Topic · 136 篇
医学影像与生物视觉
数据集来自医学或生命科学，而非自然图像。
这个方向的收录判据
应用于医学、生物、显微镜等专业成像域。包括 CT/MRI/X 光分析、病理切片、 细胞分割、手术视频、脑信号与视觉、蛋白质/分子结构视觉化。 判据：数据集来自医学或生命科学，而非自然图像。
本方向全部 136 篇
cryoSENSE：压缩感知借助蛋白质冷冻电镜图像流形上的稀疏先验与生成先验实现高通量显微成像
cryoSENSE: Compressive Sensing Enables High-throughput Microscopy with Sparse and Generative Priors on the Protein Cryo-EM Image Manifold
把去噪扩散模型当作图像流形上的生成先验，用于从欠采样测量中重建图像；这种「稀疏先验 + 扩散生成先验」的混合重建思路可以直接迁移到其他欠采样成像任务（如快速 MRI、低剂量 CT、压缩超分辨），并且论文给出了在像素域与傅里叶域欠采样下两种先验各自的适用边界。
X-WIN：通过预测性感知构建胸部X射线世界模型
X-WIN: Building Chest Radiograph World Model via Predictive Sensing
X-WIN 通过从 CT 体数据蒸馏三维解剖知识来构建 CXR 世界模型，其潜空间投影预测与亲和力引导对比对齐损失可迁移到其他需要从 2D 投影恢复 3D 结构的视觉任务，如 X 光片的三维重建与跨模态表征学习。
VoxTell：可自由文本提示的通用三维医学图像分割
VoxTell: Free-Text Promptable Universal 3D Medical Image Segmentation
把自由文本提示（单词到完整临床句子）映射为三维掩码，并在解码器各层做多尺度视觉-语言融合，为医学体数据分割提供可复用的零样本跨模态迁移范式；其跨模态迁移与语言变体鲁棒性评测协议也值得借鉴。
虚拟节点引导的动态图神经网络用于缺失模态脑肿瘤分割
Virtual Nodes Guided Dynamic Graph Neural Network for Brain Tumor Segmentation with Missing Modalities
针对多模态医学影像中模态缺失问题，提出基于虚拟节点和图动态连接的统一框架，可复用于其他多模态融合任务（如RGB-D、多光谱）的缺失模态鲁棒性提升。
双对齐多任务特征引导的虚拟免疫组化染色
Virtual Immunohistochemistry Staining with Dual-Aligned Multi-Task Feature Guidance
面向H&E到IHC虚拟染色，提出用辅助任务特征做引导，并通过聚类与主被动匹配构建对齐矩阵来对齐H&E与IHC特征，可复用于存在空间错位的跨模态图像翻译与配准任务。
通过补全任意量化码实现脑部MRI虚拟全栈扫描
Virtual Full-stack Scanning of Brain MRI via Imputing Any Quantised Code
将任意到任意的MRI模态补全统一为区域级全栈码预测问题，利用矢量量化编码完整模态集并训练投影编码器从缺失模态预测码图，为多模态医学影像的缺失数据补全提供了可复用的两阶段框架。
VesMamba：基于结构感知与尺度感知滤波的 Mamba 三维肺血管 CT 图像分割
VesMamba: 3D Pulmonary Vessel Segmentation from CT images via Mamba with Structural Perception and Scale-aware Filtering
将 Mamba 状态空间模型与动态空间注意力卷积结合，用于捕捉管状/树状结构的长程拓扑依赖，可迁移到视网膜血管、气道、神经纤维等细长结构分割任务；其尺度感知滤波与掩码约束解码器思路也可用于多尺度密集预测。
VEMamba：基于轴向-横向一致 Mamba 的体电子显微镜高效各向同性重建
VEMamba: Efficient Isotropic Reconstruction of Volume Electron Microscopy with Axial-Lateral Consistent Mamba
将 Mamba 的选择性扫描按轴向-横向分块重排，把各向异性体电镜数据的 3D 依赖压成 1D 序列建模，这套 ALCSSM+DWAM 的重排聚合思路可直接迁移到其他轴向分辨率不足的 3D 医学/生物成像超分与去噪任务。
基于稳定扩散基础模型的无监督多尺度 3D 亚细胞世界分割
Unsupervised Multi-Scale Segmentation of 3D Subcellular World with Stable Diffusion Foundation Model
利用在自然图像上预训练的 Stable Diffusion 基础模型提取特征，结合启发式特征聚合与自适应阈值实现无监督分割，为缺乏标注的专业成像域（如 cryo-ET）提供了一种可复用的伪标签生成与监督模型训练流程。
从通用到特定：动态知识引导的多实例学习用于少样本全切片图像分类
Universal-to-Specific: Dynamic Knowledge-Guided Multiple Instance Learning for Few-Shot Whole Slide Image Classification
将通用病理视觉语言知识动态实例化为切片特异性的图像块级特征，为少样本全切片图像分类提供可复用的知识检索与对齐机制。
Uni-Hema：面向数字血液病理学的统一模型
Uni-Hema: Unified Model for Digital Hematopathology
Hema-Former 在层级上桥接视觉与语言表征、统一处理检测/分类/分割/形态预测/VQA 的多粒度多任务设计，可迁移到其他需要细胞级多任务推理的显微成像场景；其 46 个数据集、700K 图像与 21K QA 对的整合方式也提供了多源医学数据统一训练的参考。
Uni-Encoder 遇上多编码器：面向缺失模态脑肿瘤分割的融合前表征
Uni-Encoder Meets Multi-Encoders: Representation Before Fusion for Brain Tumor Segmentation with Missing Modalities
两阶段「先表征后融合」的异构架构值得借鉴：先用掩码图像建模预训练单一 ViT 获得对模态缺失鲁棒的全局表征，再接入模态特定的 CNN 多编码器补回高分辨率细节，这一解耦思路可迁移到其他多模态缺失输入的密集预测任务。
URICA：面向病理图像任意区域检索的均匀性区域仿射标识符捕获算法
URICA: A Uniformity Region Affine Identifier Capture Algorithm for Arbitrary Region Retrieval in Pathology Images
把「任意朝向、任意尺度的区域」当作检索单元，用语义镶嵌（semantic tessellation）把图像块组织成几何感知的区域描述子，并给出其与像素级语义掩码目标之间的理论误差界——这套「区域描述子 + 仿射不变匹配」的思路可直接迁移到遥感、医学等大图上的任意区域检索与跨尺度匹配任务。
将预训练视觉 Transformer 转变为端到端病理全切片图像模型以用于生存预测
Turning Pre-Trained Vision Transformers into End-to-End Histopathology Whole Slide Image Models for Survival Prediction
把预训练 ViT 直接改造成端到端全切片图像模型，省去两阶段流程中的离线特征提取与 MIL 聚合，且不增加参数；对做病理或超大分辨率图像分析的人，这是一种可复用的「免额外参数、直接吃整张组织区域」的改造思路。
TopoSlide：拓扑信息引导的组织病理全切片图像表征学习
TopoSlide: Topologically-Informed Histopathology Whole Slide Image Representation Learning
把持续同调这类拓扑描述子当作图像块聚类空间排布的监督信号，用条件多任务目标训练ViT，为视觉表征学习提供了一种可复用的全局结构归纳偏置，也可用于检索时的拓扑条件控制。
面向胸部X光片间期变化学习的时序反转
Temporal Inversion for Learning Interval Change in Chest X-Rays
把「图像对反转」当作监督信号来训练时序视觉-语言模型，这个思路可直接迁移到任何需要建模方向性变化的视觉任务（如变化检测、视频时序顺序判别、术前术后对比），并提供了一个可复用的顺序敏感性与一致性评测协议。
Tell2Adapt：基于视觉基础模型的无源无监督域自适应统一框架
Tell2Adapt: A Unified Framework for Source Free Unsupervised Domain Adaptation via Vision Foundation Model
