医学 AI

Beyond Localization: A Comprehensive Diagnosis of Perspective-Conditioned Spatial Reasoning in MLLMs from Omnidirectional Images

超越定位：从全景图像中对MLLMs的视角条件空间推理进行综合诊断

Yuangong Chen, Wai Keung Wong, Jiaxing Li, Ioannis Patras, Xu Zheng

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Guangzhou University（广州大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； HKUST(Guangzhou)（香港科技大学（广州）） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.CV

AI总结 本文研究了多模态大语言模型（MLLMs）在视角变化下的空间推理能力，提出了PCSR-Bench基准测试，评估了14种代表性MLLMs在不同任务上的表现，揭示了空间推理能力的显著差距，并探讨了通过强化学习进行优化的可能性。

Comments 10pages, 4 figures

Beacon: Single-Turn Diagnosis and Mitigation of Latent Sycophancy in Large Language Models

Beacon：单轮诊断和缓解大型语言模型中潜在的阿谀倾向

Sanskar Pandey, Ruhaan Chopra, Angkul Puniya, Sohom Pal

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出Beacon基准测试，用于单轮诊断和缓解大型语言模型中潜在的阿谀倾向，通过评估十二种最先进的模型，揭示了阿谀倾向在语言和情感方面的稳定子偏差，并提出了在提示和激活层面的干预措施，以调节这些偏差，从而揭示对齐作为事实性和社会合规判断之间的动态流形。

Towards Principled Test-Time Adaptation for Time Series Forecasting

面向时间序列预测的原理性测试时间适应方法

Haochun Wang, Ruichen Xu, Georgios Kementzidis, Karen Cho, Sebastian Ramirez Villarreal, Yuefan Deng

机构 * Stony Brook University（石溪大学） 纠错

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

AI总结 本文提出了一种基于频率域的轻量级校准方法FAC，用于改进时间序列预测在分布偏移下的适应性，通过频率域分析现有适配器的预测修正，并在多种数据集和预测时间上实现了更高效和一致的性能。

Latent Action Control for Reasoning-Guided Unified Image Generation

潜在动作控制用于推理引导的统一图像生成

Fuxiang Zhai, Sixiang Chen, Yingjin Li, Shuaibo Li, Jianyu Lai, Tengjun Huang, Lei Zhu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） 纠错

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

AI总结 本文提出Latent Action Control (LAC)，通过将推理表示为隐藏的连续动作，使推理过程可操作，从而在统一生成器中实现推理引导的图像生成。LAC通过角色结构化的潜在轨迹进行规划、内部视觉草图、诊断和细化，并将这些动作注入到条件流生成的隐藏流中，从而提升生成质量。

Time-Efficient Hybrid Hyperparameter Tuning Approach for Cardiovascular Disease Classification

用于心血管疾病分类的高效混合超参数调优方法

Abhay Kumar Pathak, Mrityunjay Chaubey, Manjari Gupta

机构 * Department of Computer Science, Institute of Science, Banaras Hindu University（计算机科学系，科学学院，班纳拉森胡大学） ； School of Computer Science, University of Petroleum and Energy Studies（计算机科学学院，石油与能源研究大学） 纠错

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

AI总结 本文提出一种结合随机搜索和网格搜索的混合超参数调优方法，提升心血管疾病分类模型的准确性和效率，实验表明该方法在性能和计算时间上均优于传统方法。

Two-Valued Symmetric Circulant Matrices: Applications in Deep Learning

二值对称循环矩阵：在深度学习中的应用

Jayakrishna Amathi, Venkata Prasanth Yanambaka, Saraju P. Mohanty, Elias Kougianos

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of North Texas（北卡罗来纳大学达顿分校） ； Division of Computer Science（计算机科学分校） ； Texas Woman’s University（德克萨斯女子大学） 纠错

