医学 AI

A Bayesian Longitudinal Spatial Normative Model for Individualized Brain Deviation Mapping

一个用于个性化大脑偏差映射的贝叶斯纵向空间规范模型

J. T. Korley

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 本文提出了一种贝叶斯纵向空间规范模型，通过统一的分层框架联合捕捉个体内部时间依赖性和空间结构化的个体偏差，从而在多个模拟场景中减少了偏差图重建误差，并在OASIS-3结构MRI数据应用中显著降低了RMSE。

Multi-Class Neurological Disorder Prediction with Tensor Network Feature Engineering

多类神经系统疾病预测的张量网络特征工程

Keshav Balakrishna, Aaryan Chityala, Vivan Kanna, Ishan Pathak, Harshit Ravula, Aaron Lee, Alessandro Hammond, Moemal Al-Wishah, Leo Anthony Celi

专题命中 医学影像 ：MRI(abstract,abstract_cn)；medical image(abstract)；diagnosis(abstract)

AI总结 本文提出了一种结合张量分解与集成分类器的方法，用于多类神经系统疾病预测，通过张量网络表达性提升了模型鲁棒性，并在临床数据集上展示了与最新经典方法相媲美的性能。

Beyond Euclidean Prototypes: Spectral Disentanglement and Geodesic Matching for Few-Shot Medical Image Segmentation

超越欧几里得原型：基于谱分解和测地匹配的少样本医学图像分割

Penghao Jia, Zhiyong Huang, Mingyang Hou, Zhi Yu, Shuai Miao, Jiahong Wang, Yan Yan

机构 * School of Microelectronics and Communication Engineering, Chongqing University（重庆大学微电子与通信工程学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

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

AI总结 本文提出Spectral-Geodesic Prototype Network (SGP-Net)，通过谱原型银行和测地匹配器解决少样本医学图像分割中的原型纠缠和拓扑盲匹配问题，实现对形状、纹理和边界线索的解耦编码。

Patch-MoE Mamba: A Patch-Ordered Mixture-of-Experts State Space Architecture for Medical Image Segmentation

Patch-MoE Mamba: 一种用于医学图像分割的基于补丁顺序的专家混合状态空间架构

Diego Adame, Fabian Vazquez, Jose A. Nunez, Huimin Li, Jinghao Yang, Erik Enriquez, DongChul Kim, Haoteng Tang, Bin Fu, Pengfei Gu

机构 * University of Texas Rio Grande Valley（德克萨斯理工大学里奥格兰德谷分校） 纠错

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

AI总结 本文提出了一种基于补丁顺序的专家混合状态空间架构Patch-MoE Mamba，以解决现有Mamba分割模型在像素级方向扫描破坏局部二维空间结构以及简单求和融合方向无法适应多样物体大小、形状和边界的问题。

GLT-PEFT: Gated Lie-Tucker Parameter-Efficient Fine-Tuning for Alzheimer's Disease Diagnosis with Hippocampal Segmentation Pretraining

GLT-PEFT: 基于门控李-塔克参数高效微调的阿尔茨海默病诊断方法（结合海马体分割预训练）

Guanghua He, Hancan Zhu, Gaohang Yu, An Zhang

机构 * Department of Mathematics, Hangzhou Dianzi University（杭州电子科技大学数学系） ； School of Mathematics, Physics and Information, Shaoxing University（绍兴大学数学与物理学院） ； Department of Mathematics, Zhejiang University of Science and Technology（浙江科技学院数学系） 纠错

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

AI总结 本文提出GLT-PEFT方法，通过门控李-塔克分解实现高效参数微调，用于阿尔茨海默病诊断，结合海马体分割预训练，提升医学影像模型的适应性与鲁棒性。

RadGenome-Anatomy: A Large-Scale Anatomy-Labeled Chest Radiograph Dataset via Physically Grounded Volumetric Projection

RadGenome-Anatomy: 通过物理基础的体积分量生成大规模解剖标注胸部X光图像数据集

Shuchang Ye, Mingyuan Meng, Hao Wang, Usman Naseem, Jinman Kim

机构 * The University of Sydney（悉尼大学） ； Zhongguancun Academy（中关村学院） ； Shanghai Jiao Tong University（上海交通大学） ； Macquarie University（麦考瑞大学） 纠错

