医学 AI

RA-RRG: Multimodal Retrieval-Augmented Radiology Report Generation with Key Phrase Extraction

RA-RRG：结合关键短语提取的多模态检索增强放射学报告生成

Jonggwon Park, Byungmu Yoon, Soobum Kim, Kyoyun Choi

机构 * DEEPNOID Inc.（DEEPNOID公司） ； Department of Artificial Intelligence and Data Science, Sejong University（Sejong大学人工智能与数据科学系） 纠错

专题命中 医疗多模态 ：radiology(title,abstract)；分类 cs.CV、cs.LG

AI总结 RA-RRG通过结合多模态检索与大语言模型生成放射学报告，减少幻觉和计算需求，实验显示在CheXbert指标上优于现有模型。

Comments ACL 2026, Findings of the Association for Computational Linguistics

BioVLM: Routing Prompts, Not Parameters, for Cross-Modality Generalization in Biomedical VLMs

BioVLM：通过路由提示而非参数实现生物医学VLMs的跨模态泛化

Mainak Singha, Tanisha Gupta, Ankit Jha, Muhammad Haris Khan, Sayantani Ghosh, Biplab Banerjee

机构 * University of Trento（特伦托大学） ； Carnegie Mellon University（卡内基梅隆大学） ； LNMIIT Jaipur（贾伊普尔 LNMIIT） ； MBZUAI ； Sunandan Divatia School of Science（Sunandan Divatia 科学学院） ； IIT Bombay（博伊斯大学） 纠错

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

AI总结 BioVLM通过动态提示选择和提示银行学习，提升跨域泛化能力，无需大量骨干网络微调，在11个MedMNIST+2D数据集上取得新突破。

Comments Accepted in ACL Findings 2026

LVLM-Aware Multimodal Retrieval for RAG-Based Medical Diagnosis with General-Purpose Models

面向RAG的医疗诊断的LVLM感知多模态检索

Nir Mazor, Tom Hope

机构 * School of Computer Science and Engineering, The Hebrew University of Jerusalem（希伯来大学耶路撒冷分校计算机科学与工程学院） ； The Allen Institute for AI (AI2)（人工智能研究院（AI2）） 纠错

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

AI总结 本文提出轻量级机制提升检索增强LVLM的诊断性能，通过轻量微调和通用模型实现临床分类和VQA任务的竞争力结果，并分析不一致检索预测问题。

A Discordance-Aware Multimodal Framework with Multi-Agent Clinical Reasoning

一种考虑不一致性的多模态框架与多智能体临床推理

Pegah Ahadian, Mingrui Yang, Sixu Chen, Xiaojuan Li, Qiang Guan

机构 * Department of Computer Science（计算机科学系） ； Kent State University（肯特州立大学） ； Department of Biomedical Engineering（生物医学工程系） ； Cleveland Clinic（克利夫兰诊所） 纠错

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

AI总结 本文提出一种结合机器学习模型与多智能体推理系统的多模态框架，用于预测膝骨关节炎的进展并生成临床管理建议。

DREAM: Dynamic Retinal Enhancement with Adaptive Multi-modal Fusion for Expert Precision Medical Report Generation

DREAM：动态视网膜增强与自适应多模态融合用于专家精准医疗报告生成

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 医疗多模态 ：pathology(abstract)；分类 cs.CV、eess.SP

AI总结 DREAM通过动态多模态融合提升视网膜图像医疗报告生成精度，在数据有限时仍能生成高质量报告，实现BLEU-4 0.241的SOTA表现。

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

PBSBench: A Multi-Level Vision-Language Framework and Benchmark for Hematopathology Whole Slide Image Interpretation

PBSBench：一种多级视觉-语言框架和血液病理学全滑片图像解释基准

Yuanlong Wang, Weichi Chen, Adrian Rajab, Wenfang Liu, Yulan Jin, Andrew Srisuwananukorn, Ping Zhang

机构 * The Ohio State University（俄亥俄州立大学） ； The Ohio State University Wexner Medical Center（俄亥俄州立大学韦克斯纳医学中心） 纠错

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

AI总结 本文提出PBSBench，一种针对血液病理学全滑片图像解释的多级视觉-语言框架和基准，通过构建PBSInstr数据集和PBS-VL模型，提升了对血涂片图像的理解能力。

Comments 19 pages, 12 figures, Accepted by CVPR Findings 2026

How Much Data is Enough? The Zeta Law of Discoverability in Biomedical Data, featuring the enigmatic Riemann zeta function

需要多少数据？生物医学数据的发现率ζ定律，涉及神秘的黎曼ζ函数

Paul M. Thompson

机构 * Stevens Institute for Neuroimaging & Informatics（神经影像与信息学史蒂文斯研究所） ； University of Southern California（南加州大学） ； Los Angeles, CA, USA（洛杉矶，加利福尼亚州，美国） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；MRI(abstract)；分类 cs.LG、q-bio

