医学 AI

Embedding Enhancement via Fine-Tuned Language Models for Learner-Item Cognitive Modeling

通过微调语言模型增强嵌入以实现学习者-项目认知建模

Yuanhao Liu, Zihan Zhou, Kaiying Wu, Shuo Liu, Yiyang Huang, Jiajun Guo, Aimin Zhou, Hong Qian

机构 * East China Normal University（华东师范大学） ； Tencent Inc（腾讯公司） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出EduEmbed框架，通过微调语言模型提升学习者-项目认知建模的嵌入表示，在多种认知诊断任务中实现稳健性能。

Comments Accepted by The ACM Web Conference 2026 (WWW '26)

Unmasking Hallucinations: A Causal Graph-Attention Perspective on Factual Reliability in Large Language Models

揭示幻觉：从因果图注意力视角探讨大语言模型中的事实可靠性

Sailesh kiran kurra, Shiek Ruksana, Vishal Borusu

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

AI总结 本文提出因果图注意力网络框架，通过构建token级图来减少大语言模型中的幻觉问题，提升事实可靠性。

Comments Paper accepted for publication at IEEE International Conference on Emerging Computing and Intelligent Technologies 2026 (ICoECIT),5 Pages,5 figures,1 table

XModBench: Benchmarking Cross-Modal Capabilities and Consistency in Omni-Language Models

XModBench：多模态能力与一致性在多语言模型中的基准测试

Xingrui Wang, Jiang Liu, Chao Huang, Xiaodong Yu, Ze Wang, Ximeng Sun, Jialian Wu, Alan Yuille, Emad Barsoum, Zicheng Liu

机构 * Advanced Micro Devices（超威半导体） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Rochester（罗彻斯特大学） 纠错

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

AI总结 XModBench通过大规模三模态基准测试，评估多语言模型在跨模态一致性中的能力，揭示模型在不同模态下的推理偏差和不平衡问题。

Journal ref Published as a conference paper at ICLR 2026

Spin-based magnetic detection of optically trapped single cell in microfluidic channel

基于自旋的磁学检测用于微流体通道中单细胞的光学捕获

Jun Yin, Sanyou Chen, Yihao Yan, Mengqi Wang, Ya Wang, Yiheng Lin, Qi Zhang, Fazhan Shi

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种结合量子磁力计与光学镊子的磁学检测方法，用于高精度单细胞分析，能有效克服生物组织中的荧光检测挑战。

Comments Accepted manuscript. The final published version appeared in Chinese Physics B 34, 070704 (2025)

Journal ref Chinese Physics B 34, 070704 (2025)

The Format Tax

格式税

Ivan Yee Lee, Loris D'Antoni, Taylor Berg-Kirkpatrick

机构 * UC San Diego（加州大学圣地亚哥分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文发现要求大语言模型以JSON等结构化形式输出会显著降低推理和写作性能，提出分离推理与格式生成的方法可恢复大部分损失的准确性。

Routine Blood Biomarkers Reveal a Preclinical Continuum of Multiple Myeloma Risk

常规血液生物标记物揭示多发性骨髓瘤风险的前期连续谱

Bingjie Li, Jiadai Xu, Yiqing Sun, Feiyue Pan, Shing-Tung Yau, Peng Liu, Zhigang Yao

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究利用UK Biobank数据，发现常规血液生物标记物可预测多发性骨髓瘤风险，通过分析61种血液指标，揭示蛋白质失调等生物标记物与疾病风险的关联，提升临床风险模型的判别能力。

Comments 25 pages

A Generative Foundation Model for Multimodal Histopathology

多模态病理生成模型基础框架

Jinxi Xiang, Mingjie Li, Siyu Hou, Yijiang Chen, Xiangde Luo, Yuanfeng Ji, Xiang Zhou, Ehsan Adeli, Akshay Chaudhari, Curtis P. Langlotz, Kilian M. Pohl, Ruijiang Li

机构 * Department of Radiation Oncology, Stanford University School of Medicine（斯坦福大学医学院放射肿瘤学系） ； Department of Psychiatry and Behavioral Sciences, Stanford University School of Medicine（斯坦福大学医学院精神病学与行为科学系） ； Department of Statistics and Data Science, Yale University（耶鲁大学统计与数据科学系） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Center for Artificial Intelligence in Medicine and Imaging, Stanford University（斯坦福大学医学与影像人工智能中心） 纠错

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

AI总结 本文提出MuPD模型，通过扩散变压器整合病理图像、分子数据和临床文本，实现跨模态生成任务，提升诊断准确性和数据扩展性。

Comments 33 pages, 9 figures

Learning Robust Visual Features in Computed Tomography Enables Efficient Transfer Learning for Clinical Tasks

