医学 AI

GPAFormer: Graph-guided Patch Aggregation Transformer for Efficient 3D Medical Image Segmentation

GPAFormer：图引导的补丁聚合变换器用于高效3D医学图像分割

Chung-Ming Lo, I-Yun Liu, Wei-Yang Lin

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV

AI总结 本文提出GPAFormer，一种轻量级网络架构，通过多尺度注意力引导堆叠聚合和互感知补丁图聚合模块，提升多器官多模态3D医学图像分割的准确性和效率。

A Utility-preserving De-identification Pipeline for Cross-hospital Radiology Data Sharing

一种保持效用的跨医院放射学数据共享脱敏流程

Chenhao Liu, Zelin Wen, Yan Tong, Junjie Zhu, Xinyu Tian, Yuchi Liu, Ashu Gupta, Syed M. S. Islam, Tom Gedeon, Yue Yao

机构 * Shandong University（山东大学） ； Australian National University（澳大利亚国立大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Curtin University（科廷大学） ； Edith Cowan University（埃迪斯科文大学） ； University of Western Australia（西澳大利亚大学） 纠错

专题命中 医学影像 ：radiology(title,abstract)；medical AI(abstract)；pathology(abstract)；分类 cs.CV

AI总结 本文提出一种保持效用的脱敏流程，用于跨医院放射学数据共享，通过黑名单和白名单过滤机制，在保护隐私的同时保留诊断相关病理信息，实验证明其在诊断准确性上的竞争力。

Implantable Adaptive Cells: A Novel Enhancement for Pre-Trained U-Nets in Medical Image Segmentation

可植入自适应单元：一种用于医学图像分割预训练U-Net的新型增强方法

Emil Benedykciuk, Marcin Denkowski, Grzegorz Wójcik

机构 * Institute of Computer Science, Maria Curie-Skłodowska University（玛丽亚·居里-斯克沃多夫斯卡大学计算机科学研究所） 纠错

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV

AI总结 本文提出一种基于梯度的神经架构搜索方法，通过可植入自适应单元提升预训练神经网络在医学图像分割中的性能，实验表明在多种U-Net配置上准确率提升约5个百分点，最高可达11%。

Vision-Language Model-Guided Deep Unrolling Enables Personalized, Fast MRI

基于视觉-语言模型的深度展开实现个性化快速MRI

Fangmao Ju, Yuzhu He, Zhiwen Xue, Chunfeng Lian, Jianhua Ma

专题命中 医学影像 ：MRI(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 本文提出PASS框架，利用视觉-语言模型指导深度展开网络，实现任务导向的快速成像，通过动态个性化成像流程提升MRI图像质量及诊断性能。

Balancing Efficiency and Restoration: Lightweight Mamba-Based Model for CT Metal Artifact Reduction

平衡效率与恢复：基于Mamba的轻量模型用于CT金属伪影减少

Weikai Qu, Sijun Liang, Xianfeng Li, Cheng Pan, An Yan, Ahmed Elazab, Shanzhou Niu, Dong Zeng, Xiang Wan, Changmiao Wang

机构 * New York University（纽约大学） ； BaiyunPort（白云港） ； University of Technology Sydney（悉尼科技大学） ； Sanda University（上海杉达学院） ； Shan Dong Xiehe College（山东协和学院） ； Tsinghua University（清华大学） ； Gannan Normal University（赣南师范大学） ； Southern Medical University（南方医科大学） ； Shenzhen Research Institute of Big Data（深圳市大数据研究院） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 本文提出MARMamba模型，通过多尺度Mamba模块有效减少CT图像中的金属伪影，同时优化计算资源与恢复效率的平衡，提升图像质量与诊断准确性。

Comments Accepted by IEEE Transactions on Radiation and Plasma Medical Sciences

RASALoRE: Region Aware Spatial Attention with Location-based Random Embeddings for Weakly Supervised Anomaly Detection in Brain MRI Scans

