医学 AI

Generative Drifting for Conditional Medical Image Generation

生成漂移用于条件医学图像生成

Zirong Li, Siyuan Mei, Weiwen Wu, Andreas Maier, Lina Gölz, Yan Xia

机构 * Department of Orthodontics and Orofacial Orthopedics, Friedrich-Alexander-University Erlangen-Nuremberg（口腔正畸与面部骨科系，弗里德里希-艾萨克-埃尔兰-纽伦堡大学） ； Department Artificial Intelligence in Biomedical Engineering, Friedrich-Alexander-University Erlangen-Nuremberg（生物医学工程人工智能系，弗里德里希-艾萨克-埃尔兰-纽伦堡大学） ； Pattern Recognition Lab, Friedrich-Alexander-University Erlangen-Nuremberg（模式识别实验室，弗里德里希-艾萨克-埃尔兰-纽伦堡大学） ； Department of Biomedical Engineering, Sun-Yat-sen University（生物医学工程系，孙中山大学） 纠错

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(summary_cn,abstract)；medical image(title,abstract)；分类 cs.CV

AI总结 本文提出GDM框架，通过多目标学习提升3D医学图像生成的分布合理性与患者特异性保真度，同时保持单步推理效率，在MRI到CT合成和稀疏视图CT重建中优于多种基线方法。

CrossPan: A Comprehensive Benchmark for Cross-Sequence Pancreas MRI Segmentation and Generalization

CrossPan：跨序列胰腺MRI分割与泛化的综合性基准

Linkai Peng, Cuiling Sun, Zheyuan Zhang, Wanying Dou, Halil Ertugrul Aktas, Andrea M Bejar, Elif Keles, Tamas Gonda, Michael B Wallace, Zongwei Zhou, Gorkem Durak, Rajesh N Keswani, Ulas Bagci

机构 * Department of Radiology, Northwestern University（西北大学放射科） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） ； Department of Computer Science, Northwestern University（西北大学计算机科学系） ； Department of Gastroenterology, New York University（纽约大学消化内科部） ； Division of Gastroenterology and Hepatology, Mayo Clinic in Florida（佛罗里达梅奥诊所消化内科与肝病学部） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Departments of Gastroenterology and Hepatology, Northwestern University（西北大学消化内科与肝病学部） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 研究揭示跨序列泛化是胰腺MRI分割临床应用的主要障碍，指出跨序列域偏移比跨中心差异更严重，且现有方法在物理驱动对比反转下效果有限，半监督学习在稳定强度分布下有提升但不稳定。

Comments Accepted to MIDL 2026

CAHAL: Clinically Applicable resolution enHAncement for Low-resolution MRI scans

CAHAL：临床适用的低分辨率MRI扫描分辨率增强

Sergio Morell-Ortega, Ángela González-Cebrián, Boris Mansencal, Marien Gadea, Roberto Vivo-Hernando, Gregorio Rubio, Fernando Aparici, Maria de la Iglesia-Vaya, Gwenaelle Catheline, Pierrick Coupé, José V. Manjón

机构 * Instituto de Aplicaciones de las Tecnologías de la Información y de las Comunicaciones Avanzadas (ITACA), Universitat Politècnica de València（应用信息与通信技术高级研究所（ITACA），巴塞罗那理工大学） ； CNRS, Univ. Bordeaux, Bordeaux INP, LABRI, UMR5800, in2brain（国家科学研究中心（CNRS）、波尔多大学、波尔多国立应用科学学院（Bordeaux INP）、LABRI、UMR5800、in2brain） ； Department of Psychobiology, Faculty of Psychology, Universitat de Valencia（心理学系心理生物学部门，瓦伦西亚大学） ； Instituto de Automática e Informática Industrial, Universitat Politècnica de València（自动化与工业信息研究所，巴塞罗那理工大学） ； Departamento de Matemática Aplicada, Universitat Politècnica de València（应用数学系，巴塞罗那理工大学） ； Área de Imagen Médica. Hospital Universitario y Politécnico La Fe. Valencia, Spain（医学影像部门。La Fe大学医院和理工大学，西班牙瓦伦西亚） ； Unidad Mixta de Imagen Biomédica FISABIO-CIPF. Fundación para el Fomento de la Investigación Sanitario y Biomédica de la Comunidad Valenciana - Valencia, Spain（FISABIO-CIPF医学生物成像混合单位。瓦伦西亚社区卫生和生物医学研究促进基金会——瓦伦西亚，西班牙） ； Univ. Bordeaux, CNRS, UMR 5287, Institut de Neurosciences Cognitives et Intégratives d’Aquitaine（波尔多大学、国家科学研究中心（CNRS）、UMR 5287、阿基坦认知与整合神经科学研究所） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 CAHAL通过结合物理信息和混合专家架构，解决临床MRI低分辨率扫描的分辨率增强问题，提升定量分析和诊断安全性。

