医学 AI

From Attribution to Abstention: Training-Free Attention-Based Auditing for Clinical Summarization

从归因到回避：基于注意力的无训练审计用于临床摘要

Qianqi Yan, Huy Nguyen, Sumana Srivatsa, Hari Bandi, Xin Eric Wang, Krishnaram Kenthapadi

机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Oracle Health AI 纠错

专题命中 临床大模型 ：radiology(abstract)

AI总结 本文提出ClinTrace框架，通过解码器注意力权重提取临床有用信号，实现无训练的注意力基于审计，提升临床摘要的透明性和可靠性，显著优于基线方法。

Deep Hierarchical Knowledge Loss for Fault Intensity Diagnosis

深度层次知识损失用于故障强度诊断

Yu Sha, Shuiping Gou, Bo Liu, Haofan Lu, Ningtao Liu, Jiahui Fu, Horst Stoecker, Domagoj Vnucec, Nadine Wetzstein, Andreas Widl, Kai Zhou

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院） ； School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院） ； School of Computer, Luoyang Institute of Science and Technology（洛阳理工学院计算机学院） ； Frankfurt Institute for Advanced Studies（法兰克福先进研究 institute） ； SAMSON AG（SAMSON公司） 纠错

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

AI总结 本文提出深度层次知识损失框架，通过层次树损失和焦点层次树损失提升故障诊断的识别能力，实验表明在多个工业数据集上优于现有方法。

Comments The paper has been accepted by Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1 (KDD 2026)

Modeling Higher-Order Brain Interactions via a Multi-View Information Bottleneck Framework for fMRI-based Psychiatric Diagnosis

通过多视图信息瓶颈框架建模高阶脑相互作用用于基于fMRI的精神疾病诊断

Kunyu Zhang, Qiang Li, Vince D. Calhoun, Shujian Yu

机构 * Department of Computer Science, Vrije Universiteit Amsterdam（范德比大学计算机科学系） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（神经影像与数据科学转化研究中心） ； Georgia State University（佐治亚州立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） ； Department of Physics and Technology, UiT - The Arctic University of Norway（北挪威大学物理与技术系） 纠错

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

AI总结 本文提出O信息度量，用于建模高阶脑相互作用，结合三阶和四阶O信息，通过多视图信息瓶颈框架提升fMRI精神疾病诊断性能，实验表明优于11种基线方法，揭示可解释的区域协同-冗余模式。

Conditional Evidence Reconstruction and Decomposition for Interpretable Multimodal Diagnosis

基于条件证据重建与分解的可解释多模态诊断

Shaowen Wan, Yanjun Lv, Lu Zhang, Dajiang Zhu, Bharat Biswal, Tianming Liu, Xiaobo Li, Lin Zhao

机构 * Department of Biomedical Engineering, New Jersey Institute of Technology（新泽西理工学院生物医学工程系） ； Department of Computer Science and Engineering, The University of Texas at Arlington（德克萨斯大学阿灵顿分校计算机科学与工程系） ； Department of Computer Science, Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校计算机科学系） ； School of Computing, University of Georgia（佐治亚大学计算科学学院） 纠错

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

AI总结 本文提出CERD框架，通过条件证据重建与分解，解决多模态诊断中模态缺失的问题，提升诊断的可解释性和临床相关性。

Cognitive Policy-Driven LLM for Diagnosis and Intervention of Cognitive Distortions in Emotional Support Conversation

认知驱动的LLM用于情绪支持对话中认知扭曲的诊断与干预

Lin Zhong, Renjin Zhu, Shujuan Ma, Jinhao Cui, Lingzhi Wang, Hao Chen, Qing Liao

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； City University of Macau, Macao SAR, China（澳门城市大学） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出CogBiasESC数据集和CoPoLLM框架，用于提升LLM在情绪支持对话中识别和干预认知扭曲的能力，实验显示其在诊断准确性和安全性方面优于现有方法。

Comments Accepted at ACL 2026 (Main Conference)

How Can Explainable Artificial Intelligence Improve Trust and Transparency in Medical Diagnosis Systems?