AI总结 本文提出基于数据协方差算子谱结构的跨模态发现率定律框架，揭示性能指标与ζ函数的关系，为数据规模、表示学习和多模态扩展提供理论指导。

Comments 25 pages, 5 figures

Injecting Structured Biomedical Knowledge into Language Models: Continual Pretraining vs. GraphRAG

将结构化生物医学知识注入语言模型：持续预训练与GraphRAG

Jaafer Klila, Sondes Bannour Souihi, Rahma Boujelben, Nasredine Semmar, Lamia Hadrich Belguith

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

AI总结 本文提出通过持续预训练和GraphRAG两种方法将结构化生物医学知识注入语言模型，提升其在生物医学领域的表现，实验显示BERTUMLS在知识密集型问答任务中表现优异，GraphRAG在PubMedQA和BioASQ上提升显著。

Comments Accepted at LREC 2026

Employing General-Purpose and Biomedical Large Language Models with Advanced Prompt Engineering for Pharmacoepidemiologic Study Design

利用通用和生物医药大语言模型与先进提示工程进行药事流行病学研究设计

Xinyao Zhang, Nicole Sonne Heckmann, Manuela Del Castillo Suero, Francesco Paolo Speca, Maurizio Sessa

机构 * Department of Drug Design and Pharmacology, University of Copenhagen（哥本哈根大学药物设计与药理学系） 纠错

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

AI总结 本文比较通用和生物医药大语言模型在药事流行病学研究设计中的表现，发现通用模型在相关性和逻辑性上表现更优，但提示策略对模型性能影响显著。

The Provenance Gap in Clinical AI: Evidence-Traceable Temporal Knowledge Graphs for Rare Disease Reasoning

临床AI中的溯源差距：用于罕见疾病推理的证据可追溯时间知识图谱

Md Shamim Ahmed, Maja Dusanic, Moritz Nikolai Kirschner, Elisabeth Nyoungui, Jana Zschüntzsch, Lukas Galke Poech, Richard Röttger

机构 * Department of Mathematics and Computer Science, University of Southern Denmark（丹麦南方大学数学与计算机科学系） ； Universitätsmedizin Göttingen（哥廷根大学医学中心） 纠错

专题命中 生物医学文本 ：clinical AI(title)

AI总结 本文提出HEG-TKG系统，通过时间知识图谱提升临床推理的证据可追溯性，实现100%证据可验证性，同时保证安全性和完整性。

Comments 32 pages, 9 figures, 7 tables. Will submit to npj Digital Medicine. Supplementary materials included

Polyelectrolyte adsorption at the solid-liquid interface favors receding contact line instability

聚合物吸附在固-液界面促进退缩接触线不稳定性

Léa Delance, Diego Díaz, Arivazhagan G. Balasubramanian, Outi Tammisola, Kaloian Koynov, Hans-Jürgen Butt

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究通过高速高分辨率显微镜观察滑动滴液的退缩接触线动态，揭示粘弹性对退缩接触线不稳定性的影响，发现聚合物电荷对丝状物形成有关键作用。

Universal compression of wave fields in weakly scattering media

在弱散射介质中实现波场的通用压缩

Pablo Jara, Alexey Yamilov

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出OSCAR算法，利用波场傅里叶表示的薄色散壳特性，实现弱散射介质中的损失性压缩，支持在压缩空间内计算强度和灵敏度等二次量，实现高效存储和处理。

Comments 13 pages, 9 figures

Harnessing coherent-wave control for sensing applications

利用相干波控制实现传感应用

Pablo Jara, Arthur Goetschy, Hui Cao, Alexey Yamilov

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出微观光学灵敏度理论，通过干涉效应提升光学灵敏度，展示相位共轭输入状态可实现最大灵敏度增强，而最大反射本征通道可全局增强灵敏度分布，为整合波前控制与扩散光学成像提供理论基础。

Comments 26 pages, 11 figures

Journal ref Phys. Rev. Appl. 24, 054027 (2025)

Foundation Model for Cardiac Time Series via Masked Latent Attention

通过掩码潜在注意力的心脏时间序列基础模型

Moritz Vandenhirtz, Samuel Ruipérez-Campillo, Simon Böhi, Sonia Laguna, Irene Cannistraci, Andrea Agostini, Ece Ozkan, Thomas M. Sutter, Julia E. Vogt

机构 * Department of Computer Science, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机科学系，瑞士） ； Department of Biomedical Engineering, University of Basel, Switzerland（巴塞尔大学生物医学工程系，瑞士） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG、eess.SP

