医学 AI

Knee Osteoarthritis Severity Grading Using Optimized Deep Learning and LLM-Driven Intelligent AI on Computationally Limited Systems

利用优化深度学习和LLM驱动智能AI对膝骨关节炎严重程度进行分级

Dayam Nadeem, Neha, Safdar Mustafa, Adnan Alvi, Mohd Hussain

机构 * Jamia Hamdard（贾迈亚哈姆达德大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出结合深度学习CNN与TensorFlow Lite平台的自动诊断方法，用于膝骨关节炎严重程度分级，通过迁移学习和优化模型实现94.48%的测试准确率，并利用Gemini-2.0-flash生成解释性结果，提升AI辅助筛查的可及性。

Comments 6 pages, 11 figures, Accepted and presented at the 2nd International Conference on Emerging Computational Intelligence (ICECI 2026), IEEE. Published in conference proceedings. To appear in IEEE Xplore

Detecting Time Series Anomalies Like an Expert: A Multi-Agent LLM Framework with Specialized Analyzers

像专家一样检测时间序列异常：一种多智能体LLM框架与专用分析器

Hyeongwon Kang, Jeongseob Kim, Jinwoo Park, Pilsung Kang

机构 * Department of Industrial and Management Engineering（工业与管理工程系） ； Korea University（韩国大学） ； Department of Industrial Engineering（工业工程系） ； Seoul National University（首尔国立大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出SAGE框架，通过四个专用分析器检测单变量时间序列的异常，结合数值工具和可视化生成证据，提升异常检测的可靠性与实用性。

Comments Preprint. 9 pages main text, 29 pages total, 8 figures, 9 tables, with appendix

Passive Fault Tolerance through Tension-to-Thrust Feed-Forward: Hybrid Input-to-State Stability for Decentralized Multi-UAV Slung-Load Transport under Abrupt Cable Severance

通过张力到推力前馈实现被动容错：用于突发缆线断裂下分布式多无人机吊挂运输的混合输入到状态稳定性

Hadi Hajieghrary, Paul Schmitt

机构 * Independent Researcher（独立研究者） ； Reynolds & Moore 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种被动架构，通过将每个无人机测量的缆线张力直接输入到其高度推力指令中，以实现突发缆线断裂下的分布式多无人机吊挂运输的混合输入到状态稳定性。

Comments Submitted for review at IEEE Transactions on Control Systems Technology For the paper and simulation code see: https://github.com/Hadi-Hajieghrary/Tether_Grace.git

A Detection-Gated Pipeline for Robust Glottal Area Waveform Extraction and Clinical Pathology Assessment

一种用于鲁棒声门面积波形提取和临床病理评估的检测门控流程

Harikrishnan Unnikrishnan, Rita Patel

机构 * Orchard Robotics ； Department of Speech, Language, and Hearing Sciences（语音、语言和听力科学系） ； Indiana University（印第安纳大学） ； Department of Otolaryngology–Head and Neck Surgery（耳鼻喉科-头颈外科系） ； Indiana University School of Medicine（印第安纳大学医学院） 纠错

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

AI总结 本文提出一种两阶段模块化声门面积分割框架，用于高速视频喉镜，实现高精度、通用性和实时回放。结合YOLOv8n声门定位器和U-Net分割器，通过声门闭合时的门控机制减少伪分割。在GIRAFE和BAGLS数据集上训练，跨数据集评估显示其Dice相似系数达0.745，性能优于现有方法。

Comments for associated code see: https://github.com/hari-krishnan/openglottal

Feature Dimensionality Outweighs Model Complexity in Breast Cancer Subtype Classification Using TCGA-BRCA Gene Expression Data

特征维度在利用TCGA-BRCA基因表达数据进行乳腺癌亚型分类中优于模型复杂度

Meena Al Hasani

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究评估了模型复杂度和特征选择对乳腺癌亚型分类的影响，发现逻辑回归在亚型层面表现稳定，而随机森林在少数亚型上表现欠佳，SVM对特征维度敏感。

Comments 8 pages, 4 figures, 3 tables. Independent research study using TCGA-BRCA RNA-seq data

PathRWKV: Enhancing Whole Slide Image Inference with Asymmetric Recurrent Modeling

