医学 AI

Learning to Repair Lean Proofs from Compiler Feedback

从编译器反馈中学习修复Lean证明

Evan Wang, Simon Chess, Daniel Lee, Siyuan Ge, Ajit Mallavarapu, Jarod Alper, Vasily Ilin

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

AI总结 本文研究了将Lean证明修复作为监督学习问题，提出APRIL数据集，通过系统生成的证明错误与编译器诊断配对，提升修复准确性和反馈条件推理能力。

Comments 15 pages, 6 figures

Journal ref ICLR VerifAI Workshop, 2026

Multi-Condition Digital Twin Calibration for Axial Piston Pumps : Compound Fault Simulation

多条件数字孪生校准用于轴向柱塞泵：复合故障仿真

Chang Dong, Jianfeng Tao, Chengliang Liu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种多条件物理-数据耦合数字孪生校准框架，用于解决轴向柱塞泵出口流量振荡的基本不确定性，通过虚拟高频流量传感、代理模型辅助校准和多目标逆瞬态分析，实现高保真故障生成能力，提升复杂液压系统预测性维护。

Comments More content will be added; this paper will be updated in 1-3 months

Reason2Decide: Rationale-Driven Multi-Task Learning

Reason2Decide: 基于理由的多任务学习

H M Quamran Hasan, Housam Khalifa Bashier, Jiayi Dai, Mi-Young Kim, Randy Goebel

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 本文提出Reason2Decide框架，通过两阶段训练解决自理据问题，提升预测准确性和解释一致性，在医疗数据集上优于基线模型，且模型规模更小。

Comments Uploaded the camera-version of the paper accepted to LREC 2026

Towards Efficient Medical Reasoning with Minimal Fine-Tuning Data

面向最少微调数据的高效医疗推理

Xinlin Zhuang, Feilong Tang, Haolin Yang, Xiwei Liu, Ming Hu, Huifa Li, Haochen Xue, Junjun He, Zongyuan Ge, Yichen Li, Ying Qian, Imran Razzak

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出DIQ数据选择策略，通过平衡难度与梯度影响，提升医疗推理效率，实验证明仅用1%数据即可达到全数据表现，10%数据优于基线方法。

Comments Accepted by CVPR 2026

Quantum electrometry in a silicon carbide power device

硅碳功率器件中的量子电度计

Yuichi Yamazaki, Akira Kiyoi, Naoyuki Kawabata, Yuki Watanabe, Ryosuke Akashi, Shunsuke Daimon, Nobumasa Miyawaki, Yu-ichiro Matsushita, Makoto Kohda, Takeshi Ohshima

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出利用硅碳中硅空位检测高偏压器件中的电场分布，展示了其在不同方向电场检测中的独特响应能力，实现了高分辨率电场映射。

Crossover Frequency as a Model-Independent Viscoelastic Constant for Soft Tissue Biomechanics

穿越频率作为软组织生物力学的无模型粘弹性常数

Laura Ruhland, Jing Guo, Ingolf Sack, Kai Willner

专题命中 诊断辅助 ：pathology(abstract)

AI总结 本文提出穿越频率作为软组织粘弹性特性描述的无模型常数，通过实验验证其在不同组织中的区分能力，提升弹性成像研究的可比性。

Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers

基于布局的可控病理图像生成与上下文扩散变换器

Yuntao Shou, Xiangyong Cao, Qian Zhao, Deyu Meng

机构 * Xi'an Jiaotong University（西安交通大学） 纠错

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV

AI总结 本文提出基于布局的可控病理图像生成方法，通过多代理LVLM注释框架构建精细临床对齐的监督数据，提出IC-DiT模型整合空间布局、文本描述和视觉嵌入，实现高保真生成与强空间可控性。

Comments 19 pages

Advancing Cancer Prognosis with Hierarchical Fusion of Genomic, Proteomic and Pathology Imaging Data from a Systems Biology Perspective