可解释人工智能如何提高医疗诊断系统中的信任和透明度？

Altynbek Seitenov, Ainur Nurzhanova, Azhar Bekbussinova, Yerassyl Bolatkan

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文探讨了可解释性对AI诊断系统信任的影响，发现解释显著提升信任和安全性，XAI知识与信任和有用性呈正相关。

Comments 15 pages, 22 figures, survey study on explainable AI in healthcare decision support systems

Alignment Data Map for Efficient Preference Data Selection and Diagnosis

用于高效偏好数据选择与诊断的对齐数据图

Seohyeong Lee, Eunwon Kim, Hwaran Lee, Buru Chang

机构 * Sogang University（ソガン大学） ； Upstage（アップステージ） ； Korea University（韩国大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出对齐数据图，通过评估偏好数据的对齐分数，选择高质量低变异性样本，提升对齐效果并提高标注准确性。

Comments ACL 2026 Findings Camera-Ready

Towards Self-Improving Error Diagnosis in Multi-Agent Systems

迈向多智能体系统中的自改进错误诊断

Jiazheng Li, Emine Yilmaz, Bei Chen, Dieu-Thu Le

机构 * King’s College London（伦敦国王学院） ； Amazon Alexa AI（亚马逊Alexa AI） ； University College London（伦敦大学学院） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出ErrorProbe框架，通过三阶段流程实现多智能体系统的语义故障归因，利用验证记忆提升跨领域迁移能力，在TracerTraj和Who&When基准测试中表现优异。

Comments 15 pages, 3 figures; accepted at ACL 2026 Findings

Multi-Beholder: Biomarker Prediction for Low-Grade Glioma with Multiple Instance Learning and One-Class Classification

多视角：利用多实例学习和一类分类进行低级别胶质瘤的生物标志物预测

Zijie Fang, Yihan Liu, Yifeng Wang, Xiangyang Zhang, Yang Chen, Changjing Cai, Yiyang Lin, Ying Han, Zhi Wang, Shan Zeng, Jun Tan, Yongbing Zhang, Hong Shen

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Department of Oncology, Xiangya Hospital, Central South University（湘雅医院肿瘤科，中南大学） ； School of Science, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）科学学院） ； Department of Neurosurgery, Xiangya Hospital, Central South University（湘雅医院神经外科，中南大学） ； School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG、q-bio、eess.IV

AI总结 本文提出Multi-Beholder方法，通过全切片图像预测低级别胶质瘤的五个生物标志物状态，利用多实例学习和一类分类提高预测性能，并在两个不同队列中验证了其有效性。

Comments 14 pages, 5 figures

From Answers to Arguments: Toward Trustworthy Clinical Diagnostic Reasoning with Toulmin-Guided Curriculum Goal-Conditioned Learning

从答案到论证：通过托尔金引导的课程目标条件学习实现可信的临床诊断推理

Chen Zhan, Xiaoyu Tan, Gengchen Ma, Yu-Jie Xiong, Xiaoyan Jiang, Xihe Qiu

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子与电气工程学院） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

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

AI总结 本文提出托尔金引导的课程目标条件学习框架，通过逐步训练LLM生成符合托尔金结构的诊断论证，提升临床诊断的透明性和可靠性。

Comments Accepted at ACL 2026

SCOPE-PD: Explainable AI on Subjective and Clinical Objective Measurements of Parkinson's Disease for Precision Decision-Making

SCOPE-PD：基于帕金森病主观和临床客观测量的可解释AI用于精准决策制定

Md Mezbahul Islam, John Michael Templeton, Masrur Sobhan, Christian Poellabauer, Ananda Mohan Mondal

机构 * Computing & Information Sciences（计算与信息科学） ； Florida International University（佛罗里达国际大学） ； Computer Science & Engineering（计算机科学与工程） ； University of South Florida（佛罗里达州立大学） 纠错

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

AI总结 本文提出SCOPE-PD框架，结合主观和客观评估数据，利用随机森林算法实现98.66%的准确率，通过SHAP分析揭示运动障碍、运动迟缓和面部表情为主要贡献特征。

Comments 16 pages, 3 tables, 5 figures, to be published (full text online) in Springer (Springer CCIS series: electronic ISSN 1865-0937, print ISSN 1865-0929)

Assessing the Generalizability of Deep Neural Networks-Based Models for Black Skin Lesions

评估基于深度神经网络的模型在黑色皮肤病变上的泛化能力

Luana Barros, Levy Chaves, Sandra Avila

机构 * Recod.ai Lab, Institute of Computing, University of Campinas, Brazil（Recod.ai实验室，计算学院，坎皮纳斯大学，巴西） 纠错