3D Foundation Model for Generalizable Disease Detection in Head Computed Tomography

用于头部CT图像通用疾病检测的3D基础模型

Weicheng Zhu, Haoxu Huang, Huanze Tang, Rushabh Musthyala, Boyang Yu, Long Chen, Emilio Vega, Thomas O'Donnell, Seena Dehkharghani, Jennifer A. Frontera, Arjun V. Masurkar, Kara Melmed, Narges Razavian

机构 * New York University, Center for Data Science（纽约大学数据科学中心） ； New York University, Courant Institute of Mathematical Sciences（纽约大学Courant数学科学研究所） ； NYU Grossman School of Medicine, Department of Radiology（纽约大学 Grossman 医学院放射科） ； Siemens Healthineers（西门子医疗科技） ； NYU Grossman School of Medicine, Department of Neurology（纽约大学 Grossman 医学院神经病学部） ； NYU Grossman School of Medicine, Department of Neuroscience and Physiology（纽约大学 Grossman 医学院神经科学与生理学部） ； NYU Grossman School of Medicine, Neuroscience Institute（纽约大学 Grossman 医学院神经科学研究所） 纠错

专题命中 医学影像 ：CT(title_cn,summary_cn)；pathology(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 本文提出FM-CT模型，通过自监督学习在无需人工标注的情况下训练，提升头部CT图像中疾病检测的泛化能力，验证了自监督学习在医学影像中的有效性。

Comments Nature Biomedical Engineering (2026)

Cylindrical Metasurface for Efficient Traveling-wave MRI at 7 T

用于7T traveling-wave MRI的圆柱形超材料

Kristina I. Popova, Georgiy A. Solomakha, Zicheng Wen, Mikhail M. Popov, Xiatong Zhang, Stanislav B. Glybovski, Yang Gao

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 本文设计了一种超薄圆柱形超材料，用于提高7T traveling-wave MRI的传输效率，通过优化单元格几何结构和PCB电容，实现了比传统介质波导更高的B1+均匀性、传输效率和SAR效率。

A Generalist Model for Diverse Text-Guided Medical Image Synthesis

一种通用模型用于多样化文本引导的医学图像合成

Joseph Cho, Mrudang Mathur, Cyril Zakka, Dhamanpreet Kaur, Matthew Leipzig, Alex Dalal, Aravind Krishnan, Eubee Koo, Karen Wai, Cindy S. Zhao, Akshay Chaudhari, Matthew Duda, Ashley Choi, Ehsan Rahimy, Lyna Azzouz, Robyn Fong, Rohan Shad, William Hiesinger

机构 * Department of Cardiothoracic Surgery（心脏外科部门） ； Stanford Medicine（斯坦福医学） ； Department of Ophthalmology（眼科部门） ； Division of Cardiovascular Surgery（心血管外科分会） ； Penn Medicine（宾夕法尼亚医学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文提出MediSyn模型，通过公开数据训练，生成六种医学领域和十种成像模态的合成图像，验证了通用模型在效率、质量和医学应用中的优势。

Reinforcement Learning Improves LLM Accuracy and Reasoning in Disease Classification from Radiology Reports

强化学习提升LLM在放射学报告疾病分类中的准确性和推理能力

Yishu Wei, Yi Lin, Adam Flanders, George Shih, Yifan Peng

机构 * Department of Population Health Sciences, Weill Cornell Medicine, New York, NY（人口健康科学系，韦尔·柯林斯医学中心，纽约，NY） ； Department of Radiology, Weill Cornell Medicine, New York, NY（放射科，韦尔·柯林斯医学中心，纽约，NY） ； Department of Radiology, Thomas Jefferson University, Philadelphia, PA（放射科，托马斯·杰斐逊大学，费城，PA） 纠错