在计算机断层扫描中学习鲁棒的视觉特征以实现临床任务的高效迁移学习

Rubén Moreno-Aguado, Alba Magallón, Victor Moreno, Yingying Fang, Guang Yang

机构 * Bioengineering Department and Imperial-X, Imperial College London（帝国理工学院生物工程系与Imperial-X） ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； Oncology Data Analytics Program, Catalan Institute of Oncology（加泰罗尼亚肿瘤研究所肿瘤数据分析项目） ； Colorectal Cancer Group, ONCOBELL Program, Institut d’Investigació Biomèdica de Bellvitge（贝尔维特奇生物医学研究所ONCOBELL项目结直肠癌研究组） ； Consortium for Biomedical Research in Epidemiology and Public Health（流行病学与公共卫生生物医学研究联盟） ； Department of Clinical Sciences, Faculty of Medicine and Health Sciences, Universitat de Barcelona（巴塞罗那大学医学与健康科学学院临床科学系） ； Institute of Complex Systems, University of Barcelona（巴塞罗那大学复杂系统研究所） ； National Heart and Lung Institute, Imperial College London（帝国理工学院国家心肺研究所） ； Cardiovascular Research Centre, Royal Brompton Hospital（皇家布朗普顿医院心血管研究中心） ； School of Biomedical Engineering & Imaging Sciences, King’s College London（伦敦国王学院生物医学工程与影像科学学院） 纠错

专题命中 医疗多模态 ：CT(abstract)；分类 cs.CV

AI总结 本文提出VoxelFM，一种基于自蒸馏的3D CT基础模型，通过学习语义丰富的特征，实现了在多种临床任务中无需微调即可高效迁移。

EI: Early Intervention for Multimodal Imaging based Disease Recognition

EI：基于多模态影像的疾病识别早期干预

Qijie Wei, Hailan Lin, Xirong Li

机构 * Renmin University of China（中国人民大学） ； Beijing Key Laboratory for Intelligent Diagnosis of Fundus Diseases and Drug-Device R&D and Translation（眼底疾病智能诊断与药械研发转化北京市重点实验室） 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EI框架，通过早期干预提升多模态影像疾病识别性能，引入MoR方法优化Vision Foundation Models适应，验证了在三个公开数据集上的有效性。

Comments Accepted to CVPR 2026 Findings

A Muon-Accelerated Algorithm for Low Separation Rank Tensor Generalized Linear Models

一种用于低分离秩张量广义线性模型的μ子加速算法

Xiao Liang, Shuang Li

机构 * Iowa State University（爱荷华州立大学） 纠错

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LSRTR-M算法，通过引入Muon更新方法优化低分离秩张量广义线性模型的估计与分类，提升收敛速度和计算效率。

Provable and Robust Wavefront Sensing via Self-Reference Interferometry

可证明且稳健的波前传感 via 自参考干涉法

Nebiyou Yismaw, Vishwanath Saragadam, Aswin C. Sankaranarayanan, M. Salman Asif

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

AI总结 本文提出自参考干涉法用于波前传感，通过分析相位差异传播实现相位恢复，证明共素位移可保证连通图并限制误差累积，实验验证了其在光学相位恢复、自动聚焦和穿透散射介质成像中的有效性。

Rank-adaptive covariance testing with applications to genomics and neuroimaging

基于秩适应的协方差检验及其在基因组学和神经影像学中的应用

David Veitch, Yinqiu He, Jun Young Park

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出Rank-Adaptive Covariance Testing方法，通过利用两组协方差矩阵的低秩结构差异提升检验效能，适用于基因表达网络和扩散张量成像数据的协方差异质性检验。

PRISM: Lightweight Multivariate Time-Series Classification through Symmetric Multi-Resolution Convolutional Layers

PRISM：通过对称多分辨率卷积层实现轻量级多变量时间序列分类

Federico Zucchi, Thomas Lampert

机构 * ICube, University of Strasbourg（斯特拉斯堡大学ICube实验室） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 cs.LG

AI总结 PRISM通过对称多分辨率卷积层实现轻量级多变量时间序列分类，采用通道无关方式，在早期阶段应用多分辨率对称卷积滤波器，有效减少参数数量并保持完整感受野，优于现有CNN和Transformer模型。

VERT: Reliable LLM Judges for Radiology Report Evaluation

VERT：用于放射学报告评估的可靠LLM评判者

Federica Bologna, Jean-Philippe Corbeil, Matthew Wilkens, Asma Ben Abacha

机构 * Cornell University（康奈尔大学） ； Microsoft Healthcare & Life Sciences（微软医疗健康与生命科学） 纠错

专题命中 医学数据与评测 ：radiology(title,abstract)