PathRWKV: 通过非对称递归建模提升全滑片图像推理

Tianyi Zhang, Sicheng Chen, Borui Kang, Dankai Liao, Qiaochu Xue, Bochong Zhang, Fei Xia, Zeyu Liu, Yueming Jin

专题命中 病理影像 ：diagnosis(abstract)；分类 q-bio、eess.IV

AI总结 本文提出PathRWKV模型，通过非对称结构和位置编码解决全滑片图像分析中的内存效率、过拟合和空间结构问题，实验显示其在11个数据集上优于现有方法。

Comments 14 pages, 6 figures

Cumulative-Goodness Free-Riding in Forward-Forward Networks: Real, Repairable, but Not Accuracy-Dominant

累积良好性免费搭车在前向-前向网络中：真实、可修复，但不主导精度

Amirhossein Yousefiramandi

机构 * Amirhossein Yousefiramandi（阿米尔霍西·尤塞菲拉曼迪） 纠错

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

AI总结 本文研究了前向-前向网络中累积良好性免费搭车现象，提出三种局部修复方法提升层间分离度，实验表明在CIFAR-10和CIFAR-100上深度层分离度显著提升，但对精度影响有限。

Feature Starvation as Geometric Instability in Sparse Autoencoders

稀疏自编码器中的特征枯竭作为几何不稳定性

Faris Chaudhry, Keisuke Yano, Anthea Monod

机构 * Imperial College London South Kensington Campus（伦敦帝国理工学院南肯辛顿校区） ； Institute for Statistical Mathematics（统计数学研究所） 纠错

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

AI总结 本文提出了一种自适应弹性净稀疏自编码器（AEN-SAEs），通过引入ℓ2结构项和自适应ℓ1重新加权，解决稀疏自编码器中的特征枯竭问题，同时保持重建能力。

Comments 26 pages, 3 figures, 5 tables

The Cost of Context: Mitigating Textual Bias in Multimodal Retrieval-Augmented Generation

上下文的成本：减轻多模态检索增强生成中的文本偏差

Hoin Jung, Xiaoqian Wang

机构 * Elmore Family School of Electrical and Computer Engineering（埃尔莫夫家族电气与计算机工程学院） 纠错

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

AI总结 本文探讨了多模态大语言模型在整合检索增强生成时出现的文本偏差问题，提出BAIR方法通过恢复视觉显著性并施加位置感知惩罚来提升多模态接地和诊断可靠性。

Biomedical Open Source Software: Crucial Packages and Hidden Heroes

生物医学开源软件：关键包与隐形英雄

Eva Maxfield Brown, Stephan Druskat, Laurent Hébert-Dufresne, James Howison, Daniel Mietchen, Andrew Nesbitt, João Felipe Pimentel, Boris Veytsman

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

AI总结 研究通过分析生物医学论文中使用的软件依赖关系，识别出对科学软件生态系统至关重要的关键包，提出软件依赖网络的中心性指标，分析PyPi、CRAN和Bioconductor三个生态系统。

Comments 20 pages, 3 figures, 5 tables. Accepted for publication in PLOS Computational Biology

Robustness of Graph Self-Supervised Learning to Real-World Noise: A Case Study on Text-Driven Biomedical Graphs

图自监督学习在现实世界噪声中的鲁棒性：基于文本驱动的生物医学图的案例研究

Othmane Kabal, Mounira Harzallah, Fabrice Guillet, Hideaki Takeda, Ryutaro Ichise

机构 * National Institute of Informatics（国家信息研究所） ； Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 本文研究了图自监督学习在现实世界噪声下的鲁棒性，提出NATD-GSSL框架，通过对比噪声图与清洁图评估方法，发现关系重建对噪声敏感而特征重建更鲁棒，GNN架构对噪声也有显著影响。

Eliciting associations between clinical variables from LLMs via comparison questions across populations

通过跨人群比较问题从LLMs中提取临床变量之间的关联

Fabian Kabus, Kian Kordtomeikel, Thomas Brox, Heinz Wiendl, Daiana Stolz, Harald Binder

