医学 AI

Benchmark of Segmentation Techniques for Pelvic Fracture in CT and X-ray: Summary of the PENGWIN 2024 Challenge

CT和X射线中骨盆骨折分割技术的基准测试：PENGWIN 2024挑战总结

Yudi Sang, Yanzhen Liu, Sutuke Yibulayimu, Yunning Wang, Benjamin D. Killeen, Mingxu Liu, Ping-Cheng Ku, Ole Johannsen, Karol Gotkowski, Maximilian Zenk, Klaus Maier-Hein, Fabian Isensee, Peiyan Yue, Yi Wang, Haidong Yu, Zhaohong Pan, Yutong He, Xiaokun Liang, Daiqi Liu, Fuxin Fan, Artur Jurgas, Andrzej Skalski, Yuxi Ma, Jing Yang, Szymon Płotka, Rafał Litka, Gang Zhu, Yingchun Song, Mathias Unberath, Mehran Armand, Dan Ruan, S. Kevin Zhou, Qiyong Cao, Chunpeng Zhao, Xinbao Wu, Yu Wang

机构 * Beijing Rossum Robot Technology Co., Ltd.（北京罗素机器人科技有限公司） ； Key Laboratory of Biomechanics and Mechanobiology, Ministry of Education, Beijing Advanced Innovation Center for Biomedical Engineering, School of Biological Science and Medical Engineering, Beihang University（生物力学与机械生物学重点实验室，教育部，北京生物医学创新中心，生物科学与医学工程学院，北航） ； Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学） ； Division of Medical Image Computing, German Cancer Research Center (DKFZ)（医学影像计算部，德国癌症研究中心（DKFZ）） ； Helmholtz Imaging, Heidelberg（海德堡大学医院影像中心） ； Smart Medical Imaging, Learning and Engineering (SMILE) Lab, Medical UltraSound Image Computing（智能医学影像、学习与工程（SMILE）实验室，医学超声影像计算） 纠错

专题命中 医学影像 ：CT(title,title_cn)；diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文通过PENGWIN 2024挑战评估了CT和X射线中骨盆骨折分割技术，发现CT分割准确率较高，但X射线分割仍需进一步改进，揭示了分割方法的多样性及片段定义的不确定性。

Comments PENGWIN 2024 Challenge Report

AGA3DNet: Anatomy-Guided Gaussian Priors with Multi-view xLSTM for 3D Brain MRI Subtype Classification

AGA3DNet：基于解剖的高斯先验与多视角xLSTM用于3D脑MRI亚型分类

Peiyu Duan, Xueqi Guo, Sepehr Farhand, Mehmet Berk Sahin, Xinyuan Zheng, James S. Duncan, Gerardo Hermosillo Valadez, Yoshihisa Shinagawa

机构 * Yale University（耶鲁大学） ； Siemens Healthineers（西门子医疗） ； Purdue University（普渡大学） 纠错

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

AI总结 AGA3DNet结合解剖短语和轻量3D CNN与多视角xLSTM，通过高斯加权提供可解释的解剖引导，提升3D脑MRI亚型分类性能。

Comments CVPR CV4CLINIC 2026

Multimodal synthesis of MRI and tabular data with diffusion in a joint latent space via cross-attention

通过交叉注意力在联合潜在空间中利用扩散模型进行MRI和表格数据的多模态合成

Daniel Mensing, Jan Kapar, Jochen G. Hirsch, Matthias Günther, Horst Hahn, Marvin N. Wright

机构 * Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学研究所MEVIS） ； Leibniz Institute for Prevention Research and Epidemiology – BIPS（莱比锡预防研究与流行病学研究所 – BIPS） ； Faculty of Mathematics and Computer Science, University of Bremen（不莱梅大学数学与计算机科学学院） ； Faculty of Physics and Electrical Engineering, University of Bremen（不莱梅大学物理与电气工程学院） 纠错

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

AI总结 本文提出了一种多模态潜在扩散模型，通过交叉注意力在共享潜在空间中联合生成MRI和临床表格数据，验证了在单一扩散框架中联合建模MRI和混合类型表格数据的可行性。

Journal ref Proc. SPIE 13925, Medical Imaging 2026: Image Processing, 139252D (April 03, 2026)