AI总结 本文提出LAMAE基础模型，通过自监督预训练学习跨导联连接机制，提升ECG表示质量和迁移能力，在预测ICD-10编码上优于独立导联掩码模型和对齐基线。

Comments First two authors are co-first. Last two authors are co-senior

Journal ref ICLR 2026: Workshop on Foundation Models for Science

The Breakthrough of Sleep: A Contactless Approach for Accurate Sleep Stage Detection Using the Sleepal AI Lamp

睡眠的突破：一种无接触方法用于准确睡眠阶段检测的Sleepal AI灯

Zhuo Diao, Yueting Li, Jianpeng Wang, Shengyu Guan, Xinwei Wang, Wenxiong Cui, Xin Shi, Tong Liu, Kailai Sun, Jingyu Wang, Dian Fan, Thomas Penzel

机构 * Hong Kong Xsmart Century Technology Co., Ltd.（香港Xsmart世纪科技有限公司） ； Urban Mobility Lab, Massachusetts Institute of Technology（城市移动实验室，麻省理工学院） ； Singapore-MIT Alliance for Research and Technology (SMART) Centre（新加坡-麻省理工联盟研究技术中心） ； Department of Respiratory and Critical Care Medicine, Binzhou Medical University Hospital（呼吸与危重症医学科，滨州医学院医院） ； Interdisciplinary Center of Sleep Medicine, Charité – Universitätsmedizin Berlin（睡眠医学跨学科中心，夏里特-柏林大学医学中心） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG、eess.SP

AI总结 本文提出了一种基于雷达的无接触睡眠监测方法，通过多尺度呼吸和运动特征训练深度学习模型，实现了高精度的睡眠阶段检测，验证了Sleepal AI灯在睡眠评估中的可靠性。

Comments 20 pages, 12 figures, 4 tables. Preprint version; intended submission to Physiological Measurement

SparrowSNN: A Hardware/software Co-design for Energy Efficient ECG Classification

SparrowSNN：面向能源高效心电图分类的软硬件协同设计

Zhanglu Yan, Zhenyu Bai, Tulika Mitra, Weng-Fai Wong

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

专题命中 健康监测 ：biomedical(abstract)；分类 cs.LG、eess.SP

AI总结 本文提出SparrowSNN，一种针对边缘设备优化的软硬件协同设计，通过改进的脉冲激活函数、定制化混合ANN-SNN模型和低功耗可重构ASIC架构，在生物医学数据集上实现了20倍至100倍的能耗降低和状态-of-the-art准确率。

VIDS: A Verified Imaging Dataset Standard for Medical AI

VIDS：面向医疗AI的验证成像数据集标准

Joan S. Muthu, John Shalen

机构 * Princeton Medical Systems（普林斯顿医疗系统） 纠错

专题命中 医学数据与评测 ：medical AI(title)；CT(abstract,abstract_cn)；分类 cs.CV、eess.IV

AI总结 本文提出VIDS标准，通过定义文件结构、命名规则和21条验证规则，解决医疗影像数据集的注释溯源和质量保障问题，验证了LIDC-Hybrid-100数据集的合规性。

Comments 11 pages, 3 figures, 5 tables

Beyond Attack Success Rate: A Multi-Metric Evaluation of Adversarial Transferability in Medical Imaging Models

超越攻击成功率：对医学影像模型中对抗转移性的多指标评估

Emily Curl, Kofi Ampomah, Md Erfan, Sayanton Dibbo

机构 * The University of Alabama（阿拉巴马大学） 纠错

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

AI总结 本文通过评估四个医学图像数据集，分析七种模型和七种攻击方法，发现感知和失真指标与ASR无明显相关性，表明单一指标不足以衡量对抗鲁棒性。

Comments 8 pages

Federated Rule Ensemble Method in Medical Data

联邦规则集合方法在医疗数据中的应用

Ke Wan, Kensuke Tanioka, Toshio Shimokawa

机构 * Department of Medical Data Science（医学数据科学系） ； Wakayama Medical University（福冈医疗大学） ； Department of Biomedical Sciences and Informatics（生物医学科学与信息学系） ； Doshisha University（多摩大学） ； Department of Biostatistics（生物统计学系） 纠错

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

AI总结 本文提出一种联邦规则Fit框架，通过隐私保护直方图预处理、梯度提升树本地规则生成和ℓ1正则化系数估计，实现可解释的全局模型，优于现有联邦方法。

Bridging the Ex-Vivo to In-Vivo Gap: Synthetic Priors for Monocular Depth Estimation in Specular Surgical Environments

弥合体外到体内差距：用于镜面外科环境单目深度估计的合成先验

Ankan Aich, Emma D. Ryan, Kris Moe, Isaac Schmale, Li-Xing Man, Yangming Lee

机构 * RoCAL, Rochester Institute of Technology（罗切斯特理工学院RoCAL实验室） ； Department of Otolaryngology Head and Neck Surgery, University of Rochester Medical Center（罗切斯特大学医学中心耳鼻喉科与头颈外科部门） ； University of Washington, Department of Otolaryngology–Head and Neck Surgery（华盛顿大学耳鼻喉科与头颈外科部门） 纠错

