医学 AI

CFCML: A Coarse-to-Fine Crossmodal Learning Framework For Disease Diagnosis Using Multimodal Images and Tabular Data

CFCML：一种用于多模态图像和表格数据疾病诊断的粗到细跨模态学习框架

Tianling Liu, Hongying Liu, Fanhua Shang, Lequan Yu, Tong Han, Liang Wan

机构 * College of Intelligence and Computing（智能与计算学院） ； Tianjin University（天津大学） ； Medical School of Tianjin University（天津大学医学院） ； Peng Cheng Lab（鹏城实验室） ； Department of Statistics and Actuarial Science, School of Computing and Data Science, The University of Hong Kong（统计与精算系，计算与数据科学学院，香港大学） ； Department of Radiology, Tianjin Huanhu Hospital（天津华医院放射科） ； Tianjin Key Laboratory of Cerebral Vascular and Neurodegenerative Diseases（天津脑血管与神经退行性疾病重点实验室） 纠错

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

AI总结 本文提出CFCML框架，通过粗到细的跨模态学习逐步缩小多模态数据间的模态差距，提升诊断准确性。

Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis

具有人口统计学意识的自监督异常检测预训练用于公平的罕见心脏诊断

Chaoqin Huang, Zi Zeng, Aofan Jiang, Yuchen Xu, Qing Cao, Kang Chen, Chenfei Chi, Yanfeng Wang, Ya Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； National University of Defense Technology（国防科技大学） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（瑞金医院，上海交通大学医学院） ； Renji Hospital, Shanghai Jiao Tong University School of Medicine（仁济医院，上海交通大学医学院） 纠错

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

AI总结 本文提出一种两阶段ECG框架，结合自监督异常检测与人口统计学意识表征学习，提升罕见心脏异常检测的灵敏度并确保公平性，实验显示在超过一百万临床ECG数据上，方法在罕见异常检测中达到94.7%的AUROC，并缩小了常见-罕见性能差距。

BrainSCL: Subtype-Guided Contrastive Learning for Brain Disorder Diagnosis

BrainSCL: 亚型引导的对比学习用于脑部疾病诊断

Xiaolong Li, Guiliang Guo, Guangqi Wen, Peng Cao, Jinzhu Yang, Honglin Wu, Xiaoli Liu, Fei Wang, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院） ； School of Computer Science and Artificial Intelligence, Shandong Normal University, Jinan, China（山东师范大学计算机科学与人工智能学院） ； AiShiWeiLai AI Research, Beijing, China（艾世维来人工智能研究所） ； Early Intervention Unit, Department of Psychiatry, Affiliated Nanjing Brain Hospital, Nanjing Medical University, Nanjing, China（南京医科大学附属南京脑科医院早期干预科） ； Amii, University of Alberta, Edmonton, AB, Canada（阿尔伯塔大学Amii） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 本文提出一种亚型引导的对比学习框架，通过建模患者异质性为潜在亚型并将其作为结构先验，引导判别表示学习。在MDD、BD和ASD数据集上验证了该方法的有效性。

Alzheimer's Disease Brain Network Mining

阿尔茨海默病脑网络挖掘

Alireza Moayedikia, Sara Fin

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

AI总结 本文提出MATCH-AD框架，结合深度学习、图传播和最优传输理论，解决AD诊断中标签稀缺问题，实现高准确率诊断，理论保证稳定性和实用性。

Comments We found bugs in the code that affected the results. The results are no longer valid. so we decided to no longer pursue publishing this paper

Exploring Subnetwork Interactions in Heterogeneous Brain Network via Prior-Informed Graph Learning

通过先验知识引导的图学习探索异质脑网络中的子网络交互

Siyu Liu, Guangqi Wen, Peng Cao, Jinzhu Yang, Xiaoli Liu, Fei Wang, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Key Laboratory of Intelligent Computing in Medical Image of Ministry of Education, Northeastern University（教育部医学图像智能计算重点实验室） ； College of Artificial Intelligence, Shandong Normal University（山东师范大学人工智能学院） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization（工业智能与系统优化国家级前沿科学中心） ； AiShiWeiLai AI Research（AiShiWeiLai人工智能研究） ； Early Intervention Unit, Department of Psychiatry, Affiliated Nanjing Brain Hospital, Nanjing Medical University（南京医科大学附属南京脑科医院精神科早期干预单元） ； Amii, University of Alberta（阿尔伯塔大学Amii） 纠错

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

AI总结 本文提出KD-Brain框架，通过注入语义先验和临床先验，改进子网络交互建模，提升精神疾病诊断性能并发现可解释生物标志物。

EvidenceRL: Reinforcing Evidence Consistency for Trustworthy Language Models

EvidenceRL: 为可信语言模型强化证据一致性

J. Ben Tamo, Yuxing Lu, Benoit L. Marteau, Micky C. Nnamdi, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Pekin University（培根大学） 纠错

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

AI总结 EvidenceRL通过强化学习框架在训练中强制证据遵循，提升语言模型在医疗诊断和法律推理中的证据接地和可信度，同时保持任务准确性。

KAN-Koopman Based Rapid Detection Of Battery Thermal Anomalies With Diagnostics Guarantees

基于KAN-Koopman的电池热异常快速检测与诊断保证

Sanchita Ghosh, Tanushree Roy

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出结合KAN和Koopman方法的电池热异常检测算法，通过轻量级KAN估计核心温度实现快速检测，利用Koopman算子实时学习提升诊断准确性，并推导出诊断保证条件。

Comments 9 pages, 1 figure, Accepted to The 2026 American Control Conference