国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society，MICCAI ) 是医学图像分析领域国际公认最具影响力的学术组织，代表了医学影像人工智能研究的风向标。今年 9 月，MICCAI 2025 会议将在韩国大田举行。近日，大会正式公布论文接收结果，上海科技大学生物医学工程学院共有 27 篇论文入选。
部分研究论文成果简介
多模态脑影像（如MRI、CT 和 PET）通过提供互补的结构与功能信息，极大促进了人类对认知机制与神经系统疾病的认识。现有的跨模态影像合成方法大多针对特定任务或模态设计，缺乏统一性，在面对复杂多变的真实临床影像数据时，往往表现出性能下降和泛化能力不足的局限。沈定刚教授课题组博士后王誉霖等开发了一个通用的MRI/CT/PET跨模态图像生成基础模型UniSyn，可基于任意可用模态影像及其成像元数据，合成具备指定采集参数的目标模态影像。在多中心脑影像数据集上的大量实验证明，UniSyn 在合成影像的量化准确性和临床相关性方面均优于现有主流方法，能够针对不同临床与科研需求，灵活生成缺失的影像序列，为多模态脑影像智能补全及辅助诊断提供了可靠的新工具。
论文题目：Unisyn: A Generative Foundation Model for Universal Medical Image Synthesis across MRI, CT and PET
阿尔茨海默病（AD）是一种进展缓慢且异质性强的神经退行性疾病，早期诊断对于及时干预至关重要。尽管结构性神经影像和深度学习方法在辅助诊断中取得了进展，但由于真实世界纵向随访数据的复杂性（如随访时间不规则、观测时长差异大），传统生存分析模型难以充分利用这些信息。沈定刚教授课题组博士后戴领等提出了一种创新的基于回归的生存分析框架，能够直接从纵向数据中估计疾病进展时间。通过部分优化MSE损失函数处理纵向数据中的不规则随访和删失问题，显著提升阿尔茨海默病进展预测的准确性与早期预警能力。在阿尔茨海默病神经影像公开数据集（ADNI）上的实验表明，该方法在 C-index 和平均 AUC 等指标上均超越了现有主流方法，尤其在早期阶段和长期预测场景下表现突出。此外，结合 SHAP 可解释性分析，模型自动识别出与 AD 进展密切相关的脑区（如左海马、右杏仁核等），为神经退行性疾病的机制研究提供了新视角。
论文题目：Regression-based Survival Model to Predict Alzheimer's Progression Using Longitudinal Data
心脏超声图像（Echocardiogram）在心血管疾病的筛查与评估中发挥着重要作用，其中左心室的分割和关键解剖标志点的检测是临床评估中的常规任务。近年来，基于深度学习的方法已被广泛应用于自动化分析，但其在真实场景中的应用仍受到多重挑战的限制。沈定刚教授课题组博士研究生陈颢源等提出了一种基于半监督学习的超声心动图分割和关键点检测模型。在两个大规模心超数据集上的实验验证表明，该方法在分割精度、标志点定位误差和时序稳定性方面均优于现有先进技术，展示出强大的泛化能力和临床应用前景。
论文题目：A Semi-Supervised Knowledge Distillation Framework for Left Ventricle Segmentation and Landmark Detection in Echocardiograms
正电子发射断层扫描-磁共振成像技术（PET-MR）作为临床分子影像领域的革命性进展，同时具备 MRI 优异的软组织对比度、低辐射暴露风险及多参数代谢-解剖同步评估能力。然而，系统性临床评估显示，PET-MR 与 PET-CT 扫描之间的标准摄取值比（SUVR）存在显著差异，这主要因为基于 MR 的 PET 衰减校正方法存在固有的技术局限。为弥合这一差异，王乾教授课题组硕士研究生钟奥程等提出了一种基于结构项引导并统一多示踪剂的 PETMR 摄取校正算法，旨在实现不同示踪剂条件下 PET-MR 与标准 PET-CT 扫描结果的摄取量化一致性。在包含 70 名患者的三种示踪剂（FDG、AV1、TAU）数据上进行了全面实验结果表明，经本框架校正后的 PET-MR 影像，其在摄取量化一致性方面优于现有方法，更接近标准 PET-CT 扫描结果。本研究首次针对多示踪剂 PET-MR/PET-CT 扫描间的摄取量化差异问题提出了高质量解决方案，有望显著推进 PET-MR 的临床标准化进程。
论文题目：Multi-Tracer Uptake Correction for PET-MR via Aligned-Feature Guidance and Multi-scale Pixel-adaptive Routing
在磁共振成像（MRI）临床实践中，患者运动与硬件缺陷等因素常会同时引发多种伪影，尽管现有一体化图像恢复（AiOIR）方法尝试通过统一网络同时去除多种伪影，但在面对实际扫描中出现的未知混合伪影时，恢复效果往往显著下降。王乾教授课题组硕士研究生唐彧娴等提出了一种基于提示检索的级联式架构ResMAP，用于主动识别并逐步去除磁共振图像中的复杂混合伪影。在三种常见伪影及其混合形式上的实验证明，ResMAP 在恢复性能上显著优于现有 AiOIR 方法。同时，在多种磁场强度下的 MRI 图像零样本测试中，ResMAP 展现出优越的跨域泛化能力。该研究为MRI混合伪影恢复提供了高效灵活的解决方案，其轻量训练-强大泛化的技术路径也可拓展至其他医学影像模态的处理。
论文题目：ResMAP: Restoring MRIs of Mixed Artifacts by Prompt Cascading Retrieval
龋病是最常见的口腔疾病之一, 从口腔全景 X 光片中的准确检测龋病对防止病变恶化具有重要意义。由于龋病在全景片上细微的对比度差异和多样的形态特征，现有检测方法往往难以达到理想精度。崔智铭教授课题组硕士研究生罗涛等提出了一个基于基础模型的双视角协同训练框架，以实现高精度的龋病检测。该研究受临床工作流程启发，设计了一种名为 DVCTNet 的新型双视图协同训练网络。实验结果表明，DVCTNet 优于目前最先进方法，展现出卓越的性能优势，进一步验证了其在临床场景中应用的可行性与可靠性, 为其在实际口腔诊疗中的推广应用奠定了坚实基础。
论文题目：Adapting Foundation Model for Dental Caries Detection with Dual-View Co-Training
沪公网安备 31011502006855号