TumorXAI: Self-Supervised Deep Learning Framework for Explainable Brain MRI Tumor Classification

TumorXAI: 基于自监督深度学习的可解释性脑部MRI肿瘤分类框架

Abrar Hossain Zahin, Amit Kumar Saha, Tanvir Mridha, Saifur Rahman, Jannatul Ferdous Prome, Raima Husna, Israt Jahan, Ahmed Wasif Reza

机构 * Department of Computer Science and Engineering, East West University（东-西大学计算机科学与工程系） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；diagnosis(abstract)

AI总结 本文提出TumorXAI框架，利用自监督学习对脑部MRI肿瘤进行多类分类，通过预处理、微调和线性评估等步骤，展示自监督模型在有限标注数据下优于监督方法的性能，并结合Grad-CAM等技术提升可解释性。

Comments 16 pages, 9 figures, 6 Tables

Contrast-X: A Multi-Modal Contrast Image Synthesis Benchmark and Universal Modality Flow Matching

Contrast-X：一个多模态对比图像合成基准及通用模态流匹配

Yifan Chen, Fei Yin, Hao Chen, Jia Wu, Chao Li

机构 * University of Cambridge（剑桥大学） ； MD Anderson Cancer Center（MD安德森癌症中心） ； University of Dundee（邓迪大学） 纠错

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

AI总结 Contrast-X通过多器官CT和乳腺DCE-MRI数据，提出FlowMI模型解决多模态缺失问题，评估合成图像质量及跨器官泛化能力。

Benchmarking Foundation Models for Renal Lesion Stratification in CT

对CT中肾病变分层的医学基础模型进行基准测试

Hartmut Häntze, Sarah de Boer, Myrthe Buser, Alessa Hering, Bram van Ginneken, Mathias Prokop, Jawed Nawabi, Sebastian Ziegelmayer, Lisa Adams, Keno Bressem

机构 * Charité - Universitätsmedizin Berlin, Department of Radiology（柏林夏里特大学医学院放射科） ； Radboudumc, Diagnostic Image Analysis Group（拉德堡德大学医学中心影像分析组） ； Klinikum rechts der Isar, TUM University Hospital, Technical University of Munich（慕尼黑技术大学慕尼黑大学医院克林克姆右岸诊所） ； Charité - Universitätsmedizin Berlin, Institute of Neuroradiology（柏林夏里特大学医学院神经放射科） ； German Heart Center, TUM University Hospital, Technical University of Munich（德国心脏中心，慕尼黑技术大学慕尼黑大学医院） 纠错

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

AI总结 本文通过对比三种医学基础模型在CT肾病变分类任务中的表现，发现传统放射组学方法在性能上优于深度学习方法，表明当前通用基础模型在捕捉细粒度纹理和形状异质性方面仍有不足。

Comments 13 pages, 4 figures

Edge Detection for Organ Boundaries via Top Down Refinement and SubPixel Upsampling

通过自上而下细化和子像素上采样进行器官边界检测

Aarav Mehta, Priya Deshmukh, Vikram Singh, Siddharth Malhotra, Krishnan Menon Iyer, Tanvi Iyer

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

AI总结 本文提出一种医学聚焦的清晰边缘检测器，通过自上而下反向细化架构和子像素上采样，提升器官边界定位精度，实验表明在严格标准下优于传统方法，提升分割、配准和病变界定效果。

Comments arXiv admin note: This submission has been withdrawn due to violation of arXiv policies for acceptable submissions

Knowledge Transfer Scaling Laws for 3D Medical Imaging

三维医学影像中的知识迁移扩展定律

Ho Hin Lee, Dongna Du, Chu Wang, Yuankai Huo, Shi Gu, James C. Gee, Yifan Wu

机构 * Vanderbilt University（范德比大学） ； Zhejiang University（浙江大学） ； McGill University（麦吉尔大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文研究了三维医学影像中不同域的预训练扩展规律，提出基于可转移性的数据分配方法，提升跨域迁移效果，实验表明该方法在疾病分类和器官分割任务中表现更优。