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

AI总结 本文提出RadGenome-Anatomy数据集，通过物理基础的体积分量生成技术，生成包含超过1000万段分割掩码的大型解剖标注胸部X光图像数据集，用于改进医学图像分割和诊断任务。

Causal Anomaly Detection for Lithium-Ion Battery Degradation

锂离子电池退化中的因果异常检测

Dieter W. Heermann, Hagen Heermann

机构 * Institute for Theoretical Physics, Heidelberg University（海德堡大学理论物理研究所） ； Intilion GmbH（Intilion公司） 纠错

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

AI总结 本研究提出了一种基于因果图发现和k近邻转移熵的框架，用于通过常规循环 telemetry 数据检测锂离子电池退化，并通过三种信号类别包对异常评分进行组织，以提高检测灵敏度。

M-IDoL: Information Decomposition for Modality-Specific and Diverse Representation Learning in Medical Foundation Model

M-IDoL：面向医学基础模型的模态特定与多样化表示学习的信息分解

Yihang Liu, Longzhen Yang, Jiaxiong Yang, Ying Wen, Lianghua He, Heng Tao Shen

机构 * School of Computer Science and Technique（计算机科学与技术学院） ； Tongji University（同济大学） ； School of Communications and Electronic Engineering（通讯与电子工程学院） ； East China Normal University（华东师范大学） 纠错

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

AI总结 本文提出M-IDoL，通过信息分解提升医学基础模型的模态特异性和多样性，通过最大化跨模态熵和最小化内模态不确定性，在21个下游任务中实现优于现有模型的泛化能力。

Supervise Less, See More: Training-free Nuclear Instance Segmentation with Prototype-Guided Prompting

少监督，多观察：基于原型引导的提示方法实现无训练核实例分割

Wen Zhang, Qin Ren, Wenjing Liu, Haibin Ling, Chenyu You

机构 * Stony Brook University（石溪大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文提出SPROUT框架，通过组织学先验知识构建滑片特定参考原型，利用部分最优传输方案指导特征对齐，使SAM模型无需训练即可实现精准核分割。

Comments ICML 2026; 44 pages, 25 figures, 26 tables; Code at https://github.com/Y-Research-SBU/SPROUT

Design Principles for Singlet Fission in Aza-BODIPY Dimers: Spacer-Controlled Electronic Structure and Energy Ordering

aza-BODIPY双体中单线态分裂的设计器原理：间隔物控制的电子结构和能量排序

Sophiya Goyal, S. Rajagopala Reddy

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本研究通过非绝热电子结构框架探讨了间隔物在调节aza-BODIPY双体单线态分裂活性中的作用，利用高阶多参考方法分析了九种间隔物连接的双体，评估了局部激发、电荷转移和多激发态的能量和耦合，发现间隔物减少了C-C键连接双体中过度的态混合，促进更明显的多激发态出现，同时保持电荷转移介导的相互作用以实现高效的单线态分裂。

Dynamic Evolution of Pore-scale Heterogeneity and Transport Conditions Control Mineral Dissolution Regimes

孔隙尺度异质性与传输条件对矿物溶解制度的动态演化

Jinlei Wang, Yongfei Yang, Martin J. Blunt, Branko Bijeljic

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文通过三维微连续体模拟研究了孔隙尺度异质性和传输条件对矿物溶解制度动态演化的影响，揭示了初始流体异质性如何控制反应物的可接近性，从而影响溶解制度的动态演变，发现通道化溶解是结构和流体同时重新组织的过程，其渗透率-孔隙率关系不能用单一幂律描述，有效幂律指数随异质性和时间变化，最大可达9.8、18.0和40.9，导致有效反应速率比均匀溶解预测低一个到三个数量级，因通道化溶解中的质量传递限制而被抑制。

Comments 13 pages, 4 figures

GRMHD Simulations of Magnetized Accretion Disk/Jet: Variabilities of Black Holes and Spectral Energy Distributions in Magnetic States