利用视觉基础模型（VFM）的上下文感知提示正则化生成高质量伪标签，并通过视觉合理性精炼将预测重新锚定到目标图像的低层特征，为无源域自适应分割提供可复用的两阶段框架。
TRIDENT：面向药物与 RNA 条件细胞形态合成的三模态级联生成框架
TRIDENT: A Trimodal Cascade Generative Framework for Drug and RNA-Conditioned Cellular Morphology Synthesis
把转录组表达谱当作生成条件去合成 Cell Painting 细胞形态图像，为视觉研究者提供了一个「多模态条件级联生成 + 生物表型预测」的可复用范式：可用 RNA 条件替代或补充化学扰动条件，并借助 MorphoGene 这类配对数据集评估生成保真度与对未见化合物的泛化。
TRCoRSurg：面向手术视频三元组识别的时序-关系协同推理
TRCoRSurg: Temporal-Relational Co-Reasoning for Surgical Video Triplet Recognition
面向手术视频的三元组（器械-动作-目标）识别框架，其多尺度类别激活图引导的关系提取与双向时序-关系融合注意力可迁移到任何需要建模帧内标签共现与帧间语义一致性的视频结构化识别任务；同时提出的 TCER 指标为衡量跨实体因果/语义一致性提供了可复用的评测思路。
TanGo：面向医学图像泛化的分布级基础先验一致性与实例级风格校准学习
TANGO: Learning Distribution-wise Foundation Prior Consistency and Instance-wise Style Calibration for Medical Image Generalization
把冻结的视觉基础模型编码器中的低频稳定表征作为分布级先验来约束源模型的特征分布，并用可学习的数据装饰器把测试图像拉回增强后的源域分布——这套「基础模型先验 + 实例级风格校准」的组合可直接迁移到其他面临域偏移的密集预测任务（如跨中心分割、跨域检测）。
TAMER：面向零样本心电图诊断的三模态对比对齐与多尺度嵌入细化框架
TAMER: A Tri-Modal Contrastive Alignment and Multi-Scale Embedding Refinement Framework for Zero-Shot ECG Diagnosis
论文提出的三模态对比对齐与多尺度嵌入细化框架，可迁移到视觉-语言-信号的多模态融合任务中，特别是利用诊断报告进行细粒度语义对齐的思路，对医学图像的多模态预训练有直接参考价值。
腹腔镜手术视频中出血区域与出血点的协同检测
Synergistic Bleeding Region and Point Detection in Laparoscopic Surgical Videos
把 SAM2 的掩码记忆机制改造成跨任务双向引导：掩码分支的边缘/点提示词嵌入与点分支的掩码记忆诱导点记忆互相喂信息，并用帧间光流补运动线索，这套「分割记忆→点跟踪」的耦合设计可迁移到其他需要同时输出区域与关键点的视频密集预测任务。
Spatial-SAM：基于 SDF 记忆与半监督学习的空间一致三维电子显微镜分割
Spatial-SAM: Spatially Consistent 3D Electron Microscopy Segmentation with SDF Memory and Semi-Supervised Learning
用 3D U-Net 预计算的有符号距离场（SDF）替代 SAM2 的记忆库，为视频/体数据分割提供几何先验以维持跨切片空间一致性；配合双轨伪标签迭代，可在极少标注下把 SAM2 的少样本能力迁移到 3D 体数据，这套「SDF 记忆 + 伪标签自训练」思路可复用到其他层序切片数据（CT、MRI、显微）的 3D 分割。
基于超网络的稀疏任务向量混合用于全切片图像预后中的高效知识迁移
Sparse Task Vector Mixup with Hypernetworks for Efficient Knowledge Transfer in Whole-Slide Image Prognosis
提出基于任务向量混合与超网络稀疏聚合的模型合并方案，可高效地将多个源域模型的知识迁移到目标域模型，无需联合训练或多模型推理，为医学影像中的跨癌种知识迁移提供了可复用的技术路径。
结合物理与深度生成先验求解标记 MRI 的非线性盲逆问题
Solving a Nonlinear Blind Inverse Problem for Tagged MRI with Physics and Deep Generative Priors
把 MR 成像物理前向模型与深度生成先验结合，在未知成像参数下盲估计高分辨率解剖图像并同时做 3D 微分同胚 Lagrangian 运动跟踪，这套「物理+生成先验」的盲非线性逆问题框架可迁移到其他带编码伪影的医学/科学成像复原与配准任务。
Sketch2CT：面向结构感知三维医学体数据生成的多模态扩散模型
Sketch2CT: Multimodal Diffusion for Structure-Aware 3D Medical Volume Generation
把「2D 草图 + 文本」作为多模态条件，先由噪声生成 3D 器官分割掩码、再以其引导潜变量扩散模型合成 3D CT 体数据，这套「先结构后外观」的两阶段条件生成流程可直接迁移到其他需要解剖结构约束的医学体数据合成与数据增广任务。
SemiGDA：面向半监督医学图像分割的生成式双分布对齐
SemiGDA: Generative Dual-distribution Alignment for Semi-Supervised Medical Image Segmentation
用双编码器分别建模图像与掩码的特征分布，并在潜空间施加分布约束做对齐，这个思路可迁移到任何只有少量标注、需要特征级一致性正则的半监督密集预测任务；CDSA 的双跳跃适配器加一致性损失也是可直接复用的多尺度特征融合模块。
基于锚框语义感知与连续伪标签重铸的半监督超声心动图视频分割
Semi-supervised Echocardiography Video Segmentation via Anchor Semantic Awareness and Continuous Pseudo-label Reforging
针对医学视频中噪声和动态运动导致的边界模糊问题，提出可学习的锚框语义感知模块和连续伪标签重铸策略，可迁移到其他半监督视频分割任务中提升时序一致性和伪标签质量。
SemVideo：通过分层语义引导从大脑活动中重建你所观看的内容
SemVideo: Reconstructs What You Watch from Brain Activity via Hierarchical Semantic Guidance
把分层语义提示（静态锚框描述、运动叙述、整体摘要）作为条件注入视频生成，并用三分支注意力融合重建运动模式，这套「语义引导 + 运动解耦」的思路可迁移到视频预测、条件视频生成与跨模态对齐任务。
SegMoTE：面向医学图像分割的 token 级混合专家
SegMoTE: Token-Level Mixture of Experts for Medical Image Segmentation
把 SAM 类通用分割基础模型迁移到医学影像时，可用 token 级混合专家加少量可学习参数实现模态/解剖自适应，并用渐进式提示词 token 化实现全自动分割，为低标注成本下的基础模型领域适配提供可复用范式。
面向体数据 CT Transformer 的自监督与跨模态预训练规模化
Scaling Self-Supervised and Cross-Modal Pretraining for Volumetric CT Transformers
对做3D医学影像或大体积数据的研究者，可复用其「局部高分辨率Transformer + 全局扫描上下文Transformer」的双层注意力拆分方案，把极端词元规模下的3D注意力变得可计算；同时DINO自蒸馏与SigLIP视觉语言对齐联合预训练的配方，可迁移到其他缺乏标注的体数据域。
SPEGC：通过语义提示增强图聚类实现医学图像分割的持续测试时自适应
SPEGC: Continual Test-Time Adaptation via Semantic-Prompt-Enhanced Graph Clustering for Medical Image Segmentation
针对医学图像分割中的持续测试时自适应，提出语义提示增强与可微图聚类求解器，将全局边稀疏化建模为最优传输问题，为无监督域适应提供更可靠的伪标签结构引导，可复用于其他密集预测任务的测试时自适应。
SHAPE：结构感知的分层无监督域自适应与合理性评估用于医学图像分割
SHAPE: Structure-aware Hierarchical Unsupervised Domain Adaptation with Plausibility Evaluation for Medical Image Segmentation
