本研究解决了在不同时间对同一患者肝脏CT扫描进行肿瘤进展评估时的配准问题，特别是在肝脏检查中，由于各种非刚性变形和病理变化，配准过程复杂。本文提出了一种基于几何和解剖信息的配准方法，实验结果显示该方法相比其他配准技术能够提供更平滑的变形，同时保持肿瘤负担，从而提高了肿瘤进展评估的准确性。

本文介绍了多种基于深度学习的医学图像处理方法，包括超声图像特征定位、MR-CT图像配准、肝脏手术中的增强现实应用及自主机器人超声系统。这些方法提高了医学图像的配准精度和处理速度，旨在减轻医疗负担并改善患者体验。

一项新研究发现，纳米级微塑料颗粒在人类大脑中富集，浓度高于肝脏。尚不清楚微塑料对人体健康的影响，需要更多研究来探讨。

肝硬化是全球死亡率的主要原因之一。本研究提出了一种新的协同理论，利用互补的潜在空间来增强特征交互建模。实验证明，该模型在肝脏分割方面表现优于基准模型，且具有跨模态广义能力。这一研究结果显示了协同潜在空间模型提高分割准确性和稳健性的潜力。

RSNA腹部创伤损伤CT数据集是目前最大的公开可用的成人腹部CT研究，用于注释创伤性损伤。该数据集包括来自14个国家的23个机构的4,274个研究，适用于开发用于检测和分类肝脏、脾脏、肾脏、肠道和肠系膜等多个器官损伤的先进机器学习模型。发布该数据集旨在促进机器学习和腹部创伤领域的研究和发展，以改善患者护理和预后。

该研究提出了一种用于CT图像中肝脏和肝脏病变联合分割的模型，该模型在肝肿瘤分割挑战赛中表现出竞争性的结果。该模型不需要使用外部数据，并提出了一个简单的单阶段模型进行端到端的训练。研究结果显示，该方法在病变分割性能和病变检测精度方面表现出色。

该研究结合部分超声扫描的肝脏分割掩膜和统计形状模型，通过参数回归网络计算形状参数，实现准确的三维肝脏重建和自动肝容积计算。该方法验证了US图像分辨率、CT扫描数量和输入US扫描数量对结果的影响。这是首个利用少量不完整的US扫描和一组CT扫描的自动肝容积测量系统。

本研究介绍了一种基于 3D-3D 非刚性配准的图像引导肝脏手术方法，采用有限元模型 (FEM) 作为生物力学模型，在表面匹配项中独特地整合 FEM，确保估算的变形在配准过程中保持几何一致性。此方法通过将软弹簧整合到刚度矩阵中，允许力分布于整个肝脏表面，消除了确定 FEM...

本研究介绍了一种名为S^2Former-OR的新型变压器框架，用于手术室中的场景图生成。该框架能够以端到端的方式利用多视角的2D场景和3D点云进行场景图生成。通过引入视图同步转运方案，促进多视角视觉信息交互，并设计几何视觉凝聚操作将2D语义特征与3D点云特征整合。实验证明，S^2Former-OR在4D手术室基准测试中具有卓越性能和较低计算成本。与当前的OR-SGG方法相比，提高了3%的精度并减少了24.2M的模型参数。

本文研究了卷积神经网络在乳腺癌病理学中的应用，提出了一种快速自动检测淋巴结转移的新方法，并在数据集上取得了优异的性能。

研究者提出了分层选择性反馈蒸馏（HLFD）方法，用于医学成像任务中的知识蒸馏。通过从中间层到较早层的蒸馏，以及将最终层的知识转移到中间层，生成稳健且紧凑的学生模型。HLFD方法在肾脏分割任务中优于现有方法，提升了10个百分点以上，并改善了对肿瘤特征的关注。使用HLFD训练的学生模型能够抑制不相关信息，聚焦于肿瘤特定细节，为更高效准确的诊断工具开辟了新路径。

本文介绍了Liver Tumor Segmentation Benchmark（LiTS）的设立以及结果，共有75个肝脏和肝脏肿瘤分割算法参与，测试了70个不同患者的图像。最好的肝脏和肝脏肿瘤分割算法的Dices分数分别为0.963和0.674（ISBI 2017）、0.702（MICCAI 2017）和0.739（MICCAI 2018）。该研究为肝脏相关分割任务提供了一个活跃的基准和资源。

该论文提出了一种新的基于得分的反向扩散采样的去噪方法，可在混合噪声污染的体内肝脏 MRI 数据中表现卓越。同时，该方法还提出了一种用同一网络提高去噪图像分辨率的方法，并具有自由选择去噪程度和量化不确定性等优良特性。

该研究提出了一种用于CT图像中肝脏和肝脏病变联合分割的模型，该模型在2017年的肝肿瘤分割挑战赛中表现出竞争性的结果，并且不需要使用外部数据。该方法几乎达到了顶尖的病变分割性能，并在保持高召回率的情况下实现了第二高的病变检测精度。

该研究提出了一种用于CT图像中肝脏和肝脏病变联合分割的模型，该模型在2017年的肝肿瘤分割挑战赛中表现出竞争性的结果，不需要使用外部数据，并且实现了高召回率和病变检测精度。