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

AI总结 本文评估了深度神经网络在黑色人群皮肤病变图像上的表现，发现现有模型在黑色皮肤上泛化能力差，需开发专用模型以提升诊断效果。

Comments 18 pages, 3 figures, 7 tables. Accepted at CIARP 2023

Why Training-Free Token Reduction Collapses: The Inherent Instability of Pairwise Scoring Signals

为何无训练标记缩减崩溃：成对评分信号的内在不稳定性

Yang Shanglin

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

AI总结 本文分析了无训练标记缩减方法在高压缩下的崩溃原因，提出两种诊断工具，揭示了层间缩减的固有误差放大效应及对成对相似性信号的依赖，通过CATIS验证，实现高压缩下的高精度保持。

Classification of systolic murmurs in heart sounds using multiresolution complex Gabor dictionary and vision transformer

使用多分辨率复数Gabor字典和视觉Transformer对心音中的收缩期杂音进行分类

Mahmoud Fakhry, Abeer FathAllah Brery

机构 * CEIEC, Universidad Francisco de Vitoria（CEIEC，弗朗西斯科·维多利亚大学） ； Departamento de Informática, Universidad Carlos III de Madrid（信息学院，马德里卡洛斯三世大学） 纠错

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

AI总结 本文提出了一种自动分类系统，利用多分辨率复数Gabor字典和视觉Transformer对收缩期杂音进行分类，通过特征提取和分类模型提升诊断准确性，实验在CirCor DigiScope数据集上达到95.96%的分类准确率。

Thermal-GEMs: Generalized Models for Building Thermal Dynamics

热能-GEs：建筑热动态的通用模型

Felix Koch, Fabian Raisch, Benjamin Tischler

机构 * Technical University of Applied Sciences Rosenheim（应用技术大学罗斯海姆分校） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文评估了建筑热动态通用建模方法，包括多源迁移学习和时间序列基础模型，发现多源迁移学习在真实应用中能显著降低预测误差，但需充足数据预训练以超越时间序列基础模型。

Comments The 13th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation 2026

AIT Academy: Cultivating the Complete Agent with a Confucian Three-Domain Curriculum

AIT Academy：通过儒家三领域课程培养完整智能体

Jiaqi Li, Lvyang Zhang, Yang Zhao, Wen Lu, Lidong Zhai

机构 * Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学网络安全学院） 纠错

专题命中 诊断辅助 ：pathology(abstract)

AI总结 本文提出AIT Academy框架，通过儒家三领域课程培养完整智能体，实验显示多领域视角在安全意识校准中有诊断价值。

Comments 11 pages, 5 figures

Locally Linear Convergence for Nonsmooth Convex Optimization via Coupled Smoothing and Momentum

非光滑凸优化的局部线性收敛：通过耦合平滑与动量技术

Reza Rahimi Baghbadorani, Sergio Grammatico, Peyman Mohajerin Esfahani

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出了一种自适应加速平滑技术，用于非光滑凸优化问题，结合动量参数与平滑更新规则，证明了全局亚线性收敛O(1/k)和局部线性收敛性，验证了在Lasso、稀疏半正定规划等问题中的性能。

Inflated Excellence or True Performance? Rethinking Medical Diagnostic Benchmarks with Dynamic Evaluation

卓越还是真实表现？通过动态评估重新思考医疗诊断基准

Xiangxu Zhang, Lei Li, Yanyun Zhou, Xiao Zhou, Yingying Zhang, Xian Wu

机构 * GSAI, Renmin University of China（清华大学人工智能研究院，中国人民大学） ； Tencent Jarvis Lab（腾讯 Jarvis实验室） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大型模型与智能治理研究关键实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程技术研究中心，教育部） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出DyReMe动态基准，通过生成临床相关干扰因素的咨询式案例，评估医疗诊断模型的鲁棒性，揭示现有模型在临床干扰下的不足。

Comments Accepted by ACL 2026 Main Conference

HalluClear: Diagnosing, Evaluating and Mitigating Hallucinations in GUI Agents

HalluClear：诊断、评估和缓解GUI代理中的幻觉

Chao Jin, Wenkui Yang, Hao Sun, Yuqi Liao, Qianyi Jiang, Kai Zhou, Jie Cao, Ran He, Huaibo Huang