GRMHD模拟磁化吸积盘/喷流：黑洞变异性及磁态中的能谱分布

Rohan Raha, Banibrata Mukhopadhyay, Koushik Chatterjee

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本文通过三维广义相对论磁流体动力学模拟，研究接近最大自转黑洞在不同初始磁场几何结构下的磁化冻结盘、中间态和标准正常演化的吸积态，探讨磁场通量对喷流效率、流体磁化和辐射输出的影响，并通过多波段能谱和时间分辨X射线光变曲线连接模拟动态与多波段观测结果。

Comments Published in Universe as an invited article to the Special Issue "Magnetized Dense Matter in Compact Stars: From Fundamental Properties to Astrophysical Observables", 30 pages, 8 Figures, 2 Tables

Journal ref Universe 2026, 12(5), 142

ADMEDTAGGER: an annotation framework for distillation of expert knowledge for the Polish medical language

ADMEDTAGGER: 一个用于波兰医疗语言知识蒸馏的标注框架

Franciszek Górski, Andrzej Czyżewski

机构 * Gdansk University of Technology（格但斯克技术大学） 纠错

专题命中 医学影像 ：pathology(abstract)；radiology(abstract)

AI总结 本文提出了一种标注框架，展示如何利用一个多语言预训练大语言模型作为教师模型，蒸馏出用于标注波兰医疗文本所需的专业知识，通过开发多类分类器，解决了标注资源不足的问题，最终得到了高效的分类器。

Virtual Nodes Guided Dynamic Graph Neural Network for Brain Tumor Segmentation with Missing Modalities

虚拟节点引导的动态图神经网络用于缺失模态的脑肿瘤分割

Sha Tao, Jiao Pan, Yu Guo, Chao Yao

机构 * University of Science and Technology Beijing（科学技术大学） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本文提出了一种基于图的单阶段框架，通过引入模态特定的虚拟节点来补偿缺失模态，利用图网络的灵活性设计动态连接策略，提升模型对任意模态组合的鲁棒性，并在BRATS-2018和BRATS-2020数据集上验证了方法在不完整模态下的优越性能。

Comments The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026

Particulate analysis of post-thermal runaway soot of Li-ion battery using X-ray computed tomography

利用X射线计算机断层扫描分析锂离子电池热失控后炭黑的颗粒特性

Avtar Singh, Donal P. Finegan

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 研究通过X射线计算机断层扫描分析锂离子电池热失控产生的炭黑颗粒结构，揭示其健康风险，强调核心壳结构中致癌物质的检测重要性。

Comments 7 pages, 2 figures

SynVA: A Modular Toolkit for Vessel Generation and Aneurysm Editing

SynVA：一种用于血管生成和动脉瘤编辑的模块化工具包

Marten J. Finck, Niklas C. Koser, Sarker M. Mahfuz, Tameem Jahangir, Jon E. Wilhelm, Daniel Behme, Naomi Larsen, Wojtek Palubicki, Sylvia Saalfeld, Sören Pirk

机构 * Visual Computing and Artificial Intelligence, Kiel University, Germany（视觉计算与人工智能研究所，基尔大学，德国） ； Institute for Medical Informatics and Statistics, Kiel University, Germany（医学信息学与统计研究所，基尔大学，德国） ； Clinic for Neuroradiology, Medical Faculty, Magdeburg University, Germany（神经放射科，马格德堡大学医学学院，德国） ； Department of Radiology and Neuroradiology, University Hospital Schleswig-Holstein, Germany（放射学与神经放射学部门，石勒苏益格-荷尔斯泰因大学医院，德国） ； Faculty of Mathematics and Computer Science, Adam Mickiewicz University, Poland（数学与计算机科学学院，亚当·密茨凯维奇大学，波兰） 纠错

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

AI总结 本文提出SynVA，一种模块化工具包，用于生成血管网格和在解剖学上一致的动脉瘤合成，通过结合新的流匹配方法和基于学习的方法，生成真实血管几何和解剖学合理的动脉瘤，同时提供大规模标注数据集以提升医疗影像分析能力。

VoxShield: Protecting 3D Medical Datasets from Unauthorized Training via Frequency-Aware Inter-Slice Disruption

VoxShield: 通过频率感知的跨切片扰动保护3D医学数据集免受未经授权的训练

Xinyao Liu, Zhipeng Deng, Wenhan Jiang, Haolin Wang, Xun Lin, Yafei Ou, Yefeng Zheng