专题命中 医学影像 ：radiology(title,abstract)

AI总结 本文提出两阶段方法，通过监督微调优化疾病标签，再用GRPO提升预测准确性与格式，增强推理能力。

Align then Refine: Text-Guided 3D Prostate Lesion Segmentation

对齐后再细化：基于文本的3D前列腺病变分割

Cuiling Sun, Linkai Peng, Adam Murphy, Elif Keles, Hiten D. Patel, Ashley Ross, Frank Miller, Baris Turkbey, Andrea Mia Bejar, Halil Ertugrul Aktas, Gorkem Durak, Ulas Bagci

机构 * Department of Radiology, Northwestern University, Chicago, USA（放射科，西北大学，芝加哥，美国） ； Department of Urology, Northwestern University, Chicago, USA（泌尿科，西北大学，芝加哥，美国） ； Center for Cancer Research, National Cancer Institute, Bethesda, USA（癌症研究中心，国家癌症研究所，贝塞斯达，美国） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出一种多编码器U-Net架构，通过引入对齐损失、热图损失和置信度门控多头交叉注意力细化模块，提升前列腺病变分割的精度和多模态融合能力。

Comments Accepted to EMBC 2026

You Point, I Learn: Online Adaptation of Interactive Segmentation Models for Handling Distribution Shifts in Medical Imaging

你指我学：用于处理医学影像分布偏移的交互分割模型在线适应

Wentian Xu, Ziyun Liang, Harry Anthony, Yasin Ibrahim, Felix Cohen, Guang Yang, Konstantinos Kamnitsas

机构 * Department of Engineering Science（工程科学系） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出一种交互分割模型在线适应方法，通过增强对点击的响应和伪地面真实处理，提升模型在医学影像分布偏移下的适应能力。

Comments Accepted at ICLR 2026

Non-linear associations of amyloid-$β$ with resting-state functional networks and their cognitive relevance in a large community-based cohort of cognitively normal older adults

淀粉样蛋白β与静息态功能网络的非线性关联及其在大规模社区基队列中认知相关性

Junjie Wu, Benjamin B Risk, Taylor A James, Nicholas Seyfried, David W Loring, Felicia C Goldstein, Allan I Levey, James J Lah, Deqiang Qiu

专题命中 医学影像 ：MRI(abstract)；pathology(abstract)；分类 q-bio

AI总结 研究探讨了淀粉样蛋白β与静息态功能网络的非线性关联，发现特定网络在无症状阿尔茨海默病阶段存在功能连接变化，且淀粉样蛋白相关网络连接与认知表现相关。

Journal ref Alz Res Therapy 18, 90 (2026)

Optimized encoding point distributions for efficient single-point imaging

优化编码点分布以实现高效的单点成像

Fabian Bschorr, Pia Gebhard, Tobias Speidel, Volker Rasche

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本文提出两种undersampling策略，通过优化Sobol序列生成的点分布，减少编码点数量并保持图像质量，提升加速2D SPI/CSI的成像效率。

Comments 12 pages, 5 figures

Fast and Accurate Inverse Blood Flow Modeling from Minimal Cuff-Pressure Data via PINNs

基于最小袖带压力数据的快速准确逆血流建模方法：通过PINNs

Sokratis J. Anagnostopoulos, Georgios Rovas, Lydia Aslanidou, Vasiliki Bikia, Nikolaos Stergiopulos

专题命中 医学影像 ：CT(abstract_cn)；diagnosis(abstract)

AI总结 本文提出一种非侵入性、患者特异性框架，结合验证过的1D动脉树模型与物理信息神经网络，通过最小袖带压力数据快速准确求解血流和压力场，实现个性化心脏输出和中央收缩压的识别。

Adversarial Attacks on Medical Hyperspectral Imaging Exploiting Spectral-Spatial Dependencies and Multiscale Features