RASALoRE：基于位置随机嵌入的区域感知空间注意力用于脑部MRI扫描中的弱监督异常检测

Bheeshm Sharma, Karthikeyan Jaganathan, Balamurugan Palaniappan

机构 * Department of Industrial Engineering & Operations Research, IIT Bombay, India（印度理工学院孟买分校工业工程与运筹学系） ； Department of Energy Science and Engineering, IIT Bombay, India（印度理工学院孟买分校能源科学与工程系） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文提出RASALoRE框架，通过双阶段方法实现脑MRI弱监督异常检测，利用位置随机嵌入和区域感知空间注意力机制，在减少参数量的同时提升检测性能。

Comments Accepted at the 36th British Machine Vision Conference (BMVC-2025)

Unsupervised Source-Free Ranking of Biomedical Segmentation Models Under Distribution Shift

无监督源无关的生物医学分割模型排名

Joshua Talks, Kevin Marchesini, Luca Lumetti, Federico Bolelli, Anna Kreshuk

机构 * EMBL Heidelberg（欧洲分子生物学实验室海德堡分部） ； University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学） 纠错

专题命中 医学影像 ：biomedical(title,abstract)；分类 cs.CV

AI总结 本文提出一种无监督、源无关的生物医学分割模型排名框架，通过预测一致性在扰动下进行评估，适用于语义和实例分割任务，展示了在2D和3D影像中广泛任务的强相关性。

Comments 15 pages, 4 figures

Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling

通过临床验证的退化建模将光子计数CT转化为常规胸部CT

Junqi Liu, Xinze Zhou, Wenxuan Li, Scott Ye, Arkadiusz Sitek, Xiaofeng Yang, Yucheng Tang, Daguang Xu, Kai Ding, Kang Wang, Yang Yang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of California, San Francisco（加州大学旧金山分校） ； Harvard Medical School（哈佛医学院） ； Emory University（埃默里大学） ； Nvidia（英伟达） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 本文提出SUMI方法，利用高质光子计数CT作为参考，通过建模真实退化过程，将低质常规CT提升至高质量图像，实现了在胸部CT中的显著性能提升。

Bridging MRI and PET physiology: Untangling complementarity through orthogonal representations

弥合MRI与PET生理学：通过正交表示解构互补性

Sonja Adomeit, Kartikay Tehlan, Lukas Förner, Katharina Weisser, Helen Scholtiseek, David Kaufmann, Julie Steinestel, Constantin Lapa, Thomas Kröncke, Thomas Wendler

机构 * Dept. of diagnostic and interventional Radiology and Neuroradiology, University Hospital Augsburg, Germany（德国奥格斯堡大学医院诊断与介入放射学及神经放射学系） ； Digital Medicine, University Hospital Augsburg, Germany（德国奥格斯堡大学医院数字医学） ； Chair for Computer Aided Medical Procedures and Augmented Reality, Technical University of Munich, Germany（德国慕尼黑工业大学计算机辅助医疗流程与增强现实教席） ； Bavarian Center for Cancer Research (BZKF) Augsburg, Germany（德国奥格斯堡巴伐利亚癌症研究中心） ； Dept. of Nuclear Medicine, University Hospital Augsburg, Germany（德国奥格斯堡大学医院核医学系） ； Dept. of Urology, University Hospital Augsburg, Germany（德国奥格斯堡大学医院泌尿外科） ； Center for Advanced Analytics and Predictive Sciences, University of Augsburg, Germany（德国奥格斯堡大学高级分析与预测科学中心） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文提出一种子空间分解框架，通过正交子空间分离重构多模态融合，区分共享信息与模态特有信息，揭示PSMA PET信号中不可由MRI生理描述恢复的部分。

Comments The code is available at https://github.com/SonjaA14/inrmri2pet

DosimeTron: Automating Personalized Monte Carlo Radiation Dosimetry in PET/CT with Agentic AI

