📚 IEEE Transactions on Medical Imaging (TMI) 202604论文汇总

本月 IEEE Transactions on Medical Imaging (TMI) 共更新 32 篇论文，涵盖了磁共振成像、超声、病理以及多模态融合等多个热门领域。以下是本期论文的详细汇总:

---

1. Accelerating Volumetric Medical Image Annotation via Short-Long Memory SAM 2

摘要：体积医学图像的人工标注，如 MRI 和 CT，通常既耗时又费力。虽然 SAM 2 这类视频目标分割基础模型可以通过少量切片标注将掩膜传播到整个体数据，但其单一记忆库与注意力机制容易在目标出现/消失的边界处产生误差传播。为此，本文提出 Short-Long Memory SAM 2（SLM-SAM 2），通过短期与长期记忆库以及独立注意力模块协同建模，提高传播分割的稳定性和准确性。在涵盖 MRI、CT 和超声视频的 4 个公开数据集上，SLM-SAM 2 相比默认 SAM 2 取得了显著提升，在 5 个体数据和 1 个体数据初始适配场景下平均 Dice 分别提升 0.14 和 0.10，并将每个体数据的掩膜修正时间降低了 60.575%。

---

2. An Alignment and Imputation Network -AINet- for Breast Cancer Diagnosis With Multimodal Multi-View Ultrasound Images

摘要：面向乳腺癌诊断的多模态多视图超声分析中，现有方法往往忽视模态间与视图间交互，并且难以处理临床中常见的模态或视图缺失问题。本文提出对齐与补全网络 AINet，将“对齐与补全预训练”与“层次化融合微调”结合起来：预训练阶段利用跨模态对比学习建模模态交互，并通过随机掩蔽模拟缺失场景后进行特征补全；微调阶段再按照临床诊断流程进行模态级和视图级层次融合。该方法在 3 个数据集、共 15223 名受试者上进行了验证，尤其在缺失模态/视图场景下优于现有方法，显示出较强的临床适用性。

---

3. BONBID-HIE 2023 Lesion Segmentation Challenge in BOston Neonatal Brain Injury Data for Hypoxic Ischemic Encephalopathy

摘要：新生儿缺氧缺血性脑病（HIE）病灶在 MRI 中的精确勾画与分割，对于预后评估、高风险患儿筛查和疗效分析都至关重要，但相关算法发展长期受制于标注数据稀缺。围绕这一问题，本文回顾并总结了与 MICCAI 2023 联合举办的首届 BONBID-HIE 挑战赛，该任务基于扩散 MRI 的 ADC 图开展 HIE 病灶分割，共收到 14 个自动分割算法提交。作者系统分析了现阶段 HIE 病灶分割技术的能力边界、未来改进方向以及持续存在的困难，并公开了带标注的数据集、算法 Docker 和统一评测代码，为后续研究提供了可复现的基准平台。

---

4. Cell Instance Segmentation The Devil Is in the Boundaries

摘要：当前细胞实例分割方法大多将实例信息分解为像素级目标，但这类表示难以完整保留细胞的形状、曲率和凸性等几何属性。为此，本文提出基于边界的像素聚类方法 Ceb，通过修正的 Watershed 算法提取潜在前景-前景边界，并构建边界签名，再利用轻量级边界分类器判断相邻区域应被分割还是合并。最终，Ceb 在 6 个数据集上优于现有像素聚类方法，并在整体细胞实例分割性能上达到极具竞争力的结果。

---

5. CiSeg Unsupervised Cross-Modality Adaptation for 3D Medical Image Segmentation via Causal Intervention

摘要：无监督域适应可将有标注源域知识迁移到无标注目标域，但传统图像级或特征级对齐方法容易受到伪相关影响，导致跨域泛化受限。本文提出因果干预分割网络 CiSeg，首先构建源域结构因果模型，将因果变量与偏置变量解耦；随后通过反事实解耦模块进一步分离潜在特征中的因果与偏置成分，并结合原型引导对比学习和因果-偏置残差对齐增强跨域一致性。该方法在心脏、腹部多器官和 BraTS18 等任务上表现出更强的跨模态适应能力和分割精度。

---

6. CT Diagnostic Mode-Oriented and Cross Difficulty-Aware Network for Pulmonary Embolism Segmentation

摘要：CTPA 中的肺栓塞自动分割有助于定量评估病情严重程度，但受限于组织间相似性、病灶体积极小以及形状与位置变化大，现有方法仍难以稳定识别复杂病例。本文提出一种面向 CT 诊断模式并具备跨难度感知能力的肺栓塞分割网络，通过针对不同诊断线索和样本难度的建模，增强模型对小栓塞和困难区域的敏感性。实验结果表明，该方法在肺栓塞分割任务上优于现有基线，具有更好的临床辅助价值。

---

7. Deep Residual Compensation Model for Unsupervised PET Partial Volume Correction

摘要：PET 的有限空间分辨率会引起明显的部分容积效应，从而削弱代谢定量分析的准确性。为此，本文提出无监督深度残差补偿模型 U-DRCM：先通过条件盲反卷积模块预测初始模糊核，再利用条件残差补偿模块修正模糊核估计误差。该模型仅需单个患者的 PET 图像作为训练标签，并以对应 MRI 作为输入，无需额外监督。在 BrainWeb 仿真数据和真实临床数据上，U-DRCM 相比 RL、RVC、IY、NBD 和 DeepPVC 等方法在 PSNR、SSIM、RMSE 以及多脑区 SUV/SUVR 指标上均取得更优结果。

---

📦 资源获取

在公众号后台回复关键字 “TMI”，即可获取本期 ** IEEE Transactions on Medical Imaging (TMI) ** 所有论文的下载链接。

喜欢本期内容，请点击 “赞” 和 “推荐” 支持我们继续更新！👇