Comments 20 Pages

Multi-Modal Multi-Agent Reinforcement Learning for Radiology Report Generation

多模态多智能体强化学习在放射学报告生成中的应用

Kaito Baba, Risa Kishikawa, Satoshi Kodera

机构 * Department of Cardiovascular Medicine（心血管医学科） 纠错

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

AI总结 本文提出MARL-Rad框架，通过多智能体强化学习提升放射学报告生成的临床效果，通过联合优化区域特定智能体和全局整合智能体，提高报告的准确性和一致性。

Comments 23 pages, 4 figures

Dino U-Net: Exploiting High-Fidelity Dense Features from Foundation Models for Medical Image Segmentation

Dino U-Net：利用基础模型的高保真密集特征进行医学图像分割

Haoyue Li, Yifan Gao, Feng Yuan, Xiaosong Wang, Xin Gao

机构 * School of Biomedical Engineering (Suzhou), Division of Life Science and Medicine, University of Science and Technology of China, Hefei, China（生物医学工程学院（苏州），生命科学与医学系，中国科学技术大学，合肥，中国） ； Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, China（苏州生物医学工程与技术研究所，中国科学院，苏州，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Medical School of Tianjin University, Tianjin, China（天津大学医学院，天津，中国） ； Jinan Guoke Medical and Technology Development Co., Ltd., Pharmaceutical Valley New Drug Creation Platform, Jinan, China（济南国科医药科技发展有限公司，药谷新药创制平台，济南，中国） 纠错

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

AI总结 本文提出Dino U-Net，通过融合DINOv3模型的语义特征与低层空间细节，提升医学图像分割精度，实验表明其在多种影像模态中均优于现有方法。

Comments MICCAI 2026

John Equation Constraints for the 3D X-ray Transform under a Cylindrical-Spherical Mixed Parameterization: Theoretical Derivation, Experimental Validation, and Application Analysis

三维X射线变换在柱-球混合参数化下的John方程约束：理论推导、实验验证与应用分析

Shaojie Tang, Zhiwei Qiao, Xuanqin Mou

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 本文推导了三维空间中柱-球混合参数化下的John方程约束，通过数学推导和简化，建立了理论与CT成像几何的桥梁，并为数据一致性验证和重建提供工具。

S2M-Net: Spectral-Spatial Mixing for Medical Image Segmentation with Morphology-Aware Adaptive Loss

S2M-Net：基于光谱-空间混合的医学图像分割方法：具有形态感知自适应损失

Md. Sanaullah Chowdhury Lameya Sabrin

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

AI总结 S2M-Net通过光谱选择性令牌混合和形态感知自适应分割损失，在保持全局上下文的同时实现局部精度与计算效率的平衡，取得医学图像分割的最新成果。

Comments I would like to withdraw the paper from arXiv because the current version contains issues that need to be carefully revised before public dissemination

Pan-FM: A Pan-Organ Foundation Model with Saliency-Guided Masking for Missing Robustness

Pan-FM：一种具有显著性引导掩码的全器官基础模型以实现缺失鲁棒性

Qiangqiang Wu, Grace McIlvain, Zhou Yu, Junhao Wen

机构 * Laboratory of AI and Biomedical Science（人工智能与生物医学科学实验室） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 Pan-FM通过显著性引导掩码技术，解决多模态生物医学数据缺失问题，提升全器官表示学习的鲁棒性，优于单器官和多器官基线模型。

DINO-MVR: Multi-View Readout of Frozen DINOv3 for Annotation-Efficient Medical Segmentation

DINO-MVR：基于冻结DINOv3的多视角读取用于标注高效的医学分割

Wei Jiang, Feng Liu, Nan Ye, Hongfu Sun

机构 * The University of Queensland（昆士兰大学） ； The University of Newcastle（新castle大学） 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DINO-MVR框架，利用冻结的DINOv3特征进行多视角读取，实现高效的医学分割，仅需轻量MLP探针即可在有限标注下获得高Dice系数表现。

Electronic excitations in the Shastry-Sutherland compound SrCu$_2$(BO$_3$)$_2$

SrCu₂(BO₃)₂中的电子激发

Tariq Leinen, Ola K. Forslund, Eugenio Paris, Nicola Colonna, Marco Caputo, Johan Chang, Gabriel Nagamine, Takashi Tokushima, Conny Såthe, Pascal Puphal, Jeremie Teyssier, Thorsten Schmitt, Nikolay A. Bogdanov, Maria Daghofer, Adrian L. Cavalieri, Flavio Giorgianni

