科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
利用可切换卷积和特征金字塔网络在焦点图像中检测病毒和小细胞斑块
专题命中 病理影像 ：biomedical(abstract)；分类 cs.CV
AI总结 本文提出了一种改进的YOLOv2检测器，结合特征金字塔网络和可切换空洞卷积机制，以提高在生物医学焦点图像中检测病毒斑块和小细胞斑块的性能，实验结果显示在不同IoU阈值下的mAP值显著提升。
GALAR-TemporalNet v2: 基于解剖引导的双分支时间分类方法，结合双向Mamba和双图GCN用于视频胶囊内镜
机构 * School of Computer Science and Engineering, Kyungpook National University（韩国庆北国立大学计算机科学与工程学院）
专题命中 病理影像 ：pathology(abstract)；分类 cs.CV
AI总结 该研究针对视频胶囊内镜中同时定位8个解剖区域和检测9种病理发现的多标签时间分类问题，提出GALAR-TemporalNet v2模型，通过结合窗口自注意力、双图GCN和双向Mamba解决类别不平衡、长程时间依赖和病理-解剖纠缠问题，最终在RARE-VISION测试集上取得更高的mAP指标。
Comments 7 pages, 2 figures. Post-competition preprint for the ICPR 2026 RARE-VISION Challenge
具有实质性模型兼容性的多重插补用于具有发散协变量数的Cox回归
专题命中 病理影像 ：biomedical(abstract)
AI总结 本文提出了一种半参数多重插补框架，用于处理具有发散维度的Cox回归中缺失协变量的问题，通过Cox模型似然贡献驱动的高维SMC-FCS过程进行插补，并结合拒绝采样和岭正则化后验抽样以保持模型兼容性，最终通过Rubin规则结合去偏估计器和插补内部方差估计进行推断。
向大规模多模态模型选择作为医疗图像中已烧毁保护健康信息检测引擎的方向
机构 * QwenLM（通义实验室）
专题命中 医疗多模态 ：medical image(title)；分类 cs.CV
AI总结 本文研究了如何利用大规模多模态模型进行医疗图像中保护健康信息的检测，通过对比三种主流模型在不同流程配置下的表现，发现大规模多模态模型在OCR性能上优于传统方法，但整体检测准确性提升不显著，尤其在复杂印模模式测试中表现更优，并提出了针对特定操作约束的模型选择建议和部署策略。
Comments Accepted at EMBC 2026
迈向具有空间定位病变证据的临床可解释性眼科VQA
机构 * Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） ； University of Washington（华盛顿大学） ； Institute of High Performance Computing, Agency for Science, Technology and Research（科技研究局高性能计算研究所）
专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV
AI总结 本文提出FundusGround基准，通过空间定位病变证据提升眼科VQA的临床可解释性，通过三阶段流程收集标注病变的视网膜影像，并评估多种视觉语言模型在答案准确性和病变层面推理上的表现。
ChronoMedKG：一个具有时间基础的生物医学知识图谱和用于临床推理的基准
机构 * University of Southern Denmark（丹麦南部大学） ； University of Hamburg（汉堡大学）
专题命中 生物医学文本 ：biomedical(title,abstract)
AI总结 本文提出ChronoMedKG，一个包含460,497个证据链接三元组的生物医学知识图谱，覆盖13,431种疾病，通过时间组件如发病窗口或进展阶段，为临床推理提供时间基础，并引入ChronoTQA基准测试，验证了其在时间推理任务中的有效性。
Comments 9 pages main text plus appendices, 8 figures. Dataset and benchmark paper. ChronoMedKG released under CC BY 4.0 and ChronoTQA/code under MIT (Zenodo: 10.5281/zenodo.19697542). Under review
BeLink: 生物医学实体链接结合生成性重新排序
机构 * University of Milan（米兰大学） ； University of Chicago（芝加哥大学）
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生成模型的重新排序方法，通过指令微调提高生物医学实体链接的效率和准确性，在多个基准测试中实现了3%-24%的链接准确率提升，同时减少了推理时间。
Comments Accepted to ACM SIGIR 2026
SepsisAI Orchestrator：一个容器化和可扩展的平台，用于部署AI模型和实时监控以实现早期败血症检测
机构 * School of Systems Engineering and Computing, University of Valle（系统工程与计算学院，山谷大学） ； Digital Medicine Unit, Balgrist University Hospital（数字医学单元，巴尔格里斯大学医院） ； Nucleus-AI Research（核芯AI研究所）
专题命中 生物医学文本 ：clinical AI(abstract)；分类 cs.LG
AI总结 本文提出SepsisAI-Orchestrator平台，通过整合HL7 FHIR启发的临床文档架构（CDA）预处理、NoSQL存储、容器化LightGBM分类器和Streamlit临床仪表板，解决了早期败血症检测中AI模型部署的挑战，并通过负载测试展示了U型扩展行为。
Comments 13 pages, 5 figures. Submitted to BioCARLA 2025 Workshop
用置信度衡量异质处理效应中的变量重要性
机构 * Roche Pharma Research \& Early Development, Roche Innovation Center Basel, F. Hoffmann-La Roche Ltd, Basel, Switzerland ； Université Paris-Saclay, Inria, CEA, Palaiseau, France