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

AI总结 本文提出二值对称循环矩阵，通过每层仅使用两个权重实现极稀疏结构，显著降低存储需求，实验显示在MNIST和MIT-BIH数据集上参数减少超过80倍，同时保持较高精度，适用于边缘计算和低功耗系统。

When Vision Speaks for Sound

当视觉为声音说话

Xiaofei Wen, Wenjie Jacky Mo, Xingyu Fu, Rui Cai, Tinghui Zhu, Wendi Li, Yanan Xie, Muhao Chen, Peng Qi

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 本文发现视频中MLLMs的音频理解依赖视觉线索而非实际音频流，提出Thud框架通过三种音频编辑干预研究此问题，并提出两阶段对齐方法提升模型性能。

Comments 24 pages, 10 figures

PropGuard: Safeguarding LLM-MAS via Propagation-Aware Exploration and Remediation

PropGuard: 通过传播感知探索与修复保障LLM-MAS

Bingyu Yan, Xiaoming Zhang, Jinyu Hou, Chaozhuo Li, Ziyi Zhou, Xiaozhe Zhang, Litian Zhang

机构 * Beihang University（北航） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 PropGuard通过构建双视角时空图，结合响应中心风险评估与全状态证据保存，实现对LLM-MAS中传播性攻击的检测与修复，有效降低攻击成功率并保持高任务防御效率。

Microdroplets Fail to Retain Exhaled Volatile Biomarkers within a Single Breath

微液滴无法在单次呼吸中保留呼出的挥发性生物标志物

Amio Pronoy Das Ritwik, Yamin Mansur, Jingcheng Ma

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio

AI总结 研究发现呼出的呼吸冷凝液微液滴无法在单次呼吸中保留挥发性生物标志物，挑战了传统假设，提出基于物理的模型以解决这一工程问题。

Comments Submitted to Nano Letters; 24 pages, 6 figures

MentalBench: A DSM-Grounded Benchmark for Evaluating Psychiatric Diagnostic Capability of Large Language Models

MentalBench: 一个用于评估大语言模型 psychiatric 诊断能力的 DSM 基础基准

Hoyun Song, Migyeong Kang, Jisu Shin, Jihyun Kim, Chanbi Park, Hangyeol Yoo, Jihyun An, Alice Oh, Jinyoung Han, KyungTae Lim

机构 * KAIST（韩国科学技术院） ； Sungkyunkwan University（成均馆大学） ； Dongguk University Medical Center（东国大学医学院） ； Seoultech（首尔技术大学） ； Samsung Medical Center（三星医疗中心） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出 MentalBench，一个用于评估大语言模型在不同临床模糊程度下能否做出 DSM 基础的 psychiatric 诊断决策的基准。该基准基于 psychiatrist 构建并验证的知识图谱，生成了 24,750 个合成临床案例，以系统地变化信息完整性和诊断复杂性，从而实现 DSM 基础的评估。实验表明，尽管最先进的 LLM 在噪声自由查询上表现良好，但它们在区分具有重叠症状的诊断时难以校准其信心。

Enhancing Metacognitive AI: Knowledge-Graph Population with Graph-Theoretic LLM Enrichment

增强元认知AI：基于图论的LLM知识图谱填充

Deniz Askin, Gal Hadar, Brendan Conway-Smith

机构 * Department of Cognitive Science, Carleton University（认知科学系，卡尔顿大学） ； Faculty of Computer and Information Science, Ben-Gurion University of the Negev（计算机与信息科学学院，贝内-约尔大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出MetaKGEnrich系统，通过构建知识图谱、检测稀疏区域、生成问题并检索证据，提升LLM的自我修复能力，在多个数据集上显著提高了回答质量。

Learning Spatial-Preserving Hierarchical Representations for Digital Pathology

学习空间保持的层次表示用于数字病理学

Weiyi Wu, Xingjian Diao, Chunhui Zhang, Chongyang Gao, Xinwen Xu, Siting Li, Jiang Gui

