医学 AI

Tabular LLMs for Interpretable Few-Shot Alzheimer's Disease Prediction with Multimodal Biomedical Data

用于多模态生物医学数据的可解释少样本阿尔茨海默病预测的表格LLMs

Sophie Kearney, Shu Yang, Zixuan Wen, Weimin Lyu, Bojian Hou, Duy Duong-Tran, Tianlong Chen, Jason H. Moore, Marylyn D. Ritchie, Chao Chen, Li Shen

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Stony Brook University（石溪大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Medical University of South Carolina（南卡罗来纳医科大学） ； Cedars-Sinai Medical Center（西格拉姆山医疗中心） 纠错

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

AI总结 本文提出TAP-GPT框架，利用预训练的大语言模型进行少样本阿尔茨海默病分类，展示了其在多模态生物医学数据中的优越性能和可解释性。

Towards Clinical Practice in CT-Based Pulmonary Disease Screening: An Efficient and Reliable Framework

迈向基于CT的肺部疾病筛查的临床实践：一种高效且可靠的框架

Qian Shao, Bang Du, Yixuan Wu, Zepeng Li, Qiyuan Chen, Qianqian Tang, Jian Wu, Jintai Chen, Hongxia Xu

机构 * Zhejiang University（浙江大学） ； Shaoxing Tangtang Technology Co., Ltd.（绍兴唐唐科技有限公司） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 本文提出一种高效可靠的框架，通过簇基于采样和模糊性感知不确定性量化方法，在减少计算成本的同时保持诊断性能，实现快速准确的肺部疾病筛查。

Human-AI Co-reasoning for Clinical Diagnosis with Evidence-Integrated Language Agent

人机协同推理用于临床诊断：证据整合语言代理

Zhongzhen Huang, Yan Ling, Hong Chen, Ye Feng, Li Wu, Linjie Mu, Shaoting Zhang, Xiaofan Zhang, Kun Qian, Xiaomu Li

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出PULSE，结合领域调优的大语言模型与文献检索，支持复杂病例的诊断决策。实验显示PULSE在专家级准确度上表现优异，且在罕见病病例中保持稳定性能，揭示了语言模型在临床诊断中的潜力与局限。

Comments After further evaluation, we have decided to withdraw the current version of this manuscript for further revision. We plan to add new experiments, improve the writing and overall presentation for greater clarity and coherence, and re-examine the dataset and related descriptions to ensure rigor and reliability before submitting an updated version

A statistical framework for dynamic cognitive diagnosis in digital learning environments

基于统计学的动态认知诊断框架用于数字学习环境

Yawen Ma, Anastasia Ushakova, Kate Cain, Gabriel Wallin

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出一种基于受限潜在类模型的动态认知诊断模型，用于分析数字学习环境中学生随时间变化的技能掌握情况，通过日志数据联合估计Q矩阵和潜在技能特征，提高教育实践中的个体化诊断能力。

EEG-SeeGraph: Interpreting functional connectivity disruptions in dementias via sparse-explanatory dynamic EEG-graph learning

EEG-SeeGraph: 通过稀疏解释性动态EEG图学习解读痴呆症的功能连接紊乱

Fengcheng Wu, Zhenxi Song, Guoyang Xu, Kaisong Hu, Zirui Wang, Yi Guo, Zhiguo Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Institute of Neurological Diseases, Shenzhen Bay Laboratory, Shenzhen, China（深圳湾实验室神经疾病研究院） 纠错

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

AI总结 本文提出EEG-SeeGraph，通过稀疏解释性动态EEG图学习方法，解析痴呆症中功能连接紊乱，具备噪声鲁棒性和可解释性。

ROPE: A Novel Method for Real-Time Phase Estimation of Complex Biological Rhythms

ROPE：一种用于复杂生物节律实时相位估计的新方法

Antonio Spallone, Marco Coraggio, Francesco De Lellis, Mario di Bernardo

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

AI总结 ROPE是一种能处理任意维度信号并实现实时相位估计的算法，通过高效搜索先前信号段来分割信号为伪周期，并在多种信号类型上验证其鲁棒性和性能优势。

Theoretical Foundations of Latent Posterior Factors: Formal Guarantees for Multi-Evidence Reasoning

潜在后验因子的理论基础：多证据推理的正式保证

Aliyu Agboola Alege

机构 * Epalea 纠错

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

AI总结 本文提出了一种理论框架，通过变分自编码器将多异质证据转换为高斯潜在后验，并利用Sum-Product网络或神经聚合器进行聚合，提供多证据推理的正式保证。

Comments 30 pages, 8 figures, 10 tables. Theoretical characterization of the Latent Posterior Factors (LPF) framework for multi-evidence probabilistic reasoning, with formal guarantees and empirical validation

Where MLLMs Attend and What They Rely On: Explaining Autoregressive Token Generation

MLLMs关注什么以及依赖什么：解释自回归标记生成

Ruoyu Chen, Xiaoqing Guo, Kangwei Liu, Siyuan Liang, Shiming Liu, Qunli Zhang, Laiyuan Wang, Hua Zhang, Xiaochun Cao

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系） ； College of Computing and Data Science, NTU（NTU 计算与数据科学学院） ； Huawei（华为） ； School of Flexible Electronics, SYSU（SYSU 灵活电子学院） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（Sun Yat-sen 大学深圳校区计算机科学与技术学院） 纠错

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

AI总结 本文提出EAGLE框架，通过轻量级黑盒方法解释MLLMs的自回归标记生成，量化语言先验和感知证据的影响，提升模型可解释性。

Comments Accepted to CVPR 2026