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 本文提出PermuCATE算法，用于在估计条件平均处理效应时进行统计严谨的全局变量重要性评估，通过理论分析和实证研究证明其比LOCO方法具有更低的方差，从而提高统计功效，适用于生物医学应用中的有限数据环境。
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:47456-47477, 2025
宽视场中红外边缘增强上转换成像
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 本文提出了一种宽视场中红外边缘增强上转换成像系统，结合涡旋泵复幅值工程与非周期准相位匹配，实现了高灵敏度和高空间带宽积的中红外成像，用于生物医学和材料检测。
Journal ref ACS Photonics 13, 991 (2026)
具有可编程肿胀和序列特异性降解的生物相容性微米级DNA水凝胶
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 本文提出了一种生物相容且材料高效的微米级DNA水凝胶（microSDs）的制备与表征平台，通过可编程DNA设计参数实现可调的各向同性肿胀和降解特性，并利用YOYO-1定量提取有效扩散系数，研究肿胀对分子运输的影响，最终展示了微米级DNA水凝胶的降解行为及其在药物递送、多重生物传感和单细胞检测中的应用潜力。
STRUCTSENSE：一种任务无关的代理框架，用于结构化信息提取，具有人机协同评估和基准测试
机构 * McGovern Institute for Brain Research, Massachusetts Institute of Technology, Cambridge, MA, USA（麦戈文脑科学研究所，麻省理工学院，马萨诸塞州剑桥市） ； Fylo Labs Inc., New York, NY, USA（Fylo实验室公司，纽约州纽约市） ； Allen Institute for Brain Science, Seattle, WA, USA（艾伦脑科学研究所，华盛顿州西雅图市）
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 本文提出STRUCTSENSE框架，通过整合本体引导的符号知识、代理自我评估细化和人机协同验证，实现了结构化信息提取的鲁棒性，并在三个领域展示了其跨任务泛化能力。
Comments -
迈向现实的Wi-Fi故障诊断：一个多模态基准
专题命中 医学数据与评测 ：diagnosis(title,abstract)
AI总结 本文提出一个多模态基准，用于评估Wi-Fi故障诊断方法，通过构建现实中的Wi-Fi测试床和收集超过10,000个故障样本的数据集，揭示了现有方法在利用异构操作数据方面的挑战，并评估了新兴的LLM方法。
它往哪个方向移动？视频大语言模型中方向运动盲症的诊断与克服
机构 * Kyung Hee University（庆熙大学） ； Princeton University（普林斯顿大学）
专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV
AI总结 本文研究了视频大语言模型在理解方向运动时的盲点，提出MoDirect数据集和DeltaDirect方法，通过改进模型对方向运动的感知能力，显著提升了模型在合成和真实场景中的方向识别性能。
Comments Preprint. 59 pages, including appendix. Code: https://github.com/KHU-VLL/DeltaDirect
在多模态医学视觉基础模型中学习涌现的模块化表示
机构 * Case Western Reserve University（凯斯西储大学） ； Stony Brook University（石溪大学）
专题命中 医学数据与评测 ：medical AI(abstract)；分类 cs.CV
AI总结 本文提出Director-Experts (DEX)框架，通过调控模块化动态，在多模态医学视觉基础模型中学习稳定的模块化表示，并在新的医学视觉基准数据集上验证了其在26个下游任务中的优越性。
Comments Accepted by KDD 2026
癫痫半相学套件（S3）：一个临床多模态数据集、基准和模型用于癫痫半相学理解
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Pittsburgh（匹兹堡大学） ； Fudan University（复旦大学） ； University of California, Riverside（加州大学河滨分校） ； Hong Kong University of Science（香港科学大学） ； Maharishi International University（玛希拉国际大学）
专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.CV
AI总结 本文提出S3数据集和基准，用于细粒度、结构化的癫痫半相学理解，通过评估多模态大语言模型在低级视觉感知、时间序列处理、叙述报告生成和癫痫诊断中的能力，揭示了现有模型在左右脑推理、时间定位、症状序列和临床忠实报告方面的系统性弱点，并展示了针对癫痫的微调和双阶段神经符号框架在癫痫与非癫痫癫痫分类中的高F1分数。
Comments Accepted to ICML 2026 as a Spotlight presentation
AOP-Wiki EMOD 3.0: 数据模型扩展和内容评估框架用于利用代理AI改进AOP与新方法论（NAMs）之间的整合
机构 * Open BioData Modeling（开放生物数据建模） ； Environmental Genomics and Systems Biology（环境基因组学与系统生物学） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； National Wildlife Research Centre（国家野生动物研究中心） ； UL Research Institutes - Chemical Insights（UL研究机构-化学洞察）
专题命中 医学数据与评测 ：biomedical(abstract)
AI总结 本文提出AOP-Wiki EMOD 3.0，通过数据模型扩展和内容评估框架，利用代理AI改进AOP与新方法论之间的整合，为监管科学和生物医学领域提供支持。
Comments 7 Figures and 3 Supplemental Figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