机构 * Westlake University（西拉雅大学） ； Dalian University of Technology（大连理工大学） ； Hokkaido University（北海道大学） ； The Chinese University of Hong Kong（香港中文大学） ； RIKEN（理化学研究所） 纠错

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

AI总结 本文提出VoxShield，一种通过频率感知的跨切片扰动机制，针对3D医学图像分割数据集中的体积诱导偏差，有效降低3D分割网络性能，同时保持视觉质量。

Comments Submitted version to MICCAI 2026 (Provisional Accept)

Diffeomorphic Cortical Alignment via Direct Warping of Streamline Endpoints

通过直接变形纤维束端点实现的皮层对齐

Yang Xiang, Martin Cole, Zhengwu Zhang

机构 * Department of Statistics and Operations Research, The University of North Carolina at Chapel Hill（统计与运筹学系，北卡罗来纳大学教堂山分校） ； Department of Psychiatry, University of Rochester（精神病学系，罗切斯特大学） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出了一种基于连接性的皮层对齐方法，通过直接操作白质纤维束端点来对齐皮层表面，以提高纤维束层面的对应性，并在主要纤维束上实现更高的连接性重叠系数和更强的鲁棒性。

Cross-Domain Adversarial Augmentation: Stabilizing GANs for Medical and Handwriting Data Scarcity

跨领域对抗增强：稳定GANs以应对医学和手写数据稀缺

Md. Sohanuzzaman Soad, Mahady Al Hady, S M Rafiuddin Rifat, Sudip Ghose

机构 * University of Asia Pacific（亚太平洋大学） 纠错

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

AI总结 本文探讨了在低资源领域中使用生成数据增强技术，通过DCGAN模型生成合成样本，并评估其在医学影像和手写识别中的有效性，提升了有限数据下的分类性能。

Comments 11 Pages, 7 figures, 2 tables

FG-TreeSeg: Flow-Guided Tree Crown Segmentation without Instance Annotations

FG-TreeSeg：基于流引导的树冠分割无需实例标注

Pengyu Chen, Fangzheng Lyu, Sicheng Wang, Cuizhen Wang

机构 * Department of Geography, University of South Carolina（南卡罗来纳大学地理系） ； Department of Geography, Virginia Polytechnic Institute and State University（弗吉尼亚理工大学地理系） 纠错

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

AI总结 本文提出FG-TreeSeg，通过将树冠建模为拓扑流场中的星形凸对象，利用Cellpose-SAM实现无需标注的树冠实例分割，实验表明其在不同传感器和冠层密度下均具有良好的泛化能力。

Comments 5 pages, 8 figures

Journal ref IEEE Geoscience and Remote Sensing Letters, 2026

MHMamba: Multi-Head Mamba for 3D Brain Tumor Segmentation

MHMamba：多头Mamba用于3D脑肿瘤分割

Hanjun Tao, Hua Wang, Fan Zhang

机构 * Shandong Technology and Business University（山东科技与商务大学） ； Ludong University（鲁东大学） 纠错

专题命中 医学影像 ：MRI(abstract)；分类 cs.CV

AI总结 本文提出MHMamba，结合U型结构与多头状态空间模型，提升3D脑肿瘤分割的长程表示与多模态训练稳定性，实验显示在BraTS数据集上整体准确率和边界平滑度显著提升。

Comments 10 pages, 3 figures, 4 tables

Speeding Up Nonsmooth Bayesian MCMC Sampling via Inexact Proximal Unadjusted Langevin Algorithm

通过不精确的近端无调整 Langevin 算法加速非光滑贝叶斯 MCMC 采样

Susan Ghaderi, Alireza Kabgani, Yves Moreau, Masoud Ahookhosh

专题命中 医学影像 ：medical image(abstract)

AI总结 本文研究了从具有非光滑复合势的后验分布中采样的问题，提出了一种不精确的近端无调整 Langevin 算法（iPULA），该算法通过可控的近似替代精确的近端步骤，利用Moreau包络体平滑势，并允许通过不精确的近端计算来近似梯度，从而在非光滑情况下实现非渐近收敛性保证，并在医学图像重建任务中验证了其有效性。

