alfred_torres-CSDN博客

原创 [CVPR 2024] Unleashing the Potential of SAM for Medical Adaptation via Hierarchical Decoding

为了解决 Segment Anything Model (SAM) 在医疗图像上水土不服且依赖高质量人工提示（Prompt）的痛点，本文提出了一种专为医疗图像微调设计的免提示（Prompt-free）变体H-SAM。该模型通过引入两阶段分层解码器（Two-stage Hierarchical Decoding），第一阶段先生成一个先验概率掩码，以此引导第二阶段进行更精细的解码。

2026-04-05 14:25:46 332

原创 [AAAI 2026] OFL-SAM2:通过在线少样本学习为SAM2提供提示

针对 SAM2 在医学图像分割（MIS）中严重依赖人工 Prompt 且容易受到相邻组织干扰的痛点，本文提出了一种全新的免提示（Prompt-free）框架OFL-SAM2。该方法通过引入一个在线少样本学习器（Online Few-shot Learner），利用极少量标注数据训练一个轻量级映射网络，为视频或 3D 序列的每一帧自动生成具有判别性的目标特征。

2026-04-04 22:35:23 405

原创 [MIA 2025] Few-shot medical image segmentation with high-fidelity prototypes

本文针对少样本语义分割（FSS）中传统池化操作容易丢失局部细节的痛点，提出了一种全新的“细节自修正原型网络”（DSPNet）。该模型摒弃了不断堆叠新原型的老套路，转而对前景和背景原型进行高保真重构。在三个极具挑战性的医学影像数据集上，DSPNet 均大幅超越现有 SOTA 方法，解决了复杂背景下医学器官边界模糊的问题。优点总结：这篇文章最大的亮点在于视角的转换。它没有随大流去简单堆叠新特征，而是直击池化操作丢失细节的本质，从“自修正”和“通道维度的结构约束”入手，提供了一种全新的少样本表征范式。潜在局限。

2026-03-30 00:11:20 384

原创 [CVPR 2026]SegMoTE：基于Token级混合专家的医学图像分割

将 SAM 等视觉基础模型迁移到医学图像领域时，通常面临模态差异大和微调成本高/易遗忘的难题。本文提出了SegMoTE框架，在冻结 SAM 图像编码器的前提下，引入了Token级别的混合专家机制（MoTE）。它能根据不同的医学影像模态（CT、MRI、X-ray等）动态路由并激活专属的“专家 Token”。此外，作者还设计了渐进式提示Token化（PPT），实现了无需人工交互的全自动分割。搭配作者精心清洗的仅包含 15万高质量数据的小型数据集MedSeg-HQ，SegMoTE 仅需训练17M。

2026-03-16 13:52:09 395

原创 [CVPR 2026] Tell2Adapt:基于视觉基础模型的医学图像无源无监督域自适应

在医学图像分割中，由于隐私限制，无源无监督域自适应（SFUDA）成为了临床部署的关键。然而，现有方法大多只能处理特定且差异较小的领域偏移，无法泛化为一个统一的框架。本文提出了Tell2Adapt，一个巧妙借助视觉基础模型（VFM）强大泛化能力的统一 SFUDA 框架。该方法通过上下文感知提示正则化（CAPR）将嘈杂的文本提示标准化，引导 VFM 生成高质量伪标签并蒸馏给轻量级学生模型；同时引入视觉合理性细化（VPR），利用解剖学先验剔除假阳性预测。

2026-03-16 13:46:44 312

原创 [CVPR 2026]SPEGC: 基于语义提示与图聚类的医学图像连续测试期自适应

在真实的临床环境中，医学图像数据往往以连续数据流的形式出现，且数据分布不断变化。现有的连续测试期自适应（CTTA）方法大多依赖于模型自身的预测置信度（如熵最小化）或伪标签，这在面对严重的领域偏移时极易引发“错误累积”和“灾难性遗忘”。为了打破这一困境，本文提出了一种全新的框架SPEGC。该方法放弃了不可靠的像素级监督，转而利用语义提示增强（SPFE）和可微图聚类（DGCS），从数据内部提取高阶的结构信息来指导模型的自我调节。

2026-03-16 13:42:54 444

原创 [SR 2020]通过闭环自适应呼吸起搏实现通气的自主控制

当自主呼吸不足时，机械通气是标准的治疗方法，但其缺点包括肌肉萎缩、肺泡损伤和活动能力下降。呼吸起搏是一种替代方法，它利用电刺激引起膈肌收缩来进行肺部通气。通过使通气量与代谢需求相匹配，可以维持氧合和酸碱稳态；然而，目前的起搏技术需要手动调节，且不能响应动态的、用户特定的代谢需求，因此当生理发生变化时需要重新调整刺激参数。在本文中，我们描述了使用闭环自适应控制器的呼吸起搏，该控制器可以实时自我调节以满足代谢需求。