机构 * Dartmouth College（达特茅斯学院） ； Massachusetts General Hospital（麻省总医院） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出SPAN框架，通过保留空间关系和计算分配，提升数字病理学图像的层次表示能力，通过两种变体在多个数据集上验证了其有效性。

Journal ref CVPR 2026 (Findings Track)

Bridging the Modality Bottleneck in Pathology MIL through Virtual Molecular Staining

弥合病理MIL中的模态瓶颈：通过虚拟分子染色

Yucheng Xing, Pei Liu, Jingying Ma, Ruping Hong, Jiangdong Qiu, Tianyu Liu, Kai He, Ling Huang, Mengling Feng

机构 * National University of Singapore（新加坡国立大学） ； Hunan University（湖南大学） ； Peking Union Medical College Hospital (PUMCH)（北京协和医学院附属阜外医院） ； Imperial College London（伦敦帝国理工学院） 纠错

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 本文提出MIST方法，通过虚拟分子染色提升病理MIL中投影层性能，改进240/256配置，平均提升3.5%，在生存预测、组织分型和生物标志物预测中分别提升5.2%、3.3%和2.6%。

Meta-Learning Guided Pruning for Few-Shot Plant Pathology on Edge Devices

元学习引导的剪枝用于边缘设备上的少样本植物病理学

Mohammed Mudassir Uddin, Shahnawaz Alam, Mohammed Kaif Pasha, Dr Tasneem Bano Rehman, Dr Fahmina Taranum, Afroze Begum

机构 * Department of CSE, Muffakham Jah College of Engineering and Technology (MJCET)（计算机科学与工程系，穆法卡姆·贾赫工程与技术学院（MJCET）） 纠错

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

AI总结 本文提出DACIS方法，结合神经网络剪枝与少样本学习，实现边缘设备上高效植物疾病识别，实验表明模型大小减小78%且保持92.3%的精度。

When Accuracy Is Not Enough: Uncertainty Collapse between Noisy Label Learning and Out-of-Distribution Detection

当准确性不够时：噪声标签学习与分布外检测之间的不确定性崩溃

Ningkang Peng, Jingyang Mao, Runhan Zhou, Peirong Ma, Yanhui Gu

机构 * Nanjing Normal University（南京师范大学） 纠错

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

AI总结 本文研究了噪声标签学习与分布外检测之间的不确定性崩溃问题，提出了一种通用的ACC-OOD基准，揭示了高准确率并不保证分布外可靠性，提出虚拟边距正则化方法来缓解这一问题。

Deep learning-based compression of giga-resolution whole slide images

基于深度学习的高分辨率全切片图像压缩

Maren Høibø, Etienne Gaucher, Ingerid Reinertsen, Marit Valla, Erik Smistad

机构 * Department of Clinical and Molecular Medicine, Norwegian University of Science and Technology (NTNU)（临床与分子医学系，挪威科学技术大学（NTNU）） ； Clinic of Laboratory Medicine, St. Olavs hospital, Trondheim University Hospital（实验室医学诊所，圣奥拉夫医院，特罗姆瑟大学医院） ； Department of Health Research, SINTEF Digital（健康研究部，SINTEF数字） ； Department of Circulation and Medical Imaging, Norwegian University of Science and Technology (NTNU)（循环与医学成像系，挪威科学技术大学（NTNU）） 纠错

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

AI总结 本文研究了基于深度学习的全切片图像压缩方法，通过比较深度学习与传统编码方式（JPEG、JPEG-2000、JPEG-XL）在去除玻璃和压缩效果上的差异，发现深度学习压缩在减少文件大小方面更有效，但解压时间更长。

GCE-MIL: Faithful and Recoverable Evidence for Multiple Instance Learning in Whole-Slide Imaging