DosimeTron：利用代理AI自动化PET/CT中的个性化蒙特卡洛辐射剂量学

Eleftherios Tzanis, Michail E. Klontzas, Antonios Tzortzakakis

机构 * Division of Radiology, Department for Clinical Science, Intervention and Technology (CLINTEC), Karolinska Institutet（卡罗林斯卡学院临床科学、干预与技术系放射学部门） ； Artificial Intelligence and Translational Imaging (ATI) Lab, Department of Radiology, School of Medicine, University of Crete（克里特大学医学院放射学系人工智能与转化影像实验室） ； Department of Nuclear Medicine and Medical Physics, Section Nuclear Medicine Huddinge, Karolinska University Hospital（卡罗林斯卡大学医院核医学与医学物理系胡丁厄核医学部门） ； Department of Nuclear Medicine and Medical Physics, Theranostics Trial Center, Karolinska University Hospital（卡罗林斯卡大学医院核医学与医学物理系治疗诊断试验中心） ； Computational Biomedicine Laboratory, Institute of Computer Science Foundation for Research and Technology Hellas (ICS - FORTH)（研究与技术基金会计算机科学研究所计算生物医学实验室） 纠错

专题命中 医学影像 ：CT(title,abstract)

AI总结 本文提出DosimeTron，一种基于代理AI的系统，用于自动化PET/CT检查中的患者特定蒙特卡洛内部辐射剂量学，通过自然语言交互实现DICOM元数据提取、图像预处理、MC模拟、器官分割和剂量报告，验证了其在114例病例和22个器官上的高精度与临床可行性。

USCNet: Transformer-Based Multimodal Fusion with Segmentation Guidance for Urolithiasis Classification

USCNet：基于Transformer的多模态融合与分割引导的尿路结石分类

Changmiao Wang, Songqi Zhang, Yongquan Zhang, Yifei Wang, Liya Liu, Nannan Li, Xingzhi Li, Jiexin Pan, Yi Jiang, Xiang Wan, Hai Wang, Ahmed Elazab

机构 * Shenzhen Research Institute of Big Data（深圳市大数据研究院） ； Zhejiang University of Finance and Economics（浙江财经大学） ； Anhui University of Finance and Economics（安徽财经大学） ； The Second Affiliated Hospital of Chinese University of Hong Kong (Longgang District People’s Hospital of Shenzhen)（香港中文大学第二附属医院（深圳市龙岗区人民医院）） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV；biomedical(comments)

AI总结 USCNet通过融合CT图像与电子病历数据，利用Transformer架构实现尿路结石的预手术分类，提出动态损失函数平衡分割与分类任务，实验表明其分类效果优于现有方法。

Comments Accepted by IEEE Journal of Biomedical and Health Informatics. Early Access

Nirvana: A Specialized Generalist Model With Task-Aware Memory Mechanism

Nirvana：一种具有任务感知内存机制的专用通用模型

Yuhua Jiang, Shuang Cheng, Yihao Liu, Ermo Hua, Che Jiang, Weigao Sun, Yu Cheng, Feifei Gao, Biqing Qi, Bowen Zhou

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Xiong’an Anying Technology Co., Ltd.（雄安安影科技有限公司） ； Zhejiang University（浙江大学） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.LG

AI总结 Nirvana提出一种具备任务感知内存机制的专用通用模型，通过线性时间复杂度和测试时任务信息提取，在通用和专业领域均表现优异，尤其在医学、金融和法律等专业领域实现最低困惑度。

OOD-SEG: Exploiting out-of-distribution detection techniques for learning image segmentation from sparse multi-class positive-only annotations

OOD-SEG: 利用分布外检测技术学习稀疏多类正样本标注的图像分割

Junwen Wang, Zhonghao Wang, Oscar MacCormac, Jonathan Shapey, Tom Vercauteren

机构 * Department of Neurosurgery, King's College Hospital（国王学院医院神经外科） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 本文提出一种基于分布外检测技术的图像分割方法，利用稀疏多类正样本标注进行学习，无需背景标注，提升分割鲁棒性和泛化能力。

