医学 AI

SkinGenBench: Generative Model and Preprocessing Effects for Synthetic Dermoscopic Augmentation in Melanoma Diagnosis

SkinGenBench: 生成模型与预处理对合成皮肤镜增强在黑色素瘤诊断中的影响

N. A. Adarsh Pritam, Jeba Shiney O, Sanyam Jain

机构 * Alliance School of Advanced Computing, Alliance University, India（印度联盟大学高级计算学院） ； Department of Computer Science and Communication, Østfold University College, 1783 Halden, Norway（挪威东福尔大学学院计算机科学与传播系） ； Department of Dentistry and Oral Health, Aarhus University, 8000 Aarhus, Denmark（丹麦奥胡斯大学牙科与口腔健康系） 纠错

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

AI总结 本文提出SkinGenBench，研究预处理复杂性与生成模型选择对合成皮肤镜图像增强及黑色素瘤诊断的影响，通过评估StyleGAN2-ADA和DDPMs生成模型在不同预处理下的性能，发现生成模型架构对图像质量和诊断效果影响更大。

LiteInception: A Lightweight and Interpretable Deep Learning Framework for General Aviation Fault Diagnosis

LiteInception: 一种轻量且可解释的深度学习框架用于通用航空故障诊断

Zhihuan Wei, Xinhang Chen, Danyang Han, Yang Hu, Jie Liu, Xuewen Miao, Guijiang Li

机构 * Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Science and Technology on Complex Aviation System Simulation Laboratory（复杂航空系统仿真重点实验室） ； The First Aircraft Institute of Aviation Industry Corporation of China（中国航空工业集团公司第一飞机设计研究院） ； School of Reliability and Systems Engineering, Beihang University（北京航空航天大学可靠性与系统工程学院） 纠错

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

AI总结 本文提出LiteInception框架，通过两阶段架构实现高效故障诊断，采用多方法融合压缩模型参数，提升推理速度与可解释性，验证了其在效率、精度和可解释性上的平衡。

Ontology-Aware Design Patterns for Clinical AI Systems: Translating Reification Theory into Software Architecture

面向本体的临床AI系统设计模式：将重现实理论转化为软件架构

Florian Odi Stummer

机构 * Institute of General Medicine, University Clinics Halle, Martin Luther University Halle-Wittenberg（哈勒大学医院全科医学研究所，马丁·路德·哈勒-维滕贝格大学） ； Apsley Business School（阿普斯利商学院） 纠错

专题命中 诊断辅助 ：clinical AI(title,abstract)

AI总结 本文提出七种面向本体的设计模式，用于构建抗本体扭曲的临床AI管道，通过理论分析提供设计词汇，涵盖数据验证、信号保留、漂移监控等核心方法。

Comments 7 design patterns, 3 tables, 1 figure, arXiv cs.AI preprint

Semantic Compensation via Adversarial Removal for Robust Zero-Shot ECG Diagnosis

通过对抗性移除实现语义补偿的鲁棒零样本ECG诊断

Hongjun Liu, Rujun Han, Leyu Zhou, Chao Yao

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出SCAR框架，通过对抗性移除提升ECG与语言预训练的鲁棒性，解决部分缺失情况下语义对齐问题，并引入CMRS评估指标。

Grounded Token Initialization for New Vocabulary in LMs for Generative Recommendation

为生成推荐系统中的新词汇提供基础性词 token 初始化

Daiwei Chen, Zhoutong Fu, Chengming Jiang, Haichao Zhang, Ran Zhou, Tan Wang, Chunnan Yao, Guoyao Li, Rui Cai, Yihan Cao, Ruijie Jiang, Fedor Borisyuk, Jianqiang Shen, Jingwei Wu, Ramya Korlakai Vinayak

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； LinkedIn Corporation（领英公司） ； Northeastern University（东北大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 本文提出GTI方法，通过在预训练嵌入空间中语义地初始化新词汇，提升生成推荐系统性能，优于传统均值初始化和辅助任务适应方法。

Fragility-aware Classification for Understanding Risk and Improving Generalization

面向脆弱性的分类：理解风险与提升泛化能力

Chen Yang, Zheng Cui, Daniel Zhuoyu Long, Jin Qi, Ruohan Zhan

机构 * School of Management, Zhejiang University（浙江大学管理学院） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong（香港中文大学系统工程与工程管理系） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系） ； Department of Marketing and Analytics, University College London（伦敦大学学院市场营销与分析系） 纠错