专题命中 医学数据与评测 ：CT(abstract)；分类 cs.CV

AI总结 本文提出合成先验用于改善外科环境中单目深度估计，通过DV-LORA适应深度anything v2架构，在SCARED数据集上达到新状态，同时引入ROCAL-T 90数据集验证模型在真实临床场景中的鲁棒性。

SciDraw-6K: A Multilingual Scientific Illustration Dataset Generated by Google Gemini

SciDraw-6K：由Google Gemini生成的多语言科学插图数据集

Davie Chen

机构 * University of Arts in Poznań（波兹南艺术大学） 纠错

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

AI总结 SciDraw-6K是6291个由Google Gemini生成的科学插图数据集，涵盖11种语言，用于支持多语言文本到图像研究和科学可视化领域适应。

Comments 9 pages, 5 figures. Dataset: https://huggingface.co/datasets/SciDrawAI/SciDraw-6K. Code: https://github.com/SciDrawAI/scidraw-6k

Toward Zero-Egress Psychiatric AI: On-Device LLM Deployment for Privacy-Preserving Mental Health Decision Support

迈向零数据外溢的心理AI：设备端LLM部署用于隐私保护的心理健康决策支持

Eranga Bandara, Asanga Gunaratna, Ross Gore, Anita H. Clayton, Christopher K. Rhea, Sachini Rajapakse, Isurunima Kularathna, Sachin Shetty, Ravi Mukkamala, Xueping Liang, Preston Samuel, Atmaram Yarlagadda

机构 * Old Dominion University（旧 Dominion 大学） ； AI Motion Labs（AI Motion 实验室） ； Department of Psychiatry and Neurobehavioral Sciences（精神病学与神经行为科学系） ； University of Virginia School of Medicine（弗吉尼亚大学医学院） ； Florida International University（佛罗里达国际大学） ； Blanchfield Army Community Hospital（Blanchfield陆军社区医院） ； McDonald Army Health Center（McDonald陆军医疗中心） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出一种零数据外溢的设备端AI平台，通过本地执行推理管道，实现隐私保护的心理健康决策支持，使用轻量级LLM进行诊断评估。

Pearmut: Human Evaluation of Translation Made Trivial

Pearmut：使翻译的人工评估变得简单

Vilém Zouhar, Tom Kocmi

机构 * ETH Zurich（苏黎世联邦理工学院） ； Cohere 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 Pearmut通过轻量级平台简化多语言NLP的人工评估流程，支持机器翻译任务，提供多种评估协议和动态分配策略，使人工评估成为模型开发的常规环节。

Comments typeset with Typst

HCFD: A Benchmark for Audio Deepfake Detection in Healthcare

HCFD：医疗音频深度伪造检测基准

Mohd Mujtaba Akhtar, Girish, Muskaan Singh

专题命中 医学数据与评测 ：pathology(abstract)

AI总结 本文提出HCFD任务，针对病理语音条件下的编码器伪造检测，通过构建首个病理感知数据集和提出PHOENIX-Mamba框架，在多临床条件和编码器上实现最高性能。

Comments Accepted to ACL 2026

Neuro-Symbolic Resolution of Recommendation Conflicts in Multimorbidity Clinical Guidelines

神经符号推荐冲突在多病共存临床指南中的解决

Shiyao Xie, Jian Du

机构 * Peking University（北京大学） ； National Institute of Health Data Science（国家健康数据科学研究院） ； Peking University Health Science Center（北京大学医学部） ； Institute of Medical Technology（医学技术研究院） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 本文提出神经符号框架解决多病共存临床指南中的推荐冲突问题，通过多智能体系统和SAT求解器验证逻辑规则，发现90.6%的冲突为局部冲突，F1分数达0.861。

Comments Accepted by Proceedings of the 40th Annual AAAI Conference on Artificial Intelligence (Bridge Program on Logic & AI: Logical and Symbolic Reasoning in Language Models)

Healthcare AI for Automation or Allocation? A Transaction Cost Economics Framework

医疗AI用于自动化还是分配？一种交易成本经济学框架

Ari Ercole

机构 * Department of Medicine, University of Cambridge, Addenbrooke’s Hospital, Hills Road, Cambridge CB2 0QQ, UK（剑桥大学医学系，加德纳医院，剑桥，英国） 纠错

专题命中 其他医学AI ：healthcare AI(title)

AI总结 本文通过交易成本经济学框架分析医疗工作中协调成本的差异，发现临床角色的协调成本高于非临床角色，表明数字和AI干预的机会分布受协调结构影响更大。