从系统生物学视角出发，通过多层次融合基因组、蛋白质组和病理影像数据以推进癌症预后

Junjie Zhou, Bao Xue, Meiling Wang, Wei Shao, Daoqiang Zhang

专题命中 病理影像 ：pathology(title)；分类 cs.CV

AI总结 本文提出HFGPI框架，通过分子编码策略和蛋白质引导超图学习，多层次融合基因组、蛋白质组和病理影像数据，提升癌症预后预测精度。

Token Coherence: Adapting MESI Cache Protocols to Minimize Synchronization Overhead in Multi-Agent LLM Systems

令牌一致性：适应MESI缓存协议以最小化多智能体大语言模型系统中的同步开销

Vladyslav Parakhin

机构 * Independent Researcher（独立研究者） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 本文提出令牌一致性理论，通过将MESI协议应用于多智能体系统，减少同步开销，验证了在多智能体大语言模型中同步成本与缓存一致性问题的对应关系，并通过形式化验证协议确保安全性与一致性。

Comments 25 pages. Code and reproduction scripts at https://github.com/hipvlady/agent-coherence

Histo-MExNet: A Unified Framework for Real-World, Cross-Magnification, and Trustworthy Breast Cancer Histopathology

Histo-MExNet：一种用于真实世界、跨倍率和可信乳腺癌组织病理学的统一框架

Enam Ahmed Taufika, Md Ahasanul Arafatha, Abhijit Kumar Ghoshb, Md. Tanzim Rezab, Md Ashad Alamc

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出Histo-MExNet框架，通过集成多种网络结构和物理约束，解决组织病理学图像分类中的尺度不变性和不确定性问题，提升准确性和可解释性。

Comments 34, 6 figures

PGcGAN: Pathological Gait-Conditioned GAN for Human Gait Synthesis

PGcGAN：用于人类步态合成的病理步态条件生成对抗网络

Mritula Chandrasekaran, Sanket Kachole, Jarek Francik, Dimitrios Makris

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 本文提出PGcGAN，通过条件生成对抗网络合成特定病理步态序列，利用一热编码标签控制生成六类步态，实验表明合成数据能有效提升病理步态识别性能。

Beyond the Covariance Trap: Unlocking Generalization in Same-Subject Knowledge Editing for Large Language Models

超越协方差陷阱：在大型语言模型中解锁同一主体知识编辑的泛化能力

Xiyu Liu, Qingyi Si, Zhengxiao Liu, Chenxu Yang, Naibin Gu, Zheng Lin

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

专题命中 病理影像 ：pathology(abstract)

AI总结 本文针对大型语言模型在同一主体知识编辑中泛化能力不足的问题，提出RoSE方法，通过几何对齐和知识整合提升指令遵循能力。

Comments 23 pages, 20 figures

Galvanometer-scanning transient phase microscopy with balanced detection and arbitrary pump polarization

基于平衡检测的 galvanometer 扫描瞬态相位显微镜与任意泵极化

Cameron N. Coleal, Randy A. Bartels, Jesse W. Wilson

专题命中 病理影像 ：biomedical(abstract)

AI总结 本文提出一种结合 galvanometer 扫描与平衡检测的瞬态相位显微镜，通过比较幅度和相位测量在石墨烯、血红蛋白和红细胞中的性能，扩展了瞬态相位显微镜的应用范围。

Comments 23 pages, 22 figures. Accepted manuscript. Acknowledgements updated to indicate institution where work was performed

Journal ref JOSA B 43: 714-723 (2026)

EviAgent: Evidence-Driven Agent for Radiology Report Generation

EviAgent：基于证据的放射学报告生成代理

Tuoshi Qi, Shenshen Bu, Yingfei Xiang, Zhiming Dai

专题命中 医疗多模态 ：radiology(title,abstract)；diagnosis(abstract)