GCE-MIL: 多实例学习中全滑片成像的可信且可恢复的证据

Xiangyu Li, Ran Su

机构 * College of Intelligence and Computing（智能与计算学院） 纠错

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

AI总结 该研究提出GCE-MIL方法，通过优化S/N/R标准直接提升多实例学习中全滑片成像的预测性能和证据质量，改进了宏F1分数和C-index，并减少了连续-离散差距。

Comments 10 pages, 17 figures, 24 table

Spatial Blindness in Whole-Slide Multiple Instance Learning

全切片多实例学习中的空间盲区

Xiangyu Li, Ran Su

机构 * College of Intelligence and Computing（智能与计算学院） 纠错

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

AI总结 本文研究了全切片多实例学习中由于空间信息处理不足导致的分类误差问题，提出ResTopoMIL模型通过引入不变原型直方图和坐标洗牌约束来提升模型对空间关系的敏感性，从而在多个公开数据集上提升了分类和生存预测性能。

Comments 28 pages, 8 figures, 16 tables

Isotonic Survival Regression: Calibrated Survival Distributions from Deep Cox Models

非递减生存回归：从深度Cox模型中校准生存分布

Anchit Jain, Kevin Zhang, Stephen Bates

机构 * EECS, MIT（MIT电子工程与计算机科学系） 纠错

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

AI总结 本文提出一种非递减回归方法，用于校准深度Cox模型的生存概率，通过理论保证和实验验证提升模型实用性。

Diffusion Attention Expert Model for Predicting and Semi-automatic Localizing STAS in Lung Cancer Histopathological Images

扩散注意力专家模型用于预测和半自动定位肺癌组织病理图像中的STAS

Liangrui Pan, Jiadi Luo, Yuxuan Xiao, Chenchen Nie, Xiaoshuai Wu, Songqing Fan, Ling Chu, Manqiu Li, Rongfang He, Zhenyu Zhao, Ruixing Wang, Shulin Liu, Yiyi Liang, Xiang Wang, Qingchun Liang, Shaoliang Peng

机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； Department of Pathology, The Second Xiangya Hospital, Central South University（中南大学湘雅医院病理科） ； Hunan Clinical Medical Research Center for Cancer Pathogenic Genes Testing and Diagnosis（湖南临床医学肿瘤基因检测与诊断研究中心） ； Department of Thoracic Surgery, The Second Xiangya Hospital, Central South University（中南大学湘雅医院胸外科） ； Department of pathology, Hunan Cancer Hospital, The Affiliated Cancer Hospital of Xiangya School of Medicine, Central South University（湖南肿瘤医院病理科） ； Department of Pathology, The Third Xiangya Hospital, Central South University（中南大学湘雅第三医院病理科） ； Department of Pathology, First People's Hospital of Pingjiang County（平江县第一人民医院病理科） ； Department of Pathology, the First Affiliated Hospital, Hengyang Medical School, University of South China（南华大学衡阳医学院第一附属医院病理科） ； Department of Radiology, The Second Xiangya Hospital of Central South University（中南大学湘雅医院放射科） ； Department of Radiology, Xiangya Hospital, Central South University（中南大学湘雅医院放射科） ； Oncology Department and State Key Laboratory of Systems Medicine for Cancer of Shanghai Cancer Institute, Renji Hospital, School of Medicine, Shanghai Jiaotong University（上海癌症研究院肿瘤科及上海交通大学医学院系统医学重点实验室） 纠错

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

AI总结 本文提出DAEM模型，通过多尺度特征学习和双分支架构提升STAS检测精度，实现对冷冻切片和石蜡切片的高AUC值检测，并利用肿瘤微环境特征实现STAS半自动定位。

Comments Accepted by Nature Communications

Global structure of the time delay likelihood

时间延迟似然的全局结构

Namu Kroupa, Will Handley

专题命中 病理影像 ：pathology(abstract)

AI总结 本文研究了时间延迟推断中似然函数的固有病态，指出标准推断方法面临挑战，并提出通过增加活点数量等方法来确保收敛的实用解决方案。

Comments 21 pages, 8 figures

Journal ref Phys. Rev. Research 8, 023175 (2026)