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究SrCu₂(BO₃)₂中电子激发特性，结合RIXS、光学光谱和电子结构计算，确定局部和能带激发能量标度，为量子磁性模型提供基准。

Overcoming data scarcity through multi-center federated learning for organs-at-risk segmentation in pediatric upper abdominal radiotherapy

通过多中心联邦学习克服数据稀缺性以实现儿童上腹部放疗中的器官-at-risk分割

Mianyong Ding, Maximilian Knoll, Semi Harrabi, Martine van Grotel, Annemieke S. Littooij, Max van Noesel, Jens-Peter Schenk, Marry M. van den Heuvel-Eibrink, Geert O. Janssens, Matteo Maspero

机构 * Princess Máxima Centre for Pediatric Oncology ； University Medical Centre Utrecht ； Centre for Image Sciences, University Medical Centre Utrecht ； University Hospital Heidelberg ； University Medical Center Utrecht ； Division Imaging & Cancer, University Medical Center Utrecht ； Division of Pediatric Radiology, Department of Diagnostic and Interventional Radiology, University Hospital Heidelberg ； Wilhelmina Children’s Hospital-Division of CHILD HEALTH, University Medical Centre Utrecht, University of Utrecht 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文提出利用联邦学习解决儿童上腹部放疗中器官-at-risk分割的数据稀缺问题，通过多中心协作训练提升模型泛化能力，实验显示联邦学习在跨中心性能和稳定性方面优于本地模型。

Medical Imaging Classification with Cold-Atom Reservoir Computing using Auto-Encoders and Surrogate-Driven Training

利用冷原子共振计算进行医学影像分类：结合自编码器和代理驱动训练

Nuno Batista, Ana Morgado, Oscar Ferraz, Sagar Silva Pratapsi, Jorge Lobo, Gabriel Falcao

机构 * Instituto de Telecomunicações, Dept. of Electrical and Computer Engineering, University of Coimbra, Portugal（葡萄牙科英布拉大学电信研究所，电气与计算机工程系） ； ISR - Institute of Systems and Robotics, Dept. of Electrical and Computer Engineering, University of Coimbra, Portugal（葡萄牙科英布拉大学系统与机器人研究所，电气与计算机工程系） ； CFisUC, Department of Physics, University of Coimbra, Portugal（葡萄牙科英布拉大学物理系，CFisUC） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.LG、eess.IV

AI总结 本文提出基于中性原子共振计算的混合量子-经典管道，用于医学图像分类，特别是息肉检测的二分类任务。通过引导自编码器处理高维数据，结合可微代理模型克服量子测量非可微问题，提升分类准确性和图像恢复能力。

Comments 8 pages, 6 figures. Accepted to the 2025 IEEE International Conference on Quantum AI (IEEE QAI). Supported by FCT and the Open Quantum Institute (OQI)

Journal ref 2025 IEEE International Conference on Quantum Artificial Intelligence (QAI)

Tables Guide Vision: Learning to See the Heart through Tabular Data

表格引导视觉：通过表格数据学习看见心脏

Marta Hasny, Maxime Di Folco, Keno Bressem, Julia Schnabel

机构 * School of Computation, Information and Technology, Technical University of Munich（技术大学慕尼黑计算、信息与技术学院） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich（生物医学成像中的机器学习研究所，海德堡慕尼黑） ； School of Biomedical Engineering and Imaging Sciences, King’s College London（国王学院伦敦生物医学工程与成像科学学院） ； TUM University Hospital, Technical University of Munich（技术大学慕尼黑大学医院） 纠错

专题命中 医学影像 ：MRI(abstract_cn)；分类 cs.CV

AI总结 本文提出基于表格数据的对比学习框架，利用临床相关表格数据识别患者层面相似性，构建更有意义的配对，提升语义对齐的表示学习，并通过零样本预测验证方法有效性。

A Unified Framework for the Detection and Classification of Fatty Pancreas in Ultrasound Images

一种用于超声图像中脂肪性胰腺检测与分类的统一框架

Ioan-Tudor-Alexandru Anghel, Ciprian-Mihai Ceausescu, Elena Dana Nedelcu, Elena Raluca Stirban, Camelia Croitoru, Despina Ungureanu, Ana Maria Palan, Gabriela Pop