AI总结 EviAgent通过引入多维视觉专家和检索机制，解决放射学报告生成中的透明性与证据支持问题，实验表明其在多个数据集上优于通用和专用模型。

Multimodal Connectome Fusion via Cross-Attention for Autism Spectrum Disorder Classification Using Graph Learning

通过交叉注意力进行多模态连接组融合用于自闭症谱系障碍分类的图学习

Ansar Rahman, Hassan Shojaee-Mend, Sepideh Hatamikia

机构 * Department of Medicine, Danube Private University (DPU)（丹ube私人大学医学系） ； Department of Medical Physics and Biomedical Engineering, Medical University of Vienna（维也纳医学大学医学物理与生物医学工程系） ； Department of Medical Informatics, Faculty of Medicine, Gonabad University of Medical Sciences（戈纳巴德医学院医学信息学系） ； Austrian Center for Medical Innovation and Technology (ACMIT)（奥地利医学创新与技术中心） 纠错

专题命中 医疗多模态 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出一种多模态图学习框架，通过交叉注意力机制融合功能和结构影像数据，提升自闭症谱系障碍分类的准确率。

Comments 29 Pages; 5 Figures

Learning from Limited and Incomplete Data: A Multimodal Framework for Predicting Pathological Response in NSCLC

从有限和不完整数据中学习：一种多模态框架用于预测非小细胞肺癌的病理反应

Alice Natalina Caragliano, Giulia Farina, Fatih Aksu, Camillo Maria Caruso, Claudia Tacconi, Carlo Greco, Lorenzo Nibid, Edy Ippolito, Michele Fiore, Giuseppe Perrone, Sara Ramella, Paolo Soda, Valerio Guarrasi

机构 * Department of Medicine and Surgery（医学与外科系） ； Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering（诊断与介入系，放射物理，生物医学工程） ； Umeå University, Umeå, Sweden（乌梅大学，瑞典） 纠错

专题命中 医疗多模态 ：CT(abstract)；分类 cs.CV

AI总结 本文提出一种多模态深度学习框架，整合基础模型的CT特征提取与缺失感知架构，以在有限数据和不完整临床资料下准确预测NSCLC的病理反应。

Curing Semantic Drift: A Dynamic Approach to Grounding Generation in Large Vision-Language Models

消除语义漂移：一种动态方法用于在大视觉-语言模型中进行生成基础

Jiahe Chen, Jiaying He, Qiyuan Chen, Qian Shao, Jiahe Ying, Hongxia Xu, Jintai Chen, Jianwei Zheng, Jian Wu

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出DLC方法，通过动态校准logits来减少大视觉-语言模型中的语义漂移，提升生成质量。

How Meta-research Can Pave the Road Towards Trustworthy AI In Healthcare: Catalogue of Ideas and Roadmap for Future Research

元研究如何推动可信AI在医疗领域的发展：想法目录与未来研究路线图

Valerie Bürger, Marlie Besouw, Jana Fehr, Riana Minocher, Emma Moorhead, Isabel Velarde, Louis Agha-Mir-Salim, Julia Amann, Alexandra Bannach-Brown, David B. Blumenthal, Kaitlyn Hair, Bert Heinrichs, Moritz Herrmann, Elizabeth Hofvenschiöld, Sune Holm, Anne A. H. de Hond, Sara Kijewski, Stuart McLennan, Timo Minssen, Marco S. Nobile, Nico Pfeifer, Jessica L. Rohmann, Tony Ross-Hellauer, Marija Slavkovik, Karin Tafur, Eleonora Viganò, Magnus Westerlund, Tracey Weissgerber, Vince I. Madai

专题命中 生物医学文本 ：medical AI(abstract)；biomedical(abstract)

AI总结 本文通过跨学科研讨会探讨AI伦理原则在医疗领域实践中的挑战，提出元研究对提升AI鲁棒性、可重复性及透明度等关键问题的贡献，并提出未来研究方向。

Channel Selected Stratified Nested Cross Validation for Clinically Relevant EEG Based Parkinsons Disease Detection