Comments Accepted in MedIA

Hallucination as output-boundary misclassification: a composite abstention architecture for language models

幻觉作为输出边界误分类：一种用于语言模型的复合回避架构

Angelina Hintsanen

机构 * NEXUS Laboratory（NEXUS实验室） 纠错

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出一种复合架构，结合指令拒绝与结构回避门，通过计算支持不足分数来减少语言模型的幻觉问题，实验表明两者互补可提升准确性与减少幻觉。

Comments Theoretical manuscript extending an earlier proof-of-concept workshop paper accepted to the ICLR 2026 Workshop on LLM Reasoning; 13 pages, 3 tables

Fragment-Based Configuration Interaction: Towards a Unifying Description of Biexcitonic Processes in Molecular Aggregates

基于片段的配置交互：迈向分子聚集体中双激发态过程统一描述

Johannes E. Adelsperger, Coen de Graaf, Merle I. S. Röhr

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出基于片段的配置交互框架，系统构建了涵盖单粒子和双粒子能级的diabatic哈密顿量，揭示了CTX配置作为电子闸门的作用，并展示了其在乙烷聚集体和蒽晶体中的应用。

Comments 51 pages, 7 figures in article, 10 pages, 2 figures in SI

To Adapt or not to Adapt, Rethinking the Value of Medical Knowledge-Aware Large Language Models

是否适应？重新思考医疗知识意识大型语言模型的价值

Ane G. Domingo-Aldama, Iker De La Iglesia, Maitane Urruela, Aitziber Atutxa, Ander Barrena

机构 * University of the Basque Country（巴斯克大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)

AI总结 研究通过比较通用与临床LLM在多选题任务中的表现，发现临床模型在英语任务中不占优势，但在西班牙语任务中表现更好，表明现有评估框架可能不足以体现真实医疗专业知识。

MedRoute: RL-Based Dynamic Specialist Routing in Multi-Agent Medical Diagnosis

MedRoute: 基于强化学习的多智能体医疗诊断动态专家路由

Ashmal Vayani, Parth Parag Kulkarni, Joseph Fioresi, Song Wang, Mubarak Shah

机构 * Institute of Artificial Intelligence, University of Central Florida, Orlando, United States（中佛罗里达大学人工智能研究所，奥兰多，美国） 纠错

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

AI总结 本文提出MedRoute框架，通过强化学习动态选择专家进行医疗诊断，提升诊断准确性，优于现有基线方法。

NLP-Informed Dynamic Cognitive Diagnosis Modelling

基于NLP的动态认知诊断建模

Yawen Ma, Sahoko Ishida, Kate Cain, Gabriel Wallin

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出一种结合文本信息的动态认知诊断模型，通过语义信息改进Q矩阵估计，提升数字学习环境中技能发展建模的准确性。

Toward Personalized Darts Training: A Data-Driven Framework Based on Skeleton-Based Biomechanical Analysis and Motion Modeling

迈向个性化Darts训练：基于骨骼生物力学分析和运动建模的数据驱动框架

Zhantao Chen, Dongyi He, Jin Fang, Xi Chen, Yishuo Liu, Xiaozhen Zhong, Xuejun Hu

机构 * School of Computer Technology and Application, Qinghai University（青海大学计算机技术与应用学院） ； Xiaoping Technology Innovation Lab, Zhongshan Xiaolan Senior High School（中山市小榄中学小平科技创新实验室） ； School of Artificial Intelligence, Chongqing University of Technology（重庆理工大学人工智能学院） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； Faculty of Education, University of Macau（澳门大学教育学院） 纠错

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

AI总结 本文提出基于骨骼生物力学分析和运动建模的数据驱动框架，通过提取18个运动特征，结合历史高质样本与最小抖动准则，生成个性化参考轨迹，提升Darts训练的个性化和可解释性。

