祝贺实验室 2 项科研成果发表在ICASSP 2026！
热烈祝贺陈政同学、吴小满同学，2 项科研成果正式发表！
查看内容 ↗Explore / 内容索引
医学影像诊断
Salient Diagnostic Value Perception For Preoperative Posterior Fossa Tumor Diagnosis
本文提出显著诊断价值感知方法（SDVP），用于后颅窝肿瘤的术前准确诊断。该方法整合MRI影像与放射学报告，从三个互补视角学习关键诊断线索：通过对抗性样本内对比学习增强跨中心与设备差异的鲁棒性；借助知识增强的样本内对比学习提取专家引导的样本特异性特征；并在干净MRI样本上进行监督式类间对比学习以强化类 …
查看内容 ↗祝贺实验室科研成果发表于 Expert Systems with Applications 130161！
热烈祝贺甘鲁斌同学，一项科研成果正式发表！
查看内容 ↗MeDKCoOp: Dual Knowledge-guided Graph Prompt Learning for Biomedical Vision-Language Models
本文提出MeDKCoOp，一种面向生物医学视觉语言模型的双知识引导图提示学习方法。该方法系统整合医学领域知识，从文本与视觉分支提取专门知识并构建图结构表示，通过知识引导的关系转移实现跨模态融合，并动态优化可学习提示，以增强CLIP等模型在医学下游任务中的适应能力。实验表明其在多个生物医学基准上取得优 …
查看内容 ↗Enhancing zero-shot brain tumor subtype classification via fine-grained patch-text alignment
本文提出细粒度补丁对齐网络（FG-PAN），用于脑肿瘤亚型的零样本分类。该方法包含局部特征细化模块，通过建模代表性补丁间的空间关系增强视觉特征；以及细粒度文本描述生成模块，利用大语言模型生成病理感知的类别语义原型。通过对齐细粒度视觉与语义特征，并引入坐标感知聚合机制，FG-PAN在整张病理切片级别实 …
查看内容 ↗祝贺实验室科研成果发表于 Artificial Intelligence in Medicine！
热烈祝贺王浩宇同学，一项科研成果正式发表！
查看内容 ↗MMSupcon: An image fusion-based multi-modal supervised contrastive method for brain tumor diagnosis
本文针对脑肿瘤多模态MRI诊断中融合策略受限于样本稀缺的问题，提出多模态监督对比学习方法MMSupcon。该方法通过多模态医学图像融合生成信息丰富的样本，并设计多模态监督对比损失，引导模型有效整合互补模态信息，提升诊断准确性。
查看内容 ↗祝贺实验室科研成果发表于 CVPR 2025！
热烈祝贺张哲宇同学，一项科研成果正式发表！
查看内容 ↗Incomplete multi-modal brain tumor segmentation via learnable sorting state space model
本文提出一种可学习排序状态空间模型（LS3M），用于不完整多模态脑肿瘤分割。该方法基于Mamba架构高效建模长距离依赖，并引入可微置换矩阵，根据模态特定特征对输入序列进行动态重排序，从而保留3D脑MRI中关键的空间归纳偏置与长程语义相关性。LS3M能够充分利用可用模态信息，提升分割性能。
查看内容 ↗Advancing presurgical non-invasive molecular subgroup prediction in medulloblastoma using artificial intelligence and MRI signatures
本文构建了涵盖中国和美国13个中心934例髓母细胞瘤患者的国际分子特征数据库，利用人工智能和MRI影像特征实现术前无创的分子亚型预测。通过交叉验证、外部验证和连续验证，证明了模型作为通用分子诊断分类器的有效性，并通过对MRI特征的详细分析，从影像学角度深化了对髓母细胞瘤的理解，为临床管理提供了低成 …
查看内容 ↗