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

AI总结 本文提出Fragility Index作为新型性能指标，从风险规避角度评估分类器，通过鲁棒满足框架确保在分布不确定性下的鲁棒性，并开发可训练框架以直接优化FI，实验证明其能揭示误差尾部风险并提升决策质量。

Prognostics for Autonomous Deep-Space Habitat Health Management under Multiple Unknown Failure Modes

自主深空栖息地健康管理系统在多种未知故障模式下的预测维护

Benjamin Peters, Ayush Mohanty, Xiaolei Fang, Stephen K. Robinson, Nagi Gebraeel

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

AI总结 本文提出一种无监督预测框架，用于在未知故障模式下预测剩余使用寿命，通过聚类退化轨迹和选择模式特定传感器提高预测准确性和可解释性。

Comments Manuscript under review

Label Shift Estimation With Incremental Prior Update

带增量先验更新的标签偏移估计

Yunrui Zhang, Gustavo Batista, Salil S. Kanhere

机构 * University of New South Wales, School of Computer Science and Engineering, Australia（新南威尔士大学计算机科学与工程学院，澳大利亚） 纠错

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

AI总结 本文提出一种后验标签偏移估计方法，通过逐步更新每个样本的先验，改进后验以更准确估计测试集标签分布变化，实验表明其在不同标签偏移强度下优于现有最大似然方法。

Comments SIAM SDM 2025

Journal ref Proceedings of the 2025 SIAM International Conference on Data Mining (SDM) Pages 134 - 142

PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics

PUNCH：一种融合物理信息的不确定性感知网络用于冠状动脉血流动力学

Sukirt Thakur, Marcus Roper, Yang Zhou, Dmitry Yu. Isaev, Reza Akbarian Bafghi, Brahmajee K. Nallamothu, C. Alberto Figueroa, Srinivas Paruchuri, Scott Burger, Carlos Collet, Maziar Raissi

机构 * AngioInsight Inc.（AngioInsight公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Michigan（密歇根大学） ； Cardiovascular Research Foundation（心血管研究基金会） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 PUNCH利用物理信息神经网络和变分推断，从标准冠状动脉造影直接估计血流储备，无需侵入性工具或群体训练，提供准确的冠状动脉微血管功能障碍诊断。

CARE: Confidence-aware Ratio Estimation for Medical Biomarkers

CARE：面向医学生物标志物的置信度感知比率估计

Jiameng Li, Teodora Popordanoska, Aleksei Tiulpin, Sebastian G. Gruber, Frederik Maes, Matthew B. Blaschko

机构 * KU Leuven（鲁汶大学） ； University of Oulu（奥卢大学） ； Weill Cornell Medicine（威尔康奈尔医学院） 纠错

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

AI总结 本文提出CARE框架，用于估计基于比率的医学生物标志物，通过分析分割到生物标志物流程中的误差传播，识别模型不校准为主要不确定性来源，生成可调节置信水平的统计可靠置信区间。

Comments 12 pages

GenGait: A Transformer-Based Model for Human Gait Anomaly Detection and Normative Twin Generation

GenGait：一种基于Transformer的模型用于人体步态异常检测和规范双生生成

Elisa Motta, Marta Lorenzini, Clara Mouawad, Alberto Ranavolo, Mariano Serrao, Arash Ajoudani

机构 * HRI$^{2}$ Laboratory, Istituto Italiano di Tecnologia (IIT)（HRI²实验室，意大利技术研究院（IIT）） ； Department of Occupational and Environmental Medicine, Epidemiology and Hygiene, INAIL（INAIL职业与环境医学、流行病学与卫生学系） ； Department of Medical and Surgical Sciences and Biotechnologies, Sapienza University of Rome（罗马大学医学外科学科与生物技术系） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种无需标签的框架，通过基于Transformer的掩码自动编码器，实现步态异常检测和运动学校正，验证显示能准确定位生物力学不一致的关节，减少角度偏差，保留规范运动学。

Comments 13 pages, 6 figures. Preprint submitted to a journal

The Presupposition Problem in Representation Genesis

表征生成中的预设问题

Yiling Wu

机构 * BridgeM, Inc.（BridgeM公司） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文探讨了大语言模型在未经历表征生成过渡时的认知能力问题，指出现有哲学框架存在预设结构导致解释延迟，并提出表征回归概念。