CVPR 2026医学影像 AI趋势梳理：从看懂影像，到接管科研工作流

本文系统梳理了CVPR 2026会议中医学影像AI领域的最新研究趋势，指出该领域正在从单纯追求模型在标准数据集上的识别精度，转向解决真实科研与临床场景中的复杂问题。研究背景是传统的病灶识别、器官分割等任务已无法满足真实世界医学图像分析的需求，因为实际数据来自不同设备、协议和质量，且目标多样。研究目的旨在探索如何让AI模型更好地融入科研与临床工作流。结论表明，当前研究聚焦于三个方向：一是通过AI agent、数据筛选和轻量化适配方法（如Simple Agents、DIQ、CRAFT）减少对大量标注数据和人工调参的依赖，实现少数据、少微调、少人工；二是扩展模型处理的信息边界，如面向三维CT的基础模型SPECTRE、超声图文预训练模型Ultrasound-CLIP、从病理图像预测空间转录组的HyperST；三是探索跨模态对齐与推理，如IMU-视频运动对齐（MoBind）、fMRI视频重建（SemVideo）和双视角X-ray推理（GSR）。这些工作共同指向医学AI的下一阶段：不仅是训练更大的模型，而是构建能真正进入并优化真实科研与临床流程的系统。