针对医学超光谱成像的对抗攻击：利用光谱-空间依赖性和多尺度特征

Yunrui Gu, Zhenzhe Gao, Cong Kong, Jiawei Du, Zhaoxia Yin

机构 * East China Normal University, China（东华大学） ； Agency for Science, Technology and Research（科技研究局） 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出一种结构化对抗攻击框架，通过建模医学超光谱成像的局部光谱-空间依赖性和多尺度特征，提升模型鲁棒性，实验表明其在关键肿瘤区域更有效破坏病变分类性能。

Toward Clinically Acceptable Chest X-ray Report Generation: A Qualitative Retrospective Pilot Study of CXRMate-2

迈向临床可接受的胸部X光报告生成：CXRMate-2的定性回顾性试点研究

Aaron Nicolson, Elizabeth J. Cooper, Hwan-Jin Yoon, Claire McCafferty, Ramya Krishnan, Michelle Craigie, Nivene Saad, Jason Dowling, Ian A. Scott, Bevan Koopman

机构 * organization= Australian e-Health Research Centre, CSIRO Health ； organization= Princess Alexandra Hospital, Metro South Health , city= Brisbane , country= Australia ； organization= Queensland Digital Health Centre, University of Queensland , city= Brisbane , country= Australia ； Informatics Directorate, Metro South Hospital ； organization= School of Electrical Engineering ； Computer Science, University of Queensland , city= Brisbane , country= Australia 纠错

专题命中 医学影像 ：radiology(abstract)；分类 cs.CV

AI总结 本文提出CXRMate-2模型，通过结构化多模态条件与强化学习实现胸部X光报告生成，经多数据集验证在性能和临床可接受性上均优于现有方法。

Mammo-FM: Breast-specific foundational model for Integrated Mammographic Diagnosis, Prognosis, and Reporting

Mammo-FM：乳腺专用基础模型用于整合乳腺X线诊断、预后和报告

Shantanu Ghosh, Vedant Parthesh Joshi, Rayan Syed, Param Budhraja, Aya Kassem, Katelyn C. Morrison, Alex Tang, Ho Cheung Aiden Wong, Abhishek Varshney, Payel Basak, Weicheng Dai, Judy Wawira Gichoya, Hari M. Trivedi, Imon Banerjee, Shyam Visweswaran, Clare B. Poynton, Kayhan Batmanghelich

机构 * Department of Electrical and Computer Engineering, Boston University（波士顿大学电气与计算机工程系） ； Department of Computer Science, Boston University（波士顿大学计算机科学系） ； Data Science, Analytics and Engineering, Arizona State University（亚利桑那州立大学数据科学与工程） ； Center for Regenerative Medicine, Boston University Medical Campus（波士顿大学医学校区再生医学中心） ； Department of Radiology, Emory University（埃默里大学放射科） ； Department of Radiology, Mayo Clinic（梅奥诊所放射科） ； Chobanian & Avedisian School of Medicine, Boston, MA, USA（波士顿大学医学学院） ； Department of Biomedical Informatics, University of Pittsburgh（匹兹堡大学生物医学信息学系） ； Department of Computer Science, Dartmouth College（达特茅斯学院计算机科学系） ； Human-Computer Interaction, Carnegie Mellon University（卡内基梅隆大学人机交互） 纠错

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

AI总结 Mammo-FM是首个针对乳腺X线的专用基础模型，基于最大且多样化的数据集预训练，用于统一的乳腺影像核心临床任务，包括癌症诊断、病理定位、结构化报告生成和癌症风险预后。

Multi-Level Temporal Graph Networks with Local-Global Fusion for Industrial Fault Diagnosis

多级时序图网络与局部-全局融合用于工业故障诊断

Bibek Aryal, Gift Modekwe, Qiugang Lu

机构 * Department of Chemical Engineering, Texas Tech University（德克萨斯理工大学化学工程系） 纠错

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

AI总结 本文提出一种多级时序图网络，通过局部-全局特征融合提升工业故障诊断性能，实验表明其在复杂故障场景中表现优于基线方法。

StepFly: Agentic Troubleshooting Guide Automation for Incident Diagnosis

StepFly: 用于事件诊断的代理自动化故障排查指南

Jiayi Mao, Liqun Li, Yanjie Gao, Zegang Peng, Shilin He, Chaoyun Zhang, Si Qin, Samia Khalid, Qingwei Lin, Saravan Rajmohan, Sitaram Lanka, Dongmei Zhang

