医学 AI

Impact of Labeling Inaccuracy and Image Noise on Tooth Segmentation in Panoramic Radiographs using Federated, Centralized and Local Learning

标签不准确和图像噪声对全景放射影像中牙齿分割的影响：使用联邦学习、集中学习和本地学习

Johan Andreas Balle Rubak, Khuram Naveed, Sanyam Jain, Lukas Esterle, Alexandros Iosifidis, Ruben Pauwels

机构 * Department of Dentistry and Oral Health（牙科与口腔健康系） ； Aarhus University（奥胡斯大学） ； Department of Electrical- and Computer Engineering（电气与计算机工程系） ； Faculty of Information Technology and Communications Sciences（信息科技与通讯科学学院） ； Tampere University（塔尔库大学） 纠错

专题命中 医学数据与评测 ：clinical AI(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 研究比较了联邦学习、集中学习和本地学习在不同数据损坏场景下对全景放射影像中牙齿分割的性能，发现联邦学习在隐私保护下表现优异，且能有效检测异常。

AI Planning Framework for LLM-Based Web Agents

基于大语言模型的网络代理的AI规划框架

Orit Shahnovsky, Rotem Dror

机构 * Faculty of Computer and Information Science, University of Haifa（计算机与信息科学学院，海法大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出一种将网络任务视为序列决策过程的AI规划框架，通过将现代代理架构映射到传统规划范式，提出五种新的评估指标，验证了全计划提前代理在技术指标上的优势。

Shattering the Shortcut: A Topology-Regularized Benchmark for Multi-hop Medical Reasoning in LLMs

打破捷径：一种用于LLMs多跳医学推理的拓扑正则化基准

Xing Zi, Xinying Zhou, Jinghao Xiao, Catarina Moreira, Mukesh Prasad

机构 * University of Technology Sydney（悉尼技术大学） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 本文提出ShatterMed-QA基准，通过拓扑正则化知识图谱评估深度诊断推理能力，揭示LLMs在多跳医学推理中的缺陷，并验证RAG方法的有效性。