型在诊断、视觉定位与问答三类任务上的对比结果,并说明其解释性训练与评测方法。
菲森影像在DenTech China 2026发布魔方·云CT(RUBIK),该高端国产CT新增标准化咬合记录并支持AI咬合重建诊疗闭环。设备将CT拍片、面部扫描与下颌运动轨迹记录集成于同一平台,数据同源、自动配准。其可用于修复、种植、正畸、TMD辅助诊断及医患沟通等场景。
在一家急诊科为期三个月的前瞻性部署中,13 名放射技师借助 AI 判读 2496 例肌骨影像,准确率由 97.6% 升至 98.0%(p=0.0064)。AI 独立判读敏感度为 75.6%,对细微骨折降至 46.2%,低于技师基线的 91.6%。技师仅在 729 例判读分歧中的 11 例改变决定,8.8% 的检查未返回完整 AI 输出,研究未测量下游临床结局。
青岛市市立医院王子轩团队牵头、历时6年多研发的血管介入AI系统AIMI Guide™样机已部署在该院复合手术室,即将进入大规模手术回溯与验证阶段。该系统采用国产化血流求解器,把肝脏血管血流仿真从十余小时压缩至数分钟,可在术中实时输出三维血管重建、血流生理指标推演与操作风险预警。
宁波新跃医疗在第94届CMEF首次推出国产原创的涡流助推碎石清石输尿管软镜系统"新跃镜"(VISOR),用于泌尿系结石微创治疗。该产品历经5年自主研发,已申请68件国内外专利,据公司介绍已在全国近150家医院完成试用,临床研究结石清除率超90%。新跃镜系列正在规划CE MDR和FDA认证申请。
在2026年3月更新的ACC/AHA冠心病预防指南中,冠状动脉钙化(CAC)评分扫描被赋予核心地位,推荐用于冠心病风险处于临界或中等、是否启动他汀等预防治疗仍不确定的成人。作者指出该扫描约需100美元、辐射量仅为常规胸部CT的一小部分,而现行支付体系主要为约5万美元的心梗救治买单。文章还提到AI可机会性识别胸部CT上的冠脉与血管钙化,帮助无力自费检测的患者获得预防评估。
推荐理由:以CAC扫描为例剖析低成本预防工具为何长期难进支付体系,可看到指南更新与报销逻辑之间的落差。
百度健康宣布升级文心健康管家,发布“好医矩阵”和“健康相机”。新发布的健康相机支持拍摄视频等全模态输入,好医矩阵整合了真人医生在线问诊与线下就医功能。目前,百度健康AI服务月活跃用户数超过5000万,在行业测评中综合能力位列第一。
研究提出 LVAERMIL,一种利用潜在空间变分自编码器学习实例分布、检测并剔除全切片图像中分布外 patch 的概率模块,以提升多实例学习(MIL)模型对污染的鲁棒性。在将两种数据集分别混入四种外来组织和两种扫描仪伪影的评估中,LVAERMIL 使 8 个 SOTA MIL 模型保持或提升准确率,污染比例高时更明显。
一项单中心回顾性研究评估了YOLO深度学习模型在曲面断层片上自动分类上颌窦底与后牙根关系的性能。基于462名患者3691个牙位区域,YOLO26在测试集上表现最优,mAP@0.5为0.95,F1得分为0.95。研究指出该结果仅为内部验证,需外部多中心研究确证临床可用性。
Mayo Clinic研究者回顾性评估了AI工具DEXI在261例皮损中的表现,该工具基于超过66000张标注图像训练。在阈值设为3.0时,DEXI正确识别93.4%的癌性皮损和75%的非癌性皮损,平均得分非癌皮损为2.5,非黑色素瘤皮肤癌为7.8,黑色素瘤为6.0。
推荐理由:原文明确列出DEXI在不同皮损类型中的识别数据,读者可据此了解AI辅助诊断的适用边界与临床验证进展。
一篇发表在 Nature Communications 的研究探讨了自主 AI 在减少青少年糖尿病视网膜病变筛查地区差异中的潜力。该研究由 Johns Hopkins 医学院儿科内分泌科团队主导,并得到美国国立卫生研究院(NIH)和 Breakthrough T1D 资助,数字诊断公司提供了自主 AI 解读支持。
Cleveland Clinic AI峰会提出了一套框架,旨在帮助医疗机构在不同系统中规模化应用临床AI技术。该框架总结了峰会上的经验教训,为医疗专业人员提供了实用指导。
2026年10月14日,华盛顿大学David Baker、Kejia Wu及苏黎世联邦理工学院Donald Hilvert共同通讯在Nature发表利用RFdiffusion 2从头设计金属蛋白酶及半胱氨酸蛋白酶的研究,135种金属蛋白酶设计中36%能特异切割指定底物,13种半胱氨酸蛋白酶设计中13种成功且反应速率比背景反应高3×10⁷。
推荐理由:原文明确给出三篇论文的核心设计与效率数据,读者可据此判断AI生成蛋白设计的可行性。
全国医保影像AI识图大赛决赛22日在广西南宁启动,66支团队从1332支报名队伍中入围,围绕肾癌、肺癌、乳腺癌等八大高发疾病赛道比拼。该赛事由中国国家医疗保障局与广西壮族自治区人民政府联合主办,是中国首个国家级“AI+医学影像识别”专业赛事,赛道基于真实世界临床诊断路径设计,重点检验AI影像真实性识别及病灶识别、辅助诊断能力。决赛为期两天,颁奖活动计划于11月5日在南宁举行。