课题组10篇论文获MICCAI 2026接收

近日，国际医学图像计算与计算机辅助介入领域顶级会议 MICCAI 2026 录用结果公布。IMCL (aka GEM Group)课题组共有10篇论文被 MICCAI 2026 接收，研究内容覆盖多模态乳腺癌诊断、超声影像分析、PET-CT预后评估、医学图像分割与定位、三维重建、人机协同智能体、检索增强图模型等多个方向。

MICCAI，全称为 International Conference on Medical Image Computing and Computer Assisted Intervention，是医学图像计算、计算机辅助诊断、计算机辅助手术、医学人工智能等领域最具影响力的国际学术会议之一。长期以来，MICCAI 汇聚了全球医学影像、人工智能、计算机视觉与临床转化方向的前沿研究成果，是智能医学影像领域学者展示创新方法、推动临床应用和开展国际交流的重要平台。

据录用通知显示，MICCAI 2026 今年投稿量达到 4,601篇，其中 4,402篇 进入评审，最终 1,211篇 被接收，录用率约为 28%。此次 IMCL课题组多篇论文入选，体现了课题组在医学影像智能分析、多模态临床建模和可信医学AI方向的持续积累与创新探索。

论文一

ClinLoop: Human-AI Collaborative Agents for Multimodal Breast Cancer Diagnosis under Incomplete Clinical Data

Paper #2960

该论文聚焦真实临床场景中常见的“不完整临床数据”问题，提出面向多模态乳腺癌诊断的人机协同智能体框架 ClinLoop。该方法通过构建AI智能体与临床专家之间的协作机制，提升模型在缺失信息、多源数据和复杂诊疗流程下的诊断可靠性与临床适用性。

论文二

Organ-invariant Tumor Representation Learning via Disentangled Adversarial MAE for Multi-organ Ultrasound Imaging

Paper #2499

该论文面向多器官超声肿瘤影像分析，探索如何学习具有器官不变性的肿瘤表征，从而降低不同器官和不同成像部位带来的分布差异。研究提出解耦式对抗 MAE 框架，增强模型对肿瘤本质特征的建模能力，为跨器官超声影像中的肿瘤识别与泛化分析提供了新的解决思路。

论文三

Multi-Annotation Adaption: A Label-Informed Dynamic Framework for Medical Segmentation and Localization

Paper #2169

该论文针对医学图像中多标注形式、多任务需求和标注不一致等问题，提出一种标签信息引导的动态适应框架，用于医学图像分割与定位。该方法能够根据不同标注类型和任务目标进行灵活建模，从而提升模型在复杂医学标注体系下的适应能力与泛化性能。

论文四

MSQG-3DNet: Multi-Scale Token Selection with Query-Decoder and Gated Fusion for 3D Breast Tumor Classification

Paper #2113

该论文面向三维乳腺肿瘤分类任务，提出 MSQG-3DNet，通过多尺度 token 选择、query-decoder 和门控融合机制增强三维肿瘤特征表达。该方法能够更充分地建模肿瘤在不同空间尺度下的形态特征与语义信息，为3D乳腺肿瘤智能分类提供了有效技术方案。

论文五

Beyond the Batch: Momentum-Updated Virtual Cohorts for 3D PET-CT Prognosis

Paper #3495

该论文聚焦3D PET-CT影像中的预后预测问题，提出基于动量更新虚拟队列的建模策略，以突破传统 mini-batch 训练中样本关系建模不足的限制。该方法通过构建更加稳定且具有代表性的虚拟患者队列，增强模型对跨样本预后相关信息的捕捉能力，为肿瘤预后评估提供了新的技术路径。

论文六

From Sparsity to Geometry: Spatial Modeling for 3D Reconstruction from Biplanar Bone X-rays

Paper #3258

该论文面向双平面骨X光片的三维重建任务，探索如何从稀疏二维投影中恢复具有几何一致性的三维骨结构。研究通过空间建模方法增强二维影像到三维结构之间的几何约束，为低成本、低辐射条件下的骨结构三维重建提供了有价值的技术方案。

论文七

Towards Unified Image-Video Modeling Across B-Mode and Contrast-Enhanced Ultrasound for Multi-Task Analysis

Paper #1246

该论文针对 B-mode 超声与造影增强超声在数据形态和成像机制上的差异，提出统一的图像-视频建模框架，用于多任务超声影像分析。该研究旨在打通静态图像、动态视频和不同超声模态之间的信息壁垒，提升模型在多模态、多任务临床超声场景中的综合分析能力。

论文八

ClinRAG-GRAPH: Clinical-prior Retrieval-Augmented Graph Model with Domain Adversarial Learning for Breast pCR Prediction

Paper #1181

该论文面向乳腺癌病理完全缓解预测任务，提出融合临床先验、检索增强和图建模的 ClinRAG-GRAPH 方法。该框架通过引入临床知识检索与领域对抗学习，增强模型对患者异质性、跨中心分布差异和临床关联信息的建模能力。

持续深耕医学AI，推动智能诊疗创新！！

此次10篇论文被 MICCAI 2026 接收，是 IMCL课题组在医学影像智能分析、临床多模态建模和可信医学AI方向持续探索的重要成果。这些研究既关注医学AI中的基础方法创新，也面向乳腺癌诊疗、超声影像分析、PET-CT预后评估、三维骨结构重建等真实临床问题，体现了课题组在“算法创新—临床问题—应用转化”之间的综合研究布局。未来，IMCL课题组将继续围绕医学图像计算、计算机视觉、多模态学习、临床决策支持和智能诊疗系统等方向开展深入研究，推动人工智能技术在精准医疗和临床实践中的落地应用。再次祝贺所有论文作者！本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2026-06-27，如有侵权请联系[email protected] 删除