医学 AI

Enhancing Alzheimer's Diagnosis: Leveraging Anatomical Landmarks in Graph Convolutional Neural Networks on Tetrahedral Meshes

增强阿尔茨海默病诊断：在四面体网格上基于图卷积神经网络的解剖标志利用

Yanxi Chen, Mohammad Farazi, Zhangsihao Yang, Yonghui Fan, Nicholas Ashton, Eric M Reiman, Yi Su, Yalin Wang

机构 * School of Computing and Augmented Intelligence, Arizona State University, Tempe, AZ, USA（计算与增强智能学院，亚利桑那州立大学） ； Amazon AGI, Redmond, WA, USA（亚马逊人工智慧部门） ； Banner Alzheimer’s Institute, Phoenix, AZ, USA（贝纳尔德阿尔茨海默病研究所） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；pathology(abstract)；分类 cs.CV、q-bio、eess.IV

AI总结 本文提出了一种基于变压器的几何深度学习模型，通过四面体网格的解剖标志标记化方案，提升阿尔茨海默病诊断和脑淀粉样阳性预测的准确性。

Bi-directional digital twin prototype anchoring with multi-periodicity learning for few-shot fault diagnosis

双向数字孪生原型锚定与多周期学习用于少样本故障诊断

Pengcheng Xia, Zhichao Dong, Yixiang Huang, Chengjin Qin, Qun Chao, Chengliang Liu

机构 * State Key Laboratory of Mechanical System and Vibration（机械系统与振动国家重点实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 eess.SP

AI总结 本文提出一种双向数字孪生原型锚定与多周期学习方法，用于解决少样本故障诊断中的数据不足问题，通过元训练和测试时适应提升模型鲁棒性，实验验证其有效性。

Comments 19 pages, 13 figures

S2S-FDD: Bridging Industrial Time Series and Natural Language for Explainable Zero-shot Fault Diagnosis

S2S-FDD：连接工业时间序列与自然语言用于可解释的零样本故障诊断

Baoxue Li, Chunhui Zhao

机构 * 1. State Key Laboratory of Industrial Control Technology, College of Control Science ； Engineering Zhejiang University Hangzhou, China ； Engineering Zhejiang University 2. School of Information ； Electrical Engineering, Zhejiang University City College Hangzhou, China 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 S2S-FDD通过将高维传感器信号转换为自然语言摘要，并结合树状结构诊断方法，实现可解释的零样本故障诊断。

Multimodal Laryngoscopic Video Analysis for Assisted Diagnosis of Vocal Fold Paralysis

多模态喉镜视频分析用于辅助声带麻痹诊断

Yucong Zhang, Xin Zou, Jinshan Yang, Wenjun Chen, Juan Liu, Faya Liang, Ming Li

机构 * School of Computer Science（计算机科学学院） ； Suzhou Municipal Key Laboratory of Multimodal Intelligent Systems（多模态智能系统苏州市重点实验室） ； Sun Yat-sen Memorial Hospital of Sun Yat-sen University（中山大学孙逸仙纪念医院） ； School of Artificial Intelligent（人工智能学院） ； Department of Otorhinolaryngology（耳鼻喉科部门） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出多模态喉镜视频分析系统，结合音频和视频数据自动提取关键片段，用于辅助诊断声带麻痹。

Comments Accepted by Computer Speech and Language

An explainable hybrid deep learning-enabled intelligent fault detection and diagnosis approach for automotive software systems validation

一种可解释的混合深度学习智能故障检测与诊断方法用于汽车软件系统验证

Mohammad Abboush, Ehab Ghannoum, Andreas Rausch

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出了一种可解释的混合深度学习方法，用于汽车软件系统验证中的故障检测与诊断，通过可解释AI技术提升模型适应性和根本原因分析能力。

Comments 20 pages

Journal ref Knowledge-Based Systems Volume 334, 15 February 2026, 114922

Evaluating Multi-Agent LLM Architectures for Rare Disease Diagnosis

评估多智能体LLM架构在罕见病诊断中的表现

Ahmed Almasoud

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本研究评估了多智能体LLM架构在罕见病诊断中的表现，发现分层结构略优于其他拓扑，而对抗模型性能显著下降，支持动态拓扑选择的重要性。

Transforming H&E images into IHC: A Variance-Penalized GAN for Precision Oncology

将H&E图像转化为IHC：一种变异性惩罚的GAN用于精准肿瘤学

Sara Rehmat, Hafeez Ur Rehman, Byeong-Gwon Kang, Sarra Ayouni, Yunyoung Nam

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本研究提出一种变异性惩罚的GAN模型，用于将H&E图像转化为高保真的IHC图像，以提升HER2阳性乳腺癌的诊断效率和精度。

Adversarial Domain Adaptation Enables Knowledge Transfer Across Heterogeneous RNA-Seq Datasets

对抗域适应促进跨异构RNA-seq数据集的知识转移

Kevin Dradjat, Massinissa Hamidi, Blaise Hanczar

机构 * IBISC Laboratory（IBISC实验室） ； University Paris-Saclay (Univ. Evry)（巴黎萨克雷大学（欧韦尔大学）） ； France（法国） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 本研究提出基于深度学习的域适应框架，通过跨异构RNA-seq数据集实现有效知识转移，提升癌症类型分类的准确性，尤其在低数据场景下表现更优。

