智慧医疗领域TMI期刊2025年3月研究热点解析
本推文对2025年3月《IEEE Transactions on Medical Imaging》（TMI）期刊论文的研究热点进行了深入分析。本期TMI涵盖了多模态图像融合、深度学习在医学诊断中的应用、三维重建与分割、图像引导治疗等关键方向，呈现出智慧医疗与人工智能深度融合的研究趋势。希望能为智慧医疗及相关领域的研究人员提供有价值的参考。
本推文由许东舟撰写，审校为黄星宇和邱雪。
一、期刊介绍
IEEE Transactions on Medical Imaging（TMI）是医学影像领域的国际顶级期刊，每年共出版12期，被归为中科院1区Top期刊，目前的影响因子为8.9。近年来，TMI的论文发表数量稳中有升，近五年的具体趋势如图1所示，反映了该期刊在全球医学影像领域的持续关注与高度认可。
期刊官网：https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=42
TMI致力于刊载有关身体结构、形态与功能成像的最新研究，涵盖细胞与分子成像以及各类显微成像技术。其关注的成像模态包括但不限于：超声、X射线、磁共振、放射性核素、微波及光学成像等。TMI强调医学、生物学与成像科学的交叉融合，尤其关注仪器硬件、软件系统、数学模型、物理机制与生物医学问题之间的深度整合。
期刊鼓励提交在以下方向具有创新性的工作：
(1)图像采集技术
(2)医学图像处理与分析
(3)图像可视化与性能优化
(4)模式识别与机器学习方法
图1 TMI近五年发表文章数量
二、热点分析
为了深入分析2025年3月《IEEE Transactions on Medical Imaging》期刊论文的研究热点，本文对该期所收录的38篇论文进行了系统归纳。图2为基于本期38篇论文研究热点生成的词云图，表1则总结了全部论文的标题、关键词以及研究主题，旨在为医学影像与人工智能等相关领域的研究人员提供研究方向上的参考。
图2 2025年3月期TMI研究热点词云图
表1 2025年3月期TMI全部论文的关键词与研究主题
| 标题 | 关键词 | 研究主题 |
| Grade-Skewed Domain Adaptation via Asymmetric Bi-Classifier Discrepancy Minimization for Diabetic Retinopathy Grading | 糖尿病视网膜病变；领域自适应；类别不平衡；双分类器差异 | 提出不对称双分类器差异最小化策略，处理糖尿病眼底图像中类别不均问题。 |
| FedLPPA: Learning Personalized Prompt and Aggregation for Federated Weakly-Supervised Medical Image Segmentation | 联邦学习；个性化提示；异构弱监督；可学习聚合 | 在弱监督分割场景下，通过个性化提示与聚合策略提升联邦分割性能。 |
| ShapeMed-Knee: A Dataset and Neural Shape Model Benchmark for Modeling 3D Femurs | 骨关节炎；神经网络；磁共振成像；膝关节；股骨；软骨 | 发布3D膝骨形状模型数据集，推动下游3D形状分析与建模研究。 |
| FAMF-Net: Feature Alignment Mutual Attention Fusion with Region Awareness for Breast Cancer Diagnosis via Imbalanced Data | 乳腺癌；数据不平衡；特征对齐；互注意力；区域感知；融合网络 | 设计区域感知的多尺度注意力融合网络，提高小样本乳腺癌检测效果。 |
| Asynchronous Functional Brain Network Construction with Spatiotemporal Transformer for MCI Classification | 功能脑网络；轻度认知障碍；时空Transformer；静息态fMRI；异步性 | 通过时空Transformer异步建图提升fMRI数据分类精度。 |
| Effective Semi-Supervised Medical Image Segmentation with Probabilistic Representations and Prototype Learning | 半监督图像分割；概率表示；原型学习；医学图像 | 引入概率表示与原型对齐机制增强少标签医学图像分割。 |
| MRI Super-Resolution with Partial Diffusion Models | MRI；超分辨率；扩散模型；图像重建；深度学习 | 融合部分扩散模型，提高MRI图像细节重建质量。 |
| Time-Resolved Laser Speckle Contrast Imaging (TR-LSCI) of Cerebral Blood Flow | 激光散斑；脑血流；时间分辨成像；光学成像；散斑对比 | 改进TR-LSCI技术在脑血流连续监测中的应用。 |
| CoD-MIL: Chain-of-Diagnosis Prompting Multiple Instance Learning for Whole Slide Image Classification | 全片影像；多实例学习；诊断提示；组织病理；弱监督 | 将多级诊断信息作为提示集成入WSI分类任务中。 |
| STARTS: A Self-Adapted Spatio-Temporal Framework for Automatic E/MEG Source Imaging | 脑电/脑磁图；源成像；时空框架；自适应；脑图谱 | 提出自适应框架进行脑电/脑磁图源的自动时空建模与定位。 |