针对医学分割中的无监督域自适应，提出用超图评估伪标签的全局解剖合理性，并配合跨视角稳定性剪枝异常，这种基于结构先验的伪标签验证思路可迁移到其他需要可靠伪标签的视觉任务。
SD-FSMIS：适配 Stable Diffusion 实现少样本医学图像分割
SD-FSMIS: Adapting Stable Diffusion for Few-Shot Medical Image Segmentation
把预训练 Stable Diffusion 的条件生成架构改造成少样本分割器：用 Support-Query Interaction 注入支持集特征、用 Visual-to-Textual Condition Translator 把视觉提示转成隐式文本嵌入作为生成条件，为视觉研究者提供了一条「复用生成模型先验做密集预测」的可迁移路径。
SAT-RRG：面向放射报告生成的 LLM 引导自适应训练与词元级推拉优化
SAT-RRG: LLM-Guided Self-Adaptive Training for Radiology Report Generation with Token-Level Push-Pull Optimization
把冻结 LLM 当作弱监督裁判，自动定位预测报告与参考报告之间的语义冲突片段，并在这些稀疏关键片段上施加 push-pull 式的词元级自适应梯度惩罚；这一「错误片段定位 + 自适应加权」思路可迁移到图像描述、VQA 等序列生成任务的训练目标设计中。
SAR2Net：学习空间锚定表征用于检索引导的跨染色对齐
SAR2Net: Learning Spatially Anchored Representations for Retrieval-Guided Cross-Stain Alignment
把跨模态配准从显式变换估计改写成区域级特征检索，用相对组织标志点的空间锚定特征做形变不变描述子，这一思路可迁移到多模态/多时相图像匹配与检索式配准任务。
重新审视2D基础模型用于可扩展的3D医学图像分类
Revisiting 2D Foundation Models for Scalable 3D Medical Image Classification
将2D基础模型通过轻量插件适配到3D医学分类，并系统评估多种适配策略，为视觉领域利用大规模2D预训练模型解决3D任务提供了可复用的范式。
Real2Sim2Real：用于后节眼科手术深度估计的 RetinalDepth-64K
Real2Sim2Real: RetinalDepth-64K for Depth Estimation in Posterior Segment Ophthalmic Surgery
对做单目/立体/视频深度估计的人，这是一个可复用的合成数据生成范式：用 Blender 建模解剖结构并加入折射介质与后处理，再配合时序深度方差指标评估帧间稳定性，可直接迁移到其他缺乏深度真值的显微或内窥场景。
R2-Seg：通过解剖推理与统计拒绝实现免训练的分布外医学肿瘤分割
R2-Seg: Training-Free OOD Medical Tumor Segmentation via Anatomical Reasoning and Statistical Rejection
把「LLM 解剖推理定位器官锚点 + 冻结基础模型出候选 + 双样本统计检验剔除」这套免训练流程当作通用后处理范式，可直接套到任何分割基础模型上抑制 OOD 假阳性，且与测试时增强天然兼容。
基于单次测量的潜空间运动跟踪的前瞻式动态3D MRI重建
Prospective Dynamic 3D MRI Reconstruction via Latent-Space Motion Tracking from Single Measurement
把形变矢量场（DVF）约束在离线学到的低维潜流形上，并用三平面编码实现几何感知、显存友好的3D运动表示，这一「低维运动流形+在线快速适配」思路可迁移到任何需要从稀疏观测快速估计稠密形变的视觉任务（如动态场景重建、非刚性配准、视频形变跟踪）。
通过高阶多细胞交互建模从组织学图像预测空间转录组
Predicting Spatial Transcriptomics from Histology Images via High-Order Multi-Cell Interaction Modeling
把多体注意力（many-body attention）与分层耦合引入全切片图像的多细胞建模，为病理图像中建模高阶、多对多的细胞间依赖提供了可复用的注意力设计，可迁移到其他需要超长程、多实体交互的密集预测任务。
面向眼底图像分类的训练后特征剪枝
Post-training Feature Pruning for Fundus Images Classification
提出一种训练后贪心特征剪枝（GFP）方法，可去除展平特征中的冗余维度，提升跨设备泛化性和可解释性，适用于任何视觉骨干网络的特征压缩。
PMRNet：面向医学图像分割的物理信息多尺度细化网络
PMRNet: Physics-informed Multi-scale Refinement Network for Medical Image Segmentation
用熵驱动的扩散机制以线性复杂度逼近全局感受野，并用重正化群式下采样保留信息，这套「伪全局感受野 + 边界感知解码」的组合可直接迁移到其他需要低算力密集预测的视觉任务。
PGR-Net：用于脑肿瘤 MRI 分割的先验引导 ROI 推理网络
PGR-Net: Prior-Guided ROI Reasoning Network for Brain Tumor MRI Segmentation
把「病灶只占体数据很小一部分」这一临床空间先验显式建模成 ROI 决策机制（分层 Top-K 候选区域选择 + 高斯窗口衰减引导图），可直接迁移到其他稀疏目标分割任务（如小器官、微转移灶、肺结节）以削减背景冗余计算。
PETAR：面向 PET 自动报告的掩码感知视觉语言建模与局部化发现生成
PETAR: Localized Findings Generation with Mask-Aware Vision-Language Modeling for PET Automated Reporting
把 3D 病灶分割掩码作为显式空间条件注入视觉语言模型，并用 3D focal prompt 聚焦占体积极小（<0.1%）的病灶，这一「掩码感知 + 局部提示」思路可迁移到任何需要空间定位依据的医学或细粒度视觉语言生成任务。
PDD：面向医学异常检测的流形先验多样性蒸馏
PDD: Manifold-Prior Diverse Distillation for Medical Anomaly Detection
把双教师（VMamba 全局上下文 + wide-ResNet50 局部结构）先验统一到共享高维流形再蒸馏给双学生，并用多样性损失防表征坍缩；这套「流形匹配统一 + 双学生互补蒸馏」可直接迁移到工业/医学以外的无监督异常检测与多源特征融合场景。
面向半导体光刻的基于光学衍射的卷积
Optical Diffraction-based Convolution for Semiconductor Lithography
把光学衍射的相位传播先验写进卷积核（optical phase kernel），为需要物理一致性的成像逆问题提供了一种可复用的「物理算子嵌入网络」范式，可迁移到计算成像、相位恢复等任务。
OmniFM：面向异构医学影像的模态鲁棒与任务无关联邦学习
OmniFM: Toward Modality-Robust and Task-Agnostic Federated Learning for Heterogeneous Medical Imaging
把低频频谱分量当作跨模态共享的解剖结构先验，这一思路可直接迁移到多模态医学图像的分割/超分骨干上，用频域提示替代模态专属适配器；其前缀-后缀频谱提示与嵌入级交叉注意力融合也可作为跨模态对齐的轻量插件。
OSA：基于正交化状态更新与解剖先验感知特征增强的超声心动图视频分割
OSA: Echocardiography Video Segmentation via Orthogonalized State Update and Anatomical Prior-aware Feature Enhancement
将循环状态更新约束在 Stiefel 流形上以避免秩坍缩，为视频分割中的时序建模提供稳定记忆机制；解剖先验感知的特征增强模块可分离散斑噪声，可迁移到其他医学视频分割任务。
NeuroSeg 遇上 DINOv3：通过 DINOv3 初始化将 2D 自监督视觉先验迁移至 3D 神经元分割
NeuroSeg Meets DINOv3: Transferring 2D Self-Supervised Visual Priors to 3D Neuron Segmentation via DINOv3 Initialization
把 DINOv3 的 2D 自监督表征通过 filter inflation 迁移到 3D 神经元体数据分割，为标注稀缺的体成像任务提供了一条可复用的数据高效初始化路径；拓扑感知骨架损失也可直接用于其他管状/树状结构的重建。
