医学 AI

Rebooting Microreboot: Architectural Support for Safe, Parallel Recovery in Microservice Systems

重振微重启：用于微服务系统的安全并行恢复架构支持

Laurent Bindschaedler

机构 * Max Planck Institute for Software Systems (MPI-SWS)（马克斯·普朗克软件系统研究所） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种安全并行恢复架构，通过分离规划与执行，利用类型化的修复计划和微内核确保安全，实验证明其在工业级数据和故障注入测试中有效减少修复带来的损害。

Comments 18 pages, 1 figure, 4 tables. Published at ARCS 2026

Journal ref Proc. 39th GI/ITG International Conference on Architecture of Computing Systems (ARCS), 2026

AdvDINO: Domain-Adversarial Self-Supervised Representation Learning for Spatial Proteomics

AdvDINO：用于空间蛋白质组学的领域对抗自监督表示学习

Stella Su, Marc Harary, Scott J. Rodig, William Lotter

机构 * Dana-Farber Cancer Institute（丹娜-法伯癌症研究所） ； Brigham and Women’s Hospital（布里格姆妇女医院） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 AdvDINO通过整合梯度反转层提升DINOv2架构，以对抗领域偏移，从而在空间蛋白质组学中获得更稳健的表示。

Comments Proceedings of the Medical Imaging with Deep Learning (MIDL) Conference 2026

SemEnrich: Self-Supervised Semantic Enrichment of Radiology Reports for Vision-Language Learning

SemEnrich：用于视觉-语言学习的医学报告语义增强

Halil Ibrahim Gulluk, Olivier Gevaert

机构 * Stanford University（斯坦福大学） ； Stanford Center For Biomedical Informatics Research（斯坦福生物医学信息学研究中心） 纠错

专题命中 医疗多模态 ：radiology(title)；分类 cs.LG

AI总结 本文提出一种自监督的医学报告语义增强方法，通过句子语义聚类来丰富训练集中的阳性/中性发现，从而提升视觉-语言学习性能。

Arbitration Failure, Not Perceptual Blindness: How Vision-Language Models Resolve Visual-Linguistic Conflicts

仲裁失败，而非感知失明：视觉-语言模型如何解决视觉-语言冲突

Farhad Nooralahzadeh, Omid Rohanian, Yi Zhang, Jonathan Fürst, Kurt Stockinger

机构 * Institute of Computer Science, Zurich University of Applied Sciences（苏黎世应用科技大学计算机科学研究所） ； University of Oxford（牛津大学） 纠错

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

AI总结 研究探讨视觉-语言模型在视觉与语言冲突中的仲裁机制，发现编码与基础的脱节，通过多模态仲裁交叉分析揭示视觉属性在早期层可线性解码，最终层logit与基础结果相关性达0.847，表明需针对性干预提升视觉基础能力。

Is There Knowledge Left to Extract? Evidence of Fragility in Medically Fine-Tuned Vision-Language Models

还有可以提取的知识吗？医学微调视觉语言模型中的脆弱性证据

Oliver McLaughlin, Daniel Shubin, Carsten Eickhoff, Ritambhara Singh, William Rudman, Michal Golovanevsky

机构 * Brown University（布朗大学） ； University of Washington（华盛顿大学） ； University of Tübingen（蒂宾根大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 研究评估了四个医学微调的视觉语言模型在四个医学影像任务中的表现，发现任务难度增加时性能下降至接近随机水平，表明临床推理有限，医学微调无明显优势，模型对提示词敏感。

A Proposed Biomedical Data Policy Framework to Reduce Fragmentation, Improve Quality, and Incentivize Sharing in Indian Healthcare in the era of Artificial Intelligence and Digital Health

一种旨在减少碎片化、提高质量并激励数据共享的生物医学数据政策框架，用于印度医疗保健在人工智能和数字健康时代的应用

Nikhil Mehta, Sachin Gupta, Gouri RP Anand

机构 * Post Graduate Institute of Medical Sciences（医学研究生院） ； Amrita School of Medicine, Amrita Vishwa Vidyapeetham（阿姆里塔医学院，阿姆里塔大学） ； All India Institute of Medical Sciences（全印医学科学研究所） 纠错

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

AI总结 本文提出一个多层激励架构，通过认可数据论文、纳入开放数据指标、采用Shapley值基于的收益共享和建立数据管理员角色，解决印度医疗数据碎片化和激励不匹配问题。

BDIViz: An Interactive Visualization System for Biomedical Schema Matching with LLM-Powered Validation

BDIViz：一种基于大语言模型验证的生物医学模式匹配交互可视化系统

Eden Wu, Dishita G Turakhia, Guande Wu, Christos Koutras, Sarah Keegan, Wenke Liu, Beata Szeitz, David Fenyo, Cláudio T. Silva, Juliana Freire

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

AI总结 BDIViz通过交互式可视化技术解决生物医学模式匹配中的可扩展性和语义模糊问题，结合多种匹配方法与大语言模型验证，提升匹配准确性并降低认知负担。

Comments 11 pages, 9 figures. Accepted to IEEE VIS 2025 (Full Papers Track, submission ID 1204)

Journal ref IEEE Transactions on Visualization and Computer Graphics, vol. 32, no. 1, pp. 1208-1218, Jan. 2026

HyEm: Query-Adaptive Hyperbolic Retrieval for Biomedical Ontologies via Euclidean Vector Indexing

HyEm：通过欧几里得向量索引实现查询自适应的双曲检索用于生物医学本体

Ou Deng, Shoji Nishimura, Atsushi Ogihara, Qun Jin

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

AI总结 HyEm通过结合双曲本体嵌入与欧几里得ANN基础设施，解决生物医学本体中层次感知的检索问题，提升实体中心查询和混合意图查询性能，保持索引可扩展性。

Micro-Dexterity in Biological Micromanipulation: Embodiment, Perception, and Control