MedMIX: Modality-Internal Expert Fusion for Multimodal Medical Diagnosis

MedMIX：多模态医学诊断中的模态内部专家融合

Seungik Cho, Anqi Li, Wei Qiu

机构 * Department of Physics and Astronomy（物理与天文学系） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Rice University（里奇大学） 纠错

专题命中 医疗多模态 ：diagnosis(title)；分类 cs.LG

AI总结 MedMIX通过融合模态内部专家、跨模态学习融合及大-小模型协作，提升多模态医学预测的鲁棒性，适用于缺失模态的场景。

PyHealth 2.0: A Comprehensive Open-Source Toolkit for Accessible and Reproducible Clinical Deep Learning

PyHealth 2.0: 一个全面的开源工具包，用于可访问和可重复的临床深度学习

John Wu, Yongda Fan, Zhenbang Wu, Paul Landes, Eric Schrock, Sayeed Sajjad Razin, Arjun Chatterjee, Naveen Baskaran, Joshua Steier, Andrea Fitzpatrick, Bilal Arif, Rian Atri, Jathurshan Pradeepkumar, Siddhartha Laghuvarapu, Junyi Gao, Adam R. Cross, Jimeng Sun

机构 * University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校） ； PyHealth Research Initiative（PyHealth研究计划） ； University of Illinois College of Medicine, Chicago, IL, USA（伊利诺伊大学医学院） ； The University of Edinburgh, Edinburgh, UK（爱丁堡大学） ； Health Data Research UK, London, UK（英国健康数据研究） ； Department of Biomedical Engineering, Bangladesh University of Engineering（孟加拉国工程大学生物医学工程系） 纠错

专题命中 医疗多模态 ：clinical AI(abstract)；healthcare AI(abstract)；分类 cs.LG

AI总结 本文提出PyHealth 2.0，一个全面的开源工具包，旨在解决临床AI研究中的可重复性和可访问性问题，通过统一15+数据集、20+临床任务、25+模型、5+可解释性方法和不确定性量化方法，实现7行代码即可完成预测建模。

Comments Under Review

SynCABEL: Synthetic Contextualized Augmentation for Biomedical Entity Linking

SynCABEL：面向生物医学实体链接的合成上下文增强

Adam Remaki, Christel Gérardin, Eulàlia Farré-Maduell, Martin Krallinger, Xavier Tannier

机构 * Sorbonne Université, Inserm, Université Sorbonne Paris Nord, Limics（索邦大学、国家医学研究院、巴黎索邦大学、Limics） ； Service de médecine interne, Hôpital Tenon, Assistance Publique - Hôpitaux de Paris（内科服务部，Tenon医院，巴黎公共医院） ； Barcelona Supercomputing Center, Barcelona, Spain（巴塞罗那超级计算中心，西班牙巴塞罗那） 纠错

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

AI总结 SynCABEL通过利用大型语言模型生成丰富的上下文合成训练示例，解决了监督式生物医学实体链接中专家标注数据稀缺的问题，并在三个多语言基准上实现了新的最先进的结果。

Comments 7 pages, 5 figures

BELIEF: Structured Evidence Modeling and Uncertainty-Aware Fusion for Biomedical Question Answering

BELIEF: 结构化证据建模与不确定性感知融合用于生物医学问答

Chang Zong, Hao Ning, Siliang Tang, Jie Huang, Jian Wan

机构 * School of Computer Science and Technology, Zhejiang University of Science and Technology（浙江理工大学计算机科学与技术学院） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） ； Zhejiang Key Laboratory of Biomedical Intelligent Computing Technology, Zhejiang University of Science and Technology（浙江理工大学生物医学智能计算技术重点实验室） 纠错

