医学 AI

What Do Biomedical NER and Entity Linking Benchmarks Measure? A Corpus-Centric Diagnostic Framework

Biomedical NER和实体链接基准测试测量什么？一种以语料库为中心的诊断框架

Robert Leaman, Rezarta Islamaj, Zhiyong Lu

机构 * National Library of Medicine（国家医学图书馆） 纠错

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

AI总结 本文提出一种以语料库为中心的诊断框架，用于分析生物医学NER和实体链接基准测试的相关属性，揭示语料库特性对评估信号、泛化需求和基准测试结论范围的影响。

Comments Accepted to the ACL 25th Workshop on Biomedical Language Processing

AIMBio-Mat: An AI-Native FAIR Platform for Closed-Loop Materials Discovery and Biomedical Translation

AIMBio-Mat: 一个面向AI的FAIR平台，用于闭环材料发现与生物医学转化

D. -M. Mei, K. Acharya, C. M. Adhikari, M. Adhikari, S. Aryal, B. V. Benson, K. Bhatta, S. Bhattarai, N. Budhathoki, A. M. Castillo, D. Chakraborty, S. Chhetri, S. Choudhury, T. A. Chowdhury, R. D. Cruz, B. Cui, S. Dhital, K. -M. Dong, R. Gapuz, A. Ghasemi, E. Z. Gnimpieba, B. D. S. Gurung, H. A. Hashim, R. I. Harry, K. -E. Hasin, M. K. Hassanzadeh, M. K. Jha, D. Kim, K. -C. Kong, B. Lama, A. Mahat, N. Maharjan, A. Majeed, J. Mammo, M. M. Masud, K. S. Moore, A. Nawaz, H. Oli, S. A. Panamaldeniya, L. Pandey, R. Pandey, Z. Peng, A. Prem, M. M. Rana, K. Rana Magar, R. Rizk, C. S. Tadi, L. -W. Wang, Y. Yang, G. -L. Yin, C. -X. Yu, D. Zeng, M. Zhou, Q. Zhou

机构 * Department of Physics, University of South Dakota（南达科他大学物理系） ； South Dakota School of Mines and Technology（南达科他州矿学院） ； Department of Chemistry, Physics and Materials Science, Fayetteville State University（费耶特维尔州立大学化学、物理与材料科学系） ； University of South Dakota（南达科他大学） ； PROMISE Lab, Sanford Research（桑福德研究机构PROMISE实验室） ； Department of Mechanical Engineering, University of Mississippi（密西西比大学机械工程系） ； Department of Physics and Astronomy, University of Kansas（堪萨斯大学物理与天文学系） ； Tiospa Zina Tribal School（蒂奥萨宾纳部落学校） ； Department of Mechanical and Materials Engineering, University of Nebraska–Lincoln（内布拉斯加大学林肯分校机械与材料工程系） 纠错

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

AI总结 本文提出AIMBio-Mat平台，通过整合材料来源、生物医学背景、知识图谱、不确定性感知的机器学习和人机协作主动学习，解决材料发现与生物医学转化中跨领域推理的问题，并提供可验证的平台蓝图。

Comments 35 pages, 4 figures, and 12 tables

Two-phase validation sampling via principal components to improve efficiency in multi-model estimation from error-prone biomedical databases

通过主成分进行两阶段验证抽样以提高多模型估计在误差多的生物医学数据库中的效率

Sarah C. Lotspeich, Cole Manschot

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

AI总结 本文提出了一种基于主成分分析的两阶段抽样方法，用于在多模型估计中提高效率，通过平衡和优先考虑多个模型的变量解释量，从而在误差多的生物医学数据库中更有效地进行验证。

Comments 22 pages, 5 figures, 2 tables, GitHub repositories with R package and simulation/analysis code

Gold Bipyramids as a Promising Alternative to Gold Nanorods for Analytical and Biomedical Applications

五边形金双锥体作为分析和生物医学应用中优于金纳米棒的有希望的替代品

Andrey M. Burov, Sergey V. Zarkov, Arina V. Drozd, Igor V. Borisov, Elena G. Zavyalova, Nikolai G. Khlebtsov

专题命中 生物医学文本 ：biomedical(title)

AI总结 本研究通过化学蚀刻合成了一种尺寸为75x25 nm的五边形金双锥体，并与其纵向等离子体共振（PR）在753 nm处进行比较，发现双锥体的吸收光谱质量因子显著高于纳米棒。此外，双锥体的SERS增强因子约为纳米棒的三倍，且其PR红移也比纳米棒大三倍，这表明双锥体对周围介质的折射率变化或介电壳厚度的变化更敏感。实验和理论均证实双锥体作为热敏剂在光热治疗中具有高效性，能够有效杀死大肠杆菌。

Comments 37 pages, 7 figures, 65 references

E-ReCON: An Energy- and Resource-Efficient Precision-Configurable Sparse nvCIM Macro for Conventional and Spiking Neural Edge Inference

E-ReCON：一种能量和资源高效、精度可配置的稀疏nvCIM宏单元，用于传统和脉冲神经边缘推理

Ankit Kumar Tenwar, Mukul Lokhande, Santosh Kumar Vishvakarma

机构 * Dept of Science and Technology (DST), Govt of India（印度科技部） ； MeitY/SMDP-C2S（科技部/SMDP-C2S） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出了一种基于紧凑型3T1R ReRAM位单元的16 Kb能量和资源高效的数字计算在内存（DCIM）宏单元E-ReCON，用于传统和脉冲神经网络边缘推理，通过引入新型交错10T/28T加法器树，减少晶体管数量和功耗，同时在65 nm CMOS工艺下实现低延迟、高吞吐量和高能效，适用于多种神经网络模型。

Sparse Contextual Coupling Reshapes Diffusion Geometry in Multilayer Hypergraphs

稀疏上下文耦合重塑多层超图中的扩散几何

Hao Ding, Sanjukta Krishnagopal

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

AI总结 该研究提出了一种基于扩散的框架，用于分析稀疏条件特定层如何重塑多层超图中的扩散几何，通过将密集的MSigDB功能基因集层与稀疏的疾病特定DGIdb药物-基因超图耦合，发现稀疏层对扩散距离和社区结构有显著影响。

Refining and Reusing Annotation Guidelines for LLM Annotation

对LLM注释的注释指南进行细化和重用

Kon Woo Kim, Jin-Dong Kim, Akiko Aizawa

机构 * The Graduate University for Advanced Studies, SOKENDAI（Graduate University for Advanced Studies, SOKENDAI） ； National Institute of Informatics (NII)（National Institute of Informatics） ； BioData Science Initiative (BSI), National Institute of Genetics (NIG)（BioData Science Initiative (BSI), National Institute of Genetics） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种系统性的注释指南重用和细化方法，通过迭代审核框架来对LLM注释进行改进，并在生物医学NER任务中验证了指南整合的有效性、推理优化模型的优势以及在最小监督下的审核可行性。

Comments 14 pages, 7 figures. Accepted to the ACL 2026 Main Conference