机构 * MAIS&NLPR, Institute of Automation, Chinese Academy of Sciences（自动化研究所人工智能与自然语言处理实验室，中国科学院） ； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院） ； Meituan（美团） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 HalluClear通过引入专门的幻觉分类、校准的评估流程和闭环推理方案，有效减少GUI代理中的幻觉，提升自动化可靠性。

Comments 47 pages, 44 figures

Large Language Models Are Still Misled by Simple Bias Ensembles

大语言模型仍易受简单偏见集合的误导

Zhouhao Sun, Zhiyuan Kan, Xiao Ding, Li Du, Bibo Cai, Yang Zhao, Bing Qin, Ting Liu

机构 * Research Center for Social Computing and Interactive Robotics（社会计算与交互机器人研究中心） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究指出，尽管大语言模型对单一偏见的鲁棒性提升，但多个偏见的组合仍显著影响其性能，提出多偏见基准测试以评估模型在复杂偏见下的表现，发现现有模型和去偏方法效果不佳。

StressWeb: A Diagnostic Benchmark for Web Agent Robustness under Realistic Interaction Variability

StressWeb: 一个用于评估网络代理在现实交互变异下的鲁棒性的诊断基准

Haoyue Bai, Dong Wang, Long Chen, Bingguang Hao, Pengyang Shao, Yonghui Yang, Yicheng He, Chenyi Zhuang

机构 * Inclusion AI, Ant Group（Inclusion AI，蚂蚁集团） ； National University of Singapore（新加坡国立大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出StressWeb基准，通过构建可控的网络环境和引入结构化扰动，评估网络代理在现实交互中的鲁棒性，揭示隐藏的失败模式和鲁棒性差距。

A Collection of Systematic Reviews in Computer Science

计算机科学中的系统综述集合

Pierre Achkar, Tim Gollub amd Martin Potthast

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 本文提出SR4CS，一个包含1212个计算机科学系统综述的大型数据集，用于评估布尔查询生成、检索和筛选的可重复研究，揭示不同检索方法的精度、召回率差异及零样本生成的局限性。

Comments Accepted at SCOLIA26 Workshop

Hybrid Quantum Neural Networks for Enhanced Breast Cancer Thermographic Classification: A Novel Quantum-Classical Integration Approach

混合量子神经网络用于增强乳腺癌热图分类：一种新的量子-经典整合方法

Riza Alaudin Syah, Irwan Alnarus Kautsar, Gunawan Witjaksono, Haza Nuzly bin Abdull Hamed

机构 * Faculty of Computing（计算学院） ； Universiti Teknologi Malaysia（技术大学） ； Faculty of Science and Technology（科学与技术学院） ； Universitas Muhammadiyah Sidoarjo（穆罕默德大学西多亚罗乔） ； Department of Information System（信息系统系） ； Universitas Siber Jakarta（西巴克大学） 纠错

专题命中 病理影像 ：medical AI(abstract)；medical image(abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出混合量子神经网络架构，结合量子计算原理与经典卷积神经网络，提升乳腺癌分类性能，实验验证显示优于经典方法，展现量子增强优势。

Comments Published in: 2025 IEEE International Biomedical Instrumentation and Technology Conference (IBITeC)

Beyond the Failures: Rethinking Foundation Models in Pathology

超越失败：重新思考病理学中的基础模型

Hamid R. Tizhoosh

机构 * Kimia Lab, Department of Artificial Intelligence and Informatics, Mayo Clinic, Rochester, MN, USA（Kimia实验室，人工智能与信息学系，梅奥诊所，罗切斯特，明尼苏达州，美国） 纠错

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

AI总结 病理学中基础模型表现不佳，需设计专门处理生物图像的模型，而非通用自然图像方法。

Multimodal Fusion of Histopathology Images and Electronic Health Records for Early Breast Cancer Diagnosis

多模态融合组织病理图像与电子健康记录用于早期乳腺癌诊断

Aditya Shribhagwan Khandelwal, Mohammad Samar Ansari, Asra Aslam

机构 * University of Sheffield（谢菲尔德大学） ； University of Chester（切斯特大学） 纠错

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

AI总结 本文提出整合BreCaHAD数据集的病理特征与MIMIC-IV的临床数据的多模态框架，通过训练单模态模型和中间融合模型提升乳腺癌早期诊断的准确性和透明度。