基于临床相关EEG的帕金森病检测通道选择分层嵌套交叉验证

Nicholas R. Rasmussen, Rodrigue Rizk, Longwei Wang, Arun Singh, KC Santosh

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG、eess.SP

AI总结 本文提出一种分层嵌套交叉验证框架，通过患者层面分层、多层窗口化和内循环通道选择，解决EEG数据中的偏差和信息泄露问题，实现80.6%的准确率，为临床应用提供可靠基础。

Comments Submitted to IEEE Conference -> Accepted 1/23/26

Interpretable Classification of Time Series Using Euler Characteristic Surfaces

利用欧拉特征曲面进行时间序列的可解释分类

Salam Rabindrajit Luwang, Sushovan Majhi, Vishal Mandal, Atish J. Mitra, Md. Nurujjaman, Buddha Nath Sharma

机构 * National Institute of Technology, Department of Physics（国立印度技术学院，物理系） ； George Washington University（乔治·华盛顿大学） ； Montana Technological University, Department of Mathematical Sciences（蒙大拿技术大学，数学科学系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出基于欧拉特征（χ）的欧拉特征曲面（ECS）作为替代拓扑特征，用于高效、时空且离散的时间序列分类，通过稳定性定理和实验验证在多个生物医学数据集上取得高准确率。

CrossADR: enhancing adverse drug reactions prediction for combination pharmacotherapy with cross-layer feature integration and cross-level associative learning

CrossADR: 通过跨层特征整合和跨层关联学习增强联合药疗中不良药物反应预测

Y. Cheung

机构 * School of Mathematical Sciences（数学科学学院） ； Shanghai Key Laboratory of PMMP（PMMP上海重点实验室） ； East China Normal University（华东师范大学） ； Shanghai（上海） ； China（中国） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 CrossADR通过跨层特征整合和跨层关联学习，提升联合药疗中不良药物反应预测的准确性，其在80种实验场景中均取得最佳性能，并提供高分辨率的药物相关蛋白互作和通路分析。

Clustering-Based Outcome Models for Clinical Studies: A Scoping Review

基于聚类的结局模型用于临床研究：一项综述

Johannes Vilsmeier, Fabian Eibensteiner, Franz König, Francois Mercier, Robin Ristl, Nigel Stallard, Marc Vandemeulebroecke, Sarah Zohar, Martin Posch

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文综述了结合观测单位协变量聚类与临床研究结局模型的方法，区分了有信息聚类模型和无信息聚类模型，并讨论了其在高维协变量和异质患者群体中的应用。

Have Large Language Models Enhanced the Way Civil & Environmental Engineers Write? A Quantitative Analysis of Scholarly Communication over 25 Years

大语言模型是否增强了土木与环境工程师的写作方式？对25年学术交流的定量分析

Morgan D. Sanger, Brett W. Maurer

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文通过词汇频率分析方法，研究大语言模型对土木与环境工程领域学术写作的影响，发现自2022年起，LLM的使用显著改变了写作风格，使文章更复杂、自信。

Meta-operators for all-optical image processing

用于全光图像处理的元运算符

Linzhi Yu, Haobijam J. Singh, Jesse Pietila, Humeyra Caglayan

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种紧凑的元表面平台，实现全光计算中的任意图像变换，无需复杂光学系统或数字处理，展示了微分、相关运算和3D全息等应用，推动了计算光学的发展。

Journal ref Light Sci Appl 15, 119 2026

Nanoscale mapping of internal magnetization dynamics reveals how disorder shapes heat generation in magnetic particle hyperthermia

纳米尺度内部磁化动力学映射揭示杂乱如何塑造磁性粒子超热疗中的热量产生

Elizabeth M. Jefremovas, Pauline Rooms, Álvaro Gallo-Córdova, María P. Morales, Frank Wiekhorst, Andreas Michels, Jonathan Leliaert

