第四十届人工智能顶级国际会议——AAAI 2026（The 40th Annual AAAI Conference on Artificial Intelligence）将于2026年1月20日至27日在新加坡博览中心召开。作为人工智能领域历史最悠久、国际影响力极高的学术盛会，AAAI被中国计算机学会（CCF）列为A类国际会议。本届会议共录用论文4176篇，录用率仅17.6%。
贵州省先进医学成像与智能计算重点实验室（AMIIC）共有两篇论文成功入选，研究方向涵盖多对比度磁共振成像超分辨率重建与扩散加权磁共振成像去噪，体现了团队在医学影像智能处理前沿领域的创新成果与国际竞争力。
一、多对比度磁共振成像超分辨率重建
论文题目：CD-DPE: Dual-Prompt Expert Network based on Convolutional Dictionary Feature Decoupling for Multi-Contrast MRI Super-Resolution
作者：第一作者谷贤明（2023级博士研究生），通讯作者王丽会教授
多对比度磁共振成像是临床检查软组织结构的重要手段，但受物理成像参数、扫描时间及生理条件的限制，同时采集多组高分辨率多对比图像较为困难。多对比度MRI超分辨率重建技术可利用其他对比度下的高分辨率参考图像，提升目标图像的细节和分辨率。然而，不同对比度之间存在显著的结构与纹理差异，这些差异在融合过程中容易引入虚假纹理或结构伪影，干扰有效信息的提取与利用。因此，如何充分挖掘跨对比度的互补信息并有效抑制错误融合，成为多对比度超分辨率重建面临的关键技术瓶颈。
针对这一核心难题，研究团队提出了基于卷积字典特征解耦的双提示专家网络（CD-DPE）。该方法引入迭代式特征解耦模块，将跨对比度可共享的特征与单一对比度特有的特征分离，从源头减少冗余和干扰信息。随后，通过双提示融合机制实现跨对比度信息的精准互补与深度整合，即利用频率提示精确引导参考图像特征选择，结合自适应路由提示为不同区域匹配最优多对比融合策略，从而有效克服结构和纹理差异带来的干扰。
在多个公开MRI数据集上的实验结果表明，CD-DPE不仅能够清晰还原精细的解剖结构，显著提升图像锐度与抑制伪影，而且在整体重建精度与临床可用性方面均优于现有主流方法，为多对比度MRI超分辨率重建提供了新思路与技术支撑。
二、扩散加权磁共振成像去噪
论文题目：Uncertainty-Propelled Physics-MAE Fusion for Self-Supervised Diffusion-Weighted Image Denoising
作者：第一作者邓泽宇（2021级博士研究生），通讯作者王丽会教授
扩散加权磁共振成像（DWI）在探测生物组织微结构方面具有独特优势，但其成像信噪比较低，容易导致微观组织结构估计失真。在缺乏真实、无噪图像作为参考的情况下，如何有效抑制噪声并保留细微的组织结构特征，成为DWI去噪面临的核心挑战。
针对这一问题，研究团队基于极大似然融合机制，提出了全新的自监督去噪框架UP²-MAE（Uncertainty-Propelled Physics-MAE Fusion）。该框架设计了两个估计误差相互独立的自监督去噪分支：一是基于物理模型的Noise2Noise分支，通过成像物理知识约束，强化在扩散各向异性区域的降噪效果；二是基于MAE策略的分支，提升在各向同性区域的降噪表现。最终，利用极大似然的不确定性估计，生成不确定性图并自适应引导两分支的融合，实现降噪与细节保留的最佳平衡。
研究团队在多种模拟与真实数据集（包括脑与心脏DWI）上验证了UP²-MAE的有效性。实验结果显示，该模型在图像质量（PSNR 31.48 dB、SSIM 0.98）及扩散张量指标（FA、MD）上均显著优于现有方法，能够在抑制噪声的同时保留微结构细节。该研究为自监督医学影像去噪提供了一种融合物理约束与深度学习优势的新范式，为高质量图像重建与精准诊断提供了新的技术路径。
两项成果的成功入选，既体现了贵州省先进医学成像与智能计算全省重点实验室在人工智能与医学影像交叉领域的原创性研究能力，也为推动医学影像智能处理技术的创新发展提供了强劲动力。
责编：张筱慧
审校：邱利军
编审：张小彬