2026-03-07 20:58:48 293

原创 [TIE 2023]离体心脏灌注中主动脉压调节的基于半参数模型的自适应控制

本文提出了一种用于离体心脏灌注（ESHP）系统中主动脉压（AoP）调节的基于半参数模型的自适应控制方法。灌注系统的半参数动态模型包括一个具有一个电容和两个电阻的三元件模型（用于描述AoP和灌注流量之间的参考关系），以及一个数据驱动模型（用于描述灌注系统的非线性和不确定性）。该半参数模型在小样本下能够实时获得高精度的ESHP模型参数。我们将半参数模型集成到自适应控制器中，该控制器根据个性化的ESHP模型调整控制参数，以调节AoP从而维持心脏的生理有氧代谢。

2026-03-07 20:29:52 361

原创 [Information Sciences 2022]一种用于优化呼吸机设置的基于模型的混合actor-critic深度强化学习算法

呼吸机是一种机械辅助将空气泵入肺部的设备，是重症监护室（ICU）中挽救生命的辅助治疗手段。在临床场景中，每位患者都有独特的生理状况和特定的呼吸系统疾病，因此需要个性化的呼吸机设置。经验丰富的临床医生的长期监督对于执行精确调整呼吸机参数和及时修改的任务至关重要。此外，微小的临床错误可能会导致严重的肺损伤、诱发多系统器官功能障碍并增加死亡率。为了减轻临床医生的工作量并防止医疗错误，机器学习（ML），或者更具体地说是强化学习（RL）方法，已被开发用于自动调整呼吸机参数并选择最佳策略。

2026-03-07 16:36:19 377

原创 [Physiological Measurement 2013] 心衰患者左心室辅助装置自动化控制系统综述

针对晚期心力衰竭患者，植入式旋转血泵（IRBPs，即左心室辅助装置 LVAD，俗称“人工心脏”）是延续生命的关键。然而，传统的血泵通常以“傻瓜式”的恒定速度运行，无法适应患者吃饭、运动或睡觉时身体对血液需求的变化。这篇文章全面综述了如何给这个机械水泵装上“智能大脑”——设计自动化闭环控制系统。科学家们利用电机自身的电流和转速数据（无需在血液里插探头），结合传统的PID控制、模糊逻辑，甚至高级的模型预测控制（MPC）和极值搜索控制（ESC）

2026-03-07 11:47:25 421

原创 CVPR 2024 | Visual Prompting for Generalized Few-shot Segmentation: A Multi-scale Approach

本文提出了一种针对广义少样本分割 (GFSS)的新方法。不同于传统的元学习（Meta-learning）路线，作者利用视觉提示（Visual Prompting）技术来微调 Transformer 解码器。设计了一套多尺度 Transformer 解码器架构，通过学习到的视觉 Prompt 来指导分割。引入了单向因果注意力机制 (Novel-to-Base Causal Attention)，让新类别的 Prompt 能从基类（Base）Prompt 中获益，同时不干扰基类性能。提出了一种。

2026-02-26 23:28:41 543

原创 MedIA 2025 | TopoTxR：拓扑学“外挂”加持，深度学习精准预测乳腺癌化疗响应

预测乳腺癌患者对新辅助化疗（NAC）的病理完全缓解（pCR）是临床上的重大挑战。现有的深度学习方法往往将整张MRI图像“一视同仁”，容易被背景噪声干扰，且难以捕捉复杂的乳腺实质结构。本文提出了一种名为TopoTxR的新型网络，首次将拓扑数据分析（Topological Data Analysis, TDA）引入深度学习的注意力机制中。该模型利用持续同调理论提取图像中的拓扑结构（如环和空腔），并将其作为“软掩膜”来显式指导 3D CNN 的注意力，使其专注于具有生物学意义的纤维腺体组织。

2026-02-19 14:08:31 593

原创 [npj Digital Med 2026] StructSAM：给SAM装上“解剖学导航”，肺结节分割SOTA新方案

StructSAM是一项针对医学图像（特别是肺部CT）中 Segment Anything Model (SAM) 的改进工作。针对 SAM 在医学图像中因低对比度和缺乏3D上下文而导致的分割失败问题，作者提出了一种结构感知提示适配框架。该模型不依赖大规模重新预训练，而是通过注入解剖学先验（如血管、器官掩码、梯度图）来生成提示词，并引入3D切片聚合器来保证体积一致性。在 LIDC-IDRI 数据集上，StructSAM 取得了88.6% Dice。

