文献

AMA-SAM：用于高保真组织学细胞核分割的对抗性多域对齐万物分割模型/文献速递-多模态医学影像最新进展2026.4.8本文提出了AMA-SAM框架，通过引入条件梯度反转层（CGRL）实现鲁棒的多域对齐，并设计高分辨率解码器（HR-Decoder）以保留精细细节，从而增强了万物分割模型（SAM）在高分辨率组织学细胞核分割中的性能，有效解决了单数据集训练的过拟合问题及SAM固有的低分辨率输出限制。

ACE-ProtoNet: 基于自适应协方差特征门和不确定性感知原型学习的冠状动脉分割/文献速递-多模态医学影像最新进展2026.4.3本文提出ACE-ProtoNet，一个统一的冠状动脉分割框架，通过结合部分冻结的视觉基础模型和可训练的CNN双编码器、基于协方差和特征值分析的自适应特征门（ACE-Gate）以及不确定性感知原型学习头（UPL-Head），有效整合异构特征并利用预测不确定性，实现了对复杂血管结构的高精度、鲁棒性及泛化能力强的分割。

与AI一起记忆：从分布式记忆到AI策划记忆与人机共忆——文献精读本文是对Pii Telakivi发表于《Review of Philosophy and Psychology》期刊的论文《Remembering with AI: From Distributed Memory to AI-Curated and Human-AI Co-Memory》的深度精读与解析。该论文系统性地探讨了人工智能技术如何深刻改变人类的记忆实践，提出了一个从传统分布式记忆到AI策划记忆再到人机共忆的理论谱系。作者创新性地论证了基于大语言模型的对话式AI代理应被视为记忆过程中的"准社会伙伴

基于几何映射的二维自然图像到四维fMRI脑图像的迁移学习/文献速递-大模型与图像分割在医疗影像中应用2026.3.13本研究提出了一种基于几何映射的fMRI迁移学习方法，通过将四维fMRI脑皮层数据转换为二维图像，并结合多尺度多域特征聚合（MMFA）模块，有效解决了fMRI小样本数据深度学习的挑战，并在性别分类、年龄估计、行为测量预测和抑郁症诊断等任务中取得了最先进的性能。

CIA-net：用于多模态MRI卵巢肿瘤分割的跨模态交互与聚合网络/文献速递-大模型与图像分割在医疗影像中应用2026.3.11本文提出CIA-Net，一个基于主次模态交互与聚合的混合卷积与Transformer网络，用于多模态MRI卵巢肿瘤分割，通过选择性融合互补特征并抑制噪声，在大规模卵巢肿瘤数据集及脑部和心脏分割基准上均实现了最先进的性能和良好的泛化能力。

AtlasMorph：学习脑部MRI的条件可变形模板/文献速递-基于深度学习的图像配准与疾病诊断2026.2.25本文提出了AtlasMorph框架，利用卷积配准神经网络学习生成基于年龄、性别等个体属性的条件可变形模板及其解剖标签图，显著提高了配准精度，并能更准确地捕捉脑部MRI的群体趋势。

解剖学引导的全身PET-CT乳腺癌分割与跨模态自对齐/文献速递-基于深度学习的图像配准与疾病诊断2026.2.13该研究提出一种结合解剖学引导提示和跨模态自对齐预训练的全身PET-CT乳腺癌分割框架，通过生成器官伪标签和特征对齐，显著提升了原发性和转移性病灶的分割精度，优于现有多种SOTA方法，尤其在小而分散的转移性病变分割上表现出色。

用于CBCT到CT合成的纹理保留扩散模型/文献速递-基于人工智能的医学影像技术2026.2.12本文提出了一种新颖的纹理保留扩散模型，用于锥形束CT到CT图像合成。该模型通过自适应高频优化、双模态特征融合模块和边缘感知边界约束，显著提高了合成图像的细节、泛化性和鲁棒性，有望提升临床诊断和治疗规划的准确性。

Transformer能否改变胃肠道内窥镜图像分析？CNN与Transformer在性能、鲁棒性和泛化能力方面的比较分析/文献速递2026.2.9本文全面比较了CNN和Transformer在胃肠道内窥镜图像分析中的性能、泛化和鲁棒性，涵盖多种任务和训练规模。研究发现，Transformer在多数场景下与CNN表现相当，尤其在处理细微病变、息肉分割和血管发育不良检测中表现良好，证实了其作为内窥镜临床实践替代方案的可行性。

双胎输血综合征胎儿镜激光手术中胎盘血管的实时分割/文献速递-基于人工智能的医学影像技术2026.2.10本研究提出了TTTSNet，一种为双胎输血综合征胎儿镜激光手术设计的实时、高精度的胎盘血管分割网络，通过引入新颖的通道注意力模块和多尺度特征融合机制，并结合创新的数据增强技术，显著提升了分割性能和泛化能力，为临床实践中的辅助决策提供了有力工具。

