arXivDaily arXiv每日学术速递 周一至周五更新

科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

2026-04-24 至 2026-04-24 共收录 4 信号源:cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 生物医学文本 4 篇

2604.20906 2026-04-24 cs.SE cs.AI 78%

Biomedical systems biology workflow orchestration and execution with PoSyMed

生物医学系统生物学工作流编排与执行与PoSyMed

Simon Süwer, Zoe Chervontseva, Kester Bagemihl, Jan Baumbach, Olga Tsoy, Andreas Maier

机构 * Institute for Computational Systems Biomedicine, University of Hamburg(计算系统生物医学研究所,汉堡大学) Faculty of Science, Computer Science, Vrije Universiteit Amsterdam(科学与计算机科学学院,阿姆斯特丹自由大学) Department for Mathematics and Computer Science, University of Southern Denmark(数学与计算机科学系,南丹麦大学)

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

AI总结 PoSyMed平台通过模块化架构和容器化流程,提升生物医学分析的可重复性与透明度,利用大语言模型辅助工具识别与参数设置。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20853 2026-04-24 cs.IR 78%

A Systematic Study of Biomedical Retrieval Pipeline Trade-offs in Performance and Efficiency

生物医学检索流水线性能与效率权衡的系统研究

Hayk Stepanyan, Matthew McDermott

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

AI总结 本文通过实证研究探讨了生物医学检索流水线设计对性能和效率的影响,发现语料聚合优于绝对检索质量,MedRAG/pubmed在图基(HNSW)索引下达到性能效率最优平衡。

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20993 2026-04-24 cs.LG 57%

Droplet-LNO: Physics-Informed Laplace Neural Operators for Accurate Prediction of Droplet Spreading Dynamics on Complex Surfaces

液滴-LNO:用于复杂表面液滴扩展动力学准确预测的物理信息拉普拉斯神经算子

Ganesh Sahadeo Meshram, Partha Pratim Chakrabarti, Suman Chakraborty

机构 * Department of Mechanical Engineering, IIT Kharagpur(印度克里希纳加尔帕大学机械工程系) Department of Computer Science & Engineering, IIT Kharagpur(印度克里希纳加尔帕大学计算机科学与工程系)

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

AI总结 本文提出PI-LNO,通过拉普拉斯变换建模液滴扩展的指数瞬态动力学,利用物理正则化复合损失提升预测精度。

Comments 36 pages, 8 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20942 2026-04-24 q-bio.QM q-bio.BM 54%

VARIANT: Web Server for Decoding and Analyzing Viral Mutations at Genome and Protein Levels

VARIANT:用于病毒突变解码和分析的网页服务器

Rui Wang, Xuhang Dai, Xin Cao, Changchuan Yin, Tamar Schlick, Guo-Wei Wei

专题命中 生物医学文本 :diagnosis(abstract);分类 q-bio

AI总结 VARIANT通过分析病毒基因组和蛋白质的突变模式,帮助理解病毒进化与疾病传播,支持多种病毒家族的突变分析,并提供实时可视化和结构化结果下载。

Comments 15 pages, 5 figures

详情

展开后加载摘要…

URL PDF HTML 收藏