面向酶动力学参数的多模态蛋白质语言模型：从底物识别到构象适配
Multimodal Protein Language Models for Enzyme Kinetic Parameters: From Substrate Recognition to Conformational Adaptation
把「先识别底物、再适配构象」的两阶段条件注入做成可插拔适配器（MRCA + 几何感知 MoE），并用 RKHS 上的分布对齐约束微调不破坏预训练先验——这套「冻结主干 + 分阶段跨模态注入 + 分布正则」的范式可直接迁移到视觉-语言或图像-结构条件生成任务中。
面向可泛化医学图像分割的多模态因果驱动表征学习
Multimodal Causality-Driven Representation Learning for Generalizable Medical Image Segmentation
把因果干预引入 CLIP 式视觉语言模型：用文本提示构建「混淆因子字典」来显式建模设备/成像模式等域偏移，再做因果去混淆，这套「字典+干预」思路可迁移到任何需要跨域泛化的分割或检测任务。
面向空间转录组学的多视图层次对齐学习
Multi-View Hierarchical Alignment Learning for Spatial Transcriptomics
论文提出的层次化对齐学习（样本级正样本对齐+原型级对比学习）可迁移到多视图视觉表征学习任务中，例如多模态图像聚类或跨视角特征融合，为视觉领域处理视图间不一致性和语义监督缺失提供了一种通用框架。
MuViT：用于跨尺度学习的多分辨率视觉 Transformer
MuViT: Multi-Resolution Vision Transformers for Learning Across Scales in Microscopy
把不同分辨率下的 patch 嵌入统一的 world-coordinate 体系，并把 RoPE 扩展到该坐标上，使单个编码器内的注意力能同时整合大范围上下文与高分辨率细节；这套坐标化位置编码思路可直接迁移到全切片病理、遥感大幅面图像等任意多尺度视觉任务。
MorphSeek：面向可变形图像配准的细粒度潜表征级策略优化
MorphSeek: Fine-grained Latent Representation-Level Policy Optimization for Deformable Image Registration
把 DIR 的稠密位移场优化搬到潜特征空间，用高斯策略头 + GRPO 做由粗到细的探索，这种「表征级策略优化」思路可迁移到任何高维稠密预测任务（如光流、稠密对应、点云配准）的搜索式优化中。
面向计算病理学知识蒸馏的动量记忆
Momentum Memory for Knowledge Distillation in Computational Pathology
用动量更新的跨批次记忆库替代批次内对齐，把基因组监督蒸馏进纯组织学推理模型，并解耦双分支梯度；这套「记忆库扩大监督上下文 + 梯度解耦」的做法可直接迁移到其他缺失模态的多模态蒸馏场景（如影像-文本、影像-临床指标）。
建模大脑的语法：ROI 引导的 fMRI 预训练用于可迁移与可解释的视觉解码
Modeling the Brain's Grammar: ROI-Guided fMRI Pretraining for Transferable and Interpretable Vision Decoding
把 Matryoshka 式嵌套嵌入压缩与 ROI 级稀疏上下文融合用于跨被试 fMRI 预训练，为视觉解码提供可迁移、可按脑区归因的表征；做脑-视觉对齐或多被试表征对齐的研究者可直接借用其 ROI 级 token 化与嵌套压缩思路。
面向高分辨率大脑动态的时空神经帧建模
Modeling Spatiotemporal Neural Frames for High Resolution Brain Dynamic
将EEG作为条件信号、以零空间中间帧重建处理不规则采样，把fMRI重建为皮层顶点级连续序列；这套「条件生成+不规则采样补全」思路可迁移到其他跨模态医学时序重建与视觉解码任务。
MicroFM：面向各向同性显微重建的物理引导流匹配
MicroFM: Physics-guided Flow Matching for Isotropic Microscopy Reconstruction
把物理点扩散函数（PSF）匹配的合成数据与流匹配生成模型结合，并用连续隐式几何先验约束体数据，为各向异性退化下的三维重建提供了可复用的「物理退化建模 + 生成式复原」范式。
元学习上下文实现免训练跨被试大脑解码
Meta-Learning In-Context Enables Training-Free Cross Subject Brain Decoding
对做视觉表征研究的人，这篇提供了一个「用少量图像-脑响应样例做上下文学习、无需微调即可逆推个体编码器」的范式，可作为评估视觉骨干网络与大脑表征对齐程度的探针，也提示把元学习/上下文条件化用于跨域个体差异建模。
Medic-AD：迈向医学视觉语言模型的临床智能
Medic-AD: Towards Medical Vision-Language Model's Clinical Intelligence
可学习异常感知 token 与跨图像差异 token 的设计，可迁移到任何需要纵向对比（随访、变化检测）的视觉-语言模型中，把时序变化显式编码进 token 而非依赖后处理；其可解释性阶段用热力图对齐模型推理，也为医学 VLM 的可信输出提供了可复用的训练范式。
MedCLIPSeg：面向数据高效与可泛化医学图像分割的概率视觉-语言适配
MedCLIPSeg: Probabilistic Vision-Language Adaptation for Data-Efficient and Generalizable Medical Image Segmentation
将CLIP的patch级嵌入通过概率跨模态注意力进行适配，并引入软patch级对比损失，为视觉研究者提供了一种在标注稀缺的医学图像上实现文本引导分割且能输出不确定性图的通用思路。
面向3D医学视觉表征学习的掩码扩散自编码器
Masked-Diffusion Autoencoders for 3D Medical Vision Representation Learning
把「空间掩码 + 扩散加噪」两种破坏叠加成统一的时间条件去噪目标，让同一网络同时学结构重建与纹理去噪；做3D医学（或任何低标注3D体数据）自监督预训练时，可直接借用这套双破坏预训练范式替代单一MAE或对比学习。
MambaLiteUNet：面向鲁棒皮肤病变分割的跨门控自适应特征融合
MambaLiteUNet: Cross-Gated Adaptive Feature Fusion for Robust Skin Lesion Segmentation
把 Mamba 状态空间建模嵌入 U-Net 的跳跃连接，用跨门控注意力与局部-全局特征混合模块在极低参数量下保留细粒度边界，可作为轻量分割网络在皮肤镜等专业成像域的可复用骨干设计。
MUST：面向缺失模态扩散增强生存预测的模态特异表征感知 Transformer
MUST: Modality-Specific Representation-Aware Transformer for Diffusion-Enhanced Survival Prediction with Missing Modality
把每个模态的表征显式拆成模态特异分量与跨模态上下文分量，再用条件潜变量扩散模型补全缺失模态的特异信息——这套「分解+条件生成补全」思路可直接迁移到视觉多模态任务（如RGB-深度、图像-文本）中的模态缺失场景。
MUSE：利用精确且多样的语义进行少样本全切片图像分类
MUSE: Harnessing Precise and Diverse Semantics for Few-Shot Whole Slide Image Classification
对做视觉研究的人，这篇论文提供了一个可复用的思路：把 LLM 生成的类级文本先验，通过基于 MoE 的样本级视觉-语义交互细化为逐样本先验，再用检索增强的多视图文本做随机语义监督，从而在少样本下缓解过拟合并提升视觉-语义对齐的精度与多样性；该「先细化再增广」的语义监督流程可迁移到其他少样本视觉-语言任务。
MRI对比增强动力学世界模型
MRI Contrast Enhancement Kinetics World Model
提出时空一致性学习框架，通过潜空间对齐和潜空间差分学习解决稀疏时序采样下的连续动力学建模问题，可迁移到其他需要从稀疏观测重建连续时序过程的视觉任务。
MDCS-MoAME：面向癌症生存预测的多方向复合扫描与注意力及 Mamba 混合专家
MDCS-MoAME: Multi-directional Composite Scanning with Mixture of Attention and Mamba Experts for Cancer Survival Prediction
