- 论文公开站arXiv
FleXray：通用临床X射线分割
FleXray: Universal Clinical X-ray Segmentation
摘要显示，X光因三维解剖被压缩为二维投影、结构重叠且边界模糊，导致通用分割标注数据难以构建。作者提出FleXray，利用已有3D全身CT分割数据集与生成式图像编辑模型构建基于物理的生成式X光数据引擎，合成带完整标注的二维X光。模型在未见研究数据集与真实临床X光上可分割60种解剖结构，并支持疾病分级测量、X光引导介入导航与病理目标的数据高效学习。
意义：为X光提供通用全身分割能力，降低对人工标注的依赖，可推动医学影像定量分析与AI辅助介入应用。
- 论文公开站arXiv
ERCPMP-Gx：用于结直肠息肉形态、组织病理与基因组表征的内镜图像视频数据集
ERCPMP-Gx: Endoscopic Image and Video Dataset for Morphological, Histopathological, and Genomic Characterization of Colorectal Polyposis
摘要显示，该数据集面向遗传性息肉病综合征的AI识别与分类，包含160张图像及配套视频片段，多数采用Olympus EVIS X1的白光、窄带成像、放大窄带成像与近聚焦模式采集。约八成病例为经临床或基因确诊的遗传性息肉病综合征（FAP、PJS、JPS、GNS），其余两成为形态重叠的非遗传性息肉及类息肉病变，用于鉴别分类，并关联组织病理与胚系检测信息。
意义：为AI在内镜图像中区分遗传性与非遗传性息肉病提供多模态标注数据，有望推动结直肠癌早期筛查与个体化监测模型研发。
- 资讯公开站Nature News
用于 X 射线到体数据配准的快速患者个性化神经网络
Rapid patient-specific neural networks for X-ray to volume registration
该研究提出一种快速构建患者个性化神经网络的方法，用于将 X 射线图像与三维体数据（如 CT）进行配准。方法针对单个患者快速训练网络，以提升配准精度与速度，服务于影像引导等场景。
意义：将患者个性化神经网络引入医学影像配准，有望提升术中X光与CT对齐的实时性与精度，对医学AI与影像引导开发有参考价值。
- 论文公开站arXiv
解剖信息神经网络：在损失与架构中编码解剖先验，含导丝诱发主动脉髂动脉变形的SE(3)公式
Anatomy-Informed Neural Networks: Encoding Anatomic Priors in Loss and Architecture, with an SE(3) Formulation of Guidewire-Induced Aortoiliac Deformation
摘要介绍了解剖信息神经网络（AINN），将软解剖先验作为损失中的惩罚项（如分支惩罚），硬解剖先验（如血管连续性）内置于架构和状态表示中，使无效预测在构造上不可能。该方法应用于临床案例：导丝介入时主动脉髂动脉树的变形。通过将血管中心线和导丝路径提升至SE(3)中的曲线，耦合Cosserat杆与血管，使用Wasserstein-2最优传输损失，由2D血管造影训练3D预测。
意义：该工作为医学影像与手术导航提供新范式，利用解剖先验提升模型泛化性，对自主血管内介入导航有重要意义。
