本研究提出了一种基于切片的深度学习模型可解释性方法，应用于3D CT数据，通过2D编码器生成反事实，节省内存并保持3D上下文，显示出良好的效果，具有重要的临床应用潜力。

本研究提出了一种新型内存高效的GAN架构CRF-GAN，旨在解决医疗图像生成中的内存不足和计算速度慢的问题。与HA-GAN相比，CRF-GAN在图像真实感和内存使用效率上表现更佳，显著提升了3D医疗图像的生成质量和训练速度。

本研究提出了一种新算法，提升冠状动脉钙化评分的准确性和可解释性，强调对心脏解剖结构的理解，并验证了其在多供应商数据集上的优越性。

本研究解决了日本缺乏大规模放射学数据集的问题，通过机器翻译开发了全面的日语CT报告数据集，并建立了一个专门用于结构化发现分类的语言模型。研究结果显示，CT-BERT-JPN模型在多个分类条件下表现优于现有模型，具有极高的准确性，推动了医疗影像分析领域的语言模型发展。

本研究提出了一种基于nnU-Net框架的自动分割方法，显著提高了低收入和中等收入国家缺血性中风的检测效果，Dice得分为0.752，IoU得分为0.643，辅助医生评估病情。

本研究针对现有光学预处理器依赖训练数据的问题，提出了一种超材料成像器，能够实施Radon变换而无需训练光学。该方法实现了高质量图像重建，压缩比达到0.6%，在Radon数据集上通过神经网络实现了90%的分类准确率，显示出其在图像处理领域的广泛适用性和潜在影响。

本研究提出TomoGRAF框架，解决传统CT重建算法在超稀视角下的三维图像质量问题。结果表明，TomoGRAF在未见数据集上优于现有的深度学习和NeRF方法，具有广泛的应用潜力。

本研究解决了组织学切片与微计算机断层扫描图像配准中的图像质量低和软组织样本变形问题。提出了一种新颖的二维-三维多模态可变形图像配准方法，该方法结合了机器学习初始化与分析性离面变形优化。实验结果显示，该方法在与其他配准方法相比时性能优越，有助于提升虚拟组织学的应用潜力。

本文介绍了一种用于评估新辅助化疗后乳腺DCE-MRI的长期变形注册方法，通过无监督关键点检测和选择性体积保持的有条件金字塔式注册网络，该方法能够精确量化肿瘤变化并保持肿瘤体积不变。实验证明该方法具有更好的注册性能和肿瘤体积保持，并在病理完全缓解预测中取得了高准确性，有望用于避免对某些患者进行不必要的手术。

该研究提出了一种反事实生成框架，能在不需要像素级注释的情况下实现出色的脑肿瘤分割性能，并提供解释性。通过拓扑数据分析，获得全局可解释的流形，可以生成有意义的正常样本，定位肿瘤区域。在两个数据集上评估，展示了卓越的脑肿瘤分割性能。

本研究介绍了一个新的大规模直肠癌CT图像数据集CARE和U-SAM模型。实验证明U-SAM在CARE和WORD数据集上优于现有方法，为未来研究和临床应用提供了基线。

通过位置感知的三维图像块扩散评分融合，本文提出了一种新的框架，能够学习三维图像的先验进行大规模三维医学图像重建，实验表明我们的方法在稀疏视图和有限角度的 CT 重建上显著优于先前的方法，并且在高维三维图像（$256 imes 256 imes 500$）的实际 CT 重建问题上获得了最先进的性能，同时算法具有更好或相当的计算效率。

通过 coronary computed tomography angiography (CCTA) 图像，提出了一种注重注意力的特征聚合的三维深度网络 (AGFA-Net)，用于冠状动脉分割，该网络利用注意机制和特征细化模块来捕捉显著特征并提高分割准确性。在包含 1,000 个 CCTA 扫描的数据集上，AGFA-Net 的评估表现出卓越的性能，在 5 折交叉验证中平均 Dice...

《Radiology Report Generation（R2Gen）》展示了多模态大型语言模型（MLLMs）如何自动化生成准确和连贯的放射学报告。通过引入新的策略SERPENT-VLM，该模型在数据集上优于现有的基线方法，并在嘈杂的图像环境中具有稳健性。这一研究为医学成像领域的自监督完善研究打开了新的研究路径。

通过使用 CTPA 成像、临床数据和 PE 严重指数（PESI）评分来预测 PE 的死亡率，研究采用深度学习模型来预测 PE 的死亡率，并将疾病相关的成像特征和 / 或临床变量纳入 DL 模型中进行预测，结果表明多组学 DL 模型在 PE 存活预测中的 c-index 值明显高于仅使用 PESI 指数的模型。

本研究探讨了冠状动脉计算机断层血管造影术中体积和组织密度特征与个体年龄的关系，发现了局部影响和性别差异。

该研究介绍了腹部多器官分割在计算机断层扫描中的重要性和深度学习方法的应用。研究使用基于转换器的模型，展示了其在腹部多器官分割中的可行性和结果表现。

利用已知的运算符学习方法，以及采用一种新颖的自适应滤波过程的滤波反投影算法，这篇论文提出了一种重建特定轨道的圆锥束计算机断层成像（CBCT）的新方法。通过实验，该方法成功地从圆形轨道投影数据中学习出最佳参数并实现图像重建，提高了重建速度和减少了内存使用。

本研究提出了Motion-compensated Iterative Reconstruction Technique (MIRT)，一种高效的迭代重建方案，结合了图像重建和仿射运动估计。实验结果表明，该方法在计算可行性和投影距离方面优于其他最先进的4DCT方法，为4DCT的新应用提供了可能性。

我们开发了一种全自动的方法，对冠状动脉周围的心周脂肪进行测量。通过训练一个三维全分辨率的神经网络来分割冠状动脉，然后自动测量心周脂肪。在测试中，得到了较高的准确性和衰减数值。这项工作展示了自动化心周脂肪测量在炎症和心脏疾病识别中的潜力。