医学 AI

A Generalized Additive Partial-Mastery Cognitive Diagnosis Model

一种广义的加性部分掌握认知诊断模型

Camilo Cárdenas-Hurtado, Sze Ming Lee, Yunxiao Chen, Irini Moustaki

专题命中 诊断辅助 ：diagnosis(title,abstract)；biomedical(abstract)

AI总结 本文提出广义加性部分掌握认知诊断模型，通过非参数单调函数混合来放松传统模型的参数假设，提升模型适应性和解释性。

Comments 29 pages, 4 figures. Includes online appendix

Log-based vs Graph-based Approaches to Fault Diagnosis

基于日志与图的故障诊断方法比较

Mathis Nguyen, Mohamed Ali Lajnef

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文比较了基于日志的编码器（如BERT）与基于图的模型（如GNN）在自动故障诊断中的表现，发现融合日志编码器学习表示的图模型性能最佳。

Comments 8 pages, 7 figures, student project

Artificial intelligence application in lymphoma diagnosis with Vision Transformer using weakly supervised training

基于Vision Transformer的淋巴瘤诊断中的人工智能应用：使用弱监督训练

Nghia, Nguyen, Amer Wahed, Andy Quesada, Yasir Ali, Hanadi El Achi, Y. Helen Zhang, Jocelyn Ursua, Alex Banerjee, Sahib Kalra, L. Jeffrey Medeiros, Jie Xu

机构 * Department of Pathology and Laboratory Medicine, The University of Texas McGovern Medical School（病理学与实验室医学部，德克萨斯大学麦格诺恩医学学院） ； Department of Hematopathology, The University of Texas MD Anderson Cancer（血液病理学部，德克萨斯大学MD安德森癌症中心） 纠错

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

AI总结 本文探讨了使用弱监督训练的Vision Transformer在区分间变性大细胞淋巴瘤与经典霍奇金淋巴瘤中的应用，展示了其在临床诊断中的有效性。

Comments 23 pages, 6 figures, 1 table

MApLe: Multi-instance Alignment of Diagnostic Reports and Large Medical Images

MApLe：多实例诊断报告与大医学图像的对齐

Felicia Bader, Philipp Seeböck, Anastasia Bartashova, Ulrike Attenberger, Georg Langs

机构 * Computational Imaging Research Lab, Department of Biomedical Imaging and Image-guided Therapy, Medical University of Vienna（计算成像研究实验室，生物医学成像与影像引导治疗系，维也纳医学大学） ； Comprehensive Center for Artificial Intelligence in Medicine, Medical University of Vienna（医学人工智能综合中心，维也纳医学大学） ； Medical Anomaly Detection (MANO) Group, Computational Imaging Research (CIR), Department of Biomedical Imaging and Image-guided Therapy, Medical University of Vienna（医学异常检测（MANO）组，计算成像研究（CIR），生物医学成像与影像引导治疗系，维也纳医学大学） ； Department of Biomedical Imaging and Image-Guided Therapy, Medical University of Vienna（生物医学成像与影像引导治疗系，维也纳医学大学） 纠错

专题命中 诊断辅助 ：medical image(title)；分类 cs.CV

AI总结 MApLe通过多任务多实例对齐方法，解决诊断报告与图像局部区域的关联问题，提升医学图像与文本的对齐性能。

Comments Accepted for MIDL 2026; Reviews available at https://openreview.net/forum?id=M8OO3CRbL9#discussion

A Resource-Efficient Hybrid CNN-LSTM network for image-based bean leaf disease classification

一种资源高效的混合CNN-LSTM网络用于基于图像的豆类叶病分类

Hye Jin Rhee, Joseph Damilola Akinyemi

机构 * University of York（约克大学） 纠错

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

AI总结 本文提出一种轻量级混合CNN-LSTM网络，用于豆类叶病分类，实现94.38%的准确率，内存占用仅为1.86MB，并通过系统评估图像增强策略，验证了定制化变换在保持诊断模式完整性方面的有效性。

Exciton screening in C$_{60}$ and PTCDA complexes. TDDFT calculations with GGA and hybrid functionals

C60和PTCDA复合物中的激子屏蔽。使用GGA和混合泛函的TDDFT计算

N. L. Matsko, Mahmoud A. Salem

专题命中 诊断辅助 ：CT(abstract,abstract_cn)

AI总结 研究C60和PTCDA分子复合物低能区的光吸收，分析PBE、B3LYP和HSE交换关联泛函对激子能精度的影响，尤其关注电荷转移激子，发现混合泛函在短程激子计算中更准确，但长程激子计算中精度下降，且当激子半径接近屏蔽长度时，PBE泛函更优。

Comparison of window shapes and lengths in short-time feature extraction for classification of heart sound signals

短时特征提取中窗口形状和长度的比较用于心音信号分类

Mahmoud Fakhry, Abeer FathAllah Brery

机构 * Electrical Engineering Department, Faculty of Engineering, Aswan University（阿斯旺大学电子工程系） 纠错

专题命中 诊断辅助 ：pathology(abstract)；diagnosis(abstract)

AI总结 本文研究了不同窗口形状和长度对心音信号分类的影响，通过biLSTM网络评估三种窗口形状和三种长度的性能，发现高斯窗口在75ms长度下表现最佳。

Dental-TriageBench: Benchmarking Multimodal Reasoning for Hierarchical Dental Triage

牙科分诊基准：用于分层牙科分诊的多模态推理基准

Ziyi He, Yushi Feng, Shuangyu Yang, Yinghao Zhu, Xichen Zhang, Pak Chuen Patrick Tai, Hei Yuet Lo, Songying Wu, Weifa Yang, Lequan Yu

机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Faculty of Dentistry, The University of Hong Kong（香港大学牙科学院） ； The Prince Philip Dental Hospital（菲利普王子牙科医院） ； Li Ka Shing Faculty of Medicine, The University of Hong Kong（香港大学利滋医学学院） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 本文提出Dental-TriageBench，首个专家标注的多模态牙科分诊基准，通过246个脱敏案例评估19种模型在细粒度治疗层面分诊中的表现，揭示了人类与模型间的显著差距。

Failure Makes the Agent Stronger: Enhancing Accuracy through Structured Reflection for Reliable Tool Interactions

失败让智能体更强：通过结构化反思提升准确性以实现可靠的工具交互

Junhao Su, Yuanliang Wan, Junwei Yang, Hengyu Shi, Tianyang Han, Junfeng Luo, Yurui Qiu

机构 * Vision Agent Team, Meituan（美团视觉代理团队） ； MeiGen AI Team, Meituan（美团MeiGen AI团队） 纠错

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

AI总结 本文提出结构化反思方法，通过显式反思和优化提升工具交互的可靠性，实验表明在多轮工具调用中显著提高成功率并减少冗余调用。

Comments ACL