MOSAIC: A Multilingual, Taxonomy-Agnostic, and Computationally Efficient Approach for Radiological Report Classification

MOSAIC：一种多语言、无类别依赖且计算高效的放射报告分类方法

Alice Schiavone, Marco Fraccaro, Lea Marie Pehrson, Silvia Ingala, Rasmus Bonnevie, Michael Bachmann Nielsen, Vincent Beliveau, Melanie Ganz, Desmond Elliott

机构 * Department of Computer Science, University of Copenhagen（哥本哈根大学计算机科学系） ； Neurobiology Research Unit, Copenhagen University Hospital（哥本哈根大学医院神经生物学研究单位） ； Unumed Aps（Unumed公司） ； Department of Diagnostic Radiology, Copenhagen University Hospital（哥本哈根大学医院诊断放射学系） ； Department of Clinical Medicine, University of Copenhagen（哥本哈根大学临床医学系） ； Cerebriu A/S（Cerebriu公司） ； Institute for Human Genetics, Medical University of Innsbruck（因斯布鲁克医学大学人类遗传学研究所） 纠错

专题命中 医学影像 ：radiology(abstract)

AI总结 MOSAIC通过紧凑开放模型实现多语言、无类别依赖的放射报告分类，无需大量标注数据，且在多种影像模态和标签体系上表现优异，达到专家水平性能。

Comments 8 pages, 14 pages including references and appendix. 9 figures. Preprint

Journal ref Proceedings of the ClinicalNLP Workshop at LREC 2026

Learning from Disagreement: Clinician Overrides as Implicit Preference Signals for Clinical AI in Value-Based Care

从分歧中学习：临床医生的覆盖作为价值医疗中临床AI的隐含偏好信号

Prabhjot Singh, Abhishek Gupta, Chris Betz, Abe Flansburg, Brett Ives, Sudeep Lama, Jung Hoon Son

机构 * Altitude 纠错

专题命中 临床大模型 ：clinical AI(title,abstract)；分类 cs.LG

AI总结 本文提出了一种框架，将临床医生对AI建议的覆盖视为隐含偏好数据，通过引入五类覆盖分类法和双学习架构，解决抑制偏差问题，以提升价值医疗中AI的决策能力。

Comments 22 pages, 2 tables, 1 figure

Learning Normal Representations for Blood Biomarkers

学习正常表示以血清生物标志物

Aashna P. Shah, Michelle M. Li, Yash Lal, Seffi Cohen, Liat F. Antwarg, Morgan Sanchez, James A. Diao, Chirag J. Patel, Ben Y. Reis, Ran D. Balicer, Noa Dagan, Arjun K. Manrai

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Systems Biology, Harvard Medical School（哈佛医学院系统生物学系） ； Department of Medicine, Brigham and Women’s Hospital（布里洛妇产科医院医学系） ； Department of Mathematics, Johns Hopkins University（约翰霍普金斯大学数学系） ； Computational Health Informatics Program (CHIP), Boston Children’s Hospital（波士顿儿童医院计算健康信息学计划） ； The Ivan and Francesca Berkowitz Family Living Laboratory Collaboration at Harvard Medical School and Clalit Research Institute（哈佛医学院伊万和弗rancesca伯克伍德家庭生活实验室合作项目及克劳斯研究机构） ； Clalit Research Institute, Innovation Division, Clalit Health Services（克劳斯研究机构创新部门，克劳斯健康服务） ； Faculty of Computer and Information Science, Ben Gurion University（本· Gurion大学计算机与信息科学系） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 该研究提出NORMA框架，通过结合患者历史和人口水平数据生成更精确的参考区间，以改善血清生物标志物的个性化解读，避免过度个性化导致的误诊风险。

What Does the AI Doctor Value? Auditing Pluralism in the Clinical Ethics of Language Models

人工智能医生重视什么？审查语言模型临床伦理中的多元主义

Payal Chandak, Victoria Alkin, David Wu, Maya Dagan, Taposh Dutta Roy, Maria Clara Saad Menezes, Ayush Noori, Nirali Somia, John S. Brownstein, Ran Balicer, Rebecca W. Brendel, Noa Dagan, Isaac S. Kohane, Gabriel A. Brat

