不确定性场方法用于脑卒中CT与MRI联合诊断及病灶定位
Learning uncertainty fields for joint brain stroke diagnosis and intrinsic lesion localization in CT and MRI
脑卒中诊断要同时看CT和MRI，这项工作把不确定性建模和病灶定位绑在一起做，输出会附带可信度。做医学影像AI或临床落地的团队可以看看它的思路，跟单纯输出分类结果的方法比多了定位能力。
npj Digital Medicine 于2026年11月14日在线发表一项关于脑卒中诊断的研究，提出学习不确定性场的方法，可在 CT 和 MRI 两种影像上联合完成脑卒中诊断与病灶内在定位。该方法将模型的不确定性建模与病灶定位结合，使诊断结果附带可信度信息，辅助医生判断哪些区域最可能存在病变。研究面向急性脑卒中影像评估场景，覆盖 CT 与 MRI 两种临床常用模态。
对影像科和临床 AI 落地而言，把不确定性显式纳入诊断输出，有助于在标注困难和模态差异较大的脑卒中影像任务中提升可靠性。该研究以论文形式发表于 npj Digital Medicine（DOI: 10.1038/s41746-026-03458-9），属于医学影像 AI 方向的方法类工作。
Learning uncertainty fields for joint brain stroke diagnosis and intrinsic lesion localization in CT and MRI
npj Digital Medicine, Published online: 14 November 2026; doi:10.1038/s41746-026-03458-9 Learning uncertainty fields for joint brain stroke diagnosis and intrinsic lesion localization in CT and MRI
本条情报归属 AITOP「论文」核心追踪栏目。涉及核心实体与技术议题包括：不确定性量化、医学影像、脑卒中、CT，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「npj Digital Medicine」（@Kangwei Wang），经 AITOP 多维评分管线结构化提炼。