图书信息

内容简介

对 arXiv eess.IV 分类的年度综述，涵盖 2025 年 9 月至 2026 年 8 月期间发表的研究。本卷基于对 132 篇论文 的细读整理，组织为 37 章，按该领域的研究子方向描绘这一年的全貌。

全书框架（年度产出占比）：

医学图像重建与合成 (14.7%) — 聚焦面向 MRI、CT 与组织病理学的生成模型与迭代重建技术，以提升图像质量并支持合成数据生成。
医学图像分割与病灶检测 (14.6%) — 利用交互式、联邦与不确定性感知的深度学习方法，处理医学成像中肿瘤、病灶与解剖结构的稳健分割。
基于深度学习的分类与检测 (14.3%) — 将卷积神经网络、Transformer 与注意力机制应用于医学与工业成像中的目标检测、质量评估与疾病分类。
视频压缩与传输优化 (10.2%) — 发展自适应码率控制、语义传输与学习型编解码器，以优化流媒体与网络受限环境中的视频质量与效率。
通用深度学习框架与应用 (9.4%) — 探索面向多疾病分类、遥感估计与自主系统强化学习等任务的多样深度学习架构。
超分辨与反问题 (9.1%) — 通过展开算法与生成先验处理医学与遥感成像中的高分辨率图像恢复与反问题求解。
视觉-语言与基础模型 (8.8%) — 整合视觉-语言模型与基础模型，用于医学视觉问答、目标识别与跨模态微调，以增强泛化与交互。
神经网络架构与表示 (5.6%) — 研究高效神经网络设计、隐式表示与基于图的可解释及资源受限图像分析模型。
医学图像复原与边缘部署 (5.1%) — 聚焦医学图像处理算法的去噪、增强，以及在边缘设备与移动平台上的高效部署。
实时处理与 3D 高斯泼溅 (4.7%) — 推进自动驾驶导航与车牌识别等时间关键应用的实时流处理、3D 高斯泼溅与嵌入式系统。
自监督与弱监督学习 (3.6%) — 利用自监督与弱监督框架，降低超声、声纳与全切片图像分析中的标注依赖。