专题命中 临床大模型 ：medical AI(abstract)

AI总结 本文研究了大型语言模型在医疗建议中带来的伦理价值观，提出了一种审计框架来评估医疗AI中的价值多元主义，揭示了模型在决策中对患者自主权的潜在忽视，并强调了多模型协同的重要性。

Comments Code and data available upon request via https://hvp.global/

Adversarial Fragility and Language Vulnerability in Clinical AI: A Systematic Audit of Diagnostic Collapse Under Imperceptible Perturbations and Cross-Lingual Drift in Low-Resource Healthcare Settings

临床AI中的对抗脆弱性与语言脆弱性：在低资源医疗环境中对诊断崩溃的系统审计及不可察觉扰动和跨语言漂移的影响

Anthonio Oladimeji Gabriel, Ahmad Rufai Yusuf

机构 * Centre for Clinical Intelligence & Safety（临床智能与安全中心） ； Tomorrow University of Applied Sciences（明天应用科学大学） 纠错

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

AI总结 本文系统地审计了临床AI在不可察觉扰动和跨语言漂移下的诊断崩溃问题，揭示了对抗脆弱性和语言脆弱性对低资源医疗环境中的临床AI系统的影响。

Comments 23 pages, 9 figures, 3 tables. Code and data available at https://github.com/anthoniooladimeji11-coder/clinical-ai-safety-audit

Radial-Angular Geometry for Reliable Update Diagnosis in Noisy-Label Learning

径向-角向几何用于噪声标签学习中的可靠更新诊断

Ningkang Peng, Jingyang Mao, Xiaoqian Peng, Weiguang Qu, Yanhui Gu

机构 * Nanjing Normal University（南京师范大学） ； Nanjing University of Chinese Medicine（南京中医药大学） 纠错

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

AI总结 本文提出了一种基于径向-角向几何的方法，用于在噪声标签学习中可靠地诊断更新，通过比较观测标签梯度与EMA教师诱导的参考梯度，区分对齐的困难清洁更新与由损坏标签引起的冲突更新。

EndoCogniAgent: Closed-Loop Agentic Reasoning with Self-Consistency Validation for Endoscopic Diagnosis

EndoCogniAgent: 闭环代理推理与自我一致性验证用于内窥镜诊断

Yi Tang, Kai-Ni Wang, Yang Chen, Xiaopu He, Guangquan Zhou

机构 * School of Biological Science and Medical Engineering, Southeast University（东南大学生物科学与医学工程学院） ； Jiangsu Key Laboratory of Biomaterials and Devices, Southeast University（江苏省生物材料与器件重点实验室） ； State Key Laboratory of Digital Medical Engineering, Southeast University（国家数字医学工程重点实验室） ； The First Affiliated Hospital of Nanjing Medical University（南京医科大学第一附属医院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Jiangsu Provincial Joint International Research Laboratory of Medical Information Processing（江苏省联合国际医学信息处理联合实验室） ； Laboratory of Image Science and Technology, the School of Computer Science and Engineering, Southeast University（图像科学与技术实验室，东南大学计算机科学与工程学院） 纠错

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

AI总结 该研究提出EndoCogniAgent框架，通过闭环代理推理和自我一致性验证提升内窥镜诊断的准确性与可靠性，其核心方法是将诊断过程建模为受控状态更新过程，并引入EndoAgentBench基准进行评估。

Comments 10 pages, 8 figures, 2 tables. Revised version with major updates on methodology and extended evaluation on EndoAgentBench. Code and data are available at https://github.com/Tyyds-ai/EndoCogniAgent

Reasoning Before Diagnosis: Physician-Inspired Structured Thinking for ECG Classification

在诊断前进行推理：受医生启发的结构化思维用于心电图分类

Yang Wu, Xiaoyan Yuan, Hau-San Wong, Xiping Hu

机构 * City University of Hong Kong（香港城市大学） ； Beijing Institute of Technology（北京理工大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出CardioThink框架，通过结构化推理过程提升心电图分类的临床相关性，并引入SSPO方法以优化诊断结果的准确性和可解释性。