生物微操作中的微细灵巧性：具身、感知与控制

Kangyi Lu, Lan Wei, Zongcai Tan, Dandan Zhang

机构 * Department of Bioengineering, Imperial-X AI Initiative, Imperial College London（帝国理工学院生物工程系、Imperial-X人工智能计划） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究探讨生物微操作中微细灵巧性的分析框架，分析具身、感知与控制的耦合作用，比较不同微操作系统的架构，并识别实验室演示与临床相关生物操作间的灵巧性差距。

MosaicMRI: A Diverse Dataset and Benchmark for Raw Musculoskeletal MRI

MosaicMRI：一个多样化的数据集和基准用于原始骨科MRI

Paula Arguello, Berk Tinaz, Mohammad Shahab Sepehri, Maryam Soltanolkotabi, Mahdi Soltanolkotabi

机构 * University of Southern California（南加州大学） ； USC Center on AI Foundations for the Sciences（南加州大学科学人工智能基础中心） ； University of Utah（犹他大学） 纠错

专题命中 医学数据与评测 ：MRI(title,abstract)；分类 cs.CV、cs.LG、eess.SP

AI总结 本文提出MosaicMRI数据集，用于训练和评估机器学习方法，通过多样化解剖结构和成像参数，研究模型在不同场景下的表现，揭示跨解剖相关性的重要性。

Comments 15 pages, 6 figures, preliminary version

GazeVaLM: A Multi-Observer Eye-Tracking Benchmark for Evaluating Clinical Realism in AI-Generated X-Rays

GazeVaLM：一个多观察者眼动基准测试，用于评估AI生成X光片的临床真实性

David Wong, Zeynep Isik, Bin Wang, Marouane Tliba, Gorkem Durak, Elif Keles, Halil Ertugrul Aktas, Aladine Chetouani, Cagdas Topel, Nicolo Gennaro, Camila Lopes Vendrami, Tugce Agirlar Trabzonlu, Amir Ali Rahsepar, Laetitia Perronne, Matthew Antalek, Onural Ozturk, Gokcan Okur, Andrew C. Gordon, Ayis Pyrros, Frank H. Miller, Amir Borhani, Hatice Savas, Eric Hart, Elizabeth Krupinski, Ulas Bagci

机构 * Northwestern University（西北大学） ； Loyola University Chicago（洛约拉大学芝加哥分校） ； DuPage Medical Group（杜佩奇医疗集团） ； Emory University（埃默里大学） 纠错

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

AI总结 GazeVaLM通过眼动数据和临床标签，评估AI生成X光片的临床真实性，对比人类专家与LLM的诊断准确性。

Comments This work appears in ACM ETRA 2026

Impact of Validation Strategy on Machine Learning Performance in EEG-Based Alcoholism Classification

验证策略对基于EEG的酒精成瘾分类机器学习性能的影响

Tahir Cetin Akinci, Yuksel Celik, Omer Faruk Ertugrul

专题命中 医学数据与评测 ：biomedical(abstract)；分类 eess.SP

AI总结 本文研究了验证策略对EEG酒精成瘾分类性能的影响，通过对比不同验证方法发现传统验证方法存在乐观偏差，AdaBoost方法表现最优，具有高准确率和平衡的灵敏度与特异度。

Pioneer Agent: Continual Improvement of Small Language Models in Production

先驱代理：生产环境中小语言模型的持续改进

Dhruv Atreja, Julia White, Nikhil Nayak, Kelton Zhang, Henrijs Princis, George Hurn-Maloney, Ash Lewis, Urchade Zaratiana

机构 * Fastino Labs 纠错

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

AI总结 本文提出Pioneer Agent，通过闭环系统自动化小语言模型的持续改进，通过冷启动和生产模式提升模型性能，发现有效训练策略。

Comments 43 pages, 10 figures, 14 tables

E2E-REME: Towards End-to-End Microservices Auto-Remediation via Experience-Simulation Reinforcement Fine-Tuning

E2E-REME：通过经验-模拟强化微服务自动修复

Lingzhe Zhang, Yunpeng Zhai, Tong Jia, Minghua He, Chiming Duan, Zhaoyang Liu, Bolin Ding, Ying Li

机构 * Peking University（北京大学） ； Key Laboratory of Data Intelligence and Security（数据智能与安全重点实验室） ； Alibaba Group（阿里巴巴集团） ； Key Laboratory of Data Space Technology and System（数据空间技术与系统重点实验室） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出E2E-MR任务，通过经验-模拟强化训练构建E2E-REME模型，实现从诊断报告自动生成可执行playbook，提升微服务系统修复的准确性和效率。

Comments accepted by FSE'26. arXiv admin note: text overlap with arXiv:2511.01166

A Benchmark for Gap and Overlap Analysis as a Test of KG Task Readiness

一个用于空缺和重叠分析的基准：作为知识图谱任务准备性的测试

Maruf Ahmed Mridul, Rohit Kapa, Oshani Seneviratne

机构 * Rensselaer Polytechnic Institute, Troy, New York, United States（伦斯勒理工学院，纽约州特洛伊市，美国） ； Prudential Financial, Inc.（保德信金融集团） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出一个可执行且可审计的基准，用于评估知识图谱的质量，通过将自然语言合同文本与形式本体对齐，系统比较方法。该基准包括简化但多样的人寿保险合同、领域本体和知识库，以及58个结构化场景和SPARQL查询，展示显式建模提升空缺和重叠分析的一致性和诊断能力。