把 Mamba 的多方向复合扫描策略用在千兆像素全切片图像上，为处理超长序列的病理图像提供了一种可复用的序列化与建模思路；注意力与 Mamba 混合专家动态路由也可迁移到其他多模态视觉任务。
从掩码引导自监督中学习可泛化的 3D 医学图像表征
Learning Generalizable 3D Medical Image Representations from Mask-Guided Self-Supervision
把自动生成的类无关掩码当作上下文分割的预训练 pretext task，为 3D 医学体数据提供一种无需标注、可迁移到少样本分割与冻结编码器分类的预训练范式；其「掩码提议即结构监督」的思路也可迁移到自然图像或视频的 3D/时序表征预训练。
基于半群正则化与时间嵌入架构学习微分同胚的医学图像配准
Learning Diffeomorphism for Medical Image Registration with Time-Embedded Architectures Using Semigroup Regularization
把配准形变场建模为 ODE 流，用时间嵌入骨干网络加单一半群正则化替代 scaling-and-squaring 积分与多重辅助约束，可直接迁移到需要可逆形变场的医学配准、可逆光流与图像编辑中的形变建模。
LUMINA：带能量协调协议的多厂商乳腺X线摄影基准
LUMINA: A Multi-Vendor Mammography Benchmark with Energy Harmonization Protocol
针对多厂商、多能量采集造成的域偏移，提出仅在前景像素空间做对齐的"能量协调"方法，把图像映射到低能量参考域且保持病灶形态；这是一种模型无关的预处理/域对齐手段，可直接迁移到其他多中心医学影像基准的跨域评测与部署流程中。
LEMON：面向手术场景感知的大规模内窥镜单目数据集与基础模型
LEMON: A Large Endoscopic MONocular Dataset and Foundation Model for Perception in Surgical Settings
LEMON 提供了迄今最大规模的手术视频数据集（938 小时、8500 万帧），并配套一个通过自监督增强知识蒸馏预训练的基础模型 LemonFM；对视觉研究者而言，这是一个可直接用于手术场景下游任务（阶段识别、动作识别、器械检测、语义分割）的大规模预训练资源，其数据聚合流程与自监督蒸馏策略也可迁移到其他标注稀缺的领域。
万花筒式闪烁事件成像
Kaleidoscopic Scintillation Event Imaging
把万花筒式镜面反射当作编码孔径/光场复用手段，在极低光子数下用单光子相机做事件三维定位——这套「用已知镜面几何把稀疏光子复制到多个已知位置再反解位置」的思路，可迁移到低光单光子成像、非视域成像与稀疏光子三维重建。
KAMP：面向医学图像表征的知识锚定多模态预训练框架
KAMP: Knowledge-Anchored Multimodal Pretraining Framework for Medical Image Representation
用大语言模型从临床文本与影像元数据生成个性化诊断知识，作为语义锚点注入图像表征，并用跨模态对齐器作奖励模型做 GRPO 优化——这套「文本先验锚定 + 对齐器即奖励」的流程可迁移到任何配对数据稀缺的视觉-语言预训练场景。
干预感知的多尺度表征学习：从成像表型组学到扰动转录组学
Intervention-Aware Multiscale Representation Learning from Imaging Phenomics and Perturbation Transcriptomics
提出一种干预感知的蒸馏框架，利用转录组学教师模型指导仅图像的student模型，在测试时无需转录组数据即可预测干预语义；其基于化学感知码本和剂量解耦的设计，可迁移到其他需要从图像预测干预效果或处理弱配对多模态数据的视觉任务中。
IVAAN：面向细胞核分析的属性引导文本提示生成实例级视觉语言对齐
IVAAN: Instance-level Vision-Language Alignment via Attribute-Guided Text Prompts Generation for Nuclei Analysis
用真值掩码自动生成属性引导的文本描述，再以对比学习把实例级视觉表征与语义锚点对齐，并学习类内多个原型 token 建模子模态——这套「无人工文本标注的实例级视觉语言对齐 + 原型语义反馈」可直接迁移到其他缺乏实例级文本标注的密集预测任务（如细胞/病灶/遥感目标分割）。
IEBGL：一种可解释性增强的脑图学习框架，结合大语言模型指导的拓扑与文献增强的语义
IEBGL:An Interpretability-Enhanced Brain Graph Learning Framework with LLM-Instructed Topology and Literature-Augmented Semantics
对做医学影像图学习的人，这篇给出了用 LLM 推理重建脑连接拓扑、并用生物医学文献语义增强节点表示的范式，可作为把外部知识注入图结构、提升可解释性的可复用思路。
IBISAgent：强化多模态大模型中的像素级视觉推理，实现通用生物医学目标指代与分割
IBISAgent: Reinforcing Pixel-Level Visual Reasoning in MLLMs for Universal Biomedical Object Referring and Segmentation
把分割重构为多轮「文本点击动作 + 调用分割工具」的智能体决策过程，无需改动 MLLM 架构、也无需联合微调解码器，这种「MLLM 输出点击坐标驱动外部分割器」的范式可直接迁移到通用指代分割与交互式分割，并天然支持掩码迭代精修。
HyperST：用于空间转录组学预测的层次化双曲学习
HyperST: Hierarchical Hyperbolic Learning for Spatial Transcriptomics Prediction
将双曲几何引入跨模态对齐，利用层次结构建模图像与基因表达的多层级关系，为视觉-组学跨模态预测提供可复用的表征学习框架。
协调特征条件与频率提示个性化用于多标注者医学分割
Harmonized Feature Conditioning and Frequency-Prompt Personalization for Multi-Rater Medical Segmentation
提出频域提示模块和特征协调网络，将标注者差异建模为风格提示，可推广到其他需要建模标注歧义的视觉任务（如多标注者分类、检测）。
H2-Surv：面向生存预测的层级双曲多模态表征学习
H2-Surv: Hierarchical Hyperbolic Multimodal Representation Learning for Survival Prediction
把全切片图像的多级结构（patch→WSI→患者）与基因组层级一起嵌入共享双曲空间，并用序数对比损失保持风险分数的连续性；做病理图像层级建模或需要保留样本间细粒度序关系时，这套双曲层级编码加序数对比目标可直接迁移。
GraPHFormer：用于神经科学形态分析的多模态图持续同调 Transformer
GraPHFormer: A Multimodal Graph Persistent Homology Transformer for the Analysis of Neuroscience Morphologies
把持续同调得到的持续图像当作三通道视觉输入、用 DINOv2-ViT 提取特征，再与 TreeLSTM 的骨架图特征做 CLIP 式对称 InfoNCE 对齐——这套「拓扑图像 + 图结构」双分支对比框架可直接迁移到其他需要同时建模形状拓扑与骨架几何的视觉任务（如血管、道路、细胞骨架分析）。
GeoSemba：为医学图像分割重构跨范式表征的状态空间模型
GeoSemba: Reconstructing State Space Model for Cross Paradigm Representation in Medical Image Segmentation
把 Mamba 状态空间扫描从单一序列建模扩展为「几何-语义跨层交互 + 空间-通道跨维亲和」的双重精炼，对做医学分割或想把线性复杂度 SSM 用到密集预测的人，SSR 的几何条件区域传播与 CAR 的由粗到细亲和筛选都是可直接迁移的模块设计。
GeneVAR：面向自回归基因到 WSI 瓦片合成的因果 MeanFlow
GeneVAR: Causal MeanFlow for Autoregressive Gene-to-WSI Tile Synthesis
把 RNA-Seq 条件通过反事实干预约束成伪影不变的自回归粗到细生成过程，可为视觉中「条件信号弱、易被染色/对比度等非语义因素劫持」的可控生成提供可复用的因果正则思路；多尺度矢量量化离散形态表示也可迁移到其他病理或遥感瓦片生成。