机构 * Institute of Medical Biometry and Statistics (IMBI), Medical Center, University of Freiburg（弗赖堡大学医学生物统计学研究所（IMBI）、弗赖堡大学医学中心） ； Department of Computer Science, Faculty of Engineering, University of Freiburg（弗赖堡大学工程学院计算机科学系） ； Department of Pneumology, Medical Center, University of Freiburg（弗赖堡大学呼吸科医学中心） ； Department of Neurology and Neurophysiology, Medical Center, University of Freiburg（弗赖堡大学神经学与神经生理学医学中心） 纠错

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

AI总结 本文提出通过结构化比较问题从LLMs中提取临床变量关联，结合统计模型估计相关性，验证在COPD和MS领域中获得保守的因果预测候选链接。

BioResearcher: Scenario-Guided Multi-Agent for Translational Medicine

BioResearcher: 用于转化医学的场景引导多智能体系统

Remigiusz Kinas, Joanna Krawczyk, Rafał Powalski, Przemysław Pietrzak, Agnieszka Kowalewska, Krzysztof Kolmus, Maciej Sypetkowski, Łukasz Smoliński, Tomasz Jetka

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

AI总结 本文提出BioResearcher，一种场景引导的多智能体系统，通过版本化研究 playbook 将查询映射到多种工具和机器学习端点，实现跨异构生物医学数据源的可审计、场景特定工作流。系统在单元级能力、开放性生物医学推理和端到端临床发现中均表现优异。

Comments 5 pages (main text), 21 pages (appendix), 8 figures, 11 tables

Unbiased estimation in two-stage adaptive enrichment designs

两阶段自适应富集设计中的无偏估计

Enyu Li, Nigel Stallard, Ekkehard Glimm, Peter K. Kimani

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种通用的子人群选择规则框架，推导出统一最小方差条件无偏估计器UMVCUE，解决自适应富集设计中的选择偏差问题，提升药物开发的效率和伦理性。

Benchmarking PNW Model for MedMNIST to 100% Accuracy

对MedMNIST进行PNW模型基准测试以实现100%准确率

Bo Deng

机构 * Department of Mathematics（数学系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出人工特殊智能概念，通过无错误训练使分类模型避免重复错误，应用于18个MedMNIST数据集，除三个存在双标签问题的集外，其余均达到100%准确率。

Comments 12 pages, 4 figure, 1 table

Decentralized Attention Fails Centralized Signals: Rethinking Transformers for Medical Time Series

去中心化注意力失败于中心化信号：重新思考用于医疗时间序列的Transformer

Guoqi Yu, Juncheng Wang, Chen Yang, Jing Qin, Angelica I. Aviles-Rivero, Shujun Wang

机构 * Department of Biomedical Engineering, PolyU（PolyU 生物医学工程系） ； School of Nursing, PolyU（PolyU 护理学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤太数学科学中心） 纠错

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

AI总结 本文提出CoTAR模块，通过集中化MLP替代去中心化注意力，以更好地捕捉医疗时间序列数据中的中心化依赖关系，提升模型效果与效率。

Comments Accepted by ICLR 2026 (Oral). arXiv admin note: text overlap with arXiv:2405.19363 by other authors

Unsupervised Anomaly Detection in Wearable Foot Sensor Data: A Baseline Feasibility Study Towards Diabetic Foot Ulcer Prevention

无监督的可穿戴足部传感器数据异常检测：一种面向糖尿病足溃疡预防的基线可行性研究

Md Tanvir Hasan Turja

机构 * Department of Computer Science, Middlesex University London（伦敦Middlesex大学计算机科学系） 纠错

专题命中 健康监测 ：biomedical(comments,journal_ref)；分类 cs.LG、q-bio

AI总结 本文研究了利用无监督算法检测可穿戴足部传感器数据中的异常，通过温度和压力信号分析，建立基线模型以评估糖尿病足溃疡预防的可行性。

Comments 36 pages, 19 figures. Published in Biomedical Signal Processing and Control, Vol. 123, Part A, 110416, September 2026. https://doi.org/10.1016/j.bspc.2026.110416

Journal ref Biomedical Signal Processing and Control, Vol. 123, Part A, 110416 (2026)

BioTool: A Comprehensive Tool-Calling Dataset for Enhancing Biomedical Capabilities of Large Language Models

