医学 AI

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