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

AI总结 本文提出BELIEF框架，通过结构化证据建模和不确定性感知融合，提升生物医学问答任务中检索文献的利用效率，实现对证据可靠性、不确定性以及候选假设的支持强度的显式建模。

Comments 14 pages, 6 figures

QuCo-RAG: Quantifying Uncertainty from the Pre-training Corpus for Dynamic Retrieval-Augmented Generation

QuCo-RAG：从预训练语料库中量化不确定性以实现动态检索增强生成

Dehai Min, Kailin Zhang, Tongtong Wu, Lu Cheng

机构 * University of Illinois at Chicago（伊利诺伊大学香槟分校） ； New York University（纽约大学） ； Monash University（莫纳什大学） 纠错

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

AI总结 本研究提出QuCo-RAG，通过从预训练语料库中提取客观统计信息来量化不确定性，以解决动态检索增强生成中大语言模型的幻觉问题，实验表明其在多跳问答基准测试中优于现有方法，并在多个模型上实现了显著的提升。

Comments ACL Findings 2026

GenoMAS: A Multi-Agent Framework for Scientific Discovery via Code-Driven Gene Expression Analysis

GenoMAS：通过代码驱动的基因表达分析进行科学发现的多智能体框架

Haoyang Liu, Yijiang Li, Haohan Wang

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 该研究提出GenoMAS多智能体框架，通过类型消息传递协议协调六个专门的LLM代理，以实现基因表达数据的高效处理和科学发现，其在数据预处理和基因识别任务上均优于现有方法。

Comments 51 pages (14 pages for the main text, 10 pages for references, and 27 pages for the appendix)

Nash: Neural Adaptive Shrinkage for Structured High-Dimensional Regression

Nash: 用于结构高维回归的神经自适应收缩

William R. P. Denault

机构 * Departments of Statistics and Human Genetics（统计学与人类遗传学系） 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Nash框架，通过神经网络整合协变量特定的侧信息，实现高维稀疏回归，提升模型适应性和准确性。

Reliable fairness auditing with semi-supervised inference

基于半监督推断的可靠公平性审计

Jianhui Gao, Jessica Gronsbell

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出Infairness框架，利用半监督推断在有限标注数据下实现公平性审计，通过回归与非线性基函数填补缺失结果，提升估计鲁棒性和效率，实验证明其在医疗数据中显著降低方差。

HexagonalWarriorMamba: Superior Threshold-Dependent Multi-label Classification of 12-Lead ECG Cardiac Abnormalities

HexagonalWarriorMamba: 12导联ECG心脏异常的阈值依赖多标签分类的更优方法

Huawei Jiang, Husna Mutahira, Shibo Wei, Jiahang Li, Vladimir Shin, Juneho Yi, Dongryeol Ryu, Wonyoung Park, Mannan Saeed Muhammad

机构 * Sungkyunkwan University, Department of Computer Science and Engineering（顺天乡大学计算机科学与工程系） ； Sogang University, Department of Computer Science and Engineering（成均馆大学计算机科学与工程系） ； Gwangju Institute of Science and Technology, Department of Biomedical Science and Engineering（全州科学技术院生物医学科学与工程系） ； Tianjin Normal University, School of Artificial Intelligence（天津师范大学人工智能学院） ； Financial University under the Government of the Russian Federation, Department of Artificial Intelligence（俄罗斯联邦金融大学人工智能系） ； Sungkyunkwan University, Department of Electrical and Computer Engineering（顺天乡大学电气与计算机工程系） ； Queen Mary University of London, School of Electronic Engineering and Computer Science（伦敦皇后玛丽大学电子工程与计算机科学学院） 纠错

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

AI总结 本文提出HexagonalWarriorMamba框架，通过将12导联ECG视为单通道2D图像而非传统1D时间序列，改进了传统深度学习模型在处理ECG信号长程依赖关系方面的不足，实现了对心脏异常的更优多标签分类。

Comments Submitted to Scientific Reports