GenTract：生成式全局纤维束追踪
GenTract: Generative Global Tractography
把纤维束追踪从逐步跟踪或全局优化重构为从 dMRI 到完整流线的条件生成问题，并用扩散模型与流匹配两种范式做对比；对视觉研究者而言，这是一个把生成模型用于结构化曲线/轨迹输出的可复用范式，可迁移到血管、道路等线状结构重建任务。
GH-NAF：面向差异感知CBCT的网格自适应哈希层级注意力神经衰减场
GH-NAF: Grid-Adaptive Hash-Level-Attended Neural Attenuation Fields for Discrepancy-Aware CBCT
把多分辨率哈希编码的各层级解耦，并用不确定性引导的层级注意力自适应加权，这一思路可直接迁移到稀疏视角NeRF/3DGS重建中处理投影噪声与不一致性，缓解均匀组织中的伪高频纹理与边界模糊。
从斑点到像素：基于组织学图像的密集空间基因表达预测
From Spots to Pixels: Dense Spatial Gene Expression Prediction from Histology Images
将空间基因表达预测从基于裁剪斑块的分类/回归范式转变为密集连续图预测，并支持多尺度斑块聚合，为病理图像中的空间组学分析提供了可复用的密集预测框架。
从注入到同化的蒸馏用于医学图像分割
From Infusion to Assimilation Distillation for Medical Image Segmentation
把知识蒸馏拆成「注入+同化」两阶段：先用类加权原型对齐软标签蒸馏对齐师生预测分布，再用对比式语义自优化对编码器特征施加反向约束，可作为在算力受限场景下压缩 SAM 类基础模型到轻量分割网络的通用蒸馏范式。
FluoCLIP：荧光显微成像中的染色感知聚焦质量评估
FluoCLIP: Stain-Aware Focus Quality Assessment in Fluorescence Microscopy
把染色语义作为条件注入 CLIP 式视觉语言框架，做染色条件下的序数推理，这个「语义 grounding + 条件化排序」的解耦思路可迁移到其他存在域相关标注偏置的视觉回归任务（如不同成像协议下的质量评分、美学评分）。
面向鲁棒癌症风险估计的因子化上下文聚合：软重排序检索与分层锚框
Factorized Context Aggregation for Robust Cancer Risk Estimation via Soft Re-Ranked Retrieval and Hierarchical Anchors
提出以组织病理学为锚、其他模态仅用于训练的解耦框架，结合软重排序检索与分层锚框，在模态缺失下保持鲁棒性；其检索与分层锚框机制可迁移至其他多模态医学影像任务。
FEAST：用于空间转录组学的全连接表达性注意力
FEAST: Fully Connected Expressive Attention for Spatial Transcriptomics
将组织建模为全连接图并引入负感知注意力，可迁移到其他需要建模长程成对交互的视觉任务（如病理图像分析、点云配准）；离网采样策略为从全扫描图像中提取更丰富形态上下文提供了新思路。
FBTA：通过特征桥接与翻译对齐实现单GPU端到端千兆像素WSI分类
FBTA: Enabling Single-GPU End-to-End Gigapixel WSI Classification with Feature Bridging and Translation Alignment
提出一种在单张24GB GPU上端到端训练WSI分类的MIL框架，通过特征桥接和翻译对齐解决冻结特征提取器带来的语义鸿沟，可复用于其他需要端到端训练的大图像分类任务。
F$^2$-Assist：基于超声检查的多阶段胎儿生长预测与报告生成
F$^2$-Assist: Multi-Phase Fetal Growth Forecast and Report Generation from Ultrasound Examination
把连续生物测量值编码为可微 token 的 Growth Parameter Adapter，以及处理不规则采样间隔的 History-Aware Temporal Encoding，可迁移到任何需要数值精确推理的医学视觉语言模型与纵向影像随访任务。
每种错误都有其严重程度：面向多类多示例学习的不对称错误严重度训练
Every Error has Its Magnitude: Asymmetric Mistake Severity Training for Multiclass Multiple Instance Learning
把类别间的临床严重程度编码成层次结构与严重度加权交叉熵，可直接迁移到任何多类医学图像分类（如分级诊断、病变分型）中，用来压低高危误判；配套的非对称 Mikel's Wheel 指标也提供了一个可复用的、按错误严重度加权的评测方式。
单发射器下的电磁逆散射
Electromagnetic Inverse Scattering from a Single Transmitter
把稀疏测量下的逆散射当作数据驱动的端到端前馈重建问题，用数据分布先验补偿缺失的物理信息，这一思路可迁移到其他病态逆成像任务（如稀疏视角断层重建、有限角度CT），也提示视觉研究者关注单发射器极端稀疏设定下的重建鲁棒性。
EchoPOSE：面向左心室三维形状重建的稀疏超声心动图 6D 位姿估计
EchoPOSE: 6D Pose Estimation of Sparse Echocardiograms for Left-Ventricular 3D Shape Reconstruction
把稀疏多平面 2D 超声视图当作多视图位姿估计问题：用 Transformer 融合局部图像特征与全局多视图上下文回归分割体的 6D 位姿，再用图调和算法把位姿约束下的轮廓重建为心动周期内的 3D 形状；其几何一致性损失与「稀疏视图+位姿+形变重建」范式可迁移到其他稀疏视角 3D 重建任务。
面向可变形医学图像配准中组合爆炸问题的动态流网络
Dynamic Stream Network for Combinatorial Explosion Problem in Deformable Medical Image Registration
把「双输入特征组合爆炸」显式建模为问题，并用动态感受野（AdSB）与动态权重注意力（DySA）筛选相关特征组合，这一思路可迁移到光流、立体匹配、多帧融合等任何双/多输入密集预测任务的特征交互设计上。
Duala：面向跨被试fMRI解码的主体与刺激双层对齐
Duala: Dual-Level Alignment of Subjects and Stimuli for Cross-Subject fMRI Decoding
提出刺激级语义对齐与关系一致性约束，以及基于分布的特征扰动机制，可迁移到其他跨域/跨被试的视觉表征对齐任务，如跨摄像头行人重识别中的域适应。
面向全切片图像分类中特征稀缺问题的双层超图生成方法
Dual-Level Hypergraph Generation for Addressing Feature Scarcity in Whole-Slide Image Classification
针对全切片图像中少数类特征稀缺问题，提出超图层级的提示引导分层超图变分自编码器生成拓扑一致的超图表示，以及超节点层级的锚框扩散 mixup 增强高注意力锚节点特征，可迁移到其他存在类内/类间稀缺的病理或细粒度分类任务。
分而治之与聚合：用于类别不平衡半监督医学图像分割的非对称专家
Divide, Conquer, and Aggregate: Asymmetric Experts for Class-Imbalanced Semi-Supervised Medical Image Segmentation
针对类别不平衡的半监督医学图像分割，提出非对称专家解码器与动态特征聚合模块，可复用于多器官分割中的尾类提升与伪标签质量优化。
解耦后对齐：基于跨尺度特征解耦的非迭代混合多模态图像配准
Disentangle-then-Align: Non-Iterative Hybrid Multimodal Image Registration via Cross-Scale Feature Disentanglement
提出跨尺度解耦与自适应投影模块（CDAP）抑制模态私有线索，结合混合参数预测模块（HPPM）实现非迭代的全局刚性参数与形变场联合估计，为多模态配准提供可复用的解耦-对齐框架。
基于扩散的原生对抗合成以增强医学分割泛化
Diffusion-Based Native Adversarial Synthesis for Enhanced Medical Segmentation Generalization
把扩散模型的初始噪声当作可优化变量来挖掘「原生对抗样本」，无需重训或改动扩散模型即可生成难例做数据增强；做医学分割或任何小样本分割任务时，这是一个可直接套用的合成增强插件。