2026-02-14 10:15:33 623

原创 [TMI 2025] MedicoSAM：拒绝“灾难性遗忘”，医学图像分割基座模型的正确微调姿势

MedicoSAM是一项针对 Segment Anything Model (SAM) 在医学图像领域进行全方位微调的实证研究。作者发现，现有的医学版 SAM（如 MedSAM）由于采用了简化的微调策略（仅使用 Box 提示），导致模型出现了**“灾难性遗忘”**，即丧失了基于点（Point）交互的能力。本文通过恢复 SAM 原生的迭代式训练目标（Iterative Training Objective），提出了 MedicoSAM。

2026-01-18 21:52:20 963

原创 TMI 2025 | 告别繁琐调参！ConvexAdam 提出自配置双重优化框架，横扫 Learn2Reg 挑战赛

深度学习配准方法通常需要大量的训练数据和繁琐的超参数调整，且难以在不同解剖结构（如脑部、肺部、腹部）之间通用。本文提出了一种名为ConvexAdam的通用配准框架。它结合了离散耦合凸优化（Convex Optimization）与基于 Adam 的实例优化（Instance Optimization），并引入了一套**自配置（Self-Configuring）**的超参数选择机制。该方法几乎不需要训练（“Little Learning”），即可在Learn2Reg 挑战赛。

2026-01-17 15:39:17 1064

原创 CVPR 2025 | 拒绝“一视同仁”！SACB-Net 引入空间感知卷积，在大变形医学图像配准中刷新 SOTA

传统的卷积神经网络（CNN）在处理医学图像配准时，通常在全图使用共享的卷积核，这导致模型难以捕捉不同解剖区域（如骨骼与软组织）的差异化变形特征。本文提出了一种3D空间感知卷积模块（SACB），通过无监督聚类动态生成适应不同空间区域的卷积核。基于此，作者构建了SACB-Net，一种金字塔流估计网络。

2026-01-06 16:09:25 935

原创 CVPR 2024 | MLP 逆袭！悉尼大学提出 CorrMLP：首个基于 MLP 的由粗到细医学图像配准网络

在医学图像配准领域，Transformer 虽然引入了长距离依赖，但因计算量大通常只能在低分辨率特征上运行，丢失了关键的细粒度信息。悉尼大学团队提出了一种全新的CorrMLP框架，这是首个基于 MLP 的由粗到细（Coarse-to-fine）配准网络。核心突破利用MLP (多层感知机)的高效性，实现了在全分辨率下捕捉细粒度的长距离依赖。设计了CMW-MLP 模块，结合多窗口策略和 3D 相关性层，解决了普通 MLP 缺乏归纳偏置（Inductive Bias）的问题。

2026-01-06 15:40:19 904

原创 TMI 2025 | 速度提升20倍！复旦大学提出 ReCorr：大变形医学图像配准的高效新范式

面对医学图像配准中棘手的“大变形”难题，现有的深度学习方法往往陷入“精度”与“效率”的博弈：要么像 Transformer 那样计算昂贵，要么像 CNN 那样感受野受限。复旦大学乔宇川团队提出了一种名为ReCorr的新框架。它巧妙地利用循环动态相关性（Recurrent Dynamic Correlation），通过“小步快跑”的迭代搜索策略，让模型在保持极低计算成本的同时，能够捕捉长距离的体素对应关系。核心战绩。

2026-01-04 15:16:45 680

原创 [TMI 2022] 脑部MRI配准新范式：联合“渐进式”与“由粗到细”策略

架构创新: 巧妙地将“渐进式”思想融入到了 U-Net 的解码器内部，而不是外部级联，极大地节省了计算资源。特征对齐: NFF 模块在特征空间进行非刚性配准（Feature Warping），这比单纯在图像空间操作更有效。双编码器优势: 实验证实，双编码器比单编码器更能适应不同模态或风格的图像对，提高了泛化能力。

2026-01-04 14:54:21 626

原创 npj AI | 深度算子学习：冠状动脉狭窄血流建模的新范式

这项研究提出了一种基于DeepONet（深度算子网络）的新型机器学习框架，用于快速、准确地预测冠状动脉狭窄患者的血流动力学指标（如压力、流量和 FFR）。核心创新点在于采用了多保真度（Multifidelity）方法：利用大量低成本的1D CFD 模拟数据（低保真）来“预热”模型，再结合少量的体外实验数据（高保真）进行精细校准。结果：该模型在预测压力降和 FFR 方面达到了与实验数据极高的一致性（误差仅约 1.2 mmHg），且能捕捉到传统简化模型常忽略的血管弹性和相位差。