机构 * Tsinghua University（清华大学） ； Microsoft（微软） ； Microsoft Research（微软研究院） ； Renmin University of China（中国人民大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 StepFly通过三阶段框架实现故障排查指南自动化，提升TSG质量并支持并行执行，实测在GPT-4.1上达到94%的成功率。

Diagnosable ColBERT: Debugging Late-Interaction Retrieval Models Using a Learned Latent Space as Reference

可诊断的ColBERT：利用学习的潜在空间作为参考来调试后期交互检索模型

François Remy

机构 * Parallia AI 纠错

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

AI总结 本文提出Diagnosable ColBERT，通过将ColBERT的词嵌入对齐到基于临床知识的参考潜在空间，以更直接地诊断模型错误并指导数据整理。

When Can We Trust Deep Neural Networks? Towards Reliable Industrial Deployment with an Interpretability Guide

当我们可以信任深度神经网络？迈向可靠工业部署的可解释性指南

Hang-Cheng Dong, Yuhao Jiang, Yibo Jiao, Lu Zou, Kai Zheng, Bingguo Liu, Dong Ye, Guodong Liu

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

AI总结 本文提出一种基于事后解释的指标，用于检测二分类缺陷检测网络中的假阴性，通过计算类别特定判别热图与类别无关热图的交并比差异作为可靠性评分，并引入对抗增强方法以放大差异，实验证明该方法能有效识别假阴性，尽管牺牲了真阴性率。

LogosKG: Hardware-Optimized Scalable and Interpretable Knowledge Graph Retrieval

LogosKG：硬件优化的可扩展且可解释的知识图谱检索

He Cheng, Yifu Wu, Saksham Khatwani, Maya Kruse, Dmitriy Dligach, Timothy A. Miller, Majid Afshar, Yanjun Gao

机构 * LARK Lab, University of Colorado Anschutz（洛克拉克实验室，科罗拉多大学安施图茨分校） ； University of Colorado Boulder（科罗拉多大学波德分校） ； Loyola University Chicago（芝加哥洛克拉克大学） ； Harvard Medical School（哈佛医学院） ； Boston Children’s Hospital（波士顿儿童医院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 LogosKG通过符号知识图谱和硬件高效操作实现大规模知识图谱的多跳检索，提升效率与可解释性，展示出在生物医学知识与大语言模型推理对齐分析中的应用价值。

Comments Accepted to the ACL 2026 Main Conference. 9 pages

Structural Verification for Reliable EDA Code Generation without Tool-in-the-Loop Debugging

结构验证用于无需工具在回路调试的可靠EDA代码生成

Dinithi Jayasuriya, Aravind Saravanan, Nilesh Ahuja, Amanda Rios, Amit Trivedi

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出通过强制执行结构正确性来提高EDA代码生成的可靠性与效率，采用结构依赖图作为显式执行合同，并通过验证引导合成框架进行图条件检索、约束生成和分阶段预执行验证，从而在单步和多步任务中显著提升通过率。

RIFT: A RubrIc Failure Mode Taxonomy and Automated Diagnostics

RIFT：一种基于Rubric的故障模式分类和自动诊断

Zhengyang Qi, Charles Dickens, Derek Pham, Amanda Dsouza, Armin Parchami, Frederic Sala, Paroma Varma

机构 * Snorkel AI ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出RIFT框架，通过系统化分类rubric的故障模式，提升评估的可靠性与有效性，通过人类标注和自动指标验证了其一致性与实用性。

Quantum AI for Cancer Diagnostic Biomarker Discovery

量子AI用于癌症诊断生物标志物发现

Mandeep Kaur Saggi, Amandeep Singh Bhatia, Humaira Gowher, Sabre Kais

机构 * Department of Electrical and Computer Engineering, North Carolina State University, NC, USA（电气与计算机工程系，北卡罗来纳州立大学，NC，USA） ； Department of Biochemistry, Purdue University, IN, USA（生物化学系，普渡大学，IN，USA） ； Department of Chemistry, North Carolina State University, Raleigh, NC 27695（化学系，北卡罗来纳州立大学，雷德伍德，NC 27695） 纠错