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究通过结合AC磁性测量与动态微磁模拟，揭示了杂乱如何影响磁性粒子内部热量产生，发现颗粒尺寸是关键可调参数，影响热释放的大小和时空分布。

Projection Guided Personalized Federated Learning for Low Dose CT Denoising

投影引导的个性化联邦学习用于低剂量CT去噪

Anas Zafar, Muhammad Waqas, Amgad Muneer, Rukhmini Bandyopadhyay, Jia Wu

机构 * The University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心） 纠错

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

AI总结 本文提出ProFed框架，通过在投影空间进行双层个性化，解决联邦学习中图像空间个性化难以区分扫描器噪声与患者解剖结构的问题，实验表明其在低剂量CT去噪中性能优越。

Comments 17 pages, 3 Figures, 6 Tables

Personalized Federated Learning with Residual Fisher Information for Medical Image Segmentation

具有残差信息鱼尔矩阵的个性化联邦学习用于医学图像分割

Meilu Zhu, Yuxing Li, Zhiwei Wang, Edmund Y. Lam

机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, China（电子与电气工程系，香港大学，香港，中国） 纠错

专题命中 医学数据与评测 ：medical image(title)；分类 cs.CV

AI总结 本文提出pFL-ResFIM框架，通过残差信息鱼尔矩阵量化模型参数对领域差异的敏感性，实现客户端自适应个性化，在公共数据集上验证了其有效性。

Comments accepted by ISBI 2026

Limitations of Public Chest Radiography Datasets for Artificial Intelligence: Label Quality, Domain Shift, Bias and Evaluation Challenges

公共胸部X光数据集在人工智能中的局限性：标签质量、领域转移、偏见和评估挑战

Amy Rafferty, Ajitha Rajan

专题命中 医学数据与评测 ：pathology(abstract)；radiology(abstract)；分类 cs.LG

AI总结 研究指出公共胸部X光数据集在标签质量、领域偏移、偏见和评估方面存在局限，通过跨模型架构分析发现外部性能显著下降，且专家审查揭示标签存在显著分歧，强调需更公平的评估框架和临床验证数据集。

ECG-Reasoning-Benchmark: A Benchmark for Evaluating Clinical Reasoning Capabilities in ECG Interpretation

ECG-Reasoning-Benchmark: 一个用于评估心电图解读中临床推理能力的基准

Jungwoo Oh, Hyunseung Chung, Junhee Lee, Min-Gyu Kim, Hangyul Yoon, Ki Seong Lee, Youngchae Lee, Muhan Yeo, Edward Choi

专题命中 医学数据与评测 ：medical AI(abstract)；diagnosis(abstract)；分类 cs.LG

AI总结 本文提出ECG-Reasoning-Benchmark，通过6400个样本系统评估17种核心心电图诊断的逐步推理能力，发现现有多模态大语言模型在多步逻辑推理中存在严重缺陷，无法有效将心电图发现与实际信号证据关联。

Comments Preprint. 9 pages for main text, 2 pages for references, 19 pages for supplementary materials (appendix)

Vib2ECG: A Paired Chest-Lead SCG-ECG Dataset and Benchmark for ECG Reconstruction

Vib2ECG：一种配对的胸导体SCG-ECG数据集和用于ECG重建的基准

Guorui Lu, Xiaohui Cai, Todor Stefanov, Qinyu Chen

机构 * Leiden Institute of Advanced Computer Science (LIACS), Leiden University（莱顿先进计算机科学研究所（LIACS）、莱顿大学） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出Vib2ECG数据集，用于从低成本振动信号重建ECG，展示了轻量U-Net在多导联ECG重建中的可行性，并分析了模型生成虚假ECG波形的问题。

Comments This work has been submitted to the IEEE for possible publication