2026-01-02 20:08:06 792

原创 JOSS 期刊 | 开源神器 svZeroDSolver：模块化构建心血管“电路图”，秒级预测血流动力学

这篇文章介绍了一款名为的开源软件工具。它专门用于心血管系统的零维（0D）模拟。简单来说，它不画出复杂的3D血管形状，而是把心脏和血管简化成由电阻、电容、电感组成的“电路图”，从而在几秒钟内算出全身或特定部位的血压和流量。这款软件高度模块化，像搭积木一样灵活，既可以独立使用进行快速临床评估，也可以作为高精度3D模拟的边界条件，帮助医生和研究人员在无需昂贵计算资源的情况下，快速进行不确定性量化或手术方案优化。主要贡献svZeroDSolver 最大的贡献在于**“模块化”和“易用性”**的完美结合。

2026-01-02 20:05:08 587

原创 # 2011 IEEE T-BME 经典 | 给透析机装上“自动驾驶”：如何利用控制算法预防透析低血压？

这是一篇关于血液透析自动化控制的经典工程学论文。针对透析过程中患者容易出现低血压（Hypotension）这一临床痛点，作者提出了一套基于模型预测控制 (MPC)的闭环反馈系统。该系统不仅监测血容量，还同时监测心率和血压，通过自动调节超滤率 (UFR)和透析液钠浓度 (DSC)，像“自动驾驶”一样，让患者在透析过程中的各项生理指标保持在安全范围内，从而减少透析并发症。主要贡献引入心率 (HR)：证明了将心率纳入反馈回路对于维持透析稳定性至关重要。双管齐下。

2026-01-02 17:59:11 681

原创 2025重磅综述 | 从“躺平”到“真实生活”：一维血流动力学模型如何模拟人体的生老病死？

这篇文章是一篇关于一维（1D）心血管血流模拟的顶级综述。作者指出，过去几十年的研究主要集中在“标准人、平躺、休息状态”下的模拟，但这并不符合真实生活。文章全面总结了如何利用 1D 模型去模拟真实生活场景（如运动 🏃、睡眠 😴、呼吸 🫁、重力变化/站立 🧍），以及各种疾病状态（如高血压、动脉瘤）。它论证了 1D 模型因其计算速度快、能模拟全身波动的特性，是未来实现“数字孪生”和临床辅助诊断的关键工具。主要贡献：这篇文章是目前 1D 血流建模领域最全的“百科全书”。

2026-01-02 17:57:38 592

原创 [MIA 2025] 拒绝“一刀切”！JHU 新型无监督空间自适应正则化解决医学图像配准中的滑动边界难题

直击痛点: 巧妙地解决了医学图像中常见的“局部形变差异”和“滑动边界”问题，且无需任何手动标签（Label-free）。高可解释性: 输出的权重图λpλp充当了不确定性图（Uncertainty Map）。低λ\lambdaλ表示复杂的形变或模型不确定性，提供了额外的诊断信息。工程友好: 作为即插即用模块，可以轻松添加到 VoxelMorph 或 Swin-UNet 等其他架构中。

2026-01-02 15:37:59 694

原创 [TMI 2024] 纯卷积的反击！RDP：无需预对齐的递归金字塔医学图像配准新 SOTA

本文提出了一种名为的无监督医学图像配准网络。与当前盲目堆砌 Transformer 或复杂注意力机制的趋势不同，RDP 回归了纯卷积架构，通过巧妙的递归金字塔策略，实现了由粗到精的形变场预测。该方法不仅在LPBAMindboggle和IXI三大公开数据集上击败了包括 TransMorph 在内的 SOTA 方法，更重要的是，它无需耗时的仿射预对齐（Affine Pre-alignment）也能处理大变形，极大地提升了临床部署的便捷性和效率。大道至简。

2025-12-29 23:13:33 944

原创 NPJ_Digital_Medicine_2024（261-358）

共收录文章：358 篇PMID: 38693205 | DOI: 10.1038/s41746-024-01109-5 | 日期: 2024-04-30摘要： Visual impairments and blindness are major public health concerns globally. Effective eye disease screening aided by artificial intelligence (AI) is a promising countermeasure,

2025-12-27 14:17:09 742

原创 NPJ_Digital_Medicine_2024（142-260）

共收录文章：358 篇PMID: 39242810 | DOI: 10.1038/s41746-024-01226-1 | 日期: 2024-09-07摘要： Distributed collaborative learning is a promising approach for building predictive models for privacy-sensitive biomedical images. Here, several data owners (clients) train a

2025-12-27 14:14:25 847

matlab时频分析工具箱2个版本

空空如也