PA-TCNet: Pathology-Aware Temporal Calibration with Physiology-Guided Target Refinement for Cross-Subject Motor Imagery EEG Decoding in Stroke Patients

PA-TCNet：基于病理意识的时序校准与生理引导的目标细化用于中风患者跨受试者运动想象EEG解码

Xiangkai Wang, Yun Zhao, Dongyi He, Qingling Xia, Gen Li, Nizhuan Wang, Ningxiao Peng, Bin Jiang

机构 * School of Artificial Intelligence, Chongqing University of Technology（重庆理工大学人工智能学院） ； Chongqing Key Laboratory of Embodied Intelligence Perception and Autonomous Learning for Humanoid Robots（重庆 embodied 智能感知与人形机器人自主学习关键实验室） ； Key Laboratory of Advanced Equipment Intelligence of the Chongqing Education Commission（重庆市教育委员会先进设备智能关键实验室） ； School of Smart Health, Chongqing Polytechnic University of Electronic Technology（重庆电子工程职业大学智能健康学院） ； 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） ； School of Pharmacy and Bioengineering, Chongqing University of Technology（重庆理工大学药学院与生物工程学院） ； School of Computer Science and Engineering, Chongqing University of Technology（重庆理工大学计算机科学与工程学院） 纠错

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

AI总结 本文提出PA-TCNet框架，通过病理意识时序校准与生理引导目标细化，提升中风患者跨受试者运动想象EEG解码的鲁棒性，实验在两个独立数据集上达到66.56%和72.75%的准确率。

Detecting Breast Carcinoma Metastasis on Whole-Slide Images by Partially Subsampled Multiple Instance Learning

通过部分下采样多实例学习检测乳腺癌转移于全滑动图像

Baichen Yu, Xuetong Li, Jing Zhou, Hansheng Wang

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)

AI总结 本文提出基于高斯混合的多实例学习框架，通过部分下采样实例来提高全滑动图像分析的效率和准确性，验证了其在乳腺癌转移预测中的有效性。

Region-Affinity Attention for Whole-Slide Breast Cancer Classification in Deep Ultraviolet Imaging

区域亲和注意力机制用于深紫外成像全滑片乳腺癌分类

Nagur Shareef Shaik, Teja Krishna Cherukuri, Dong Hye Ye

机构 * Department of Computer Science, Georgia State University（佐治亚州立大学计算机科学系） 纠错

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

AI总结 本文提出区域亲和注意力机制，用于深紫外成像全滑片乳腺癌分类，通过保留空间完整性提升诊断准确性。

Comments Accepted at the IEEE Engineering in Medicine and Biology Society Annual International Conference (Proceedings of the 48th International Conference), 2026

Composed Vision-Language Retrieval for Skin Cancer Case Search via Joint Alignment of Global and Local Representations

基于全局与局部表示联合对齐的皮肤癌病例检索视觉-语言检索

Yuheng Wang, Yuji Lin, Jiayue Cai, Z. Jane Wang, Tim K. Lee

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

AI总结 本文提出一种基于Transformer的框架，通过联合对齐全局和局部表示，提升皮肤癌病例检索的准确性和效率，实验表明在Derm7pt数据集上优于现有方法。

Bias-constrained multimodal intelligence for equitable and reliable clinical AI

具有偏见约束的多模态智能用于公平且可靠的临床AI

Cheng Li, Weijian Huang, Jiarun Liu, Hao Yang, Qi Yang, Song Wu, Ye Li, Hairong Zheng, Shanshan Wang

机构 * Paul C. Lauterbur Research Center for Biomedical Imaging（Paul C. Lauterbur生物医学成像研究中心） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Pengcheng Laboratory（鹏城实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Radiology, Beijing Chaoyang Hospital, Capital Medical University（首都医科大学北京朝阳医院放射科） ； Department of Urology, South China Hospital, Medical School, Shenzhen University（深圳大学南方医院泌尿科） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

专题命中 医疗多模态 ：clinical AI(title)；pathology(abstract)；diagnosis(abstract)；radiology(abstract)

AI总结 本文提出BiasCareVL框架，通过在模型设计中直接引入偏见控制，解决医疗影像与文本整合中公平性和可靠性问题，展示了其在多任务和基准测试中的优越性能。