机构 * Faculty of Mathematics and Computer Science, University of Bucharest（布加勒斯大学数学与计算机科学学院） ； Ponderas Academic Hospital, Radiology（波内拉斯学术医院放射科） ； Ponderas Academic Hospital, Internal Medicine（波内拉斯学术医院内科） ； Ponderas Academic Hospital, Gastroenterology（波内拉斯学术医院胃肠病科） ； Emergency Clinical Hospital Bucharest, Radiology Department（布加勒斯急救临床医院放射科） 纠错

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

AI总结 本文提出一种端到端框架，通过分割引导的纹理分析自动分类正常与脂肪性胰腺，采用TransUNet架构结合ResNet和Transformer，实现胰腺和脾静脉分割，并通过纹理比较进行分类，验证了在无标注数据下的有效性。

ImplantMamba: Long-range Sequential Modeling Mamba For Dental Implant Position Prediction

ImplantMamba: 长距离序列建模Mamba用于牙科种植体位置预测

Xinquan Yang, Congmin Wang, Xuguang Li, Yulei Li, Linlin Shen, Yongqiang Deng He Meng

机构 * School of Artifical Intelligence, Shenzhen University, Shenzhen, China（人工智能学院，深圳大学，中国深圳） ； National Engineering Laboratory for Big Data System Computing Technology, Shenzhen University, China（大数据系统计算技术国家工程实验室，深圳大学，中国） ； Huangpu People's Hospital, Zhongshan City, China（中山市黄埔人民医院，中国） ； Department of Stomatology, Shenzhen University General Hospital, Shenzhen, China（口腔科，深圳大学附属医院，中国深圳） 纠错

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

AI总结 本文提出ImplantMamba，通过结合CNN与Mamba层，实现种植体位置与角度的联合预测，提升种植体位置预测的准确性与可靠性。

DualResolution Residual Architecture with Artifact Suppression for Melanocytic Lesion Segmentation

双分辨率残差架构与伪影抑制用于黑色素瘤病变分割

Vikram Singh, Kabir Malhotra, Rohan Desai, Ananya Shankaracharya, Priyadarshini Chatterjee, Krishnan Menon Iyer

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

AI总结 本文提出双分辨率残差架构，结合高分辨率流和多尺度流，通过边界感知残差连接和通道注意力机制提升黑色素瘤分割精度，采用轻量伪影抑制模块和多任务训练策略，提升分割性能。

Comments arXiv admin note: This submission has been withdrawn due to violation of arXiv policies for acceptable submissions

Deeply Dual Supervised learning for melanoma recognition

深度双监督学习用于黑色素瘤识别

Rujosh Polma, Krishnan Menon Iyer

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

AI总结 本文提出一种深度双监督学习框架，通过局部和全局特征提取提升黑色素瘤识别性能，采用双路径结构和双注意力机制，增强对细微特征的识别能力，实验表明在基准数据集上优于现有方法。

Comments arXiv admin note: This submission has been withdrawn due to violation of arXiv policies for acceptable submissions

Factored Classifier-Free Guidance

因子分类器无关引导

Tian Xia, Fabio De Sousa Ribeiro, Rajat R Rasal, Avinash Kori, Raghav Mehta, Ben Glocker

机构 * Department of Computing, Imperial College London, UK（伦敦帝国理工学院计算系） 纠错

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

AI总结 本文提出因子分类器无关引导方法，通过因果图实现属性级控制，提升反事实推理的严谨性和可逆性。

Comments Accepted at ICML 2026

Wave interference as the origin of the cyclic magnetorotational dynamo in accretion disks: insights from weakly nonlinear theory and local shearing box simulations

磁旋转发电机中循环磁流体动力学的波干涉起源：来自弱非线性理论和局部剪切箱模拟的见解

Uddipan Banik, Amitava Bhattacharjee, James M. Stone

专题命中 医学影像 ：MRI(abstract)

AI总结 本文通过弱非线性理论和局部剪切箱模拟，揭示了磁旋转不稳定性在吸积盘中产生大尺度循环发电机的波干涉机制，预测了周期和振幅的标度关系。

Comments 22 pages main text + 9 pages appendices, 12 figures, comments welcome

MedExAgent: Training LLM Agents to Ask, Examine, and Diagnose in Noisy Clinical Environments