AI总结 本文提出VERT作为LLM评判者，通过对比现有指标和实验验证，展示了其在多模态和解剖结构上的鲁棒性及轻量级微调的有效性。

Bridging Restoration and Diagnosis: A Comprehensive Benchmark for Retinal Fundus Enhancement

弥合修复与诊断：一个全面的视网膜视网膜图像增强基准

Xuanzhao Dong, Wenhui Zhu, Xiwen Chen, Hao Wang, Xin Li, Yujian Xiong, Jiajun Cheng, Zhipeng Wang, Shao Tang, Oana Dumitrascu, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； Clemson University（克莱姆森大学） ； LinkedIn Corporation（领英公司） ； Mayo Clinic（梅奥诊所） 纠错

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

AI总结 本文提出EyeBench-V2基准，通过多维度临床对齐、专家指导评估和可操作见解，解决视网膜图像增强模型评估中的关键问题。

RDFace: A Benchmark Dataset for Rare Disease Facial Image Analysis under Extreme Data Scarcity and Phenotype-Aware Synthetic Generation

RDFace：一种用于罕见疾病面部图像分析的基准数据集，在极端数据稀缺和表型意识合成生成下

Ganlin Feng, Yuxi Long, Hafsa Ali, Erin Lou, Fahad Butt, Qian Liu, Yang Wang, Pingzhao Hu

机构 * Western University（西安大略大学） ； Concordia University（康考迪亚大学） ； University of Toronto（多伦多大学） ； University of Winnipeg（温尼伯大学） 纠错

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

AI总结 RDFace包含456张儿童面部图像，涵盖103种罕见遗传疾病，旨在开发和评估在低数据条件下高效的人工智能模型，通过合成生成和数据增强提升诊断准确率。

Comments Accepted to CVPR 2026. 8 pages main paper + appendix

Learning Superpixel Ensemble and Hierarchy Graphs for Melanoma Detection

学习超像素集合和层次图用于黑色素瘤检测

Asmaa M. Elwer, Muhammad A. Rushdi, Mahmoud H. Annaby

机构 * Department of Biomedical Engineering and Systems, Faculty of Engineering, Cairo University（开罗大学工程学院生物医学工程与系统系） ； School of Information Technology, New Giza University（新吉萨大学信息技术学院） ； Department of Mathematics, Faculty of Science, Cairo University（开罗大学理学院数学系） 纠错

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

AI总结 本文提出基于超像素集合图和层次图的图学习方法，利用纹理、几何和颜色特征提升黑色素瘤检测性能，实验表明学习的超像素集合图在ISIC2017数据集上达到99.00%的准确率和99.59%的AUC。

MisEdu-RAG: A Misconception-Aware Dual-Hypergraph RAG for Novice Math Teachers

MisEdu-RAG：一种面向初学者数学教师的误解意识双超图RAG

Zhihan Guo, Rundong Xue, Yuting Lu, Jionghao Lin

机构 * The University of Hong Kong（香港大学） ； Xi'an Jiaotong University（西安交通大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Monash University（莫纳什大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 针对初学者数学教师难以诊断和纠正学生错误的问题，提出基于双超图的RAG框架，通过组织教学知识和学生错误案例，提升响应质量。

IQRA 2026: Interspeech Challenge on Automatic Pronunciation Assessment for Modern Standard Arabic (MSA)

IQRA 2026：现代标准阿拉伯语（MSA）自动发音评估挑战

Yassine El Kheir, Amit Meghanani, Mostafa Shahin, Omnia Ibrahim, Shammur Absar Chowdhury, Nada AlMarwani, Youssef Elshahawy, Ahmed Ali

机构 * DFKI（德国人工智能研究中心） ； Technical University of Berlin（柏林工业大学） ； University of Sheffield（谢菲尔德大学） ； University of New South Wales（新南威尔士大学） ； Alexandria University（亚历山大大学） ； QCRI（卡塔尔计算研究所） ； Taibah University（塔伊巴大学） ； HUMAIN 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文介绍了IQRA 2026挑战赛的成果，展示了在现代标准阿拉伯语发音检测与诊断（MDD）方面的研究进展，通过新增的Iqra_Extra_IS26数据集和多种模型方法，使F1分数提升了0.28。

Comments 5 pages paper

R2MED: A Benchmark for Reasoning-Driven Medical Retrieval

R2MED：一个面向推理驱动的医学检索基准

Xiangxu Zhang, Lei Li, Xiao Zhou, Zheng Liu

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 R2MED旨在解决医学检索中推理需求与现有方法的差距，通过876个查询涵盖三个任务，评估15种检索系统，发现最佳模型仅达31.4nDCG@10，凸显了推理驱动医学检索的挑战。

Comments 38 pages, 16 figures