专题命中 病理影像 ：biomedical(abstract)；分类 cs.LG、q-bio

AI总结 本文利用量子机器学习识别肺癌亚型特异性生物标志物，开发量子分类器提升诊断精度，并展示量子计算在处理大规模多组学数据中的优势。

Comments 25 pages, 15 figures

Adaptive MSD-Splitting: Enhancing C4.5 and Random Forests for Skewed Continuous Attributes

自适应MSD分割：增强C4.5和随机森林以处理偏斜的连续属性

Jake Lee

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出自适应MSD分割方法，通过动态调整标准差倍数来优化连续属性离散化，提升C4.5和随机森林的性能，实验证明在多个数据集上准确率提升2-4%。

Attend what matters: Leveraging vision foundational models for breast cancer classification using mammograms

关注关键内容：利用视觉基础模型进行乳腺癌分类的乳腺X线摄影研究

Samyak Sanghvi, Piyush Miglani, Sarvesh Shashikumar, Kaustubh R Borgavi, Veenu Singla, Chetan Arora

机构 * Department of Radiodiagnosis, PGIMER Chandigarh（放射诊断系，PGIMER昌迪加尔） 纠错

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

AI总结 本文提出利用视觉Transformer进行乳腺癌分类，通过区域兴趣点减少、对比学习和预训练ViT提升细粒度判别能力，实验显示优于现有基线。

REVEAL: Multimodal Vision-Language Alignment of Retinal Morphometry and Clinical Risks for Incident AD and Dementia Prediction

REVEAL：多模态视图-语言对齐的视网膜形态学与临床风险预测

Seowung Leem, Lin Gu, Chenyu You, Kuang Gong, Ruogu Fang

机构 * J. Crayton Pruitt Family Department of Biomedical Engineering, University of Florida（佛罗里达大学J. Crayton Pruitt家族生物医学工程系） ； Research Institute of Electrical Communication, Tohoku University（东北大学电气通信研究所） ； Department of Applied Mathematics & Statistics, Stony Brook University（石溪大学应用数学与统计学系） ； Department of Computer Science, Stony Brook University（石溪大学计算机科学系） 纠错

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

AI总结 REVEAL通过多模态对齐视网膜形态学与临床风险因素，提前8年预测阿尔茨海默病和痴呆症，优于现有模型。

Comments Accepted for publication a MIDL 2026

CoDA: Towards Effective Cross-domain Knowledge Transfer via CoT-guided Domain Adaptation

CoDA：通过引导式推理的领域适应实现有效的跨领域知识迁移

Jianzhi Yan, Le Liu, Buzhou Tang, Yang Xiang, Dongning Sun, Zhiming Li

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 针对跨领域知识迁移中领域分布偏移问题，CoDA通过轻量适配器和基于特征的知识蒸馏结合MMD分布匹配，有效对齐源域与目标域的潜在推理表示，提升逻辑推理任务性能。

Comments 12 pages, 6 figures

Competition between acoustic radiation force and streaming-induced drag force in focused beams for 3D cell trapping

聚焦光束中声辐射力与流体诱导拖力的竞争

Shiyu Li, Zhixiong Gong

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究聚焦光束中声辐射力与流体诱导拖力的竞争，推导出流体从粘性到惯性 regime 的流速标度律，并提出 Schiller-Naumann 模型改进拖力估算，揭示轴向辐射力与拖力比非单调变化的特性。

Model-Agnostic Meta Learning for Class Imbalance Adaptation

面向类别不平衡适应的模型无关元学习

Hanshu Rao, Guangzeng Han, Xiaolei Huang

机构 * University of Memphis（密苏里大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出HAMR框架，通过双层优化和邻域感知重采样解决类别不平衡问题，实验表明在多个领域数据集上有效提升少数类性能。

Comments Accepted to Findings of ACL 2026

Variable Selection in Functional Linear Cox Model

功能线性Cox模型中的变量选择

Yuanzhen Yue, Stella Self, Yichao Wu, Jiajia Zhang, Rahul Ghosal

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种用于功能线性Cox模型的新型变量选择方法，结合了光滑性和稀疏性，通过模拟研究验证了其在变量选择和估计中的有效性，并应用于NHANES数据揭示了体力活动分布模式与全因死亡率的关系。