MedExAgent：训练LLM代理在嘈杂的临床环境中提问、检查和诊断

Yicheng Gao, Xiaolin Zhou, Yahan Li, Yue Zhao, Ruishan Liu

机构 * University of Southern California（南加州大学） ； Arizona State University（亚利桑那州立大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本文提出MedExAgent，通过两阶段流程训练医疗诊断代理，结合合成对话和DAPO优化，实现高效诊断与成本控制。

MPD$^2$-Router: Mask-aware Multi-expert Prior-regularized Dual-head Deferral Router in Glaucoma Screening and Diagnosis

MPD$^2$-Router：基于掩码的多专家优先正则化双头延迟路由在青光眼筛查与诊断中的应用

Wenxin Zhan

机构 * Baruch college（巴克莱学院） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出MPD$^2$-Router，通过结合双头延迟/分配策略和掩码感知的Gumbel-sigmoid门控，解决青光眼筛查中专家资源分配问题，提升诊断准确率并降低临床成本。

Optimising MFCC parameters for the automatic detection of respiratory diseases

优化MFCC参数以实现呼吸系统疾病的自动检测

Yuyang Yan, Sami O. Simons, Loes van Bemmel, Lauren Reinders, Frits M. E. Franssen, Visara Urovi

机构 * Institute of Data Science, Maastricht University（数据科学研究所，马斯特里赫特大学） ； Department of Respiratory Medicine, NUTRIM Research Institute of Nutrition and Translational Research in Metabolism, Faculty of Health Medicine and Life Sciences, Maastricht University（呼吸科系，营养与代谢转化研究 institute，健康医学与生命科学学院，马斯特里赫特大学） ； Department of Respiratory Medicine, Maastricht University Medical Centre（呼吸科系，马斯特里赫特大学医学中心） ； Department of Research and Development, Ciro（研发部，Ciro） 纠错

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

AI总结 本文研究MFCC参数对呼吸疾病诊断的影响，通过四个数据集验证不同参数组合对准确率的提升，发现最佳系数数约为30，帧长和步长对不同数据集性能有不同影响，优化参数后SVM模型在不同数据集上准确率显著提高。

Beyond the Wrapper: Identifying Artifact Reliance in Static Malware Classifiers using TRUSTEE

超越封装：利用TRUSTEE识别静态恶意软件分类器中的artifact依赖

Riyazuddin Mohammed, Lan Zhang

机构 * School of Informatics, Computing, and Cyber Systems（信息学、计算与网络安全学院） ； Northern Arizona University（北亚利桑那大学） 纠错

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

AI总结 本文提出TRUSTEE框架，通过后验可解释性工具和手动分析，发现静态恶意软件分类器易受数据集组成影响，误将打包特征视为恶意行为。

CASCADE: Case-Based Continual Adaptation for Large Language Models During Deployment

CASCADE：基于案例的连续适应：在部署期间为大型语言模型进行持续适应

Siyuan Guo, Yali Du, Hechang Chen, Yi Chang, Jun Wang

机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Engineering Research Center of Knowledge-Driven Human-Machine Intelligence, Jilin University（吉林大学知识驱动人机智能工程研究中心） ； International Center of Future Science, Jilin University（吉林大学未来科学国际中心） ； Department of Informatics, King’s College London（伦敦国王学院信息学院） ； The Alan Turing Institute（艾伦·图灵研究所） ； AI Centre, Department of Computer Science, UCL（UCL计算机科学系人工智能中心） 纠错

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

AI总结 本文提出CASCADE框架，通过在部署期间持续学习提升LLM性能，实现20.9%的提升，并在多个领域任务中优于基线方法。

Bridging Krylov Complexity and Universal Analog Quantum Simulator

连接Krylov复杂度与通用类比量子模拟器

Shuo Zhang, Yuzhi Tong, Pengfei Zhang, Zeyu Liu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出通用Krylov复杂度作为衡量类比量子模拟器实现特定量子操作复杂度的指标，通过构建块Krylov基，展示其在预测操作实现最小时间方面的有效性。

Comments 9 pages, 4 figures