Evidence-Based Actor-Verifier Reasoning for Echocardiographic Agents

基于证据的Actor-验证者推理用于超声波代理

Peng Huang, Yiming Wang, Yineng Chen, Liangqiao Gui, Hui Guo, Bo Peng, Shu Hu, Xi Wu, Tsao Connie, Hongtu Zhu, Balakrishnan Prabhakaran, Xin Wang

机构 * University at Albany, SUNY（纽约州立大学奥尔巴尼分校） ； Southwest Jiaotong University（西南交通大学） ； Purdue University（普渡大学） ； Chengdu University of Information Technology（成都信息工程大学） ； Harvard Medical School（哈佛医学院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 本文提出EchoTrust框架，通过结构化中间表示和不同角色分析，提升超声波临床决策支持系统中推理的可靠性与可解释性。

Comments cvprw 2026(AIMS)

RAGEN-2: Reasoning Collapse in Agentic RL

RAGEN-2：代理强化学习中的推理崩溃

Zihan Wang, Chi Gui, Xing Jin, Qineng Wang, Licheng Liu, Kangrui Wang, Shiqi Chen, Linjie Li, Zhengyuan Yang, Pingyue Zhang, Yiping Lu, Jiajun Wu, Li Fei-Fei, Lijuan Wang, Yejin Choi, Manling Li

机构 * Northwestern University（西北大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Independent（独立研究者） ； Imperial College London（伦敦帝国学院） ； Oxford University（牛津大学） ； University of Washington（华盛顿大学） ； Microsoft（微软） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究发现代理强化学习中推理稳定性受模板崩溃影响，通过引入互信息代理提升推理质量与任务表现。

Scientific Knowledge-driven Decoding Constraints Improving the Reliability of LLMs

基于科学知识的解码约束：提升大语言模型的可靠性

Maotian Ma, Zheni Zeng, Zhenghao Liu, Yukun Yan

机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； Northeastern University（东北大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出SciDC方法，通过整合领域知识与强约束提升LLM在科学任务中的可靠性，实验显示在工业配方设计、肿瘤诊断和逆合成规划中平均准确率提升12%。

SymptomWise: A Deterministic Reasoning Layer for Reliable and Efficient AI Systems

SymptomWise: 一种用于可靠和高效人工智能系统的确定性推理层

Isaac Henry, Avery Byrne, Christopher Giza, Ron Henry, Shahram Yazdani

机构 * University of California Los Angeles, David Geffen School of Medicine（加州大学洛杉矶分校大卫·格芬医学院） ； University of Southern California（南加州大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 SymptomWise通过分离语言理解与诊断推理，结合专家知识和确定性推理，提升AI系统可靠性与可解释性，初步验证在儿科神经病学案例中表现优异。

Comments 18 pages, 1 figure,

Region-Graph Optimal Transport Routing for Mixture-of-Experts Whole-Slide Image Classification

区域图最优传输路由用于专家混合的全滑片图像分类

Xin Tian, Jiuliu Lu, Ephraim Tsalik, Bart Wanders, Colleen Knoth, Julian Knight

机构 * Centre for Human Genetics, University of Oxford（牛津大学人类遗传学中心） ； Beckman Coulter Diagnostics（贝克曼库尔特诊断公司） ； Danaher Corporation（丹纳赫公司） 纠错

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

AI总结 本文提出ROAM方法，通过区域图最优传输实现平衡的专家利用，提升全滑片图像分类性能。

Comments 10 pages, 2 figures, 2 tables

ECLIPSE: A Composable Pipeline for Predicting ecDNA Formation, Evolution, and Therapeutic Vulnerabilities in Cancer