| DPI-MoCo: Deep Prior Image Constrained Motion Compensation Reconstruction for 4D CBCT | 4D锥束CT；运动补偿；先验图像约束；迭代重建；深度学习 | 基于深度先验图像约束的运动补偿重建方法。 |
| Multi-Center Fetal Brain Tissue Annotation (FeTA) Challenge 2022 Results | 胎儿脑MRI；组织分割；多中心研究；挑战赛；产前成像 | 报告FeTA 2022比赛中多模型的评估与表现。 |
| AASeg: Artery-Aware Global-to-Local Framework for Aneurysm Segmentation in Head and Neck CTA Images | 颅内动脉瘤；CTA成像；分割；全局到局部模型；动脉感知；深度学习 | 融合血管结构感知与多尺度框架进行动脉瘤精细分割。 |
| UC-NeRF: Uncertainty-Aware Conditional Neural Radiance Fields From Endoscopic Sparse Views | 神经辐射场；内窥镜；稀疏视图；不确定性建模；三维重建 | 提出基于不确定性建模的条件NeRF用于内窥镜稀疏视图建模。 |
| A Learnable Prior Improves Intrauser Growth Modeling | 肿瘤生长建模；可学习先验；个体化预测；进化优化 | 引入可学习生理先验，提升个体成长数据建模性能。 |
| CTLESS: A Scatter-Window Projection and Deep Learning-Based Transmission-Less Attenuation Compensation Method for Myocardial Perfusion SPECT | 心肌灌注；SPECT；衰减补偿；深度学习；散射窗投影 | 无需CT，利用投影窗与深度网络进行衰减补偿。 |
| BronchoTrak: Airway Lumen Tracking for Branch-Level Bronchoscopic Localization | 支气管镜；气道追踪；气道腔定位；内窥视频；三维导航 | 提出分支级气道追踪系统，用于精细支气管定位。 |
| Toward Integrated Predictive Learning with Split Learning for Unified Brain Endoscope Semantic-Aware Disease Prediction | 分裂学习；语义预测；脑内窥镜；一体化学习 | 引入分裂学习进行脑内窥图像的疾病智能预测。 |
| Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysm Detection Scenario | 血管建模；合成数据；动脉瘤检测；颅内成像 | 基于合成模型评估在动脉瘤检测场景中的性能。 |
| Randomness-Restricted Diffusion Model for Ocular Surface Structure Segmentation | 眼表结构分割；扩散模型；随机性抑制；眼部建模 | 通过限制随机性提升扩散模型在眼部结构中的表现。 |
| Integration of Multi-Source Medical Data for Medical Diagnosis Question Answering | 医学问答；多模态数据融合；知识图谱；临床决策支持；自然语言处理 | 整合多源异构医疗数据，用于医学问答场景。 |
| SAMCT: Segment Any CT Using Labor-Free Task Indicator Prompts | CT分割；提示学习；零标注分割；医学图像 | 提出无标注CT任务指示符，实现即插即用式分割。 |
| Estimation of Stiffness Maps in Deforming Cells Through Optical Flow with Bounded Curvature | 细胞生物力学；刚度估计；光流；有界曲率；形变分析 | 通过受限曲率光流估计变形细胞的刚度分布。 |
| Pyramid Network with Quality-Aware Contrastive Loss for Retinal Image Quality Assessment and Enhancement | 视网膜图像；质量评估；金字塔网络；对比学习；图像增强 | 通过质量感知对比学习提升眼底图像质量与增强。 |
| Individual Graph Representation Learning for Predictive Tooth Segmentation From Panoramic and CBCT | 牙齿分割；图神经网络；全景图像；锥束CT；预测建模 | 利用个体级图学习完成牙齿结构的精准分割。 |
| Deep Learning for High Speed Colorimetric Elastography with Free Hand Endoscope | 弹性成像；颜色成像；自由内窥镜；深度学习；高速成像 | 结合颜色弹性成像与自由内窥镜进行快速组织检测。 |
| A Novel Spatio-Temporal Hub Identification in Brain Networks by Learning Dynamics and Embedding on Grassmannian Manifolds | 脑网络；时空动态；枢纽检测；Grassmann流形；表示学习 | 在Grassmann流形上学习大脑节点动态，识别枢纽结构。 |