以语言罗盘引导的扩散：为早期 MCI 转化预测生成临床合理的未来 sMRI 表征
Diffusion with a Linguistic Compass: Steering the Generation of Clinically Plausible Future sMRI Representations for Early MCI Conversion Prediction
把扩散模型的潜空间轨迹外推与 LLM 打分引导结合，用单次基线扫描合成未来 sMRI 表征；这套「潜变量外推 + 语言模型合理性筛选」的采样策略可迁移到任何需要从单帧预测时序演变的医学或视频表征任务。
扩散磁共振 Transformer 与扩散空间旋转位置嵌入（D-RoPE）
Diffusion MRI Transformer with a Diffusion Space Rotary Positional Embedding (D-RoPE)
D-RoPE 把扩散梯度方向与强度编码进旋转位置嵌入，使 Transformer 能在任意数量扩散方向上共享权重；做多通道/多视角输入（如多光照、多视角图像）时，可借鉴这种把采集参数写进位置编码以摆脱固定通道数的做法。
通过视觉基础模型探究医学图像分割中的偶然不确定性
Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models
利用视觉基础模型解码特征的奇异值能量定义语义感知尺度来量化偶然不确定性，可迁移到其他密集预测任务中做样本筛选和损失加权。
通过 BrainSSD 解码三维感知：静态与动态视觉流脑电表征的协同融合
Decoding 3D Perception via BrainSSD: Synergistic Fusion of EEG Representations from Static and Dynamic Visual Streams
对做视觉表征学习的人，这篇提供了用 EEG 信号作为监督/对齐目标来反推 3D 物体表征的思路：静态视图与旋转序列两路信号经 PAC 引导融合后，再用多级对齐损失映射回视觉域，可作为研究「视觉模型表征是否与大脑 3D 感知一致」的探针与对齐范式。
基于知识引导多模态图学习从高内涵图谱解析基因型-表型机制
Deciphering Genotype-Phenotype Mechanisms from High-Content Profiling via Knowledge-Guided Multi-modal Graph Learning
把高内涵细胞形态学表型当作图上的关系信号而非节点特征，并学习逐边置信度与知识门控，这一思路可迁移到视觉中需要将图像特征嵌入结构化知识图谱的任务（如场景图推理、视觉-知识联合推理），也为细胞成像的表征学习提供了可解释的图建模范式。
DARC：面向可信胸部X光分类的双重调整反事实推理
DARC: Dual Adjustment Reasoning with Counterfactuals for Trustworthy Chest X-ray Classification
把因果推断中的后门调整与反事实推理引入胸部X光多标签分类，用于解耦病理共现与非病理视觉混杂带来的虚假相关；其像素级混杂标注数据集CheXconf与双流因果学习结构，可迁移到其他存在捷径学习的医学影像乃至自然图像分类任务。
D2T2——面向近距离放射治疗的多模态自动规划
D2T2 - Multimodal Automated Planning for Brachytherapy
把物理前向模型（剂量核线性组合）作为可微网络层嵌入端到端预测，并用可学习的代理指标（gamma index 预测器）构造损失，这一「物理模型嵌入 + 代理指标损失」范式可迁移到其他需要输出物理可行结果的医学影像回归任务。
CryoKRAQEN：面向冷冻电镜异质重建中量化嵌入网络的核正则化退火方法
CryoKRAQEN: Kernel-Regularized Annealing for Quantized Embedding Networks in Cryo-EM Heterogeneous Reconstruction
把三平面隐式表示与核引导的量化潜变量分配结合，做成无编码器的解码器框架，可迁移到其他需要从极噪、连续变化观测中恢复潜结构的逆问题（如动态场景重建、低剂量成像），其避免码本坍缩的退火式量化分配策略也值得借鉴。
CryoHype：用基于 Transformer 的超网络重建上千个冷冻电镜结构
CryoHype: Reconstructing a thousand cryo-EM structures with transformer-based hypernetworks
把超网络与隐式神经表示结合，用输入结构索引动态生成 INR 权重，为视觉中「一次前向重建大量不同实例」的摊销式重建提供了可复用范式；固定位姿下从混合粒子图像中分离上千个结构，也可迁移到多目标、多实例的逆渲染与神经场重建。
面向稀疏标注 PET 脑疾病预测的跨域双流特征解耦
Cross-domain Dual-stream Feature Disentanglement for Brain Disorder Prediction with Sparsely Labeled PET
在 PET 标注稀疏时用 MRI 做跨模态域自适应，其「先显式解耦关键/非关键脑区、再分别做拓扑加权对齐与高置信融合」的差异化解耦思路，可迁移到任何源域充足、目标域标注稀缺的跨模态医学分类任务。
跨被试脑电到视频重建及超越
Cross-Subject EEG-to-Video Reconstruction and Beyond
SAM-Net 的跨被试对齐思路（中心渐进式对抗 + New2Source 映射）可迁移到其他需要跨域泛化的视觉生成任务，如跨摄像头行人重识别或跨模态视频生成；其 HRT 编码器对多通道时序信号的区域引导交互设计，对处理多传感器时序数据有参考价值。
面向空间基因表达推断的掩码多模态异构图对比学习跨切片知识迁移
Cross-Slice Knowledge Transfer via Masked Multi-Modal Heterogeneous Graph Contrastive Learning for Spatial Gene Expression Inference
把病理基础模型提取的图像嵌入当作跨切片相似度度量，再用掩码图对比学习在切片间迁移知识——这套「基础模型嵌入 + 异构图对比」的范式可直接迁移到其他需要跨样本/跨域迁移的病理与医学图像预测任务。
面向多实例学习全切片图像分类的对比跨袋增强
Contrastive Cross-Bag Augmentation for Multiple Instance Learning-based Whole Slide Image Classification
C2Aug 的跨袋增强与袋级/组级对比学习框架可迁移到其他弱监督密集预测任务（如组织病理分割、遥感场景分类），用于提升伪包多样性和特征判别性。
基于功能连接矩阵生成式回放的fMRI脑部疾病诊断持续学习框架
Continual Learning for fMRI-Based Brain Disorder Diagnosis via Functional Connectivity Matrices Generative Replay
提出结构感知变分自编码器生成逼真的功能连接矩阵，并结合多级知识蒸馏与分层上下文赌博机自适应回放采样，为视觉领域处理非欧几里得图结构数据的持续学习提供可复用方案。
CoFiDA-M：面向跨域自适应且仅需图像推理的概念感知特征调制
CoFiDA-M: Concept-Aware Feature Modulation for Cross-Domain Adaptation with Image-Only Inference
把只在训练期可得的稠密概率元数据（MONET 概念分数）经 FiLM 调制教师特征，再让学生回归被『编辑』后的特征空间而非仅拟合 logits，这一特权信息蒸馏范式可迁移到任何测试时缺失辅助模态的视觉任务。
面向医学视频诊断的临床依据反事实推理
Clinically-Grounded Counterfactual Reasoning for Medical Video Diagnosis
用扩散模型合成反事实组织演变视频，并通过时序一致性、病理可分性与反事实对齐三项约束学习表征，为数据稀缺下的视频诊断提供可复用的反事实增强与对比预测范式。
细胞类型原型引导的神经网络用于病理图像基因表达估计
Cell-Type Prototype-Informed Neural Network for Gene Expression Estimation from Pathology Images
将单细胞RNA测序数据构建的细胞类型原型作为结构正则，引导从病理图像预测基因表达，为计算病理中的弱监督回归与可解释性提供了新思路。
自然图像自编码器能否紧凑地词元化 fMRI 体积以进行长程动力学建模？
Can Natural Image Autoencoders Compactly Tokenize fMRI Volumes for Long-Range Dynamics Modeling?