BioTool: 一个全面的工具调用数据集，用于增强大语言模型的生物医学能力

Xin Gao, Ruiyi Zhang, Meixi Du, Peijia Qin, Pengtao Xie

机构 * UC San Diego（圣迭戈大学） ； MBZUAI（马克斯·普朗克智能系统研究所） 纠错

专题命中 医学数据与评测 ：biomedical(title,abstract)

AI总结 BioTool通过整合生物医学领域常用工具及高质量查询-API调对，提升大语言模型在生物医学任务中的工具调用能力，实验表明其在生物医学领域表现优于现有商业模型。

Comments Published at ACL 2026; Code and data available at https://github.com/gxx27/BioTool

Are We Making Progress in Multimodal Domain Generalization? A Comprehensive Benchmark Study

我们是否在多模态领域泛化中取得进展？一个全面的基准研究

Hao Dong, Hongzhao Li, Shupan Li, Muhammad Haris Khan, Eleni Chatzi, Olga Fink

机构 * ETH Zürich（苏黎世联邦理工学院） ； Zhengzhou University（郑州大学） ； MBZUAI（马克斯·普朗克人工智能研究所） ； EPFL（苏黎世联邦理工学院） 纠错

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

AI总结 本文通过MMDG-Bench基准测试，评估了多模态领域泛化方法的有效性，发现现有方法在公平比较下进步有限，且存在领域和模态配置差异，揭示了领域泛化仍需进一步改进。

Comments Code: https://github.com/lihongzhao99/MMDG_Benchmark

RAM-H1200: A Unified Evaluation and Dataset on Hand Radiographs for Rheumatoid Arthritis

RAM-H1200：手部放射影像中类风湿性关节炎的统一评估与数据集

Songxiao Yang, Haolin Wang, Yao Fu, Junmu Peng, Lin Fan, Hongruixuan Chen, Jian Song, Masayuki Ikebe, Shinya Takamaeda-Yamazaki, Masatoshi Okutomi, Tamotsu Kamishima, Yafei Ou

机构 * Institute of Science Tokyo（东京科学研究所） ； Hokkaido University（北海道大学） ； Southwest Jiaotong University（西南交通大学） ； RIKEN（理化学研究所） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出RAM-H1200数据集，用于评估模型在手部放射影像中联合捕捉解剖结构、局部侵蚀性病变和临床标准化RA严重程度的能力，包含1200张放射影像及多级标注。

Comments 50 pages, 24 figures, 25 tables

A Unified Benchmark for Evaluating Knowledge Graph Construction Methods and Graph Neural Networks

面向知识图谱构建方法和图神经网络的统一基准

Othmane Kabal, Mounira Harzallah, Fabrice Guillet, Hideaki Takeda, Ryutaro Ichise

机构 * Nantes University, LS2N（南特大学，LS2N） ； National Institute of Informatics（国家信息研究所） ； Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 本文提出一个统一基准，用于评估知识图谱构建方法和图神经网络在噪声文本图上的性能，以及图构建方法在下游任务中的有效性。

MediEval: A Unified Medical Benchmark for Patient-Contextual and Knowledge-Grounded Reasoning in LLMs

MediEval: 一个统一的医疗基准，用于评估大语言模型在患者上下文和知识引导推理中的表现

Zhan Qu, Michael Färber

机构 * TU Dresden and ScaDS.AI（德累斯顿理工大学和ScaDS.AI） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 MediEval通过整合MIMIC-IV电子健康记录与统一的知识库，系统评估医疗模型的知识基础和上下文一致性，识别关键失败模式并提出CoRFu方法提升准确性和安全性。

Beyond Static Snapshots: A Grounded Evaluation Framework for Language Models at the Agentic Frontier

超越静态快照：语言模型在代理前沿的 grounded 评估框架

Jazmia Henry

机构 * University of Oxford（牛津大学） 纠错

专题命中 医学数据与评测 ：pathology(abstract)

AI总结 本文提出 grounded continuous evaluation 框架，通过 deterministic verifier 和 CPU 更新 LoRA adapters，解决 reward hacking 和硬件限制问题，并在多个架构和领域验证其有效性。

Comments Submitted for consideration to NeurIPS 2026