| CGNet: A Correlation-Guided Registration Network for Unsupervised Deformable Image Registration | 图像配准；无监督学习；形变配准；相关性引导模型 | 设计无监督网络进行形变图像的高效配准。 |
| Debiased Estimation and Inference for Spatial–Temporal EEG/MEG Source Imaging | 脑电/脑磁图；源成像；偏差校正估计；时空推理 | 提高EEG/MEG时空成像中推断的稳健性。 |
| LHR-RFL: Linear Hybrid-Reward-Based Reinforced Focal Learning for Automatic Radiology Report Generation | 放射报告；强化学习；混合奖励；聚焦学习；胸部X光 | 融合线性奖励与focal机制用于自动生成放射报告。 |
| Topicwise Separable Sentence Retrieval for Medical Report Generation | 医学报告生成；主题检索句子；胸部X光；语言建模 | 通过主题引导的可分句子选择提升报告准确度。 |
| AsysDisNet: Scalable Mammographic Asymmetry and Architectural Distortion Detection with Angle-Based Quadriplet Loss | 乳腺X线；不对称检测；结构扭曲；基于角度的四元组损失；深度学习 | 提出角度约束四元组损失，用于乳腺不对称和结构异常检测。 |
| Hierarchical Data Integration with Gaussian Processes: Application to Cardiac Ischemia-Reperfusion Patterns | 心肌缺血；再灌注；高斯过程；分层建模；多模态融合 | 用多层高斯过程建模心脏再灌注时间分布。 |
| Slice2Mesh: 3D Surface Reconstruction From Sparse Slices of Images for the Left Ventricle | 三维重建；左心室；稀疏切片；表面网格；心脏MRI | 将稀疏医学图像切片还原为完整左心室表面结构。 |
| A Minibatch Alternating Proximal Iterations Algorithm for Robust and Efficient Least-Squares RF Pulse Design in MRI | MRI脉冲设计；最小二乘优化；近端迭代；鲁棒激励 | 使用小批量近端交替迭代设计鲁棒MRI激励脉冲。 |
| Prediction of Lymph Node Metastasis in Colorectal Cancer Using Intraoperative Fluorescence Multi-Modal Imaging | 结直肠癌；淋巴结转移；术中成像；荧光；预测模型 | 基于多模态术中荧光成像预测淋巴结转移情况。 |
| Heterogeneous Graph Representation Learning Framework for Resting-State Functional Connectivity Analysis | 静息态fMRI；图表示学习；功能连接；异构数据 | 建立异构图学习框架分析大脑功能连接。 |
| Masked Deformation Modeling for Volumetric Brain MRI Self-Supervised Pre-Training | 脑MRI；遮罩形变；自监督预训练；体积建模 | 通过遮盖形变进行3D MRI结构自监督预训练。 |
为进一步揭示期刊的研究热点，本文还对38篇论文中出现的高频关键词（前10名）进行统计，结果如表2所示。
表2 高频关键词TOP10
| 关键词 | 出现次数 |
| 建模 | 8 |
| 深度学习 | 6 |
| 分割 | 6 |
| 预测 | 3 |
| 扩散模型 | 2 |
| 三维重建 | 2 |
| 神经网络/图神经网络 | 2 |
| 脑电/脑磁图 | 2 |
| 静息态fMRI | 2 |
| 多模态（数据）融合 | 2 |
其中建模包括：不确定性建模、肿瘤生长建模、血管建模、眼部建模等。
分割包括：组织分割、眼表结构分割、CT分割、零标注分割等。
预测包括：个体化预测、语义预测、预测建模。
三、总结
从表2中的统计结果来看，“建模”以8次出现频次居于首位，表明当前论文极为关注对医学影像对象（如组织结构、肿瘤生长等）的形式建模，尤其涉及3D形状建模、生理建模及功能建模。
“深度学习”和“分割”并列第二，均出现6次，不仅体现了人工智能与医学影像的结合越来越紧密，也表明医学图像分割任务对医学影像领域的重要性。
“预测”出现了3次，主要集中在疾病进展预测（如MCI分类、肿瘤生长）与质量评估任务中，说明TMI也正在逐步向智能决策支持的方向进行拓展。
此外，诸如“扩散模型”、“三维重建”、“多模态融合”等人工智能领域较为前沿的热点均出现了2次，进一步反映出人工智能与医学影像研究之间日益紧密的融合趋势与高度交叉性。
总的来说，本期《IEEE Transactions on Medical Imaging》聚焦于人工智能与医学影像深度融合背景下的前沿研究。随着深度学习在各类医学任务中的广泛应用，当前TMI的研究热点正朝着更加智能化的方向发展，充分体现出医学、生物学与计算机科学的深度交叉融合趋势，并展现出强大的实际应用潜力。