把预训练的 2D 自然图像自编码器当作 fMRI 体数据的词元化器，将每个 3D 体积压成少量连续词元，从而用普通 Transformer 编码器在有限显存下做长程时空建模；这套「自然图像编码器跨域复用 + 掩码词元建模预训练」的思路可直接迁移到其他高维医学/科学体数据的序列化建模。
CROWn：面向三维医学分割的抗混叠下采样与相位校准融合统一框架
CROWn: A Unified Framework for Anti-Aliased Downsampling and Phase-Calibrated Fusion in 3D Medical Segmentation
把采样理论引入分割网络的降采样与跳连环节：用多相分解+子带共注意力在抽取时抑制混叠，用空间到深度重排+相位注意力对齐高分辨率跳连，可直接迁移到任何带各向异性体素或跨尺度融合的 3D 分割/检测骨干。
CG-Reasoner：质心引导的位置推理分割用于医学影像及一个鲁棒的视觉-文本一致性指标
CG-Reasoner: Centroid-Guided Positional Reasoning Segmentation for Medical Imaging with a Robust Visual-Text Consistency Metric
将多模态大语言模型的推理能力与轻量级分割网络结合，通过Text2Centroid模块从推理嵌入预测病灶质心，为医学图像分割提供可解释的位置推理；提出的PRScore指标可评估生成文本与分割掩码的空间语义对齐，可复用于其他视觉-语言分割任务。
CARE：面向全切片图像分析的分子引导自适应区域建模基础模型
CARE: A Molecular-Guided Foundation Model with Adaptive Region Modeling for Whole Slide Image Analysis
把 WSI 从固定 patch 网格改为由分子信号引导的自适应不规则区域建模，并用区域级特征聚合出切片级表示；做病理或大尺寸图像分析时，这种「自适应区域 + 跨模态对齐」的预训练范式可直接迁移到其他超高分辨率图像任务。
基于bulk RNA-seq引导的多模态空间转录组学检测人类癌症异常区域
Bulk RNA-seq Guided Multi-modal Detection of Anomalous Regions in Human Cancer via Spatial Transcriptomics
将病理图像与空间转录组数据通过最优传输对齐基因模块，为多模态医学图像分析提供了一种跨模态对齐与融合的通用思路，可借鉴到其他需要整合组学与影像的任务中。
为免疫荧光显微成像跨数据集评估构建鲁棒视觉编码器
Building Robust Vision Encoders for Cross-Dataset Evaluation in Immunofluorescent Microscopy
把细胞图像通道按「上下文/概念」分组，用上下文通道作参考、以掩码知识蒸馏训练通道自适应编码器，使模型在未见通道配置的 IF 数据集上免重训直接迁移——这套「通道条件化表征 + 蒸馏」思路可迁移到多模态/多通道输入不一致的视觉表征学习场景。
桥接 RGB 与苏木精分量：面向点监督细胞核分割的交错引导与融合框架
Bridging RGB and Hematoxylin Components: An Interleaved Guidance and Fusion Framework for Point Supervised Nuclei Segmentation
在仅有单点标注的弱监督设定下，用 RGB 与苏木精分量双表示互补融合、并以点引导注意力在分割与核预测之间双向精化，为病理图像中降低标注成本的密集预测提供了可复用的双分支互引导范式。
连接大脑与语义：面向语义增强 fMRI 视频重建的分层框架
Bridging Brain and Semantics: A Hierarchical Framework for Semantically Enhanced fMRI-to-Video Reconstruction
把 fMRI 信号映射到同时包含文本语义、图像内容、动作概念与物体类别的联合嵌入空间，再用记忆库检索融合来约束视频生成，这套「语义富化 + 记忆检索」的两阶段思路可迁移到脑机解码之外的弱条件视频生成与跨模态检索增强生成。
打破连续性：面向结构性MRI重建的离散分布学习
Breaking the Continuum: Discrete Distribution Learning for Structural MRI Reconstruction
将MRI解剖结构的空间先验建模为潜空间中的离散分布，并用离散先验网络一次生成多个候选、再以双域评分和微扩散循环精修，为医学图像重建提供了可复用的“离散结构推理+连续细化”范式。
BiOTPrompt：双向最优传输引导的疾病演化感知放射报告生成
BiOTPrompt: Bidirectional Optimal Transport Guided Prompting for Disease Evolution-aware Radiology Report Generation
用双向最优传输计划的不对称性来定位新出现与已消退病灶，这一思路可迁移到任何需要比较两期影像差异的视觉任务（如变化检测、随访影像分析）；同时其视觉-语言一致性约束为缓解多模态生成中的幻觉提供了可复用的正则手段。
BiGMINT：生物学引导的分层多模态集成用于药物发现中多化合物活性建模
BiGMINT: Biologically-guided Hierarchical Multimodal Integration for Modeling Multiple Compound Activities in Drug Discovery
论文提出的化学蛋白质组学引导的表型聚合与任务感知的跨模态融合机制，可迁移到视觉-组学联合建模场景，为利用生物先验指导图像特征聚合提供可复用范式。
超越静态世界：面向一体化医学图像复原的终身学习
Beyond the Static-World: Lifelong Learning for All-in-One Medical Image Restoration
把「解耦-优化-巩固」范式用于多模态医学图像复原：用对抗平衡在内容保持与模态擦除之间解耦出模态不变特征流形，再用预测网络定位特征巩固点配合多样性损失抵抗域增量下的灾难性遗忘，可直接迁移到多模态视觉模型的持续学习场景。
任意到任意的 3D 扩散模型与知识迁移：一项放疗计划研究
Any2Any 3D Diffusion Models with Knowledge Transfer: A Radiotherapy Planning Study
把预训练视频扩散骨干的时空先验迁移到体素级 3D 预测任务上，并用「模态+角色」感知的 Any2Any 条件接口替代交叉注意力，为视觉研究者提供了一个可复用的思路：如何在不改动骨干结构的前提下，把异构条件（图像、掩码、束流描述符）统一注入扩散模型，并用奖励后训练对齐领域偏好。
从系统生物学视角出发，以基因组、蛋白质组与病理成像数据的层级融合推进癌症预后
Advancing Cancer Prognosis with Hierarchical Fusion of Genomic, Proteomic and Pathology Imaging Data from a Systems Biology Perspective
对做计算病理与多模态融合的研究者，这篇论文提供了把基因组、蛋白质组与病理图像按生物层级逐级融合的架构范式：用图感知交叉注意力建模基因-蛋白调控、用超图卷积建模蛋白-图像块的高阶关联，可作为多组学+全切片图像融合的可复用设计。
面向多对比度MRI任意尺度超分辨率的解剖引导自适应各向异性高斯泼溅
Adaptive Anisotropic Gaussian Splatting for Multi-contrast MRI Arbitrary-Scale Super-Resolution with Anatomy Guidance
把各向异性2D高斯核参数化引入MRI任意尺度超分辨率，用可学习的高斯中心与协方差替代INR的连续映射，绕开频谱偏置导致的高频解剖边界丢失；其中基于梯度稀疏注意力的高斯参数化器与双域跨注意力模块可迁移到其他需要高频细节恢复的医学图像复原任务。
将预训练单细胞基础模型适配于从组织学图像生成空间基因表达
Adapting a Pre-trained Single-Cell Foundation Model to Spatial Gene Expression Generation from Histology Images
将预训练单细胞基础模型通过轻量级视觉条件调制（SoftAdaLN）和掩码扩散目标适配到组织学图像条件生成，为视觉-组学跨模态生成提供可复用的条件注入与目标对齐策略。
面向冷冻电子断层成像联合复原的监督式多任务框架：由生成式物理仿真驱动
A Supervised Multi-task Framework for Joint cryo-ET Restoration Enabled by Generative Physical Simulation
用真实结构（EMDB）驱动的物理成像仿真生成带干净真值的断层图，把「缺真值」的低层复原任务转成全监督多任务学习；这套仿真-监督范式可迁移到其他缺乏 GT 的退化成像复原（如低剂量 CT、显微去噪）。