Comments 7 pages, 5 figures. Submitted to ECCB 2026

Vision Transformers that Never Stop Learning

永不停止学习的视觉变换器

Caihao Sun, Mingqi Yuan, Shiyuan Wang, Jiayu Chen

机构 * University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Technische Universität Dresden（德累斯顿理工大学） ； INFIFORCE 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出ARROW优化器，通过自适应调整梯度方向，有效提升视觉变换器的持续学习能力。

DECADE: A Temporally-Consistent Unsupervised Diffusion Model for Enhanced Rb-82 Dynamic Cardiac PET Image Denoising

DECADE：一种用于增强Rb-82动态心脏PET图像去噪的时序一致无监督扩散模型

Yinchi Zhou, Liang Guo, Huidong Xie, Yuexi Du, Ashley Wang, Menghua Xia, Tian Yu, Ramesh Fazzone-Chettiar, Christopher Weyman, Bruce Spottiswoode, Vladimir Panin, Kuangyu Shi, Edward J. Miller, Attila Feher, Albert J. Sinusas, Nicha C. Dvornek, Chi Liu

机构 * Yale University（耶鲁大学） ； Yale School of Medicine（耶鲁医学院） ； Siemens Medical Solutions USA, Inc.（西门子医疗解决方案美国公司） ； Inselspital, Bern University Hospital（伯尔尼大学医院Inselspital） ； University of Bern（伯尔尼大学） ； Department of Biomedical Engineering（生物医学工程系） ； Department of Radiology and Biomedical Imaging（放射科和生物医学成像系） ； Department of Medicine (Cardiology)（医学系（心脏病学）） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 DECADE是一种用于增强Rb-82动态心脏PET图像去噪的无监督扩散模型，通过引入时间一致性提升去噪效果，实现高质量动态和参数图像重建。

DKDL-Net: A Lightweight Bearing Fault Detection Model via Decoupled Knowledge Distillation and Low-Rank Adaptation Fine-tuning

DKDL-Net: 一种通过解耦知识蒸馏和低秩适应微调的轻量级滚动轴承故障检测模型

Ovanes Petrosian, Li Pengyi, He Yulong, Liu Jiarui, Sun Zhaoruikun, Fu Guofeng, Meng Liping

机构 * SPBU（圣彼得堡国立大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出DKDL-Net模型，通过解耦知识蒸馏和低秩适应微调，实现轻量级滚动轴承故障检测，提升计算效率和精度。

Journal ref Scientific Reports, 15, 36136 (2025)

A SISA-based Machine Unlearning Framework for Power Transformer Inter-Turn Short-Circuit Fault Localization

基于SISA的电力变压器匝间短路故障定位机器去学习框架

Nanhong Liu, Jingyi Yan, Mucun Sun, Jie Zhang

机构 * Graduate Student Member, IEEE（IEEE研究生会员） ； Member, IEEE（IEEE会员） ； Senior Member, IEEE（IEEE高级会员） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出基于SISA的机器去学习框架，用于电力变压器匝间短路故障定位，通过分片和隔离技术减少重新训练时间，同时保持诊断准确性。

Integrating a Causal Foundation Model into a Prescriptive Maintenance Framework for Optimising Production-Line OEE

将因果基础模型整合到指令性维护框架中以优化生产线OEE

Felix Saretzky, Lucas Andersen, Thomas Engel, Fazel Ansari

机构 * Department of Engineering University of Luxembourg（工程系卢森堡大学） ； Department of Computer Science University of Luxembourg（计算机科学系卢森堡大学） ； Chair of Production and Maintenance Management TU Wien（生产与维护管理系维也纳技术大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出基于因果机器学习的模型，通过模拟潜在修复方案优化生产线OEE，解决传统预测模型无法识别故障根本原因的问题。

Comments 9 pages, 3 images, 1 table, conference paper

FeasibleCap: Real-Time Embodiment Constraint Guidance for In-the-Wild Robot Demonstration Collection

FeasibleCap: 机器人自由捕捉中的实时执行性指导

Zi Yin, Fanhong Li, Yun Gui, Jia Liu

机构 * Tsinghua University（清华大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 FeasibleCap通过实时执行性指导提升机器人自由捕捉的效率和成功率。

Diagnosing and Repairing Distributed Routing Configurations Using Selective Symbolic Simulation

通过选择性符号模拟诊断和修复分布式路由配置

Rulan Yang, Gao Han, Hanyang Shao, Xiaoqiang Zheng, Xing Fang, Ziyi Wang, Lizhao You, Ruiting Zhou, Linghe Kong, Ennan Zhai, Qiao Xiang, Jiwu Shu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 S^2Sim通过选择性符号模拟自动诊断和修复分布式路由配置错误，能在短时间内处理大规模网络配置。

Comments 13pages, accepted by NSDI'26

Enhancing the Detection of Coronary Artery Disease Using Machine Learning

利用机器学习增强冠状动脉疾病检测

Karan Kumar Singh, Nikita Gajbhiye, Gouri Sankar Mishra

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Sharda University（沙达大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究利用机器学习算法，通过分析患者数据提升冠状动脉疾病检测的准确性，混合模型在灵敏度和特异性方面优于传统方法，准确率达97.07%。

Comments 20 pages, 11 figures, 5 tables. This paper proposes a hybrid Bi-LSTM and GRU based machine learning framework for improved detection of Coronary Artery Disease using CCTA imaging data and clinical features