医学 AI

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)