医学 AI

Kestrel: Grounding Self-Refinement for LVLM Hallucination Mitigation

Kestrel: 为降低LVLM幻觉而引入自反思

Jiawei Mao, Hardy Chen, Haoqin Tu, Yuhan Wang, Letian Zhang, Zeyu Zheng, Huaxiu Yao, Zirui Wang, Cihang Xie, Yuyin Zhou

机构 * UC Santa Cruz（加州大学圣克ruz分校） ； UC Berkeley（加州大学伯克利分校） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Apple（苹果公司） 纠错

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

AI总结 Kestrel提出一种无需训练的框架，通过显式视觉 grounding 与证据验证自反思机制减少LVLM幻觉，实验显示在POPE和MME-Hallucination基准上性能提升，同时提供透明的验证轨迹。

Comments 16 pages, 11 figures, 5 tables

InViC: Intent-aware Visual Cues for Medical Visual Question Answering

InViC：面向医疗视觉问答的意图感知视觉线索

Zhisong Wang, Ziyang Chen, Zanting Ye, Hongze Zhu, Yefeng Zheng, Yong Xia

机构 * National Engineering Laboratory for Integrated Aero-Space-Ground-Ocean Big Data Application Technology, School of Computer Science and Engineering, Northwestern Polytechnical University, Xi’an 710072, China（集成空天地海大数据应用技术国家工程实验室，计算机科学与工程学院，西北工业大学，西安710072，中国） ； Westlake University（西湖大学） ； Southern Medical University（南方医科大学） 纠错

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

AI总结 本文提出InViC框架，通过引入Cue Tokens Extraction模块和两阶段微调策略，提升医疗视觉问答中意图对齐的视觉证据利用，验证了瓶颈化训练在提高可信度上的有效性。

Comments 10 pages, 2 figures

Predicting Biomedical Interactions with Probabilistic Model Selection for Graph Neural Networks

利用图神经网络的概率模型选择预测生物医学相互作用

Kishan KC, Rui Li, Paribesh Regmi, Anne R. Haake

机构 * Amazon（亚马逊） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG、q-bio

AI总结 本文提出基于概率模型选择的框架，通过推断最合适的图卷积层数量、应用dropout正则化和学习网络参数，提升生物医学相互作用预测的性能和校准度。

Knowledge Graph Extraction from Biomedical Literature for Alkaptonuria Rare Disease

从生物医学文献中提取知识图谱用于阿尔富林尿症罕见疾病

Giang Pham, Rebecca Finetti, Caterina Graziani, Bianca Roncaglia, Asma Bendjeddou, Linda Brodo, Sara Brunetti, Moreno Falaschi, Stefano Forti, Silvia Giulia Galfré, Paolo Milazzo, Corrado Priami, Annalisa Santucci, Ottavia Spiga, Alina Sîrbu

机构 * Department of Computer Science, University of Pisa（计算机科学系，比萨大学） ； Department of Biotechnology, Chemistry and Pharmacy, University of Siena（生物技术、化学与药学系，锡耶纳大学） ； Department of Information Engineering and Mathematics, University of Siena（信息工程与数学系，锡耶纳大学） ； Department of Scienze Economiche e Aziendali, University of Sassari（经济与企业科学系，萨萨里大学） ； Department of Computer Science and Engineering, University of Bologna（计算机科学与工程系，博洛尼亚大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 q-bio

AI总结 本文利用PubTator3进行文本挖掘，构建了两个不同规模的知识图谱，用于提取与阿尔富林尿症相关的基因、疾病和治疗方案，揭示了该罕见代谢疾病的系统性相互作用及潜在治疗靶点。

MedCL-Bench: Benchmarking stability-efficiency trade-offs and scaling in biomedical continual learning

MedCL-Bench：评估生物医学持续学习中的稳定性-效率权衡和扩展性

Min Zeng, Shuang Zhou, Zaifu Zhan, Rui Zhang

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文提出MedCL-Bench，通过十个生物医学NLP数据集评估十一种持续学习策略，揭示不同方法在保留率、迁移能力和计算成本上的差异。

Biomedical active matter: Emergence and breakdown of collective functionalities

生物医学活性物质：集体功能的涌现与崩溃

Arnold Mathijssen, Hamed Almohammadi, Lauren Altman, Talia Calazans, M. J. Ferencz, Michelle Fung, Ian J. Lee, Maciej Lisicki, Ivy Liu, Maggie Liu, Tianyi Liu, Ernest Park, Ran Tao, Albane Thery, Zeyuan Wang, Margot Young

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文探讨生物医学活性物质中集体功能的涌现与崩溃，分析了自组织、运动、感知、适应等核心机制，并提出通过微机器人群、生物启发材料等技术治疗相关疾病的方法。