SafeRPlan: 用于椎弓根螺钉置入术中规划的安全深度强化学习/文献速递-基于人工智能的医学影像技术2026.2.3本研究提出SafeRPlan，一种结合不确定性感知距离安全过滤器、领域随机化和教师-学生学习的深度强化学习方法，用于实现椎弓根螺钉置入术的术中连续路径规划，显著提升了手术安全性和在部分、噪声数据下的泛化能力，优于传统配准方法。

肌肉骨骼感知（MUSA）深度学习用于解剖引导的头颈部CT可变形图像配准/文献速递-基于人工智能的医学影像技术2026.2.2本文提出一种肌肉骨骼感知（MUSA）深度学习框架，通过将头颈部CT图像配准分解为姿态校正和残余精细形变，并利用骨骼结构和软组织间不均匀形变约束，有效提升了复杂头颈部区域图像配准的准确性和解剖学合理性，兼容多种网络架构，适用于主体内和主体间配准任务。

多视图深度学习乳腺X线摄影分类技术：图和Transformer架构的探究/文献速递-基于人工智能的医学影像技术2026.1.29本文比较并评估了多视图乳腺X线摄影癌症分类任务中基于卷积神经网络、图神经网络和Transformer的三种不同架构的性能和可解释性，发现Transformer表现最佳，但不同架构具有互补性，集成模型能进一步提升准确性和鲁棒性，强调了在数据量有限情况下结合多种归纳偏置的价值。

LoViT：用于手术阶段识别的长视频Transformer/文献速递-基于人工智能的医学影像技术2026.1.27本文提出LoViT，一个用于在线手术阶段识别的两阶段Transformer模型，通过开发时序丰富的空间特征提取器、多尺度时序聚合器和阶段转换感知监督机制，有效解决了长视频手术识别中的视觉歧义和长时序依赖问题，在多个数据集上显著超越现有SOTA方法。

基于合成错误增强的医学图像分割标签精修网络/文献速递-基于人工智能的医学影像技术2026.1.23本文提出一种新颖的标签精修网络，通过生成逼真的合成结构错误并结合标签外观模拟网络，隐式编码标签结构信息，显著改善了气道和脑血管等树状结构医学图像的分割精度和完整性，尤其在纠正不连续性和缺失末端分支方面表现出色。

IGUANe：一种用于脑部MRI多中心协调的3D通用CycleGAN模型/文献速递-基于人工智能的医学影像技术2026.1.21本研究提出IGUANe，一个基于CycleGAN扩展的3D模型，通过多对一架构实现MRI图像在多中心数据间的泛化协调，有效处理未见扫描仪数据，并在保持生物信息的同时，显著提升了脑龄预测、AD分类及灰质萎缩模式的识别准确性。

立结合解剖学知识的潜在空间建模下的群体水平脑结构连接性/文献速递-基于人工智能的医学影像技术2026.1.19本文提出了一种新颖的属性信息脑连接性（ABC）模型，通过生成式潜在空间网络模型并整合脑区解剖学属性，估算群体水平脑结构连接性，量化不确定性，并成功应用于阿尔茨海默病（AD）研究以识别性别特异性神经生物标志物，显著提升了预测准确性和生物学解释性。

DACG：用于放射学报告生成的双重注意力和上下文引导模型/文献速递-基于人工智能的医学影像技术2026.1.12本文提出DACG模型，通过双重注意力模块增强医学图像特征提取，并利用上下文引导模块监督长文本生成，有效缓解视觉与文本数据偏差及长文本生成难题，在IU X-ray和MIMIC-CXR数据集上取得了最先进的放射学报告自动生成性能。

腹腔镜肝切除术中增强现实预术中图像融合方法的客观比较：来自MICCAI2022挑战赛/文献速递-基于人工智能的医学影像技术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。

结构对称性对氧化铋能带的影响（论文）摘要结构对称性对氧化铋（Bi2O3）是一种宽禁带的直接带隙氧化物半导体材料，它具有低介电常数、大光电耦合系数、高化学稳定性、高的激子结合能以及优良的光学、电学及压电特性等，因此在许多方面有着潜在的使用价值，可广泛的应用于太阳能电池、压电薄膜、光电器件、气敏器件和紫外探测器等方面。对于Bi2O3材料的研究，我们已经取得了很大的成就，但是这些研究主要是集中于其材料的实验制备、功能和电子结构等理论工作。近年来，过渡金属掺杂Bi2O3等稀磁半导体材料成为了人们的研究方向，激起了人们的研究欲望。通过对氧化铋进行