ECLIPSE：用于预测癌症中ecDNA形成、进化和治疗脆弱性的可组合管道

Bryan Cheng, Jasper Zhang

专题命中 病理影像 ：biomedical(abstract)；分类 q-bio

AI总结 ECLIPSE通过三个模块革新ecDNA预测与建模，展示标准基因组特征可预测ecDNA状态，利用物理约束神经SDEs捕捉随机动态，并通过因果推断识别治疗脆弱性，建立严谨基准并揭示方法论重要性。

Comments 9 pages, 5 figures. Accepted to workshop on AI and Partial Differential Equations, Foundation Models for Science: Real-World Impact and Science-First Design, Machine Learning for Genomics Explorations, and Generative and Experimental Perspectives for Biomolecular Design at ICLR 2026

A Clinical Point Cloud Paradigm for In-Hospital Mortality Prediction from Multi-Level Incomplete Multimodal EHRs

一种用于院内死亡预测的临床点云范式：从多级不完整多模态电子健康记录

Bohao Li, Tao Zou, Junchen Ye, Yan Gong, Bowen Du

机构 * Beihang University（北京航空航天大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出HealthPoint范式，通过统一的4D空间表示多级不完整多模态EHRs，引入低秩关系注意力机制和分层交互策略，实现灵活的事件级交互与细粒度自监督，提升模态恢复和未标记数据利用效率，实验表明其在风险预测中性能优异。

Comments 20 pages

Bio-RV: Low-Power Resource-Efficient RISC-V Processor for Biomedical Applications

Bio-RV：低功耗资源高效RISC-V处理器用于生物医学应用

Vijay Pratap Sharma, Annu Kumar, Mohd Faisal Khan, Mukul Lokhande, Santosh Kumar Vishvakarma

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

AI总结 本文提出Bio-RV，一种紧凑且资源高效的RISC-V处理器，用于生物医学控制应用，如基于加速器的生物医学SoC和植入式起搏器系统。该处理器支持可控固件部署、ASIC验证和后硅测试。

Comments IEEE International Conference on Interdisciplinary Approaches in Technology and Management for Social Innovation (IATMSI-2026)

Is Biomedical Specialization Still Worth It? Insights from Domain-Adaptive Language Modelling with a New French Health Corpus

生物医学专业化仍然值得吗？基于新法语健康语料库的领域自适应语言建模洞察

Aidan Mannion, Cécile Macaire, Armand Violle, Stéphane Ohayon, Xavier Tannier, Didier Schwab, Lorraine Goeuriot, François Portet

机构 * Université Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学，法国国家科学研究中心，格勒诺布尔国立理工学院，格勒诺布尔信息学实验室） ； Sorbonne Université, LIMICS（索邦大学，医学信息学与知识工程实验室） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文探讨了在法语生物医学领域通过持续预训练对小型至中型LLM进行专业化的方法，发现DAPT在资源受限情况下有效，但需通过模型合并缓解泛化权衡。

MedConclusion: A Benchmark for Biomedical Conclusion Generation from Structured Abstracts

MedConclusion：一个用于从结构化摘要中生成生物医学结论的基准数据集

Weiyue Li, Ruizhi Qian, Yi Li, Yongce Li, Yunfan Long, Jiahui Cai, Yan Luo, Mengyu Wang

机构 * Harvard AI and Robotics Lab, Harvard Medical School（哈佛大学医学院哈佛人工智能与机器人实验室） ； University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学肯普纳自然与人工智能研究所） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文提出MedConclusion数据集，包含570万篇PubMed结构化摘要，用于生物医学结论生成。通过配对摘要非结论部分与原始结论，提供证据到结论推理的自然监督。数据集还包含期刊级元数据，支持跨生物医学领域的子组分析。

Toward a universal foundation model for graph-structured data

迈向图结构数据的通用基础模型

Sakib Mostafa, Lei Xing, Md. Tauhidul Islam

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出一种通用图基础模型，通过学习可迁移的结构表示，提升跨领域图数据分析能力，在生物医学领域表现优异。

Comments 19 pages, 5 figures, 12 supplementary figures