Comments Review paper, 33 pages, 5 figures

Power Analysis for Prediction-Powered Inference

预测驱动推断的功率分析

Yiqun T. Chen, Moran Guo, Shengy Li

机构 * Department of Biostatistics, Johns Hopkins University（约翰霍普金斯大学生物统计学系） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） 纠错

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

AI总结 本文提出基于预测驱动推断的统计功效计算方法，通过推导闭式公式来确定所需标注样本数量，适用于两样本比较和2x2表格的风险测量等常见场景。

Non-inertial hydrodynamics of manipulating particle transport

非惯性流体中操控粒子运输的流体动力学

Partha Kumar Das

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究非惯性流体中微流体操控粒子轨迹的机制，探讨障碍物对粒子轨迹影响的物理原理，揭示流体动力学效应在粒子偏转中的作用。

Comments PhD thesis

Mixing with viscoelastic waves at low Reynolds numbers

在低雷诺数下利用粘弹性波实现混合

Enrico Turato, Christelle N. Prinz, Jason P. Beech, Jonas. O Tegenfeldt

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文研究了在低雷诺数条件下，通过粘弹性湍流提高微流控通道中分子和聚合物的混合效率，展示了粘弹性波动对反应速率和大分子混合的增强作用，并探讨了优化策略。

Comments 7 pages, 5 figures, submitted to Lab on a Chip

Early Pre-Stroke Detection via Wearable IMU-Based Gait Variability and Postural Drift Analysis

通过可穿戴IMU的步态变异性与体位漂移分析实现早期中风风险检测

Chanakan Chaipan, Aueaphum Aueawatthanaphisut

专题命中 健康监测 ：diagnosis(abstract)；分类 q-bio

AI总结 本文提出基于可穿戴传感器的框架，利用单个IMU捕捉骨盆运动，通过步态变异性与体位漂移分析早期中风风险，验证了低成本非侵入式筛查方法的可行性。

Comments 6 pages, 5 figures, 20 equations

Federated Learning for Privacy-Preserving Medical AI

联邦学习用于隐私保护的医疗AI

Tin Hoang

机构 * University of Surrey（Surrey大学） 纠错

专题命中 医学数据与评测 ：medical AI(title,abstract)；MRI(abstract)；分类 cs.CV、cs.LG

AI总结 本文研究了利用三维MRI数据进行阿尔茨海默病分类的隐私保护联邦学习，提出了一种机构感知的数据分区策略和自适应局部差分隐私机制，提升了隐私-效用平衡并验证了联邦优化算法在医疗AI中的应用。

Comments MSc Dissertation

CRIMSON: A Clinically-Grounded LLM-Based Metric for Generative Radiology Report Evaluation

CRIMSON：一种基于临床的LLM评估指标用于生成放射学报告评估

Mohammed Baharoon, Thibault Heintz, Siavash Raissi, Mahmoud Alabbad, Mona Alhammad, Hassan AlOmaish, Sung Eun Kim, Oishi Banerjee, Pranav Rajpurkar

机构 * Department of Biomedical Informatics, Harvard Medical School（生物医学信息学系，哈佛医学院） ； Department of Radiation Oncology, Mass General Brigham（放射肿瘤科，麻省总医院与布里奇沃特医院） ； King Fahad Hospital, Al-Ahsa Health Cluster, Al Hofuf, Saudi Arabia（国王法赫德医院，阿尔阿萨卫生集群，阿尔霍夫，沙特阿拉伯） ； Ras-Tanura General Hospital, Ministry of Health, Eastern Province, Saudi Arabia（拉斯-坦纳医院，卫生部，东部省，沙特阿拉伯） ； Department of Medical Imaging, King Abdulaziz Medical City, Ministry of National Guard, Riyadh, Saudi Arabia（医学影像科，国王阿卜杜勒-阿齐兹医疗城，国民卫队部，利雅得，沙特阿拉伯） 纠错

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

AI总结 CRIMSON是一种基于临床的LLM评估指标，用于评估生成的放射学报告，通过考虑诊断正确性、上下文相关性和患者安全，提供更全面的评估方法。

Discovering the Hidden Role of Gini Index In Prompt-based Classification

发现Gini指数在基于提示的分类中的隐藏作用

Ruixi Lin

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究探讨了Gini指数在检测和优化分类准确度差异中的作用，通过实验证明该指数能有效缓解分类准确度不平衡问题，提升弱类表现。

Prompt Sensitivity and Answer Consistency of Small Open-Source Language Models for Clinical Question Answering in Low-Resource Healthcare

小开源语言模型在低资源医疗场景中的提示敏感性与答案一致性

Shravani Hariprasad

机构 * Independent Researcher（独立研究者） 纠错

专题命中 医学数据与评测 ：clinical AI(abstract)

AI总结 研究评估了五种开源模型在三个医疗问答数据集上的表现，发现一致性与准确性独立，Llama 3.2在准确性与可靠性上表现最佳，但领域预训练不足以保证结构化医疗问答的正确性。

Comments 30 pages, 7 figures, 2 tables